SlideShare ist ein Scribd-Unternehmen logo
1 von 18
Datenintegrität für moderne
Cloud Data Warehouse (MDWH)
und Analytics Architekturen
Coffee & Learn
Uwe Hofmann | Senior Account Executive
Marco Kopp | Senior Sales Engineer
Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Agenda
2
• Über Precisely
• Data Integrity
• Legacy Daten
• Precisely Connect
• Referenz-Architektur
• Kundenbeispiel
• Takeaways
• Nächste Schritte
• Fragen & Antworten
Der weltweit führende Anbieter von
Datenintegrität
Vertrauen Sie Ihren Daten. Bauen Sie Ihre Möglichkeiten auf.
Unsere Software Connect schaltet Altdaten frei, um Datenpipelines
aufzubauen, die AI und ML unterstützen.
Kunden, die uns vertrauen
Partner, die mit uns zusammenarbeiten
der Fortune 100 Unternehmen
90
Kunden in mehr als
100
2.000
Mitarbeiter
Kunden
12.000
Länder
Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen3
Data Integrity
Verbinden Sie die
Infrastruktur von heute
mit der Technologie
von morgen, um das
Potenzial all Ihrer
Unternehmensdaten
freizusetzen.
Verstehen Sie Ihre
Daten und stellen Sie
sicher, dass sie genau,
konsistent und
vollständig sind, um
richtige Geschäftsent-
scheidungen treffen zu
können.
Analyse von
Standortdaten für
verbesserte und
umsetzbare Geschäfts-
erkenntnisse, die zu
besseren Ergebnissen
führen.
Verbesserte
Entscheidungsfindung
durch fachmännisch
kuratierte, aktuelle
Geschäfts-, Standort-
und Verbraucherdaten.
4 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Bessere Daten, bessere Entscheidungen, bessere Ergebnisse
Precisely Connect
Precisely Ironstream
Precisely Assure
Precisely Syncsort
Integrate
Precisely Spectrum
Quality
Precisely Trillium
Precisely Spectrum
Context
Verify
Precisely Spectrum
Spatial
Precisely Spectrum
Geocoding
Precisely MapInfo
Confirm
Locate
Precisely Streets
Precisely Boundaries
Precisely Points of
Interest
Precisely Addresses
Precisely Demographics
Enrich
5 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Mehr dazu unter: https://www.precisely.com/product/data-integrity/precisely-data-integrity-suite
6 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Connect ist die beste
Lösung für den Zugriff auf
und die Integration von
Mainframe- und IBM i-
Daten mit Cloud-
Frameworks in Echtzeit.
Schnelle und effiziente Integra-
tion aller Unternehmensdaten -
einschließlich Mainframe und
IBM i
“Design once, deploy anywhere”
Ansatz für verschiedene
Integrationsarchitekturen
Reduzieren Sie Kosten und
Entwicklungszeit - von Wochen
auf Tage
Sicher und kontrolliert +
konkurrenzlose Skalierbarkeit und
Leistung
7 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Was passiert, wenn Legacy Daten zugänglich
werden?
8
Erweiterte BI und
Analyse
Verbesserte
Datenermittlung
Datendemokratisi-
rung mit
Governance
Kritische Daten
sind für Projekte
der nächsten
Generation
verfügbar - AI und
ML
Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Laden Sie Daten aus Legacy Systemen ins MDWH!
9
Wollen Sie, dass Ihre Daten von Legacy, Mainframe und IBM i so, wie sie sind, in ein
MDWH geladen werden? Connect kann das!
Konnektivität
• Einfaches Erstellen einer exakten Bit-für-Bit-
Kopie von Mainframe- und IBM i-Daten in
der Cloud
• Arbeiten Sie mit diesen Daten in Spark -
bauen Sie Ihre ML-Modelle auf umfas-
senden Daten auf
• Daten direkt auf das Copybook in Spark
abbilden
• End-to-end verwalteter Ansatz für das
Auslagern von Daten
Compliance Performanz
• Direkter Zugriff und Verständnis von
VSAM, festen und variablen Mainframe-
