SlideShare ist ein Scribd-Unternehmen logo
1 von 47
Downloaden Sie, um offline zu lesen
Fraport AG: always ready for take-off
Big Data@FRA
München, 19. Oktober 2015
Dieter Steinmann, Fraport AG
Fraport auf einen Blick
Unternehmensportrait, März 20152
Unsere Historie
Unternehmensportrait, März 20153
Vom Flughof Manager 1924...
...zum Manager internationaler Drehkreuze und Airports.
Umsatzträger sind unsere Kerngeschäftsfelder
Unternehmensportrait, März 20154
Umsätze im Gesamtkonzern nach Segmenten 2014
Aviation Ground Handling External Activities &
Services
Retail &
Real Estate
884 Mio. Euro
36,9 % 27,4 % 19,0 % 16,7 %
656 Mio. Euro 456 Mio. Euro 399 Mio. Euro
2.395 Mio. € Gesamtumsatz 2014
Mit FRA sind wir unter den weltweit führenden Flughäfen im
Passagierverkehr...
Unternehmensportrait, März 20155
Passagiere 2014 (in Mio.)
1.  Atlanta 96,2
2.  Beijing 86,1
3.  London Heathrow 73,4
4.  Tokyo 72,8
5.  Los Angeles 70,7
6.  Dubai 70,5
7.  Chicago 70,0
8.  Paris CDG 63,8
9.  Dallas 63,5
10.  Hong Kong 63,1
11.  Frankfurt 59,6
12.  Jakarta 57,0
13.  Istanbul 56,8
14.  Amsterdam 55,0
15.  Guangzhou 54,8
Quelle: ACI
Agenda
Big Data bei Fraport
Analytics in der Praxis
1
2
BIAF – Die Big Data Plattform4
Zusammenfassung5
Smart Data Lab Projekt3
Big Data: Die Erkenntnis für Unternehmen
"Big data is what happened when the
cost of storing information became less
than the cost of making the decision to
throw it away.”
George Dyson (US-Historiker)
Big Data & Optimierung
Big Data: Die Definition der 3Vs ... und wofür?
ValueBig Data & Optimierung
Größte Herausforderung für Fraport
Big Data: Variety
Operational processes under responsibility of Fraport AG
Ground
Chart 9
BIAF - The Analytical Platform
Weit über 1000 Prozessattribute pro Flugbewegung
Big Data: Velocity
Big Data & Optimierung
Big Data: Value
Bessere Entscheidungen treffen !!!
Big Data & Optimierung
Big Data: Vision
“99% aller operativen Entscheidungen
können automatisiert werden!”
Prof. Dr. Michael Feindt (Physiker CERN* )
Big Data & Optimierung
*Jede Sekunde wirft der CERN Teilchenbeschleuniger im Betrieb
ein Petabyte Informationen aus.
Wie lautet die Antwort auf Big Data?
Business AnalyticsBig Data
[ Information Overload ] [ Value Extraction]
Big Data & Optimierung
Business Analytics: Die tragenden Faktoren
Technologie Analytische
Verfahren
Kompetenz
Analytische Plattform
• Datenmanagement
• Rechenkapazität
• Schnittstellen
• Architekturen
• In-Memory Technologie
•  Massive-Parallele
Verarbeitung
Data Scientist
• kreativ & neugierig
• Datenaffinität
• Statistik
• kommunikativ
• skeptisch
• Fachwissen
• technologisch
Statistik
• Zeitreihenanalyse
• Regression
• Entscheidungsbaum
Data Mining
• Mustererkennung
• Vorhersagemodellierung
Machine Learning
• Deep Learning
• Neuronales Netz
Optimierung
• linear & nicht-linear
• lokal vs. global
„More than 85 % of Fortune 500 organizations will be unable to effectively exploit Big Data by
2015.” (Gartner)
“By 2018, the United States alone could face a shortage of 140,000 to 190,000 people with deep
analytical skills as well as 1.5 million managers and analysts with the know-how to use the analysis of
big data to make effective decisions.” (McKinsey Global Institute)
Big Data & Optimierung
Agenda
Big Data bei Fraport
Analytics in der Praxis
1
2
BIAF – Die Big Data Plattform4
Zusammenfassung5
Smart Data Lab Projekt3
„Great to have you here!“ – Das Serviceprogramm
für FRA wurde 2010 gestartet und entwickelt sich
stetig weiter
Friendly
Attention
Pleasant
Surroundings
Quick and
Comfortable Travel
Shopping
and Experience
Herausforderungen16
Wie kann Analytics helfen ein 5 Sterne-Airport zu
werden?
Friendly
Attention
Pleasant
Surroundings
Quick and
Comfortable Travel
Shopping
and Experience
Herausforderungen17
“Great to have you here!” – kürzere Wartezeiten
Analytics in der Praxis18
„Big Data“ in der operativen Leitstelle
Analytics in der Praxis19
Zufluss-Vorhersage an Prozessstellen
Zur effizienten Steuerung von Passagierflüssen wurde eine Anwendung zur
Vorhersage von Zuflüssen auf Prozessstellen entwickelt.
Analytics in der Praxis20
Passagierfluss-Analyse Tool
1. PAX Forecast 2. Echtzeit
Datenintegration
3. Simulation 4. Präsentation
Passagierfluss Analyse &
Steuerung
Endnutzer Leitstelle
Bundespolizei, operative MA
Simulation
Airlines
aktuelle Datenbasis
Bundespolizei
LayoutParameter
Eingabe
Umsteuerungen
Sensordaten
historischer
Flugbericht
zentrale
Flugdatenbank
PAX Prognose Modellierung
- Total-On Board pro Flug
- Umsteiger
- Aus- / Zusteiger
Analytics in der Praxis21
Der Einsatz von Analytics unterstützt dabei ...
... das Passagierverhalten zu verstehen
§  Shopping und Gastronomie
§  Check-in (Home vs. Schalter)
§  Sicherheitskontrollen
... Passagiere zu prognostizieren
§  Gesamtpassagier an Board einer
Maschine
§  Originär-Aus-/Zusteiger
§  Umsteiger auf Anschlussflüge
… Passagierbewegungen zu simulieren
§  Zufluss- Abflussströme
§  Füllstände in relevanten Bereichen
§  Wartezeiten an Prozessstellen
Analytics in der Praxis22
… and the winner is …
Satisfaction with FRA
(Percentage of satisfied passengers)
FRA-Passengers
(in millions)
Source: Fraport Passenger Survey, Overall satisfactionSource: Traffic Figures (UEW-MF)
70%
77%
80%
2010 2011 2012
53,0
56,4
57,5
2010 2011 2012
57.5
56.4
53.0
„World‘s Most Improved Airport“
Analytics in der Praxis23
Agenda
Big Data bei Fraport
Analytics in der Praxis
1
2
BIAF – Die Big Data Plattform4
Zusammenfassung5
Smart Data Lab Projekt3
Potentiale aus Big Data heben
„Wer Big Data voranbringen will, muss Experimente zulassen. Daher brauchen
wir Schutzräume außerhalb des Tagesgeschäfts, in denen
Big Data ausprobiert werden und sich entwickeln kann.“
(Professor Dr. Björn Bloching)
Smart Data Lab Projekt25
Wir brauchen einen kreativen Raum, des Forschens und Entdeckens mit
intelligenten kleinen Projekte, die auch mal scheitern dürfen.
Smart Data Lab
Fraport hat in den letzten Jahren zwei große Assets aufgebaut
