Quelldatenmigration mit Automatisierung der Quelldatenanbindung

Alle Success Stories

Success Stories

Suva - Quelldatenmigration mit Automatisierung der Quelldatenanbindung

Zurück zu Success Stories

Kurz zur Geschichte

Als selbständige Unternehmung des öffentlichen Rechts ist die Suva die wichtigste Träger in der obligatorischen Unfallversicherung in der Schweiz. Sie versichert rund 2 Millionen Berufstätige gegen Berufsunfälle, Berufskrankheiten und außerberufliche Unfälle.

Seit mehr als 10 Jahren unterhält die Suva ein stetig wachsendes Data Warehouse als Datendrehscheibe für den internen und externen Informationsbedarf.

„Dank des guten Know-hows und der guten Sozialkompetenz können die Projektziele jederzeit erreicht werden.“

Reto Christen

Bereichsleiter VTI (Competence Center Data Warehouse)

Suva

Seit mehr als zehn Jahren ist synvert ein kompetenter Partner, der uns in allen Bereichen der BI Entwicklung unterstützt. Von der Business Analyse über die Entwicklung komplexer ETL Strecken bis zum Reporting übernehmen die Berater der synvert sämtliche Arbeiten. Dank des guten Know-hows und der guten Sozialkompetenz können die Projektziele jederzeit erreicht werden. Die Zusammenarbeit ist so einfach und gut, dass wir uns jederzeit auf die Arbeit konzentrieren können. Die Zusammenarbeit ist ein echter Erfolg!

Ziele und Herausforderungen

Nach mehr als 20 Jahren musste ein neues Schaden- und Prämiensystem eingeführt werden. Mit diesem Umstieg von dem selbstentwickelten, auf Cobol basierendem Versicherungssystem auf eine für die Suva erweiterte Branchenlösung (AdCubum Syrius) änderte sich für das DWH das Datenfundament grundlegend. Das DWH musste auf die neuen Voraussetzungen mit der folgenden Zielsetzung angepasst werden:

Migration sämtlicher Daten aufgrund der Ersetzung des alten durch ein neues, operatives Systems
Übernahme der gesamten Datenbasis
Automatisierung der Quelldatenanbindung
Größtmögliche Weiterverwendung der existierenden Core-DWH-Schicht
Gleichbleibende Qualität der Daten

Wichtige Punkte

Da nicht alle Altdaten in das neue Quellsystem überführt wurden, wurde im Rahmen des Data Warehouse (DWH) eine eigene Archivierungslösung implementiert. Dieses Archiv fungiert nun als zusätzliche Datenquelle und ermöglicht eine vollständige Sicht auf die gesamte Datenhistorie der Suva seit 1918. Ein zentraler Bestandteil des Projekts war der Einsatz einer neuen BI-Technologie (OBIEE), um die Analyse- und Reporting-Funktionalitäten zu verbessern. Zudem wurde der Ladezyklus von einem monatlichen auf einen täglichen Load umgestellt, um insbesondere die operativen Berichte täglich mit aktuellen Daten zu versorgen. Dies führte zu einer Optimierung der Ladezeiten und einem erhöhten Automatisierungsbedarf. Die Umsetzung stand unter hohem Zeitdruck, da das DWH gleichzeitig mit der Einführung des neuen operativen Systems an die neuen Quelldatenstrukturen angepasst werden musste. Eine fristgerechte Fertigstellung war daher essenziell, um einen reibungslosen Übergang und eine kontinuierliche Datenverfügbarkeit sicherzustellen.

Die Architektur

Um der stark steigenden Anzahl von Quellobjekten gewachsen zu bleiben, wird ein generischer Ansatz zur Verarbeitung von Mutationen aus dem Quellsystem verwendet. Neue Tabellen können nun mittels Einträgen in Metadatentabellen registriert werden. Ein PL/SQLFramework (GenDel) stellt die Deltas der zu verarbeitenden Daten mittels Datenbank-Views zur Verfügung. Für die ETL-Prozesse wird weiterhin Informatica PowerCenter verwendet. Die von synvert in früheren Projekten eingeführte konsolidierte Ankermodellierung des Core-DWH bietet die ideale Grundlage zur Wiederverwendung bestehender Strukturen und gewährleistet zudem die Flexibilität der Erweiterbarkeit.

Die bestehende SAS Infrastruktur wurde um ein weiteres BI-Tool, die ORACLE Business Intelligence Enterprise Edition (OBIEE) ergänzt. Mit ORACLE als strategischer Datenbank können somit die Stärken im Bereich Online Analytical Processing (OLAP) genutzt werden. Außerdem wird OBIEE als Frontend für das operative Reporting eingesetzt.