und DB2-Daten
• Verwenden Sie einen “design once, deploy
anywhere” Ansatz zur Datenintegration
• Daten im laufenden Betrieb transformieren
- kein Zwischenspeichern
• Importieren Sie Daten, die von komplexen
Copybooks abgebildet werden, mit
wenigen Mausklicks
• Leistungsstarke, selbstoptimierende
Sortierungen, Verknüpfungen,
Aggregationen, Zusammenführungen
und Look-ups, die für die native
Ausführung in Big Data Umgebungen
optimiert sind
• Dynamische Lastoptimierung für große
Datenmengen
• Datensilos in Minuten aufschlüsseln
Verbinden Sie die Infrastruktur von heute mit der Technologie von morgen,
um das Potenzial all Ihrer Unternehmensdaten freizusetzen.
Extrahieren, Transformieren, Laden Daten Replikation via CDC*
Leistungsstarkes ETL für Apache Spark,
Cloud, Windows, Linux, Unix und
Hadoop MapReduce
Echtzeit-Datenbankreplikation auf
Streaming-Plattformen, Cloud,
Datenbanken und (moderne Cloud)
Data Warehouses
Connect
10 *2021 RoadmapDatenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Einsatz von Precisely Connect am Beispiel Databricks
11
Mainframe,
IBM i
Relationale
Datenbanken,
EDW, DBMS
Flat Files,
XML, JSON
Extrahieren
& Daten
streamen
Integrieren,
Vorbereiten
Laden,
Reinigen,
Transfor-
mieren
Unified Data Analytics Plattform
Reporting and BI
Daten-
Lieferung
Datenquellen
Hadoop,
HDFS
Connect’s ETL Funktionen und
Databricks beseitigen Datensilos in
Ihrem Unternehmen
Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Geschäftstransformation in Aktion
Ein Kundenbeispiel
Globaler Versicherer nimmt digitale Modernisierung in Angriff
1. Verbessern des Schadenverlauf für Endkunden
2. Erkennen von Mustern in Schadensfällen, um das Unternehmen vor
unerwartet schweren Schadensfällen zu warnen
3. Automatisieren von kleinen Schäden mit niedrigem Geldwert, ohne dass
ein Schadenregulierer erforderlich ist
Ziel: Verbesserung der NPS-Kennzahl und der Betriebseffizienz durch digitale
Umwandlung der Antragsbearbeitung
13 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Die Schaffung eines unternehmensweiten „Claims Hub“
erforderte die schnelle Integration neuer Datentypen
1. Erfolgreiche und zuverlässige Migration der Daten von Tausenden von
Kunden in die Cloud für umfassendes Maschinelles Lernen (ML)
2. Nutzung vorhandener Mainframe-Metadaten, um die Integration zu
vereinfachen und die Sichtbarkeit der Quelle-Ziel-Metadaten-Lineage
aufrechtzuerhalten
3. Skalierung mit wachsenden Datenmengen
Herausforderung: Die derzeitigen Methoden zur Datenintegration waren
ineffizient oder nicht in der Lage, Mainframe-Daten erfolgreich zu integrieren
und zu liefern.
14 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
Takeaways für den Erfolg
• Definieren Sie die Ziele Ihrer Modernisierungsbemühungen klar: Versuchen Sie, Kosten zu
sparen, die Leistung zu verbessern oder etwas anderes?
• Wählen Sie Datenintegrationslösungen, die Sie für neue Anwendungsfälle leicht erweitern
können.
• Neue Anforderungen an moderne Datenplattformen können aktuelle
Datenintegrationsarchitekturen in die Knie zwingen
• Wählen Sie ein Tool, das Ihre Integrationsprobleme in der gesamten hybriden Landschaft, vom
Rechenzentrum bis zur öffentlichen Cloud, löst
15 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
16
Ihr Kontakt
Uwe Hofmann
Senior Account Executive
Telefon: +49 170 1401557
Email: uwe.hofmann@precisely.com
Whitepaper
Coffee & Learn Workshops
• Neue Termine für 2021 sind geplant
• Nächstes Thema: Data Maturity
Fragen &
Antworten
Vielen Dank