und konsequent weiterentwickelt
BIAF
operative Daten
1.) Datenfundus 2.) Analytische Kompetenz
dezentrale, isolierte
Analysen
Mit dem Smart Data Lab wurden erstmals übergreifende Fragestellungen in
einem interdisziplinären Team aus vielen Fachbereichen bearbeitet.
Um ein effizientes Arbeiten in dieser Teamzusammensetzung zu fördern
wurde eine neue Arbeitsmethode angewandt, die agiles Arbeiten optimal
unterstützt.
Smart Data Lab bei Fraport
Aviation
Ground-
handling
Retail
SAP BW
kaufmännische Daten
Projekte Finanzen
Instand-
haltung
€
Smart Data Lab Projekt26
Smart Data Lab
€
agil und
interdisziplinär
Fraport verfügt in vielen Geschäftsbereichen über analytisch
geschultes Personal.
In zwei zentralen analytischen Systemen werden seit mehreren
Jahren konsequent die operativen und kaufmännischen Daten
gesammelt und für Auswertungen zur Verfügung gestellt.
Scope
Scope des Smart Data Lab
Descriptive
Analytics
Predictive
Analytics
Prescriptive
Analytics
Schwierigkeit
Mehrwert Diagnostic
AnalyticsWas ist
passiert?
Warum ist
es passiert?
Was wird
passieren?
Wie können wir es
passieren lassen?
Big Data & Optimierung
Data Science Team bestehend aus
15 internen Experten und einem
externen Coach
Arbeiten im Smart Data Lab
Fachexperte
Kompetenzen Rollen
- Business Know-how
- Interpretation der Ergebnisse
- Informationsbeschaffung
Datenmanager
- Data Preparation
- Ad-hoc Datenimport
- Beladung Visual Analytics
Statistiker
- Data Mining
- Predictive Modeling
- Explorative Datenanalyse
Abdeckung aller Kompetenzen von einer Personen
schwer möglich, daher Notwendigkeit
im Team zu agieren
Smart Data Lab Projekt28
Ergebnisse
Kommunikation
Verlauf
Projektleitung
Ablauf und Organisation
Smart Data Lab Projekt29
Auftrag
1
2
3
4
5
Projekt unter der Leitung der Konzernstrategie und IT
unter Anwendung einer agile Projektmethode
Aufteilung der Projektmitglieder in vier Arbeitsgruppen, unter
Berücksichtigung der jeweiligen Kompetenzrolle
Daily Stand-up
wöchentlicher Jour Fixe
Ergebnisvorstellung im Vorstand und Top-Management
à Smart Data Lab war erfolgreich und soll turnusmäßig fortgeführt
werden
Vorstandsauftrag zur Untersuchung von
vier Musterfragestellungen
Schulung und Einführung (1 Woche)
Analysephase und Prototyperstellung (4 Wochen)
Ergebnisaufbereitung (1 Woche)
Neue Arbeitsmethode: Das Taskboard als zentrales Element
des agilen Projektmanagements!
Smart Data Lab Projekt30
• Tasks sind Aufgaben, die von einem Bearbeiter
an einem Tag erledigt werden können.
• Tägliches Treffen der gesamten
Projektgruppe vor dem Taskboard (20 Min.).
• Klärung der anstehenden Aufgaben
auf Tagesbasis bzw. Hemmnissen.
• Gemeinsames Lernen durch den Austausch zu
möglichen Lösungsansätzen.
• Schärfung der Verbindlichkeit durch tägliche
Statusabfrage der Aufgaben.
Neue Arbeitsmethode sichert Projekterfolg und kann künftig für vergleichbare Projekte eingesetzt
werden
1. Fragestellung: „Flugzeugpositionierung“
Identifikation erschließbarer Umsatzpotenziale einzelner Retail-Geschäfte auf Grundlage der
Flugzeugpositionierung („Destinationswertigkeit“)
Ergebnis: à Simulationsmodell zur What-if Analyse
2. Fragestellung: „BVD-Prognosemodell“
Prognosemodell zur Abschätzung des tatsächlichen Betriebsverlaufs (inkl. Verspätungen) als
Basis der betrieblichen Steuerung und Ressourceneinteilung
Ergebnis: à Prognosemodell zur Verspätungsvorhersage
Smart Data Lab Projekt31
Entlang von vier Fragestellungen wurden unterschiedliche
Hilfsinstrumente und Prototypen erarbeitet
Umsatzpotenzial
Szenario A xx €
Szenario B xx €
...
Terminal 1
Terminal 2
LH 4711
Delay +6:43
AA 070
Delay +16:51
AF 817
Delay -0:33
3. Fragestellung: „Retail-Frühwarnsystem“
Ausgehend von den Gesamterlösen werden am Beispiel Retail Einflussfaktoren auf die
Erlösentwicklung identifiziert, um hierfür ein mögliches Frühwarnsystem zu entwickeln
Ergebnis: à Retailprognosemodell + Qualitätsregelkarte
4. Fragestellung: „Frachtprodukte“
Ableitung der Fracht-Produktkategorien am
Frankfurter Flughafen anhand der Analyse
von Frachttransport und –abfertigung
Ergebnis: à Instrument zur Marktpotenzialanalyse
Smart Data Lab Projekt32
Entlang von vier Fragestellungen wurden unterschiedliche
Hilfsinstrumente und Prototypen erarbeitet
-3.500.000	
-2.500.000	
-1.500.000	
-500.000	
500.000	
1.500.000	
2.500.000	
3.500.000	
Mittellinie
0,5%-Grenze
99,5%-Grenze
Abweichung
Test_Trend
Test_Run
Prozessstoerung_1%
Smart Data Lab ist nur der erster Schritt ...
Transformationsprozess
Smart Data Lab Projekt
Smart Data Lab Smart Data Factory
Big
Data
Analysis Insights Ground
Aviation
Retail
Anforderungen / Fragestellung
Fachexpertise
Pilotaufbau und
Bereitstellung
Security
...
Geschäftsbereich
Delivery
•  Operationalisierung
•  Realisierungsprojekte
•  Change-Management
•  Neue Produkte & Services
•  Forschen & Entdecken
•  Data Science
•  Prototypen
•  Agil
•  2x im Jahr 4 Wochen
33
Vorstand
Umsetzungskonzept und Rollenverteilung
Bereichsrückmeldungen SDL (IUK,UEW)34
Smart Data Lab Ergebnisvorstellung im
Fachbereich
Smart Data Factory
Organisation Unternehmensentwicklung (UEW), IT
(IUK)
SGB IUK im Rahmen der IT
Investitionsprozesse
Ressourcen SDL-Kernteam;
Lab-Projektmitglieder
SDL-Kernteam;
Lab-Projektmitglieder
IUK-Mitarbeiter;
Externe IT-Mitarbeiter;
punktuell Fachbereichsexperten und
Lab-Projektmitglieder
Anforderungsprofil •  Statistiker
•  Fachexperte
•  Datenmanager
•  Entscheider
•  Fachexperten
•  Projektleiter
•  Datenmanager
•  Solution-Architect
•  Softwareentwickler
•  Support-Team
Finanzierung - - ILV, Investitionsprojekt
Zeitlicher Aufwand 4 Wochen ca. 1-2 Woche (nachgelagert zum SDL) dauerhafte Einrichtung
Rollenkonzept • Für das Smart Data Lab identifiziert UEW in der Diskussion mit den Fachbereichen
geeignete, unternehmensrelevante Fragestellungen. Dabei wird die Auswertbarkeit der
Datengrundlage vorab von UEW in Zusammenarbeit mit IUK geprüft.
• Ferner stellt IUK für das Smart Data Lab die Räumlichkeiten und die IT-Ausrüstung zur
Verfügung.
