Hurtownia danych w Google Cloud
1
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.
2
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.
3
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