Weitere ähnliche Inhalte

Was ist angesagt?

Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
Business Intelligence Research
 

Was ist angesagt? (20)

Fujitsu Storage Days 2018 - Erfahrungsbericht crisp research
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp researchFujitsu Storage Days 2018 - Erfahrungsbericht crisp research
Fujitsu Storage Days 2018 - Erfahrungsbericht crisp research
 
Data Virtualization - Supernova
Data Virtualization - SupernovaData Virtualization - Supernova
Data Virtualization - Supernova
 
Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...
Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...
Webinar - Sehr empfehlenswert: wie man aus Daten durch maschinelles Lernen We...
 
Big Data - einfach erklärt!
Big Data - einfach erklärt!Big Data - einfach erklärt!
Big Data - einfach erklärt!
 
Digitale Transformation in der Finanzbranche
Digitale Transformation in der FinanzbrancheDigitale Transformation in der Finanzbranche
Digitale Transformation in der Finanzbranche
 
Big Data Governance
Big Data GovernanceBig Data Governance
Big Data Governance
 
20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert
20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert
20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert
 
Vorstellung von Datentreiber
Vorstellung von DatentreiberVorstellung von Datentreiber
Vorstellung von Datentreiber
 
Die Macht der Daten - CeBIT 2017
Die Macht der Daten - CeBIT 2017Die Macht der Daten - CeBIT 2017
Die Macht der Daten - CeBIT 2017
 
Google Data Studio – Erklärung und Einführung
Google Data Studio – Erklärung und EinführungGoogle Data Studio – Erklärung und Einführung
Google Data Studio – Erklärung und Einführung
 
Quarterly Technology Briefing - Big Data - Germany
Quarterly Technology Briefing - Big Data - GermanyQuarterly Technology Briefing - Big Data - Germany
Quarterly Technology Briefing - Big Data - Germany
 
Agiles Data Mining mit Data Vault 2.0
Agiles Data Mining mit Data Vault 2.0Agiles Data Mining mit Data Vault 2.0
Agiles Data Mining mit Data Vault 2.0
 
Raus aus dem Data Vault - Virtualisierung und Logical Warheouse
Raus aus dem Data Vault - Virtualisierung und Logical WarheouseRaus aus dem Data Vault - Virtualisierung und Logical Warheouse
Raus aus dem Data Vault - Virtualisierung und Logical Warheouse
 
Erfolgsfaktoren einer datengetriebenen Customer-Care-Optimierung
Erfolgsfaktoren einer datengetriebenen Customer-Care-OptimierungErfolgsfaktoren einer datengetriebenen Customer-Care-Optimierung
Erfolgsfaktoren einer datengetriebenen Customer-Care-Optimierung
 
Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...
Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...
Azure Days 2019: Azure@Helsana: Die Erweiterung von Dynamics CRM mit Azure Po...
 
Neo4j GraphTalks - Semantische Netze
Neo4j GraphTalks - Semantische NetzeNeo4j GraphTalks - Semantische Netze
Neo4j GraphTalks - Semantische Netze
 
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
Beyond SAP - Effektive Nutzung von Business Content durch In-Memory-OLAP und ...
 
DSGVO-Compliance schneller erreichen – mit Talend und Cloudera
DSGVO-Compliance schneller erreichen – mit Talend und ClouderaDSGVO-Compliance schneller erreichen – mit Talend und Cloudera
DSGVO-Compliance schneller erreichen – mit Talend und Cloudera
 
adesso Impuls Breakfast Data Visualization
adesso Impuls Breakfast Data Visualizationadesso Impuls Breakfast Data Visualization
adesso Impuls Breakfast Data Visualization
 
DWH-Modellierung mit Data Vault
DWH-Modellierung mit Data VaultDWH-Modellierung mit Data Vault
DWH-Modellierung mit Data Vault
 

Ähnlich wie Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen

Informatica Cloud - Informatica Cloud: Integration und Datenmanagement
Informatica Cloud - Informatica Cloud: Integration und DatenmanagementInformatica Cloud - Informatica Cloud: Integration und Datenmanagement
Informatica Cloud - Informatica Cloud: Integration und Datenmanagement
Salesforce Deutschland
 
Informatica cloud datenblatt_de
Informatica cloud datenblatt_deInformatica cloud datenblatt_de
Informatica cloud datenblatt_de
Mullrich1012
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedacht
IBsolution GmbH
 
Office 365 SureStep - Wir helfen ihnen aktiv ins Office 365 Geschäft
Office 365 SureStep - Wir helfen ihnen aktiv ins Office 365 GeschäftOffice 365 SureStep - Wir helfen ihnen aktiv ins Office 365 Geschäft
Office 365 SureStep - Wir helfen ihnen aktiv ins Office 365 Geschäft
Microsoft Germany
 
BITKOM_Präsentation Data Intelligence Hub -Schwarz-Kouril
BITKOM_Präsentation Data Intelligence Hub -Schwarz-KourilBITKOM_Präsentation Data Intelligence Hub -Schwarz-Kouril
BITKOM_Präsentation Data Intelligence Hub -Schwarz-Kouril
Stefan Schwarz
 

Ähnlich wie Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen (20)

BATbern52 Mobiliar zu Skalierte Datenprodukte mit Data Mesh
BATbern52 Mobiliar zu Skalierte Datenprodukte mit Data MeshBATbern52 Mobiliar zu Skalierte Datenprodukte mit Data Mesh
BATbern52 Mobiliar zu Skalierte Datenprodukte mit Data Mesh
 