Agenda
Big Data bei Fraport
Analytics in der Praxis
1
2
BIAF – Die Big Data Plattform4
Zusammenfassung5
Smart Data Lab Projekt3
BIAF Product Development
Chart 36
BIAF - The Analytical Platform
2005 2006 2008 2010 2012
Time
2013
HPA
Appliance
SAS/Pivotal
High
Performance
Analytics
Appliance
Smart Data
Lab
2015
Operative
Sonderlösungen
Berichtswesen in BIAF
one-click
Reporting
Berichts-
erstellung
Freie
Datenanalyse
Prognose
Mustererkennung
Simulation
SAS JMP
SAS Enterprise Guide
SAS Portal
SAS Web Report Studio
BIAF Reporting Plattform
SAS Enterprise Miner
SAS Visual Analytics
SAS Visual Analytics
Was ist BIAF?
BIAF Analytical Platform Architecture
GRID
Node2
SAS
Mid1
SAS
Mid 2
BIAF
Mid
ESRS
Gtwy1
Backup
Storage
SAS
Mid 1
GRID
Node2
Primary Data Center Secondary Data Center
Greenplum
Appliance
historical Data
PROD
daily restore
for DR
Application-side
mirroring
Greenplum DB Segment 1
Operational Data
Greenplum Appliance
DEV, TEST and Desaster
Recovery
Meta
Srv1
opsDB
Master
GRID
Node1
opsDB
Second
Greenplum DB Segment 2
Operational Data
Meta
Srv3
BIAF
Mid
Meta
Srv2
Meta
Srv2
SAS
Mid 2
Meta
Srv1
GRID
Node1
Meta
Srv3
ESRS
Gtwy2
ESRS
Policy
PROD
DEV/TEST
SAS Visual Analytics +
High Performance Analytics
SAS Visual Analytics +
High Performance Analytics
GRID
Node3
BIAF - The Analytical Platform
Hyper-V-Cluster
opsDB
Master
opsDB
Seg 1
opsDB
Master
opsDB
Seg 1
Virtual Application Layer
• Stretched-cluster configuration
• SAS 9.4 (BI + DI)
• Clustered SAS Meta-Data Server
• Clustered SAS Mid-Tier
• SAS GRID-Manager
BIAF Analytical Platform Architecture
GRID
Node2
SAS
Mid1
SAS
Mid 2
BIAF
Mid
ESRS
Gtwy1
Backup
Storage
SAS
Mid 1
GRID
Node2
Primary Data Center Secondary Data Center
Greenplum
Appliance
historical Data PROD
daily restore
for DR
Application-side
mirroring
Greenplum DB Segment 1
Operational Data
Greenplum Appliance
DEV, TEST and Desaster
Recovery
Meta
Srv1
opsDB
Master
GRID
Node1
opsDB
Second
Greenplum DB Segment 2
Operational Data
Meta
Srv3
BIAF
Mid
Meta
Srv2
Meta
Srv2
SAS
Mid 2
Meta
Srv1
GRID
Node1
Meta
Srv3
ESRS
Gtwy2
ESRS
Policy
PROD
DEV/TEST
SAS Visual Analytics +
High Performance Analytics
SAS Visual Analytics +
High Performance Analytics
GRID
Node3
BIAF - The Analytical Platform
Hyper-V-Cluster
opsDB
Master
opsDB
Seg 1
opsDB
Master
opsDB
Seg 1
Operational Data Store (hot)
•  real-time Data
•  ca. 1.000.000 Business Events/day
•  automatically mirrored PDC & SDC
•  ca. 150GB Storage
•  Operational BI – Reporting & Analytics
BIAF Analytical Platform Architecture
GRID
Node2
SAS
Mid1
SAS
Mid 2
BIAF
Mid
ESRS
Gtwy1
Backup
Storage
SAS
Mid 1
GRID
Node2
Primary Data Center Secondary Data Center
Greenplum
Appliance
historical Data PROD
daily restore
for DR
Application-side
mirroring
Greenplum DB Segment 1
Operational Data
Greenplum Appliance
DEV, TEST and Desaster
Recovery
Meta
Srv1
opsDB
Master
GRID
Node1
opsDB
Second
Greenplum DB Segment 2
Operational Data
Meta
Srv3
BIAF
Mid
Meta
Srv2
Meta
Srv2
SAS
Mid 2
Meta
Srv1
GRID
Node1
Meta
Srv3
ESRS
Gtwy2
ESRS
Policy
PROD
DEV/TEST
SAS Visual Analytics +
High Performance Analytics
SAS Visual Analytics +
High Performance Analytics
GRID
Node3
BIAF - The Analytical Platform
Hyper-V-Cluster
opsDB
Master
opsDB
Seg 1
opsDB
Master
opsDB
Seg 1
Enterprise Data Store (warm)
•  historical Data
•  ca. 2 TB Storage / up to 6 TB Storage licensed
•  daily full backup & Restore into SDC for DR
•  Analytical Database MPP
•  EMC 24/7 Premium Support
•  Calling Home
•  Remote Access through Policy Server
BIAF Analytical Platform Architecture
GRID
Node2
SAS
Mid1
SAS
Mid 2
BIAF
Mid
ESRS
Gtwy1
Backup
Storage
SAS
Mid 1
GRID
Node2
Primary Data Center Secondary Data Center
Greenplum
Appliance
historical Data PROD
daily restore
for DR
Application-side
mirroring
Greenplum DB Segment 1
Operational Data
Greenplum Appliance
DEV, TEST and Desaster
Recovery
Meta
Srv1
opsDB
Master
GRID
Node1
opsDB
Second
Greenplum DB Segment 2
Operational Data
Meta
Srv3
BIAF
Mid
Meta
Srv2
Meta
Srv2
SAS
Mid 2
Meta
Srv1
GRID
Node1
Meta
Srv3
ESRS
Gtwy2
ESRS
Policy
PROD
DEV/TEST
SAS Visual Analytics +
High Performance Analytics
SAS Visual Analytics +
High Performance Analytics
GRID
Node3
BIAF - The Analytical Platform
Hyper-V-Cluster
opsDB
Master
opsDB
Seg 1
opsDB
Master
opsDB
Seg 1
SAS/Greenplum Analytical Appliance
•  SAS High Performance Analytics
•  SAS Visual Analytics
•  In-Memory Database
•  Mobile BI
•  In-Database Analytics
Cold storage layer
Agenda
Big Data bei Fraport
Analytics in der Praxis
1
2
BIAF – Die Big Data Plattform4
Zusammenfassung5
Smart Data Lab Projekt3
•  Klassisches R&D ist nicht in unserer Unternehmens-DNA
verankert, dennoch müssen wir es anpacken
•  „Failure is NO-option“ à es ist essenzieller Teil der
Entwicklung
•  Arbeiten in einem Data Science Team mit agiler
Projektmethode ist ein Key-Success Faktor
•  Wahrnehmung über das Potenzial von Analytics im
Unternehmen deutlich geschärft
•  LAB als geschützter Raum mit Zugriff auf alle Daten fördert die
Entwicklung von konzeptionellen Ansätzen und Ergebnissen
frei von Restriktionen und Bereichsinteressen
Zusammenfassung
Zusammenfassung43
“I have not failed. I’ve just found
10,000 ways that won’t work.” Thomas
A. Edison
Fraport a data driven company ...
Chart 45
PhD defense Torben C. Barth: Optimization of baggage handling at airports
Thank you for your attention!
Enjoy the day …
Kernkompetenz rund um Analytics und Big Data innerhalb der
IT aufgehängt!
Organigramm IUK46
Vorstand
Dr. Stefan Schulte
(VV)
Information und
Kommunikation
Dr. Matthias Zieschang
(VF)
Michael Müller
(VA)
Anke Giesen
(VO)
Dr. Roland Krieg (CIO)
IUK
Anwendungs-
entwicklung
Dr. Wolfgang Pelzer
IUK-AE
Business-Systeme
Dieter Steinmann
IUK-AE4
Bau-/ und PM-Systeme &
Business Applications
Business Intelligence
administrativ
Business Intelligence operativ
Christian Wrobel IUK-AE43
Analytical Solution Architect
Digital Transformation Forum
Disrupt or Be Disrupted
19 OCTOBER · BMW WELT EVENT CENTRE · MUNICH

