Der Trend, IT-Infrastruktur aus dem eigenen Rechenzentrum in eine (Public) Cloud zu verschieben, ist derzeit unumstritten: Gründe sind niedrigere Kosten, schnellere Time-to-market und Effizienz des Kapitaleinsatzes, um nur die Wichtigsten zu nennen.
Um diese Vorteile auch bei Business-Intelligence-Systemen nutzen zu können, bei überschaubarem Aufwand und Risiken, setzt man hier auf hybride Data-Warehouse-Architekturen, welche selektiv Cloud-Dienste nutzen und dabei die on-premises und Cloud-Datenbestände intelligent integrieren.
Im seinem Vortrag auf dem IBI Symposium am 29.11.2018 stellte Stefan Kirner den spezifische Nutzen von Cloud Services für Data-Management-und-Analytics-Aufgaben anhand von Architektur-Beispielen aus der Praxis vor.
Speaker: Stefan Kirner
Event: IBI Symposium, 29.11.2018
Mehr Tech-Vorträge: inovex.de/vortraege
Mehr Tech-Artikel: inovex.de/blog
2. 2
Stefan Kirner
Teamleiter Business Intelligence Solutions
bei der inovex GmbH
› Mehr als 17 Jahre Erfahrung in Business Intelligence
› Microsoft Certified Systems Expert (MCSE) Data
Management & Analytics sowie Cloud Platform &
Infrastructure
› Microsoft P-TSP Data Platform
› Leitung SQL PASS e.V. Community Karlsruhe
› Sprecher bei Konferenzen und User Groups zu BI- und
Cloud-Themen
› Mail: stefan.kirner@inovex.de
Twitter: @KirnerKa
3. › Einfacher Start möglich
› Skalierbarkeit
› Technologievielfalt
› Agiles Setup
› Entlastung IT
› Schnelle Innovationszyklen
› Optimierung von Betriebskosten
› Globale Szenarien
› Erhöhte Ausfallsicherheit
› Flexibilität für Testumgebungen
Plattformvorteile Cloud BI
Was spricht für die Nutzung von Cloud?
4. Connectivity in die Cloud
Einfacher Start möglich
• Virtual Private Network vs
Gateways
• Bei GW veinfachtes Setup
da dedizierte Funktion
• Sicherheit durch
verschlüsselte
Verbindungen
• Nutzung Standard-Ports
• Initiales Laden über Abhol-
Service möglich
4
SAP
Data Gateway
5. Skalierbarkeit in der Cloud
big data != big IT problems
• Skalierung fast gegen
unendlich möglich
• Oft genutzt für Cloud-
born Data
• Ergebnisse auch on-prem
nutzbar
• Hoher Abstraktionsgrad
erleichtert Einstieg auch
in komplexe Systeme
5
SAP
6. Optimierung von Betriebskosten
Synergieeffekte und Elastizität
• Keine hohen Start-
Investitionen / geringe
Kapitalbindung
• Managed Services sparen
IT-Betrieb
• Kostenoptimierung durch
zeitliche Steuerung von
Resourcenbedarf
• Beispiel Auslagerung
Historie in die Cloud
6
DWH: Hot Data
DWH: Cold Data
data
data
data
data
data
data
data
data
data
data
$
$$$
7. Globale Sammlung und Nutzung von Daten
Für die Entwicklung von Datenprodukten
• Dezentrale Daten zentral
nutzen und anreichern
durch verbundene RZs
• Zentrales Management der
Business Logic
• Optimale Basis für Machine
Learning- Trainingsdaten
• Z.B. Predictive
Maintenance Modelle für
Maschinenbauer
7
North US India
Europe
8. Cloud
Edge Computing
Echtzeit-Szenarien im IIoT Bereich
• Verwendung gleicher
Analytics Technologien &
Code Cloud/on-prem
• Bei geringer Latenz
• Management über
Container-Technologien
(Docker & Co.)
• In der Cloud trainierte
Modelle on-prem einsetzen
8
Edge device
9. › Viele Datentöpfe on-premises
› Datenschutz Diskussion
› Schnelle Weiterentwicklung –
teilweise geringerer Reifegrad
› Evergreening führt zu Verwirrungen
› Neue Pattern und Tools notwendig
› Intransparenz & erschwerte
Fehlersuche durch Abstraktion
› Finanzierungsmodell teils
kaufmännisch schwierig
Plattform-“Herausforderungen“ Cloud BI
Wo Licht ist…
10. Fazit
• Erweiterung des Business Intelligence Spielfelds
• Schneller Einstieg auch in komplexe Technologien
• Erschwingliches Ausprobieren hoch skalierender
Systeme
• Schnelle Weiterentwicklung der Dienste als Garant für
Innovation
Cloud BI - Give it a try!
10
11. Buch: BI und Analytics in der Cloud
Architektur, Vorgehen und Praxis
• Neu-Erscheinung im Oktober
2018, 262 Seiten
• Sammlung von Autorenbeiträgen
zum Thema
• Kapitel: „Mehrwerte von Cloud
Services in hybriden Data-
Warehouses“ von Stefan Kirner
https://www.dpunkt.de/buecher/13158/9783864905919-bi-%26-analytics-in-der-cloud.html11
12. 12
inovex ist ein IT-Projekthaus
mit dem Schwerpunkt „Digitale Transformation“:
Product Ownership · Datenprodukte
Web · Apps · Smart Devices · BI
Big Data · Data Science · Search
Replatforming · Cloud · DevOps
Data Center Automation & Hosting
Trainings · Coachings
Wir nutzen Technologien,
um unsere Kunden glücklich zu machen.
Und uns selbst.
inovex gibt es in Karlsruhe · Pforzheim ·
Stuttgart · München · Köln · Hamburg
Und natürlich unter www.inovex.de