grepton-logo

Életciklus megoldások

Egy modern vállalat életében az adatok gyűjtése, tárolása és felhasználása kulcsfontosságú szerepet jászhat a tartós versenyelőny kialakításában. Ehhez pedig elengedhetetlenek a teljes adat életciklust lefedő megoldások, amelyek két fő pillére az adattárházak és az elemző megoldások.

 

Tapasztalataink szerint a nagy mennyiségű adatot feldolgozó és használó rendszerek felhasználóinál igény mutatkozik a rendszerben tárolt adatok automatikus elemzésére, jelentések és kimutatások készítésére. A BI réteg kiszolgálására adattárházakat, riportokat és elemzéseket közvetlenül kiszolgáló célzott adatpiacokat építünk. A strukturálatlan, nagy mennyiségben keletkező adatok megfelelő kezelése érdekében Big Data eszközöket alkalmazunk, a feldolgozások eredményét adattárházba, adatpiacokba töltjük. Továbbá lehetőséget biztosítunk a nagy mennyiségű adatok élő feldolgozására, elemzésére is (stream analysis). Ebben az esetben az adatokat közvetlenül a forrásból az elemző eszközbe juttatjuk (pl. Power BI).

 

Adattárház megoldásaink

Az adattárházaknak hosszabb időre stabil és biztonságos adatforrást kell szolgáltatnia az üzleti döntésekhez. Ezért az adattárház megvalósítására és ezen belül az adatok integrációjára a szakmai sztenderdeknek megfelelően klasszikus adattárházi modellt alkalmazunk.

 

A kezdeti konzultációktól kezdve a már elkészült adattárházak teljes körű auditjáig szakembereinkkel a teljes életciklust lefedjük. Azonos elveket követve a legkisebb adattárházaktól kezdve (saját fejlesztésű eszközkészlettel) a legnagyobb méretű adattárházakig (nagyvállalati eszközökkel) tervezünk és valósítunk meg adattárházakat.

 

Technológiai repertoárunk széleskörű, egyaránt alkalmazunk Oracle és Microsoft SQL Server adatbázist, Big Data megoldásokat, megtalálhatóak az on premise kiépített környezetek mellett a felhő alapú (pl. MS Azure vagy Google) környezetek, és a felhős környezetet maximálisan kihasználó natív felhős, szolgáltatás alapú implementációk is. Olyan hibrid megoldásokat is kínálunk, amelyek esetében megmarad a tetszőleges strukturált vagy strukturálatlan adatok tárolási és elemzési lehetősége, ugyanakkor erre ráépíthető egy jól skálázható relációs adattárház és könnyen lekérdezhető analitikus adatpiacok is.

 

Üzleti intelligencia

Ügyfeleink számára a konzultációkból építkezve a konkrét igényeiket kielégítő Power BI dashboardokat, komplett megoldásokat szállítunk. Ezekkel a megoldásainkkal ügyfeleink a Power BI minden előnyét élvezhetik.

 

A Power BI elemző eszközzel informatív grafikonokon, ábrákon keresztül nyerhet betekintést rendszereiben tárolt adataiba pillanatok alatt. A folyton frissülő professzionálisan megtervezett dashboardokon akár élőben, eszköz függetlenül követheti nyomon az eredmények alakulását ezzel is elősegítve a lehető legjobb döntések meghozatalát bárhol, bármikor.

 

Hatékonyság és minőség, ez a két terület, ahol a Power BI alkalmazásával a legnagyobb előrelépés érhető el. Az automatikusan frissülő és megosztható riportokkal sokkal hatékonyabban és időt spórolva férhet hozzá a szükséges információkhoz. Miközben a riportok kiemelkedő minőségéről és részletességéről sem kell lemondani.

 

Ráadásul a Power BI nem csak a múltbéli adatok elemzéséhez egy kiváló eszköz, hanem a fejlett algoritmusoknak köszönhetően további előrejelzéseket is készíthet a riportjaihoz.

 

Hagyományos és felhős adattárolás

Rugalmasság – Stabilitás - Költséghatékonyság

Rugalmasság – Stabilitás - Költséghatékonyság

A rugalmasság, költséghatékonyság és a szerte ágazóbb igények miatt az infrastruktúra és platform szolgáltatásokra építő adattárházak mellett új adattárházak kialakításánál, valamint a régiek migrációjánál ügyfeleink körében egyre népszerűbb a natív felhős, szolgáltatás alapú architektúra. A nagy stabilitás, a széles kapcsolódási lehetőségek és a felhasználáshoz rugalmasan igazodó költségek ideális architektúrává teszik. Ennek használata azonban bizonyos adatmennyiség alatt kevésbé optimális. Ilyen esetekben helyettesíthető pl. Azure SQL Database-zel, amely hasonló rugalmasságot nyújt, azonban kisebb adatmennyiségnél költséghatékonyabb megoldás.