Weitere ähnliche Inhalte

Ähnlich wie Pivotal Digital Transformation Forum: Fraport AG

IFFOCUS »Prozesse intelligent gestalten«
IFFOCUS »Prozesse intelligent gestalten«IFFOCUS »Prozesse intelligent gestalten«
IFFOCUS »Prozesse intelligent gestalten«
Fraunhofer IFF
 

Ähnlich wie Pivotal Digital Transformation Forum: Fraport AG (20)

dictaJet im Produktinformationsmanagement
dictaJet im ProduktinformationsmanagementdictaJet im Produktinformationsmanagement
dictaJet im Produktinformationsmanagement
 
Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0
Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0
Iodata, Qlik Solution Provider in Projektkooperation zum Thema Industrie 4.0
 
Unic AG - Enterprise-Search Breakout Session X.Days 2009
Unic AG - Enterprise-Search Breakout Session X.Days 2009Unic AG - Enterprise-Search Breakout Session X.Days 2009
Unic AG - Enterprise-Search Breakout Session X.Days 2009
 
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdeckenXing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
Xing LearningZ: Nutzenpotenziale der digitalen Transformation entdecken
 
Der fachkreis dcc digital controlling competence des internationalen controll...
Der fachkreis dcc digital controlling competence des internationalen controll...Der fachkreis dcc digital controlling competence des internationalen controll...
Der fachkreis dcc digital controlling competence des internationalen controll...
 
Process Mining: Konzept und Anwendung
Process Mining: Konzept und AnwendungProcess Mining: Konzept und Anwendung
Process Mining: Konzept und Anwendung
 
Vorschau zum Seminar Intranet Strategie und Governance [DE]
Vorschau zum Seminar Intranet Strategie und Governance [DE]Vorschau zum Seminar Intranet Strategie und Governance [DE]
Vorschau zum Seminar Intranet Strategie und Governance [DE]
 
Make Agile Great - PM-Erfahrungen aus zwei virtuellen internationalen SAFe-Pr...
Make Agile Great - PM-Erfahrungen aus zwei virtuellen internationalen SAFe-Pr...Make Agile Great - PM-Erfahrungen aus zwei virtuellen internationalen SAFe-Pr...
Make Agile Great - PM-Erfahrungen aus zwei virtuellen internationalen SAFe-Pr...
 
IFFOCUS »Prozesse intelligent gestalten«
IFFOCUS »Prozesse intelligent gestalten«IFFOCUS »Prozesse intelligent gestalten«
IFFOCUS »Prozesse intelligent gestalten«
 
Xidra 2016 DevOps
Xidra 2016 DevOpsXidra 2016 DevOps
Xidra 2016 DevOps
 
Webinar-Serie mit LinkedIn: Social Recruiting einsetzen (Suchfilter)
Webinar-Serie mit LinkedIn: Social Recruiting einsetzen (Suchfilter)Webinar-Serie mit LinkedIn: Social Recruiting einsetzen (Suchfilter)
Webinar-Serie mit LinkedIn: Social Recruiting einsetzen (Suchfilter)
 
Conference Guide Fujitsu Forum 2016
Conference Guide Fujitsu Forum 2016Conference Guide Fujitsu Forum 2016
Conference Guide Fujitsu Forum 2016
 
Digital Workplace by Andreas Knauer
Digital Workplace by Andreas KnauerDigital Workplace by Andreas Knauer
Digital Workplace by Andreas Knauer
 
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationSmart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
 
Big Data Discovery + Analytics = Datengetriebene Innovation!
Big Data Discovery + Analytics = Datengetriebene Innovation!Big Data Discovery + Analytics = Datengetriebene Innovation!
Big Data Discovery + Analytics = Datengetriebene Innovation!
 
Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...
Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...
Digital Workplace: Wie neue IT-Tools die Zusammenarbeit in Unternehmen transf...
 