Services von synvert

GenDel-Implementierung zur Automatisierung der Quellanbindung: Statt einzelner ETL Prozesse, können neue Quelltabellen nun sehr viel effizienter und einfacher angebunden werden
Analyse und Detailkonzeption von gesamten Datenbereichen im DWH (z.B. Kosten, Prämien und Lohnsummen)
Durchführung des gesamten Projektzyklus für das operative Reporting: Von der Anforderungsanalyse über die Konzeption bis hin zur Implementierung und dem Test des Systems und der Berichte

Lieferung / Abschluss

Die Umstellung des DWH wurde termingerecht umgesetzt. Dank der bereits in früheren Projektphasen neutralen und auf fachlicher Logik basierenden Core-DWH-Modellierung konnte – trotz der kompletten Umstellung auf ein neues Quellsystem – ein großer Teil des bestehenden Datenmodells weiterverwendet werden und die Bedeutung des DWH innerhalb der Suva wurde weiter gestärkt. Durch den Einsatz von GenDel wird die Suva dem wachsenden Anspruch an Automatisierung von ETL-Prozessen gerecht und hat eine flexible und frei konfigurierbare Schnittstelle zur einfachen Anbindung von zusätzlichen Quelldaten zur Verfügung.

Communications, Media & Telecom

Zentraler Data Lake

Fundamente für das Stammdatenmanagement

Ablösung einer komplexen IBM Datastage Struktur

Consumer Goods & Retail

Akzeptieren
Name	YouTube
Anbieter	Google LLC
Zweck	Diese Webseite verwendet Youtube zu Marketingzwecken. Die Daten werden an einen Server in den USA übertragen und dort gespeichert. Die personenbezogenen Daten werden auf Grundlage des Art. 46 und/oder Art. 49 Abs. 1 lit. a) DSGVO übermittelt.
Laufzeit	Daten werden gelöscht, sobald sie für die Bearbeitung nicht mehr benötigt werden.
Weiterführende Infos	https://policies.google.com/privacy

Akzeptieren
Name	hellotrust
Anbieter	Keyed GmbH
Zweck	hellotrust speichert den Zustimmungsstatus des Benutzers für Cookies auf der aktuellen Domain.
Laufzeit	Daten werden gelöscht, sobald sie für die Bearbeitung nicht mehr benötigt werden.
Weiterführende Infos	https://hellotrust.de/datenschutz

Akzeptieren
Name	Google Analytics
Anbieter	Google LLC
Zweck	Diese Webseite verwendet Google Analytics zur Analyse der Websitebenutzung durch Nutzer. Die Daten werden an einen Server von Google in den USA übertragen und dort gespeichert. Die personenbezogenen Daten werden auf Grundlage des Art. 46 und/oder Art. 49 Abs. 1 lit. a) DSGVO übermittelt.
Laufzeit	Daten werden gelöscht, sobald sie für die Bearbeitung nicht mehr benötigt werden. In der Regel werden die Cookies von Google für eine Dauer von 2 Jahren gespeichert.
Weiterführende Infos	https://policies.google.com/privacy

Kurz zur Geschichte

„Dank des guten Know-hows und der guten Sozi­al­kom­pe­tenz kön­nen die Pro­jekt­ziele jeder­zeit erreicht werden.“

Ziele und Herausforderungen

Wich­tige Punkte

Die Archi­tek­tur

Ser­vices von synvert

Lie­fe­rung / Abschluss

Data Recon­ci­lia­tion

Soft­ware­Fac­tory bei einem füh­ren­den Unter­neh­men der Automobilsoftwarebranche

Ska­lier­bare Fahrzeugdatenbank

DevX-Impact bei einem Finanzunternehmen

Inter­na­tio­nale Expan­sion eines füh­ren­den Online Autohändlers

Beschleu­ni­gung der Cloud-nati­ven Ent­wick­lung bei einem Automobilhersteller

Erken­nung von Anoma­lien bei Retail Verkaufsprovisionen

Ein­rich­tung einer zuver­läs­si­gen und leis­tungs­star­ken Plattform

Wahr­schein­lich­keits­vor­her­sage für die Kundenabwanderung

Früh­erken­nung von mecha­ni­schen Defekten

NLP im Automobilbereich

Ope­ra­tio­nal Data Lake

Real-Time Mar­ke­ting

Auto­ma­ti­sierte Klas­si­fi­zie­rung von Autos nach ihrem Modell

Daten­platt­form und ‑Kata­log für Schadenersatzforderungen

Zen­tra­les Data Warehouse

Data as a Ser­vice – BI & Big Data CC

Ope­ra­tive Arbeit/Unterstützung im Bereich Data Warehousing

Ero­si­ons­de­tek­tion mit Com­pu­ter Vision

Ent­wick­lung und Auf­bau einer voll­au­to­ma­ti­schen MLOps-Plattform

Migra­tion einer AWS-Daten­platt­form zu Google Cloud

Vor­her­sage und Zuwei­sungs­op­ti­mie­rung für sta­tio­näre Kanäle

Design und Ent­wick­lung einer Google Cloud-basier­ten Datenplattform

Auf­bau eines echt­zeit­na­hen Empfehlungssystems

Zen­tra­ler Data Lake

Fun­da­mente für das Stammdatenmanagement

Ablö­sung einer kom­ple­xen IBM Data­s­tage Struktur

Smart Data Catalog

Auf­bau einer kon­zern­wei­ten BI-Plattform

Imple­men­tie­rung von Realtime-Datenstrecken

Auf­bau und Wei­ter­ent­wick­lung eines DWH

Eta­blie­rung eines neuen Vertriebsreporting

Auf­bau einer ERP-Datendrehscheibe

Cloud Self Ser­vice-BI zur daten­ge­trie­ben Unternehmensführung