Informatica Cloud - Informatica Cloud: Integration und Datenmanagement
Informatica Cloud - Informatica Cloud: Integration und DatenmanagementInformatica Cloud - Informatica Cloud: Integration und Datenmanagement
Informatica Cloud - Informatica Cloud: Integration und Datenmanagement
 
Informatica cloud datenblatt_de
Informatica cloud datenblatt_deInformatica cloud datenblatt_de
Informatica cloud datenblatt_de
 
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTiggesDas modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
 
QUIBIQ Webcast: SAP on Azure - Erfolgsfaktor Integration für SAP-/MS-Partner
QUIBIQ Webcast: SAP on Azure - Erfolgsfaktor Integration für SAP-/MS-PartnerQUIBIQ Webcast: SAP on Azure - Erfolgsfaktor Integration für SAP-/MS-Partner
QUIBIQ Webcast: SAP on Azure - Erfolgsfaktor Integration für SAP-/MS-Partner
 
OpenDMA - Daten Management Solution
OpenDMA  - Daten Management SolutionOpenDMA  - Daten Management Solution
OpenDMA - Daten Management Solution
 
SnT DataCenter Services
SnT DataCenter ServicesSnT DataCenter Services
SnT DataCenter Services
 
Data Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedachtData Mesh: "Daten als Produkt" weitergedacht
Data Mesh: "Daten als Produkt" weitergedacht
 
Modernes Rechenzentrum
Modernes Rechenzentrum Modernes Rechenzentrum
Modernes Rechenzentrum
 
worldiety GmbH - Datenanalyse
worldiety GmbH - Datenanalyse worldiety GmbH - Datenanalyse
worldiety GmbH - Datenanalyse
 
Datenmanagement
DatenmanagementDatenmanagement
Datenmanagement
 
Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!
Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!
Event-Streaming in Echtzeit: Der MongoDB-Kafka-Connector in Action!
 
Office 365 SureStep - Wir helfen ihnen aktiv ins Office 365 Geschäft
Office 365 SureStep - Wir helfen ihnen aktiv ins Office 365 GeschäftOffice 365 SureStep - Wir helfen ihnen aktiv ins Office 365 Geschäft
Office 365 SureStep - Wir helfen ihnen aktiv ins Office 365 Geschäft
 
Cloud computing wenamix
Cloud computing wenamixCloud computing wenamix
Cloud computing wenamix
 
Cloud Computing.Status, Herausforderungen, Optionen.
Cloud Computing.Status, Herausforderungen, Optionen. Cloud Computing.Status, Herausforderungen, Optionen.
Cloud Computing.Status, Herausforderungen, Optionen.
 
Webinar: Diese 10 wichtigsten Fragen zur SAP DM Cloud-Migration sollten Sie k...
Webinar: Diese 10 wichtigsten Fragen zur SAP DM Cloud-Migration sollten Sie k...Webinar: Diese 10 wichtigsten Fragen zur SAP DM Cloud-Migration sollten Sie k...
Webinar: Diese 10 wichtigsten Fragen zur SAP DM Cloud-Migration sollten Sie k...
 
Cloud OS - Die Vision und Strategie von Microsoft
Cloud OS - Die Vision und Strategie von MicrosoftCloud OS - Die Vision und Strategie von Microsoft
Cloud OS - Die Vision und Strategie von Microsoft
 
BITKOM_Präsentation Data Intelligence Hub -Schwarz-Kouril
BITKOM_Präsentation Data Intelligence Hub -Schwarz-KourilBITKOM_Präsentation Data Intelligence Hub -Schwarz-Kouril
BITKOM_Präsentation Data Intelligence Hub -Schwarz-Kouril
 
Magento Commerce Cloud Edition
Magento Commerce Cloud EditionMagento Commerce Cloud Edition
Magento Commerce Cloud Edition
 
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
Cloud Wars – what‘s the smartest data platform? Vergleich Microsoft Azure, Am...
 

Mehr von Precisely

Chaining, Looping, and Long Text for Script Development and Automation.pdf
Chaining, Looping, and Long Text for Script Development and Automation.pdfChaining, Looping, and Long Text for Script Development and Automation.pdf
Chaining, Looping, and Long Text for Script Development and Automation.pdf
Precisely
 
Revolutionizing SAP® Processes with Automation and Artificial Intelligence
Revolutionizing SAP® Processes with Automation and Artificial IntelligenceRevolutionizing SAP® Processes with Automation and Artificial Intelligence
Revolutionizing SAP® Processes with Automation and Artificial Intelligence
Precisely
 
How to Build Data Governance Programs That Last - A Business-First Approach.pdf
How to Build Data Governance Programs That Last - A Business-First Approach.pdfHow to Build Data Governance Programs That Last - A Business-First Approach.pdf
How to Build Data Governance Programs That Last - A Business-First Approach.pdf
Precisely
 