Big data minds 2013 vorankündigung
Big data minds 2013 vorankündigungBig data minds 2013 vorankündigung
Big data minds 2013 vorankündigung
 
KnowTech 2010 - 10 Jahre KM bei Detecon
KnowTech 2010 - 10 Jahre KM bei DeteconKnowTech 2010 - 10 Jahre KM bei Detecon
KnowTech 2010 - 10 Jahre KM bei Detecon
 
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
 
Global Sourcing Partner in IT-Projekten steuern
Global Sourcing Partner in IT-Projekten steuernGlobal Sourcing Partner in IT-Projekten steuern
Global Sourcing Partner in IT-Projekten steuern
 

Mehr von VMware Tanzu

Mehr von VMware Tanzu (20)

Spring into AI presented by Dan Vega 5/14
Spring into AI presented by Dan Vega 5/14Spring into AI presented by Dan Vega 5/14
Spring into AI presented by Dan Vega 5/14
 
What AI Means For Your Product Strategy And What To Do About It
What AI Means For Your Product Strategy And What To Do About ItWhat AI Means For Your Product Strategy And What To Do About It
What AI Means For Your Product Strategy And What To Do About It
 
Make the Right Thing the Obvious Thing at Cardinal Health 2023
Make the Right Thing the Obvious Thing at Cardinal Health 2023Make the Right Thing the Obvious Thing at Cardinal Health 2023
Make the Right Thing the Obvious Thing at Cardinal Health 2023
 
Enhancing DevEx and Simplifying Operations at Scale
Enhancing DevEx and Simplifying Operations at ScaleEnhancing DevEx and Simplifying Operations at Scale
Enhancing DevEx and Simplifying Operations at Scale
 
Spring Update | July 2023
Spring Update | July 2023Spring Update | July 2023
Spring Update | July 2023
 
Platforms, Platform Engineering, & Platform as a Product
Platforms, Platform Engineering, & Platform as a ProductPlatforms, Platform Engineering, & Platform as a Product
Platforms, Platform Engineering, & Platform as a Product
 
Building Cloud Ready Apps
Building Cloud Ready AppsBuilding Cloud Ready Apps
Building Cloud Ready Apps
 
Spring Boot 3 And Beyond
Spring Boot 3 And BeyondSpring Boot 3 And Beyond
Spring Boot 3 And Beyond
 
Spring Cloud Gateway - SpringOne Tour 2023 Charles Schwab.pdf
Spring Cloud Gateway - SpringOne Tour 2023 Charles Schwab.pdfSpring Cloud Gateway - SpringOne Tour 2023 Charles Schwab.pdf
Spring Cloud Gateway - SpringOne Tour 2023 Charles Schwab.pdf
 
Simplify and Scale Enterprise Apps in the Cloud | Boston 2023
Simplify and Scale Enterprise Apps in the Cloud | Boston 2023Simplify and Scale Enterprise Apps in the Cloud | Boston 2023
Simplify and Scale Enterprise Apps in the Cloud | Boston 2023
 
Simplify and Scale Enterprise Apps in the Cloud | Seattle 2023
Simplify and Scale Enterprise Apps in the Cloud | Seattle 2023Simplify and Scale Enterprise Apps in the Cloud | Seattle 2023
Simplify and Scale Enterprise Apps in the Cloud | Seattle 2023
 
tanzu_developer_connect.pptx
tanzu_developer_connect.pptxtanzu_developer_connect.pptx
tanzu_developer_connect.pptx
 
Tanzu Virtual Developer Connect Workshop - French
Tanzu Virtual Developer Connect Workshop - FrenchTanzu Virtual Developer Connect Workshop - French
Tanzu Virtual Developer Connect Workshop - French
 
Tanzu Developer Connect Workshop - English
Tanzu Developer Connect Workshop - EnglishTanzu Developer Connect Workshop - English
Tanzu Developer Connect Workshop - English
 
Virtual Developer Connect Workshop - English
Virtual Developer Connect Workshop - EnglishVirtual Developer Connect Workshop - English
Virtual Developer Connect Workshop - English
 
Tanzu Developer Connect - French
Tanzu Developer Connect - FrenchTanzu Developer Connect - French
Tanzu Developer Connect - French
 
Simplify and Scale Enterprise Apps in the Cloud | Dallas 2023
Simplify and Scale Enterprise Apps in the Cloud | Dallas 2023Simplify and Scale Enterprise Apps in the Cloud | Dallas 2023
Simplify and Scale Enterprise Apps in the Cloud | Dallas 2023
 
SpringOne Tour: Deliver 15-Factor Applications on Kubernetes with Spring Boot
SpringOne Tour: Deliver 15-Factor Applications on Kubernetes with Spring BootSpringOne Tour: Deliver 15-Factor Applications on Kubernetes with Spring Boot
SpringOne Tour: Deliver 15-Factor Applications on Kubernetes with Spring Boot
 
SpringOne Tour: The Influential Software Engineer
SpringOne Tour: The Influential Software EngineerSpringOne Tour: The Influential Software Engineer
SpringOne Tour: The Influential Software Engineer
 
SpringOne Tour: Domain-Driven Design: Theory vs Practice
SpringOne Tour: Domain-Driven Design: Theory vs PracticeSpringOne Tour: Domain-Driven Design: Theory vs Practice
SpringOne Tour: Domain-Driven Design: Theory vs Practice
 

