Der Kunde ist einer der größten Versicherer Deutschlands, der viertgrößte Hausratversicherer, der fünftgrößte Autoversicherer und der siebtgrößte Haftpflichtversicherer in Deutschland. Das Unternehmen plante den Aufbau einer neuen BI- und Analyselandschaft auf Basis von Amazon Web Services.
Über den Kunden
Problemstellung
Der Kunde hatte sich auf ein data warehouse auf der Grundlage von Oracle, Informatica und MicroStrategy verlassen. Das System sollte als zentrale analytische Datenbank genutzt werden.
Das Problem ist:
Das Problem ist:
- Der Kunde hielt das System für sehr komplex.
- Das Schichtenmodell und die Datenstrukturen konnten erheblich vereinfacht werden
- Die Nutzung war gering und es gab nur eine kleine Anzahl von Standardberichten
- Es bestand die Notwendigkeit, eine gemeinsame Datenbank zu schaffen
Daher wurde beschlossen, eine neue BI- und Analytics-Landschaft basierend auf einem AWS-Build.
Die Herausforderung
Der Kunde benötigte ein neues Produktionssystem, das erstellt werden sollte. Hierfür:
- Sie waren auf der Suche nach einem Unternehmen, das ihnen bei der Einführung des Systems helfen konnte.
- Der Auftraggeber wollte, dass der Auftragnehmer ein Feedback zu den getroffenen Aussagen und Annahmen gibt
- Das Unternehmen erwartete eine umfassende Best-Practice-Beratung, bei der dem Kunden die Best-Practice-Variante aufgezeigt werden sollte
- Der Kunde benötigte Fachwissen, um das Projekt erfolgreich durchführen zu können
Die Lösung
Das Projekt gliedert sich in eine Entwurfs- und eine Durchführungsphase:
- Der Grundstein für die spätere Umsetzung ist gelegt
- Ebenso war die Abstimmung und Verfeinerung der Architektur und des Toolstacks erforderlich sowie die Standards und Richtlinien für die Entwicklung
Die Beratung und die Schulungen von Scalefree hatten einen Einfluss auf das Projekt hinsichtlich:
- Architekturkonzepte
- EDWH-Strategie
- Data Warehouse-Automatisierungs
- Ermächtigung
- Projektunterstützung
Abbildung des Projektablaufs :
Konkrete Ergebnisse für den Kunden
Die folgenden Ergebnisse werden vom Kunden erwartet:
- Vereinfachter Zugriff auf die Datenübersicht
- Entwicklung einer GDPR-konformen Dateninfrastruktur
- Implementierung eines Dashboards für multitemporale Analysen
- Sicherung von Netzwerkressourcen gegen unbefugten Zugriff
- Wissenstransfer durch Wissensmanagementsysteme und Workshops mit Nutzern
- Saubere Dokumentationen und Richtlinien über das integrierte System
Vorgeschlagene Architektur:
Verwendete Technologien
- Laden von Daten aus der Quelle in den Data Lake: Python
- Schneeflocke DB
- Übertragung von Daten aus dem Data Lake in die EDW-Schicht: Snowpipe
- Übertragung von Daten in den Information Mart: realisiert mit Schneeflocken-SQL Ansichten
