Hurtownia danych w Google Cloud

Wyzwanie

Klient z branży telekomunikacyjnej przystąpił do budowy nowej hurtowni danych w oparciu o środowisko chmurowe. Obszarem objętym troską były punkty adresowe instalacji łączy światłowodowych FTTH/FTTB, obejmujące ok. miliona lokali mieszkalnych (dotychczasowych i nowych lokalizacji). Główne cele, jakie miała spełniać nowa hurtownia, to:

Zgromadzenie w hurtowni takich wymiarów i cech dla punktów adresowych, które spełniają obecne potrzeby raportowe
Obniżenie kosztów przetwarzania i składowania danych
Zastosowanie standardów i dobrych praktyk budowy hurtowni danych
Ułatwienie łączenia danych z obszaru punktów adresowych z danymi z innych obszarów, np. z obszaru zamówień

Rozwiązanie

W oparciu o doświadczenia w obszarze telekomunikacyjnym oraz budowy rozwiązań, zespół Sorigo zaprojektował i wdrożył u klienta hurtownię danych. Zakres prac obejmował m.in.:

Opracowanie i wykorzystanie standardu budowania obszarów hurtowni danych z zastosowaniem metodyki Data Vault 2.0 oraz platformy Google BigQuery
Przeprowadzenie cyklu warsztatów i spotkań z biznesem w celu zdefiniowania powiązań wymiarów i cech opisujących punkty adresowe w przypadkach użycia i procesach biznesowych
Przygotowanie kompleksowej analizy zależności w narzędziu Sparx Enterprise Architect, której wynikiem były macierze zależności oraz widoki powiązań, ukierunkowane na poszczególne wymiary raportowe
Implementację procesów zasilania hurtowni danymi punktów adresowych
Budowę mechanizmu zarządzania subskrypcją na poszczególne cechy wymiarów, opisujących punkty adresowe instalacji usług światłowodowych
Udostępnienie warstwy informacyjnej oraz data mart danych punktów adresowych dla zespołów sieci agencyjnej współpracujących z operatorami korzystającymi oraz konsultantów back-office

Sorigo zarekomendowało także zmiany w systemach, wynikające z analizy i wymagań raportowych.

Wynik

Dzięki wdrożeniu hurtowni danych w oparciu o platformę Google BigQuery oraz model Data Vault 2.0, klient:

Zwiększył efektywność wykorzystania danych punktów adresowych przez biznes
Obniżył koszty przetwarzania i składowania danych
Wielokrotnie zwiększył wydajność przetwarzania danych
Dokonał standaryzacji modelu danych i budowy rozwiązań
Zyskał możliwość śledzenia zmian cech w czasie (historia zmian), co jest istotne dla konsultantów back-office
Zmniejszył koszty wprowadzania nowych cech w zdefiniowanych wymiarach
Ułatwił połączenie danych z obszaru punktów adresowych z danymi z innych obszarów
Zwiększył skalowalność, elastyczność i bezpieczeństwo rozwiązania

Zwiększenie efektywności procesu

Bezpieczeństwo

Wydajność

Elastyczność