Längst werden Applikationen als Plattform oder Software as a Service angeboten und genutzt. Im Bereich Business Intelligence und Analytics ist die Zeit reif über eine Transformation in die Cloud nachzudenken, um somit Einsätze auch in größeren Szenarien zu ermöglichen. Ein Szenario wird unter dem Begriff Analytics as a Service innerhalb dieses Webinars näher beleuchtet. Es wird betrachtet wie Kunden dabei unterstützt werden können, sich den bei einer Transformation entstehenden technischen, funktionalen und organisatorischen Herausforderungen zu stellen. Dabei wird demonstriert, wie der Aufbau einer grundlegenden Analytics Architektur in der Cloud auf Basis von Microsoft Azure gestaltet ist und innerhalb dieser Architektur ein umfassender, skalierbarer Service in den unterschiedlichen Disziplinen Datenakquisition, Datenintegration, Modellierung sowie Visualisierung geleistet werden kann.

1. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch
 Überraschend mehr Möglichkeiten
© OPITZ CONSULTING 2017
Microsoft Azure
Arthur Arendt, Martina Boller
Analytics as a Service

2. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch Seite 2
Agenda
1
2
3
4
5
Vorstellung OPITZ CONSULTING (2 Min)
Leasing 123 (3 Min)
Architektur (7 Min)
Lösung (15 Min)
Abspann / Fazit (5 Min)
OC Powerpoint CI 2017 V 0.932

3. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch Seite 3
OPITZ CONSULTING
1
OC Powerpoint CI 2017 V 0.932

4. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner GebrauchOC Powerpoint CI 2017 V 0.933 Seite 4
OPITZ CONSULTING

5. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch Seite 5
Leasing 123
 UseCase: DWH wird benötigt
 Fachlich
 Technisch
2
OC Powerpoint CI 2017 V 0.932

6. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner GebrauchOC Powerpoint CI 2017 V 0.932 Seite 6
Leasing 123
 Stark wachsendes Leasing Unternehmen benötigt strategische Steuerung
 Betreibt bundesweit mehrere Filialen und macht Onlinegeschäft
 Kernprodukte
 ADAC Top 10 Fahrzeuge 2018
 ADAC Top 10 P/L Fahrzeuge 2018
 Produktleiter benötigt Informationen über Abgeschlossene Verträge und
möchte die meist-geleasten Fahrzeuge identifizieren
 Vertriebsleiter benötigt Informationen über abgegebene Angebote
 Marketingleiter benötigt zur Markteinschätzung die aktuellen
Zulassungsstatistiken

7. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner GebrauchOC Powerpoint CI 2017 V 0.933 Seite 7
Leasing 123
 Die Leasing 123 möchte keine eigene IT-Infrastruktur und -Knowhow
aufbauen
 Aufgrund der Wachstumsphase sollten IT Systeme horizontal und vertikal
skalierbar sein
 Die Analytics Plattform soll erweiterbar sein damit parallel zum klassischen
Reporting auch Big Data und Data Science Analysen durchgeführt werden
können

8. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch Seite 8
Architektur
 Anforderungen an DWH
 Strukturierte Daten verarbeiten
 Semistrukturierte Daten verarbeiten
 Hohe Verfügbarkeit über Web
 Wartungsarm
 Geringe Einstiegshürden für Endanwender (Reporter +
Empfänger)
 Architekturbild (RWU + MS Lösung?)
3
OC Powerpoint CI 2017 V 0.932

9. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch
Quellen
Architektur
Ingest
DWH
Frontend
XML JSON
Monitoring/Metadata/Security/…
Web
Seite 9
Data Lake
Streaming
BigData World Frankfurt 2019
DBMSCSV XLS

10. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch
Quellen
Architektur
Ingest
DWH
Frontend
Monitoring/Metadata/Security/…
Seite 10
Data Lake
Streaming
Core
Dim. / Marts
Refined Data Raw Data
Sandbox /
Lab
Sandbox /
Lab
BigData World Frankfurt 2019
XML JSONWebDBMSCSV XLS

11. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch
Quellen
Architektur Azure
Ingest
DWH
Frontend
Monitoring/Metadata/Security/…
Seite 11
Data Lake
Streaming
BigData World Frankfurt 2019
XML JSONWebDBMSCSV XLS
Storage blob Cosmos DB
IoT Hub
HDInsight
Service Bus
Azure SQL
database
Stream Analytics
Azure Backup
Azure SQL
database
Storage blob
Event Hubs
MySQL
database
Data Factory
Data Factory

12. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch
Quellen
Architektur Leasing 123
Ingest
DWH
Frontend
Seite 12BigData World Frankfurt 2019
XLS
Storage blob
Data Factory
Data Factory

13. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch Seite 13
Modernes DWH – Beispiel Lösungsarchitektur Azure
Sql DWH
Azure Synapse Analytics
Rohan Kumar, Corporate Vice President, Azure Data Engineering,
stellte Azure Synapse vor. Um grosse Datenmengen zu
analysieren, braucht es entsprechende Tools. Mit Azure Synapse
werden das Azure SQL Data Warehouse, Azure ML und Power BI
vereint, sodass äusserst performant Reports erstellt werden
können - egal, ob mit strukturierten oder unstrukturierten Daten.
Microsoft vergleicht sich an der diesjährigen Ignite Conference
immer wieder gerne mit Google und Amazon. So sind die
ausgeführten Queries um einiges schneller als Amazons Redshift
und noch viel schneller als GCP Big Query (Google Cloud
Platform). Mit Azure Synapse wird es einfach, künstliche
Intelligenz (KI) und Machine Learning (ML) zu analysieren
respektive zu reporten und zu überwachen.
BigData World Frankfurt 2019

14. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner GebrauchOC Powerpoint CI 2017 V 0.932 Seite 14
Architektur

15. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch Seite 15
Lösung
 Tools und Entwicklungsumgebung
 MS Storage Explorer
 Azure SQL DB
 SQL Server Management Studio
 Azure Data Factory
 Copy (Staging)
 Databricks (Staging)
 Notebook + Data Flow
 Data Flow (Core)
 Analysis Service
 Microsoft Visual Studio + Plugin
 Power BI
 DWH-Datenflussbild
 Kimball
 Beispiele DIM_MODELL_MARKE, FACT_ZUÖASSUNG
 Analysis Service, Power BI und Bspw. Dashboard
4
OC Powerpoint CI 2017 V 0.932

16. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner GebrauchOC Powerpoint CI 2017 V 0.932 Seite 16
Datenmodell Zulassungsstatistik

17. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner Gebrauch Seite 17
Abspann / Fazit
4
OC Powerpoint CI 2017 V 0.932

18. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner GebrauchOC Powerpoint CI 2017 V 0.932 Seite 18
Abspann / Fazit
 Aufbau Analytics Plattform möglich
 Integration, Modellierung & Visualisierung
 Flexible Architektur
 Modular
 Erweiterungen für BigData / Datalake /Social Media Daten
 Skalierbare Architektur
 Services
 Datenspeicher
 Anwender
 Performance

19. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner GebrauchOC Powerpoint CI 2017 V 0.932 Seite 19
Abspann / Fazit
 Organisation
 Keine Rechenzentren und keine Administration notwendig
 Subscriptions müssen gemanaged werden
 Lessons Learned
 Kombinationsmöglichkeit der Services
 Kosten
 Transparenz
 Was kostet der Service
 Konkrete Kostenübersicht
 Höhe
 Azure DWH / Synaps Analytics

20. © OPITZ CONSULTING 2017
Informationsklassifikation:
Interner GebrauchOC Powerpoint CI 2017 V 0.933 Seite 20
Backup und Fragen
 Beispiel von .csv nach Report (Leasing)
 Beispiel von .xls nach Report (KBA)
 Ist ein DWH nach Inmon / Linstedt möglich?
 Wie schnell ist ein PoC / MVP machbar
 2-4 Wochen
 Wenn Business Case konkret ist und Daten da
 Elemente einer Kostenkalkulation
 Azure Service erstellt
 Azure Service läuft
 Transaktion / Netzwerk
 Entwicklung DWH/BI