Zukuntssichere SAP Prozesse dank automatisierter Massendaten
Zukuntssichere SAP Prozesse dank automatisierter MassendatenZukuntssichere SAP Prozesse dank automatisierter Massendaten
Zukuntssichere SAP Prozesse dank automatisierter Massendaten
Precisely
 
Automate Studio Training: Materials Maintenance Tips for Efficiency and Ease ...
Automate Studio Training: Materials Maintenance Tips for Efficiency and Ease ...Automate Studio Training: Materials Maintenance Tips for Efficiency and Ease ...
Automate Studio Training: Materials Maintenance Tips for Efficiency and Ease ...
Precisely
 
Testjrjnejrvnorno4rno3nrfnfjnrfnournfou3nfou3f
Testjrjnejrvnorno4rno3nrfnfjnrfnournfou3nfou3fTestjrjnejrvnorno4rno3nrfnfjnrfnournfou3nfou3f
Testjrjnejrvnorno4rno3nrfnfjnrfnournfou3nfou3f
Precisely
 
AI You Can Trust - Ensuring Success with Data Integrity Webinar
AI You Can Trust - Ensuring Success with Data Integrity WebinarAI You Can Trust - Ensuring Success with Data Integrity Webinar
AI You Can Trust - Ensuring Success with Data Integrity Webinar
Precisely
 
Moving IBM i Applications to the Cloud with AWS and Precisely
Moving IBM i Applications to the Cloud with AWS and PreciselyMoving IBM i Applications to the Cloud with AWS and Precisely
Moving IBM i Applications to the Cloud with AWS and Precisely
Precisely
 

Mehr von Precisely (20)

Chaining, Looping, and Long Text for Script Development and Automation.pdf
Chaining, Looping, and Long Text for Script Development and Automation.pdfChaining, Looping, and Long Text for Script Development and Automation.pdf
Chaining, Looping, and Long Text for Script Development and Automation.pdf
 
Revolutionizing SAP® Processes with Automation and Artificial Intelligence
Revolutionizing SAP® Processes with Automation and Artificial IntelligenceRevolutionizing SAP® Processes with Automation and Artificial Intelligence
Revolutionizing SAP® Processes with Automation and Artificial Intelligence
 
Navigating the Cloud: Best Practices for Successful Migration
Navigating the Cloud: Best Practices for Successful MigrationNavigating the Cloud: Best Practices for Successful Migration
Navigating the Cloud: Best Practices for Successful Migration
 
Unlocking the Power of Your IBM i and Z Security Data with Google Chronicle
Unlocking the Power of Your IBM i and Z Security Data with Google ChronicleUnlocking the Power of Your IBM i and Z Security Data with Google Chronicle
Unlocking the Power of Your IBM i and Z Security Data with Google Chronicle
 
How to Build Data Governance Programs That Last - A Business-First Approach.pdf
How to Build Data Governance Programs That Last - A Business-First Approach.pdfHow to Build Data Governance Programs That Last - A Business-First Approach.pdf
How to Build Data Governance Programs That Last - A Business-First Approach.pdf
 
Zukuntssichere SAP Prozesse dank automatisierter Massendaten
Zukuntssichere SAP Prozesse dank automatisierter MassendatenZukuntssichere SAP Prozesse dank automatisierter Massendaten
Zukuntssichere SAP Prozesse dank automatisierter Massendaten
 
Unlocking the Potential of the Cloud for IBM Power Systems
Unlocking the Potential of the Cloud for IBM Power SystemsUnlocking the Potential of the Cloud for IBM Power Systems
Unlocking the Potential of the Cloud for IBM Power Systems
 
Crucial Considerations for AI-ready Data.pdf
Crucial Considerations for AI-ready Data.pdfCrucial Considerations for AI-ready Data.pdf
Crucial Considerations for AI-ready Data.pdf
 
Hyperautomation and AI/ML: A Strategy for Digital Transformation Success.pdf
Hyperautomation and AI/ML: A Strategy for Digital Transformation Success.pdfHyperautomation and AI/ML: A Strategy for Digital Transformation Success.pdf
Hyperautomation and AI/ML: A Strategy for Digital Transformation Success.pdf
 
Justifying Capacity Managment Webinar 4/10
Justifying Capacity Managment Webinar 4/10Justifying Capacity Managment Webinar 4/10
Justifying Capacity Managment Webinar 4/10
 
Automate Studio Training: Materials Maintenance Tips for Efficiency and Ease ...
Automate Studio Training: Materials Maintenance Tips for Efficiency and Ease ...Automate Studio Training: Materials Maintenance Tips for Efficiency and Ease ...
Automate Studio Training: Materials Maintenance Tips for Efficiency and Ease ...
 
