Case study MPWiK

W związku z planami rozwoju Klient chciałby zbudować również zaawansowane środowisko analityczne. Jest zainteresowany rozwiązaniem chmurowym. Obawia się, że jego dotychczasowy, działający w modelu on-premise system nie będzie wystarczająco elastyczny i wydajny, gdy trzeba będzie łączyć i przetwarzać duże ilości danych z urządzeń IoT. Postanowił sprawdzić możliwości zbudowania nowoczesnego, zintegrowanego środowiska analitycznego w modelu chmurowym

PILOTAŻ NOWOCZESNEJ HURTOWNI DANYCH W CHMURZE MICROSOFT AZURE

Przedsiębiorstwo posiada wiele różnych zbiorów danych, w tym m.in. generowane automatycznie dane z przepływomierzy. Chce je móc sprawnie łączyć z sobą w celu prowadzenia zaawansowanej analityki. Potrzebuje m.in. comiesięcznych prognoz zużycia wody. Jest zainteresowane zbudowaniem spójnej, wydajnej platformy analitycznej, która będzie w stanie obsłużyć również coraz większą ilość danych napływających z urządzeń internetu rzeczy. Przed podjęciem ostatecznej decyzji Klient chciał sprawdzić funkcjonalność systemu chmurowego i ocenić jego przydatność do zarządzania wieloma, różnorodnymi zbiorami danych pod kątem własnych potrzeb.

Zespół specjalistów APN Promise przeprowadził pilotażowe wdrożenie hurtowni danych w środowisku chmurowym Microsoft Azure. Uruchomiono także platformę raportową bazującą na systemie Microsoft Power BI.

W ramach pilotażu przygotowana została i udostępniona do testów cała architektura nowoczesnej hurtowni danych. Klient mógł sprawdzić jej funkcjonowanie w warunkach zbliżonych do rzeczywistych. W dokumencie powykonawczym znalazł się zestaw dobrych praktyk oraz wizja  docelowego środowiska analitycznego. Pokazane zostały wynikające z modelu chmurowego korzyści, które nie sprowadzają się tylko do optymalizacji kosztów. Równie ważny jest aspekt funkcjonalny polegający na przejęciu odpowiedzialności za utrzymanie i rozwój systemu przez dostawcę usług. Klient mógł skorzystać także z platformy raportowej w modelu cloud computing. W ramach pilotażu zostało wdrożone rozwiązanie Azure Machine Learning do predykcji brakujących odczytów z przepływomierzy.

Bazujące na odpowiednich algorytmach metody data science pozwalają na wiarygodne uzupełnienie bazy danych do celów analitycznych. Pokazano również możliwości dołączania innych danych z różnych źródeł na potrzeby prognoz. Podczas warsztatów zostały zaprezentowane funkcje zastosowanych narzędzi i technologii. Przedstawiono także perspektywy i możliwości rozwoju platformy analitycznej, w tym rozbudowy o kolejne modele prognostyczne. Klient poznał nowe rozwiązania i uzyskał wiedzę na temat sposobów ich zastosowania w nowoczesnej hurtowni danych. Ważnym efektem pilotażu było opracowanie zbioru ról i profili kompetencyjnych potrzebnych do zapewnienia sprawnego funkcjonowania rozwiniętego środowiska analitycznego. Kompetencje te zostały następnie zmapowane na istniejące role i stanowiska w firmie, żeby Klient wiedział, jakich specjalistów może w przyszłości potrzebować.

Podsumowanie video – case study MPWiK

Chcesz dowiedzieć się więcej o ofercie APN Promise SA dotyczącej chmury Microsoft Azure?

Skontaktuj się z nami:


    Chcę otrzymywać treści marketingowe od A.P.N. Promise S.A. drogą elektroniczną
    Chcę otrzymywać treści marketingowe od A.P.N. Promise S.A. telefonicznie

    Administratorem danych osobowych gromadzonych z wykorzystaniem formularza jest A.P.N. Promise S.A. Podane przez Ciebie dane będą przetwarzane w zakresie niezbędnym do podjęcia kontaktu lub realizacji określonego żądania zgodnie z art. 6 ust. 1 lit. b RODO lub w przypadku wyrażenia zgody na podstawie art. 6 ust. 1 lit. a RODO w celu dostarczenia treści marketingowych środkami komunikacji elektronicznej lub za pomocą urządzeń telefonicznych. Wszelkie informacje w zakresie przetwarzania podanych przez Ciebie w formularzu danych oraz posiadanych uprawnieniach znajdziesz w Polityce prywatności lub uzyskasz kontaktując się z osobą odpowiedzialną za ochronę danych osobowych na iodo@promise.pl. Kliknij i dowiedz się więcej jeżeli informacje podane powyżej nie są dostatecznie jasne!

    0000