Ein Photonikhersteller wollte die Bereitstellung von Berichten und Dashboards für seine Geschäftsanwender beschleunigen, nachdem er zu einem Cloud-Datenbankanbieter und einem SaaS data warehouse-Automatisierungstool migriert hatte.
Über den Kunden
Problemstellung
Nach der Modernisierung sowohl der Datenbankplattform als auch des Automatisierungstools hatte der Hersteller Schwierigkeiten, die Vorteile der neuen Plattformen zu nutzen. Eine bestehende Data Vault 2.0-Implementierung hielt sich nicht streng an die Standards, was zu einigen Problemen führte:
- Es fehlte an Wiederholbarkeit und Transparenz der Umsetzung
- Die Zeit für die Bereitstellung neuer Geschäftsberichte war zu lang
Die Herausforderung
Eine große Herausforderung war das fehlende gemeinsame Verständnis der Data Vault 2.0-Norm, insbesondere hinsichtlich der Umsetzung. Die Website Data Warehouse-Automatisierungs basierte auf Belastungsmustern, die von einem anderen Beratungsunternehmen bereitgestellt wurden. Da diese nicht ohne Weiteres funktionierten, mussten sie im Laufe der Zeit geändert werden. Nach vielen Anpassungen hatte das Team schließlich eine schlecht dokumentierte, größtenteils selbst erstellte Lösung. Dies führte zu Verwirrung bei der Verwendung und Konfiguration des Codes.
Die Lösung
Unser Lösungsvorschlag beinhaltete die Verwendung unseres öffentlich verfügbaren dbt-Pakets "datavault4dbt", um einen gut dokumentierten und hochgradig konfigurierbaren Satz von Data Vault-Lademustern zu erhalten. Dieser Vorschlag wird durch die folgenden Maßnahmen unterstützt:
- Erfolgreiche Umsetzung von datavault4dbt in einer Auswahl von Beispielen während des Workshops
- Vergleich der Ladeleistung der alten und der neuen Lösung
- Untersuchung der Dokumentation und der Benutzerschnittstelle der vorgeschlagenen Lösung
- Empfehlungen für Benennungskonventionen und Sprint-Organisation
- Optimierung des Bereitstellungsprozesses
Konkrete Ergebnisse für den Kunden
Die definierten Standards minimierten den Spielraum für Interpretationen, wenn Teammitglieder an neuen Entwicklungsaufgaben arbeiteten. Daher können den Geschäftsanwendern schneller greifbare Ergebnisse geliefert werden.
Durch den Einsatz von datavault4dbt konnte der Zeitaufwand für die Pflege und Erweiterung der Lademuster reduziert werden, so dass sich das Team auf die Bereitstellung von Geschäftswerten konzentrieren konnte.
Durch den Einsatz von datavault4dbt konnte der Zeitaufwand für die Pflege und Erweiterung der Lademuster reduziert werden, so dass sich das Team auf die Bereitstellung von Geschäftswerten konzentrieren konnte.
Beteiligte Technologien
- Snowflake
- Dbt-Wolke
- Datavault4dbt
