Carl Zeiss

Zusammenfassend kann ich Herrn Lashkov und sein Unternehmen, die Innovaforge IT Consulting & Softwareentwicklung GmbH, aufgrund seiner hervorragenden Leistungen und seines Engagements uneingeschränkt weiterempfehlen

Einleitung

Dieses Dokument präsentiert den Business Case für die erfolgreiche Migration des bestehenden Berichtswesens von Carl Zeiss in eine skalierbare, Cloud-native Lösung. Der Fokus liegt auf der Bewältigung der Herausforderungen des Altsystems und der Transformation in eine zukunftsfähige Architektur, die den wachsenden Anforderungen an Datenverarbeitung und -analyse gerecht wird.

  1. Problem und Herausforderungen

Das bisherige Berichtswesen von Carl Zeiss, basierend auf einem On-Premise Monolithen, war den Anforderungen des modernen Produktionsumfelds nicht mehr gewachsen. Folgende Herausforderungen wurden identifiziert:

  • Datenexplosion: Die rasant wachsende Menge an Fertigungsdaten erforderte eine neue Architektur und technische Lösungen, um die Skalierbarkeit zu gewährleisten.
  • Veränderte Geschäftsanforderungen: Die Migration musste neue fachliche Anforderungen des Business berücksichtigen und integrieren.
  • Langsame Datenverarbeitung: Die Bearbeitung der Daten aus Kafka-Events war zeitaufwendig und ineffizient.
  • Mangelhafte Codequalität: Der bestehende Code war unübersichtlich, schlecht strukturiert und modularisiert, was die Wartung und Weiterentwicklung erschwerte.
  • Datenqualität: Der Data Mart wies zahlreiche Ungenauigkeiten und Fehler auf, die die Zuverlässigkeit der Berichte beeinträchtigten.
  • Unübersichtliche Infrastruktur: Die bestehende Infrastruktur und die Azure Cloud-Dienste waren unübersichtlich und komplex, was die Verwaltung und Optimierung erschwerte.
  1. Durchgeführte Lösungen und Beschreibung der Arbeit

Um die genannten Herausforderungen zu bewältigen, wurden folgende Lösungen implementiert:

  • Architektur-Dekomposition: Die Gesamtarchitektur des alten Projekts wurde dekomponiert und vereinfacht, um eine höhere Sicherheit, Modularität und Wartungsfreundlichkeit zu erreichen.
  • Pipeline-Implementierung: Pipelines für den Empfang von Daten in verschiedenen Formaten (REST, Blob-Speicher, MongoDB) wurden implementiert, um eine effiziente und flexible Datenaufnahme zu gewährleisten.
  • Datenmodell-Entwicklung: Neue Datenmodelle wurden entwickelt, um die Daten gemäß der definierten Geschäftslogik zu transformieren. Hierbei kamen Databricks, PySpark, Delta Tables, Azure Data Factory und SQL-Abfragen zum Einsatz.
  • Data Warehouse: Ein skalierbares und performantes Data Warehouse auf Basis von Azure SQL und Databricks wurde aufgebaut, um die Daten für Analysen und Berichte bereitzustellen.
  • Echtzeit-ETL: Der ETL-Prozess wurde optimiert, um eine nahezu Echtzeit-Verarbeitung der Daten zu ermöglichen.
  • Cloud-Konfiguration: Diverse Services und DWH-Systeme in der Azure Cloud-Umgebung wurden konfiguriert und optimiert.
  • Teamleitung: Das Projektteam wurde effektiv geführt, Aufgaben wurden geplant und priorisiert, Verantwortung delegiert und tägliche Teambesprechungen durchgeführt.
  • Datenqualität: Die Datenqualität wurde kontinuierlich verbessert und an die Geschäftsanforderungen angepasst.
  • Python-Programmierung: Sauberer und effizienter Python-Code wurde entwickelt, um die Funktionalität und Performance des Systems zu gewährleisten.
  • Monitoringsystem: Ein Monitoringsystem für ETL- und Data-Science-Dienste in Azure wurde basierend auf Log Analytics Workspace aufgebaut.
  • Architektur-Optimierung: Die gesamte IT- und Datenarchitektur wurde verbessert und vereinfacht, um die Effizienz und Skalierbarkeit zu steigern.
  1. Ergebnisse und Verbesserungen

Die erfolgreiche Migration des Berichtswesens in die Cloud hat zu folgenden Ergebnissen und Verbesserungen geführt:

  • Skalierbarkeit: Das neue System ist in der Lage, die wachsenden Datenmengen effizient zu verarbeiten und zu analysieren.
  • Flexibilität: Die Cloud-native Architektur ermöglicht eine flexible Anpassung an sich ändernde Geschäftsanforderungen.
  • Performance: Die Datenverarbeitung erfolgt deutlich schneller und effizienter.
  • Wartbarkeit: Der Code ist sauber, modular und gut dokumentiert, was die Wartung und Weiterentwicklung vereinfacht.
  • Datenqualität: Die Qualität der Daten wurde signifikant verbessert, was die Zuverlässigkeit der Berichte erhöht.
  • Transparenz: Die Infrastruktur und die Cloud-Dienste sind übersichtlich und transparent, was die Verwaltung erleichtert.
  • Echtzeit-Analysen: Die nahezu Echtzeit-Verarbeitung der Daten ermöglicht zeitnahe Analysen und Entscheidungen.
  • Kostenoptimierung: Die Cloud-Infrastruktur ermöglicht eine flexible Skalierung der Ressourcen und somit eine Optimierung der Kosten.

Fazit

Die Migration des Berichtswesens von Carl Zeiss in die Cloud war ein voller Erfolg. Durch die Bewältigung der bestehenden Herausforderungen und die Implementierung einer modernen, skalierbaren Architektur wurde die Grundlage für ein zukunftsfähiges und effizientes Berichtswesen geschaffen. Das Unternehmen profitiert von einer verbesserten Datenqualität, schnellerer Datenverarbeitung, erhöhter Flexibilität und einer optimierten Kostenstruktur.

Referenz Carl Zeiss Vision Empfehlungsschreiben Bogdan Lashkov