Pivotal Digital Transformation Forum: Fraport AG

  • 1. Fraport AG: always ready for take-off Big Data@FRA München, 19. Oktober 2015 Dieter Steinmann, Fraport AG
  • 2. Fraport auf einen Blick Unternehmensportrait, März 20152
  • 3. Unsere Historie Unternehmensportrait, März 20153 Vom Flughof Manager 1924... ...zum Manager internationaler Drehkreuze und Airports.
  • 4. Umsatzträger sind unsere Kerngeschäftsfelder Unternehmensportrait, März 20154 Umsätze im Gesamtkonzern nach Segmenten 2014 Aviation Ground Handling External Activities & Services Retail & Real Estate 884 Mio. Euro 36,9 % 27,4 % 19,0 % 16,7 % 656 Mio. Euro 456 Mio. Euro 399 Mio. Euro 2.395 Mio. € Gesamtumsatz 2014
  • 5. Mit FRA sind wir unter den weltweit führenden Flughäfen im Passagierverkehr... Unternehmensportrait, März 20155 Passagiere 2014 (in Mio.) 1.  Atlanta 96,2 2.  Beijing 86,1 3.  London Heathrow 73,4 4.  Tokyo 72,8 5.  Los Angeles 70,7 6.  Dubai 70,5 7.  Chicago 70,0 8.  Paris CDG 63,8 9.  Dallas 63,5 10.  Hong Kong 63,1 11.  Frankfurt 59,6 12.  Jakarta 57,0 13.  Istanbul 56,8 14.  Amsterdam 55,0 15.  Guangzhou 54,8 Quelle: ACI
  • 6. Agenda Big Data bei Fraport Analytics in der Praxis 1 2 BIAF – Die Big Data Plattform4 Zusammenfassung5 Smart Data Lab Projekt3
  • 7. Big Data: Die Erkenntnis für Unternehmen "Big data is what happened when the cost of storing information became less than the cost of making the decision to throw it away.” George Dyson (US-Historiker) Big Data & Optimierung
  • 8. Big Data: Die Definition der 3Vs ... und wofür? ValueBig Data & Optimierung Größte Herausforderung für Fraport
  • 9. Big Data: Variety Operational processes under responsibility of Fraport AG Ground Chart 9 BIAF - The Analytical Platform Weit über 1000 Prozessattribute pro Flugbewegung
  • 10. Big Data: Velocity Big Data & Optimierung
  • 11. Big Data: Value Bessere Entscheidungen treffen !!! Big Data & Optimierung
  • 12. Big Data: Vision “99% aller operativen Entscheidungen können automatisiert werden!” Prof. Dr. Michael Feindt (Physiker CERN* ) Big Data & Optimierung *Jede Sekunde wirft der CERN Teilchenbeschleuniger im Betrieb ein Petabyte Informationen aus.
  • 13. Wie lautet die Antwort auf Big Data? Business AnalyticsBig Data [ Information Overload ] [ Value Extraction] Big Data & Optimierung
  • 14. Business Analytics: Die tragenden Faktoren Technologie Analytische Verfahren Kompetenz Analytische Plattform • Datenmanagement • Rechenkapazität • Schnittstellen • Architekturen • In-Memory Technologie •  Massive-Parallele Verarbeitung Data Scientist • kreativ & neugierig • Datenaffinität • Statistik • kommunikativ • skeptisch • Fachwissen • technologisch Statistik • Zeitreihenanalyse • Regression • Entscheidungsbaum Data Mining • Mustererkennung • Vorhersagemodellierung Machine Learning • Deep Learning • Neuronales Netz Optimierung • linear & nicht-linear • lokal vs. global „More than 85 % of Fortune 500 organizations will be unable to effectively exploit Big Data by 2015.” (Gartner) “By 2018, the United States alone could face a shortage of 140,000 to 190,000 people with deep analytical skills as well as 1.5 million managers and analysts with the know-how to use the analysis of big data to make effective decisions.” (McKinsey Global Institute) Big Data & Optimierung
  • 15. Agenda Big Data bei Fraport Analytics in der Praxis 1 2 BIAF – Die Big Data Plattform4 Zusammenfassung5 Smart Data Lab Projekt3
  • 16. „Great to have you here!“ – Das Serviceprogramm für FRA wurde 2010 gestartet und entwickelt sich stetig weiter Friendly Attention Pleasant Surroundings Quick and Comfortable Travel Shopping and Experience Herausforderungen16
  • 17. Wie kann Analytics helfen ein 5 Sterne-Airport zu werden? Friendly Attention Pleasant Surroundings Quick and Comfortable Travel Shopping and Experience Herausforderungen17
  • 18. “Great to have you here!” – kürzere Wartezeiten Analytics in der Praxis18
  • 19. „Big Data“ in der operativen Leitstelle Analytics in der Praxis19
  • 20. Zufluss-Vorhersage an Prozessstellen Zur effizienten Steuerung von Passagierflüssen wurde eine Anwendung zur Vorhersage von Zuflüssen auf Prozessstellen entwickelt. Analytics in der Praxis20
  • 21. Passagierfluss-Analyse Tool 1. PAX Forecast 2. Echtzeit Datenintegration 3. Simulation 4. Präsentation Passagierfluss Analyse & Steuerung Endnutzer Leitstelle Bundespolizei, operative MA Simulation Airlines aktuelle Datenbasis Bundespolizei LayoutParameter Eingabe Umsteuerungen Sensordaten historischer Flugbericht zentrale Flugdatenbank PAX Prognose Modellierung - Total-On Board pro Flug - Umsteiger - Aus- / Zusteiger Analytics in der Praxis21
  • 22. Der Einsatz von Analytics unterstützt dabei ... ... das Passagierverhalten zu verstehen §  Shopping und Gastronomie §  Check-in (Home vs. Schalter) §  Sicherheitskontrollen ... Passagiere zu prognostizieren §  Gesamtpassagier an Board einer Maschine §  Originär-Aus-/Zusteiger §  Umsteiger auf Anschlussflüge … Passagierbewegungen zu simulieren §  Zufluss- Abflussströme §  Füllstände in relevanten Bereichen §  Wartezeiten an Prozessstellen Analytics in der Praxis22
  • 23. … and the winner is … Satisfaction with FRA (Percentage of satisfied passengers) FRA-Passengers (in millions) Source: Fraport Passenger Survey, Overall satisfactionSource: Traffic Figures (UEW-MF) 70% 77% 80% 2010 2011 2012 53,0 56,4 57,5 2010 2011 2012 57.5 56.4 53.0 „World‘s Most Improved Airport“ Analytics in der Praxis23
  • 24. Agenda Big Data bei Fraport Analytics in der Praxis 1 2 BIAF – Die Big Data Plattform4 Zusammenfassung5 Smart Data Lab Projekt3
  • 25. Potentiale aus Big Data heben „Wer Big Data voranbringen will, muss Experimente zulassen. Daher brauchen wir Schutzräume außerhalb des Tagesgeschäfts, in denen Big Data ausprobiert werden und sich entwickeln kann.“ (Professor Dr. Björn Bloching) Smart Data Lab Projekt25 Wir brauchen einen kreativen Raum, des Forschens und Entdeckens mit intelligenten kleinen Projekte, die auch mal scheitern dürfen. Smart Data Lab