Leveraging Mainframe Data in Near Real Time to Unleash Innovation With Cloud:...
Leveraging Mainframe Data in Near Real Time to Unleash Innovation With Cloud:...Leveraging Mainframe Data in Near Real Time to Unleash Innovation With Cloud:...
Leveraging Mainframe Data in Near Real Time to Unleash Innovation With Cloud:...
 
Testjrjnejrvnorno4rno3nrfnfjnrfnournfou3nfou3f
Testjrjnejrvnorno4rno3nrfnfjnrfnournfou3nfou3fTestjrjnejrvnorno4rno3nrfnfjnrfnournfou3nfou3f
Testjrjnejrvnorno4rno3nrfnfjnrfnournfou3nfou3f
 
Data Innovation Summit: Data Integrity Trends
Data Innovation Summit: Data Integrity TrendsData Innovation Summit: Data Integrity Trends
Data Innovation Summit: Data Integrity Trends
 
AI You Can Trust - Ensuring Success with Data Integrity Webinar
AI You Can Trust - Ensuring Success with Data Integrity WebinarAI You Can Trust - Ensuring Success with Data Integrity Webinar
AI You Can Trust - Ensuring Success with Data Integrity Webinar
 
Optimisez la fonction financière en automatisant vos processus SAP
Optimisez la fonction financière en automatisant vos processus SAPOptimisez la fonction financière en automatisant vos processus SAP
Optimisez la fonction financière en automatisant vos processus SAP
 
SAPS/4HANA Migration - Transformation-Management + nachhaltige Investitionen
SAPS/4HANA Migration - Transformation-Management + nachhaltige InvestitionenSAPS/4HANA Migration - Transformation-Management + nachhaltige Investitionen
SAPS/4HANA Migration - Transformation-Management + nachhaltige Investitionen
 
Automatisierte SAP Prozesse mit Hilfe von APIs
Automatisierte SAP Prozesse mit Hilfe von APIsAutomatisierte SAP Prozesse mit Hilfe von APIs
Automatisierte SAP Prozesse mit Hilfe von APIs
 
Moving IBM i Applications to the Cloud with AWS and Precisely
Moving IBM i Applications to the Cloud with AWS and PreciselyMoving IBM i Applications to the Cloud with AWS and Precisely
Moving IBM i Applications to the Cloud with AWS and Precisely
 
Effective Security Monitoring for IBM i: What You Need to Know
Effective Security Monitoring for IBM i: What You Need to KnowEffective Security Monitoring for IBM i: What You Need to Know
Effective Security Monitoring for IBM i: What You Need to Know
 

Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen

  • 1. Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen Coffee & Learn Uwe Hofmann | Senior Account Executive Marco Kopp | Senior Sales Engineer
  • 2. Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen Agenda 2 • Über Precisely • Data Integrity • Legacy Daten • Precisely Connect • Referenz-Architektur • Kundenbeispiel • Takeaways • Nächste Schritte • Fragen & Antworten
  • 3. Der weltweit führende Anbieter von Datenintegrität Vertrauen Sie Ihren Daten. Bauen Sie Ihre Möglichkeiten auf. Unsere Software Connect schaltet Altdaten frei, um Datenpipelines aufzubauen, die AI und ML unterstützen. Kunden, die uns vertrauen Partner, die mit uns zusammenarbeiten der Fortune 100 Unternehmen 90 Kunden in mehr als 100 2.000 Mitarbeiter Kunden 12.000 Länder Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen3
  • 4. Data Integrity Verbinden Sie die Infrastruktur von heute mit der Technologie von morgen, um das Potenzial all Ihrer Unternehmensdaten freizusetzen. Verstehen Sie Ihre Daten und stellen Sie sicher, dass sie genau, konsistent und vollständig sind, um richtige Geschäftsent- scheidungen treffen zu können. Analyse von Standortdaten für verbesserte und umsetzbare Geschäfts- erkenntnisse, die zu besseren Ergebnissen führen. Verbesserte Entscheidungsfindung durch fachmännisch kuratierte, aktuelle Geschäfts-, Standort- und Verbraucherdaten. 4 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
  • 5. Bessere Daten, bessere Entscheidungen, bessere Ergebnisse Precisely Connect Precisely Ironstream Precisely Assure Precisely Syncsort Integrate Precisely Spectrum Quality Precisely Trillium Precisely Spectrum Context Verify Precisely Spectrum Spatial Precisely Spectrum Geocoding Precisely MapInfo Confirm Locate Precisely Streets Precisely Boundaries Precisely Points of Interest Precisely Addresses Precisely Demographics Enrich 5 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
  • 6. Mehr dazu unter: https://www.precisely.com/product/data-integrity/precisely-data-integrity-suite 6 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
  • 7. Connect ist die beste Lösung für den Zugriff auf und die Integration von Mainframe- und IBM i- Daten mit Cloud- Frameworks in Echtzeit. Schnelle und effiziente Integra- tion aller Unternehmensdaten - einschließlich Mainframe und IBM i “Design once, deploy anywhere” Ansatz für verschiedene Integrationsarchitekturen Reduzieren Sie Kosten und Entwicklungszeit - von Wochen auf Tage Sicher und kontrolliert + konkurrenzlose Skalierbarkeit und Leistung 7 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
  • 8. Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen Was passiert, wenn Legacy Daten zugänglich werden? 8 Erweiterte BI und Analyse Verbesserte Datenermittlung Datendemokratisi- rung mit Governance Kritische Daten sind für Projekte der nächsten Generation verfügbar - AI und ML
  • 9. Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen Laden Sie Daten aus Legacy Systemen ins MDWH! 9 Wollen Sie, dass Ihre Daten von Legacy, Mainframe und IBM i so, wie sie sind, in ein MDWH geladen werden? Connect kann das! Konnektivität • Einfaches Erstellen einer exakten Bit-für-Bit- Kopie von Mainframe- und IBM i-Daten in der Cloud • Arbeiten Sie mit diesen Daten in Spark - bauen Sie Ihre ML-Modelle auf umfas- senden Daten auf • Daten direkt auf das Copybook in Spark abbilden • End-to-end verwalteter Ansatz für das Auslagern von Daten Compliance Performanz • Direkter Zugriff und Verständnis von VSAM, festen und variablen Mainframe- und DB2-Daten • Verwenden Sie einen “design once, deploy anywhere” Ansatz zur Datenintegration • Daten im laufenden Betrieb transformieren - kein Zwischenspeichern • Importieren Sie Daten, die von komplexen Copybooks abgebildet werden, mit wenigen Mausklicks • Leistungsstarke, selbstoptimierende Sortierungen, Verknüpfungen, Aggregationen, Zusammenführungen und Look-ups, die für die native Ausführung in Big Data Umgebungen optimiert sind • Dynamische Lastoptimierung für große Datenmengen • Datensilos in Minuten aufschlüsseln
  • 10. Verbinden Sie die Infrastruktur von heute mit der Technologie von morgen, um das Potenzial all Ihrer Unternehmensdaten freizusetzen. Extrahieren, Transformieren, Laden Daten Replikation via CDC* Leistungsstarkes ETL für Apache Spark, Cloud, Windows, Linux, Unix und Hadoop MapReduce Echtzeit-Datenbankreplikation auf Streaming-Plattformen, Cloud, Datenbanken und (moderne Cloud) Data Warehouses Connect 10 *2021 RoadmapDatenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
  • 11. Einsatz von Precisely Connect am Beispiel Databricks 11 Mainframe, IBM i Relationale Datenbanken, EDW, DBMS Flat Files, XML, JSON Extrahieren & Daten streamen Integrieren, Vorbereiten Laden, Reinigen, Transfor- mieren Unified Data Analytics Plattform Reporting and BI Daten- Lieferung Datenquellen Hadoop, HDFS Connect’s ETL Funktionen und Databricks beseitigen Datensilos in Ihrem Unternehmen Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
  • 13. Globaler Versicherer nimmt digitale Modernisierung in Angriff 1. Verbessern des Schadenverlauf für Endkunden 2. Erkennen von Mustern in Schadensfällen, um das Unternehmen vor unerwartet schweren Schadensfällen zu warnen 3. Automatisieren von kleinen Schäden mit niedrigem Geldwert, ohne dass ein Schadenregulierer erforderlich ist Ziel: Verbesserung der NPS-Kennzahl und der Betriebseffizienz durch digitale Umwandlung der Antragsbearbeitung 13 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
  • 14. Die Schaffung eines unternehmensweiten „Claims Hub“ erforderte die schnelle Integration neuer Datentypen 1. Erfolgreiche und zuverlässige Migration der Daten von Tausenden von Kunden in die Cloud für umfassendes Maschinelles Lernen (ML) 2. Nutzung vorhandener Mainframe-Metadaten, um die Integration zu vereinfachen und die Sichtbarkeit der Quelle-Ziel-Metadaten-Lineage aufrechtzuerhalten 3. Skalierung mit wachsenden Datenmengen Herausforderung: Die derzeitigen Methoden zur Datenintegration waren ineffizient oder nicht in der Lage, Mainframe-Daten erfolgreich zu integrieren und zu liefern. 14 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
  • 15. Takeaways für den Erfolg • Definieren Sie die Ziele Ihrer Modernisierungsbemühungen klar: Versuchen Sie, Kosten zu sparen, die Leistung zu verbessern oder etwas anderes? • Wählen Sie Datenintegrationslösungen, die Sie für neue Anwendungsfälle leicht erweitern können. • Neue Anforderungen an moderne Datenplattformen können aktuelle Datenintegrationsarchitekturen in die Knie zwingen • Wählen Sie ein Tool, das Ihre Integrationsprobleme in der gesamten hybriden Landschaft, vom Rechenzentrum bis zur öffentlichen Cloud, löst 15 Datenintegrität für moderne Cloud Data Warehouse (MDWH) und Analytics Architekturen
  • 16. 16 Ihr Kontakt Uwe Hofmann Senior Account Executive Telefon: +49 170 1401557 Email: uwe.hofmann@precisely.com Whitepaper Coffee & Learn Workshops • Neue Termine für 2021 sind geplant • Nächstes Thema: Data Maturity