Mindkét megoldás a megvalósítása után további bővítésre, újabb forrásrendszerek, adatkörök integrációjára is alkalmas. Az adatok kinyerése (riportok, elemzések) piacvezető eszközökkel történhet, ugyanakkor adatbányászatra, kevésbé strukturált adatok feldolgozására is lehetőséget biztosít, valamint könnyedén beépíthetők gépi tanulási modellek vagy automatikus közbeavatkozások.

MiniDW - Kicsiben is nagyok vagyunk

Adattárházi szolgáltatásainkkal nem csak közép és nagy vállalatok számára nyújtunk megoldást!

Adattárházi szolgáltatásainkkal nem csak közép és nagy vállalatok számára nyújtunk megoldást, hanem azok számára is, akik az első adattárházuk bevezetését fontolgatják. Számukra fejlesztettük ki a MiniDW adattárház megoldásunkat, amely ideális induló adattárház azoknak, akik egy több éves adattárházi fejlesztést helyett inkább választanánk egy hetek alatt működésbe állítható, egyszerűen bővíthető, módosítható és kezelhető megoldást.

Adattárházaink szerkezete

Minden megoldásra igaz azonban, hogy az adattárházak építése során egységes, jól végiggondolt szerkezetet követünk!

Minden megoldásra igaz azonban, hogy az adattárházak építése során egységes, jól végiggondolt szerkezetet követünk, amely megkönnyíti a tervezést, fejlesztést, későbbi bővítést és állandó minőséget garantál.

Az adattárház megvalósítására és ezen belül az adatok integrációjára és az adatpiacok felépítésére a legtöbb esetben klasszikus adattárházi modellt alkalmazunk. A klasszikus, rétegezett modell használatakor az adatok tisztítása, integrációja jól ellenőrzött és felügyelhető lépésekben végezhető el. Az adattárházi réteg adatai alapján épülnek föl a felhasználás céljának legmegfelelőbb adatpiacok, adatpiaci táblák. Az adattárházi réteg szigorú relációs modellje mellett az adatpiaci rétegben kifejezetten a lekérdezési teljesítményre optimalizált, ill. a lekérdezést megkönnyítő formában létrehozott objektumok készíthetők el. Ezek módosítása, a módosítás utáni adatfeltöltésük a historikus adattárházból könnyen megoldható. Ez a fajta rétegezettség biztosítja a BI és elemzési eszközök könnyű és adatok szempontjából is megbízható csatlakoztathatóságát.



Érdekel!

Referenciák

METAADAT VEZÉRELT ADATTÁRHÁZ - ALLIANZ HUNGÁRIA ZRT.

Metaadat vezérelt adattárház bevezetése, a különböző szakterületek folyamataihoz kapcsolódó adatpiacok kiépítése. Az adatpiacokra ad-hoc lekérdező, illetve elemző BI rendszerek illesztése történt meg. A strukturálatlan, nagy mennyiségű adatok megfelelő kezelése érdekében kiépítettünk egy Big Data clustert, és egy ETL vezérlő eszköz segítségével összeintegráltuk a központi adattárházzal.

KÖZHITELES CÍMREGISZTER – BELÜGYMINISZTÉRIUM

A KCR projekt célja a magyarországi címkezelés egységes jogszabályi környezetének, igazgatási folyamatainak és egy teljes, közhiteles címnyilvántartásnak a megvalósítása volt. Feladatunk a Személyi adat- és Lakcím-nyilvántartási rendszer és a Közhiteles Címregiszter Rendszer közötti integráció implementálása volt, melynek során adattárházas technológiákat és módszereket használtunk az adatstruktúrák közötti transzformáció megvalósításához, a funkciók logikai szétválasztásával (STAGE, PREPOCESS, DW rétegek).

ADATFELDOLGOZÁS ÉS ELEMZÉS - BANK360 ZRT.

Microsoft Azure felhős technológián alapuló, lambda architektúrára épülő élő és ütemezett Big Data adatfeldolgozás és elemzés. Minden komponens felhő alapú, amely szükségtelenné teszi a helyi hardver erőforrások kiépítését, és felhőben hoz létre rugalmasan skálázható, nagy megbízhatóságú és katasztrófa tűrő megoldást. Az adatelemzés és vizualizáció PowerBI-ban történik, ahol az élő történések és az elmúlt időszakok eseményei is követhetők, elemezhetők. A folyamatosan érkező nagy mennyiségű adatot az Azure Stream Analytics kezeli és ágaztatja el az élő nézet (PowerBI) és az archív tárolás (Azure Blob Storage) felé. Az összes üzleti esemény alacsony költségen archiválásra kerül a felhőben, lehetővé téve az adatok későbbi szabad elemezhetőségét is. A nagy mennyiségű archív adat feldolgozását Azure Data Factory végzi, majd a feldolgozott adatok Azure SQL Database-re kerülnek az elemzések megkönnyítésére. Az elemzést és vizualizációt a PowerBI végzi.