  • 26. Fraport hat in den letzten Jahren zwei große Assets aufgebaut und konsequent weiterentwickelt BIAF operative Daten 1.) Datenfundus 2.) Analytische Kompetenz dezentrale, isolierte Analysen Mit dem Smart Data Lab wurden erstmals übergreifende Fragestellungen in einem interdisziplinären Team aus vielen Fachbereichen bearbeitet. Um ein effizientes Arbeiten in dieser Teamzusammensetzung zu fördern wurde eine neue Arbeitsmethode angewandt, die agiles Arbeiten optimal unterstützt. Smart Data Lab bei Fraport Aviation Ground- handling Retail SAP BW kaufmännische Daten Projekte Finanzen Instand- haltung € Smart Data Lab Projekt26 Smart Data Lab € agil und interdisziplinär Fraport verfügt in vielen Geschäftsbereichen über analytisch geschultes Personal. In zwei zentralen analytischen Systemen werden seit mehreren Jahren konsequent die operativen und kaufmännischen Daten gesammelt und für Auswertungen zur Verfügung gestellt.
  • 27. Scope Scope des Smart Data Lab Descriptive Analytics Predictive Analytics Prescriptive Analytics Schwierigkeit Mehrwert Diagnostic AnalyticsWas ist passiert? Warum ist es passiert? Was wird passieren? Wie können wir es passieren lassen? Big Data & Optimierung
  • 28. Data Science Team bestehend aus 15 internen Experten und einem externen Coach Arbeiten im Smart Data Lab Fachexperte Kompetenzen Rollen - Business Know-how - Interpretation der Ergebnisse - Informationsbeschaffung Datenmanager - Data Preparation - Ad-hoc Datenimport - Beladung Visual Analytics Statistiker - Data Mining - Predictive Modeling - Explorative Datenanalyse Abdeckung aller Kompetenzen von einer Personen schwer möglich, daher Notwendigkeit im Team zu agieren Smart Data Lab Projekt28
  • 29. Ergebnisse Kommunikation Verlauf Projektleitung Ablauf und Organisation Smart Data Lab Projekt29 Auftrag 1 2 3 4 5 Projekt unter der Leitung der Konzernstrategie und IT unter Anwendung einer agile Projektmethode Aufteilung der Projektmitglieder in vier Arbeitsgruppen, unter Berücksichtigung der jeweiligen Kompetenzrolle Daily Stand-up wöchentlicher Jour Fixe Ergebnisvorstellung im Vorstand und Top-Management à Smart Data Lab war erfolgreich und soll turnusmäßig fortgeführt werden Vorstandsauftrag zur Untersuchung von vier Musterfragestellungen Schulung und Einführung (1 Woche) Analysephase und Prototyperstellung (4 Wochen) Ergebnisaufbereitung (1 Woche)
  • 30. Neue Arbeitsmethode: Das Taskboard als zentrales Element des agilen Projektmanagements! Smart Data Lab Projekt30 • Tasks sind Aufgaben, die von einem Bearbeiter an einem Tag erledigt werden können. • Tägliches Treffen der gesamten Projektgruppe vor dem Taskboard (20 Min.). • Klärung der anstehenden Aufgaben auf Tagesbasis bzw. Hemmnissen. • Gemeinsames Lernen durch den Austausch zu möglichen Lösungsansätzen. • Schärfung der Verbindlichkeit durch tägliche Statusabfrage der Aufgaben. Neue Arbeitsmethode sichert Projekterfolg und kann künftig für vergleichbare Projekte eingesetzt werden
  • 31. 1. Fragestellung: „Flugzeugpositionierung“ Identifikation erschließbarer Umsatzpotenziale einzelner Retail-Geschäfte auf Grundlage der Flugzeugpositionierung („Destinationswertigkeit“) Ergebnis: à Simulationsmodell zur What-if Analyse 2. Fragestellung: „BVD-Prognosemodell“ Prognosemodell zur Abschätzung des tatsächlichen Betriebsverlaufs (inkl. Verspätungen) als Basis der betrieblichen Steuerung und Ressourceneinteilung Ergebnis: à Prognosemodell zur Verspätungsvorhersage Smart Data Lab Projekt31 Entlang von vier Fragestellungen wurden unterschiedliche Hilfsinstrumente und Prototypen erarbeitet Umsatzpotenzial Szenario A xx € Szenario B xx € ... Terminal 1 Terminal 2 LH 4711 Delay +6:43 AA 070 Delay +16:51 AF 817 Delay -0:33
  • 32. 3. Fragestellung: „Retail-Frühwarnsystem“ Ausgehend von den Gesamterlösen werden am Beispiel Retail Einflussfaktoren auf die Erlösentwicklung identifiziert, um hierfür ein mögliches Frühwarnsystem zu entwickeln Ergebnis: à Retailprognosemodell + Qualitätsregelkarte 4. Fragestellung: „Frachtprodukte“ Ableitung der Fracht-Produktkategorien am Frankfurter Flughafen anhand der Analyse von Frachttransport und –abfertigung Ergebnis: à Instrument zur Marktpotenzialanalyse Smart Data Lab Projekt32 Entlang von vier Fragestellungen wurden unterschiedliche Hilfsinstrumente und Prototypen erarbeitet -3.500.000 -2.500.000 -1.500.000 -500.000 500.000 1.500.000 2.500.000 3.500.000 Mittellinie 0,5%-Grenze 99,5%-Grenze Abweichung Test_Trend Test_Run Prozessstoerung_1%
  • 33. Smart Data Lab ist nur der erster Schritt ... Transformationsprozess Smart Data Lab Projekt Smart Data Lab Smart Data Factory Big Data Analysis Insights Ground Aviation Retail Anforderungen / Fragestellung Fachexpertise Pilotaufbau und Bereitstellung Security ... Geschäftsbereich Delivery •  Operationalisierung •  Realisierungsprojekte •  Change-Management •  Neue Produkte & Services •  Forschen & Entdecken •  Data Science •  Prototypen •  Agil •  2x im Jahr 4 Wochen 33 Vorstand
  • 34. Umsetzungskonzept und Rollenverteilung Bereichsrückmeldungen SDL (IUK,UEW)34 Smart Data Lab Ergebnisvorstellung im Fachbereich Smart Data Factory Organisation Unternehmensentwicklung (UEW), IT (IUK) SGB IUK im Rahmen der IT Investitionsprozesse Ressourcen SDL-Kernteam; Lab-Projektmitglieder SDL-Kernteam; Lab-Projektmitglieder IUK-Mitarbeiter; Externe IT-Mitarbeiter; punktuell Fachbereichsexperten und Lab-Projektmitglieder Anforderungsprofil •  Statistiker •  Fachexperte •  Datenmanager •  Entscheider •  Fachexperten •  Projektleiter •  Datenmanager •  Solution-Architect •  Softwareentwickler •  Support-Team Finanzierung - - ILV, Investitionsprojekt Zeitlicher Aufwand 4 Wochen ca. 1-2 Woche (nachgelagert zum SDL) dauerhafte Einrichtung Rollenkonzept • Für das Smart Data Lab identifiziert UEW in der Diskussion mit den Fachbereichen geeignete, unternehmensrelevante Fragestellungen. Dabei wird die Auswertbarkeit der Datengrundlage vorab von UEW in Zusammenarbeit mit IUK geprüft. • Ferner stellt IUK für das Smart Data Lab die Räumlichkeiten und die IT-Ausrüstung zur Verfügung.