Hinweis der Redaktion

  1. Zentralisierte Geschäftseinblicke - zentrale Verwaltung von Geschäftseinblicken, hilft, Einblicke von isolierten Einzellösungen zu verlagern. Datenermittlung - geschäftliche Endbenutzer können mit großen Datensätzen arbeiten und erhalten Antworten auf ihre Fragen. Data Discovery hilft dem Unternehmen, einen Teil der Masse zu verlieren, wenn es um die Durchführung von Analysen geht. Datendemokratisierung - ermöglicht es mehr Anwendern, autonom mit Daten umzugehen, ohne jedoch das Risiko einzugehen, sensible Daten in einer Weise offenzulegen, die gegen Vorschriften oder interne Best Practices verstoßen könnte. ---------------------------------------------------------------------------------------------------- Centralized business insights – central management of business insights, helps to shift insights from one offs in isolation to Data discovery - business end-users can work with large data sets and get answers to questions they are asking. Data Discovery is helping the enterprise lose some of the bulk when it comes to running analytics. Data democratization – enables more users to have autonomy with data but without the risk of exposing sensitive data in a way that could violate regulations or internal best practices
  2. Compliance = Einhaltung der Vorschriften
  3. There are two flavors of our Connect solution Connect offers enterprise grade end-to-end ETL solution that runs on single servers and runs natively on cluster deployments such as Hadoop and Spark. Connect also has a data replication/CDC solution that supports cloud and hybrid architectures architectures We’re a focused market player and are proud of that. We focus on two use cases: Offload data and/or processing from the mainframe and IBM i Offload data processing from databases and EDWs We have more offload capabilities than any other company on the planet And we are working on some of the biggest data warehouse and mainframe offload projects in the country
  4. Databricks = Kafka = Snowflake = Amazon Redshift Google BigQuery
  5. 23000+ clients 60% of claims processing requires manual intervention NPS = Der Net Promoter Score ist eine Kennzahl für die Wahrscheinlichkeit, dass ein Kunde das Unternehmen oder die Marke weiterempfiehlt
  6. An American insurance company wanted to take a variety of data from across their organization to build an enterprise-wide claims data lake. The purpose of the claims data lake was to receive data from across the lines of business and improve analysis of customer activity, historical data, and richer analytics. In its ideal scenario, the claims data would help identification of patterns in claims to alert the business to unexpected severe claims or to automate the fast-tracking of low dollar claims without the need for an adjuster. Data funneling into the hub would include information from core systems such as actuary, call center, claims, and billing different departments. Most of this data existed on mainframes. Mainframe data file formats included EBCDIC-encoded VSAM data with binary and packed data types mapped by multiple complex copybooks. When it came time to integrate all these data sources, the insurance company struggled to get data from the mainframe to its data lake. Getting mainframe data into the data lake meant that they had to spin up an entirely separate process for data ingestion. As a result, the insurance company had a siloed process that caused lost time, delayed delivery, and incomplete claims analytics.
  7. Frage: Können Sie auch Logdaten vom Mainframe auswerten? Antwort: Ja, mit Hilfe des Produkt Ironstream können Logdaten von Mainframe und/oder IBM i Systemen innerhalb von z.B. Splunk oder ServiceNow zur Verfügung gestellt und dort dann entsprechend ausgewertet werden. Frage: Antwort: