Die Tochtergesellschaft eines Finanzinstituts entwickelte ein Data Vault-Automatisierungstool, das als Wherescape-Lösung zur Datenverarbeitung implementiert wurde. Mit dem Anstieg der Datenmenge benötigte der Kunde jedoch eine Optimierung der Datenverarbeitung.
Über den Kunden
Problemstellung
Der Anbieter wollte ein Modell, das den individuellen Anforderungen entspricht und die Muttergesellschaft effizienter unterstützt.
Die Lösung war aus mehreren Gründen nicht in der Lage, diesen Anwendungsfall zu unterstützen:
- Der Kunde verwendet ein standardisiertes Modell für mehrere Datenquellen
- Die Zunahme der Datenmenge führte zu entscheidenden Leistungs- und Skalierbarkeitsproblemen
- Der Workflow war nicht in der Lage, große Datenbestände und komplexe Datenquellen zu verarbeiten, was zu langsameren Prozessen und höheren Kosten führte.
Die Herausforderung
Der Kunde möchte eine überarbeitete Wherescape-Lösung, um eine große Datenmenge zu verarbeiten und die Geschäftsprozesse zu beschleunigen.
- Aufgrund eines gewissen Mangels an Wissen entsprach die derzeitige Lösung nicht den Bedürfnissen der Kunden. Das Modell war nicht effizient genug
- Es wurde ein tiefes technisches Wissen/Expertise in diesem Bereich benötigt, da die aktuelle Lösung eine standardisierte Implementierung war, die nicht den individuellen Anforderungen des Kunden entsprach
Die Lösung
- Überarbeitung des aktuellen Wherescape Workflow für eingehende Datenquellen
- Integration eines logischen Modells aus einer Quelle
- Aufschlüsselung eines großen Modells, was zu weniger Fehlern führt, da die Abhängigkeiten aufgeteilt wurden, um eine 1:1-Beziehung zu erhalten (1 Datenquelle zu 1 Modell)
- Die technische Aufteilung der CSV-Dateien → wurde direkt in den Wherescape-Workflow integriert.
Konkrete Ergebnisse für den Kunden
Mit dem neuen Arbeitsablauf waren die Entwickler in der Lage,:
- schneller und flexibler auf eingehende Anforderungen der Muttergesellschaft zu reagieren
- Verkürzung der Entwicklungszeit durch schnellere Berechnung von Daten
- Ein weniger fehleranfälliges Modell, das zu einer Verringerung von Zeit und Kosten führt
Verwendete Technologien
- Wherescape 3D
- Wherescape Rot
- Python
- Data Vault 2.0