  • 35. Agenda Big Data bei Fraport Analytics in der Praxis 1 2 BIAF – Die Big Data Plattform4 Zusammenfassung5 Smart Data Lab Projekt3
  • 36. BIAF Product Development Chart 36 BIAF - The Analytical Platform 2005 2006 2008 2010 2012 Time 2013 HPA Appliance SAS/Pivotal High Performance Analytics Appliance Smart Data Lab 2015
  • 37. Operative Sonderlösungen Berichtswesen in BIAF one-click Reporting Berichts- erstellung Freie Datenanalyse Prognose Mustererkennung Simulation SAS JMP SAS Enterprise Guide SAS Portal SAS Web Report Studio BIAF Reporting Plattform SAS Enterprise Miner SAS Visual Analytics SAS Visual Analytics Was ist BIAF?
  • 38. BIAF Analytical Platform Architecture GRID Node2 SAS Mid1 SAS Mid 2 BIAF Mid ESRS Gtwy1 Backup Storage SAS Mid 1 GRID Node2 Primary Data Center Secondary Data Center Greenplum Appliance historical Data PROD daily restore for DR Application-side mirroring Greenplum DB Segment 1 Operational Data Greenplum Appliance DEV, TEST and Desaster Recovery Meta Srv1 opsDB Master GRID Node1 opsDB Second Greenplum DB Segment 2 Operational Data Meta Srv3 BIAF Mid Meta Srv2 Meta Srv2 SAS Mid 2 Meta Srv1 GRID Node1 Meta Srv3 ESRS Gtwy2 ESRS Policy PROD DEV/TEST SAS Visual Analytics + High Performance Analytics SAS Visual Analytics + High Performance Analytics GRID Node3 BIAF - The Analytical Platform Hyper-V-Cluster opsDB Master opsDB Seg 1 opsDB Master opsDB Seg 1 Virtual Application Layer • Stretched-cluster configuration • SAS 9.4 (BI + DI) • Clustered SAS Meta-Data Server • Clustered SAS Mid-Tier • SAS GRID-Manager
  • 39. BIAF Analytical Platform Architecture GRID Node2 SAS Mid1 SAS Mid 2 BIAF Mid ESRS Gtwy1 Backup Storage SAS Mid 1 GRID Node2 Primary Data Center Secondary Data Center Greenplum Appliance historical Data PROD daily restore for DR Application-side mirroring Greenplum DB Segment 1 Operational Data Greenplum Appliance DEV, TEST and Desaster Recovery Meta Srv1 opsDB Master GRID Node1 opsDB Second Greenplum DB Segment 2 Operational Data Meta Srv3 BIAF Mid Meta Srv2 Meta Srv2 SAS Mid 2 Meta Srv1 GRID Node1 Meta Srv3 ESRS Gtwy2 ESRS Policy PROD DEV/TEST SAS Visual Analytics + High Performance Analytics SAS Visual Analytics + High Performance Analytics GRID Node3 BIAF - The Analytical Platform Hyper-V-Cluster opsDB Master opsDB Seg 1 opsDB Master opsDB Seg 1 Operational Data Store (hot) •  real-time Data •  ca. 1.000.000 Business Events/day •  automatically mirrored PDC & SDC •  ca. 150GB Storage •  Operational BI – Reporting & Analytics
  • 40. BIAF Analytical Platform Architecture GRID Node2 SAS Mid1 SAS Mid 2 BIAF Mid ESRS Gtwy1 Backup Storage SAS Mid 1 GRID Node2 Primary Data Center Secondary Data Center Greenplum Appliance historical Data PROD daily restore for DR Application-side mirroring Greenplum DB Segment 1 Operational Data Greenplum Appliance DEV, TEST and Desaster Recovery Meta Srv1 opsDB Master GRID Node1 opsDB Second Greenplum DB Segment 2 Operational Data Meta Srv3 BIAF Mid Meta Srv2 Meta Srv2 SAS Mid 2 Meta Srv1 GRID Node1 Meta Srv3 ESRS Gtwy2 ESRS Policy PROD DEV/TEST SAS Visual Analytics + High Performance Analytics SAS Visual Analytics + High Performance Analytics GRID Node3 BIAF - The Analytical Platform Hyper-V-Cluster opsDB Master opsDB Seg 1 opsDB Master opsDB Seg 1 Enterprise Data Store (warm) •  historical Data •  ca. 2 TB Storage / up to 6 TB Storage licensed •  daily full backup & Restore into SDC for DR •  Analytical Database MPP •  EMC 24/7 Premium Support •  Calling Home •  Remote Access through Policy Server
  • 41. BIAF Analytical Platform Architecture GRID Node2 SAS Mid1 SAS Mid 2 BIAF Mid ESRS Gtwy1 Backup Storage SAS Mid 1 GRID Node2 Primary Data Center Secondary Data Center Greenplum Appliance historical Data PROD daily restore for DR Application-side mirroring Greenplum DB Segment 1 Operational Data Greenplum Appliance DEV, TEST and Desaster Recovery Meta Srv1 opsDB Master GRID Node1 opsDB Second Greenplum DB Segment 2 Operational Data Meta Srv3 BIAF Mid Meta Srv2 Meta Srv2 SAS Mid 2 Meta Srv1 GRID Node1 Meta Srv3 ESRS Gtwy2 ESRS Policy PROD DEV/TEST SAS Visual Analytics + High Performance Analytics SAS Visual Analytics + High Performance Analytics GRID Node3 BIAF - The Analytical Platform Hyper-V-Cluster opsDB Master opsDB Seg 1 opsDB Master opsDB Seg 1 SAS/Greenplum Analytical Appliance •  SAS High Performance Analytics •  SAS Visual Analytics •  In-Memory Database •  Mobile BI •  In-Database Analytics Cold storage layer
  • 42. Agenda Big Data bei Fraport Analytics in der Praxis 1 2 BIAF – Die Big Data Plattform4 Zusammenfassung5 Smart Data Lab Projekt3
  • 43. •  Klassisches R&D ist nicht in unserer Unternehmens-DNA verankert, dennoch müssen wir es anpacken •  „Failure is NO-option“ à es ist essenzieller Teil der Entwicklung •  Arbeiten in einem Data Science Team mit agiler Projektmethode ist ein Key-Success Faktor •  Wahrnehmung über das Potenzial von Analytics im Unternehmen deutlich geschärft •  LAB als geschützter Raum mit Zugriff auf alle Daten fördert die Entwicklung von konzeptionellen Ansätzen und Ergebnissen frei von Restriktionen und Bereichsinteressen Zusammenfassung Zusammenfassung43 “I have not failed. I’ve just found 10,000 ways that won’t work.” Thomas A. Edison
  • 44. Fraport a data driven company ...
  • 45. Chart 45 PhD defense Torben C. Barth: Optimization of baggage handling at airports Thank you for your attention! Enjoy the day …
  • 46. Kernkompetenz rund um Analytics und Big Data innerhalb der IT aufgehängt! Organigramm IUK46 Vorstand Dr. Stefan Schulte (VV) Information und Kommunikation Dr. Matthias Zieschang (VF) Michael Müller (VA) Anke Giesen (VO) Dr. Roland Krieg (CIO) IUK Anwendungs- entwicklung Dr. Wolfgang Pelzer IUK-AE Business-Systeme Dieter Steinmann IUK-AE4 Bau-/ und PM-Systeme & Business Applications Business Intelligence administrativ Business Intelligence operativ Christian Wrobel IUK-AE43 Analytical Solution Architect
  • 47. Digital Transformation Forum Disrupt or Be Disrupted 19 OCTOBER · BMW WELT EVENT CENTRE · MUNICH