Neue Datenbanktechnologien für Real Time Analysen

Transkript

1 Neue Datenbanktechnologien für Real Time Analysen Thomas Baumann Die Mobiliar TDWI Europe Conference 2015 München, 22.Juni

2 Real-Time Analysen machen Schlagzeilen Neue Erkenntnisse aus Echtzeit Datenanalysen ANALYSEN AUF OLTP DATEN

3 Real-Time Analysen machen Schlagzeilen Starke Entlastung Mainframe Kapazität 30% REDUKTION MAINFRAME CPU RESSOURCEN

4 Real-Time Analysen machen Schlagzeilen Neue Speichertechnologie verbessert Antwortzeit 25% BESSERE ANTWORTZEIT MIT PCIe KARTEN

5 Real-Time Analysen machen Schlagzeilen CRM System auch für komplexe Reports sehr schnell SEMANTISCHE INDEXES: SEKUNDEN STATT STUNDEN

6 Real-Time Analysen machen Schlagzeilen Starke Reduktion der Aufwände für Query Tuning IN 9 VON 10 FÄLLEN KEIN SQL QUERY TUNING MEHR

7 Real-Time Analysen machen Schlagzeilen Neue Technologien bringen auch neue Risiken NEUE RISIKEN

8 Agenda Kurzporträt Die Mobiliar Fallstudie 1: Analysen auf der Mainframe Fallstudie 2: Flächendeckender Einsatz PCIe Karten Fallstudie 3: Semantische Indexes Fallstudie 4: In-Memory Column Store Zusammenfassung 8

9 Die Mobiliar Die persönlichste Versicherung der Schweiz genossenschaftlich verankert, dem Kunden verpflichtet breite Palette moderner Versicherungslösungen, inklusive Lebensversicherungen nahe beim Kunden, dank 78 Generalagenturen an total 160 Standorten 1.7 Millionen Versicherte Prämienvolumen 3.5 Mrd. CHF Mitarbeitende und 325 Lernende 12x in Folge 9

10 Wachstum Nichtleben im Vergleich mit dem Markt Fast zwei Drittel für die Mobiliar 10

11 Systeme: Linux, Windows, z/os und AIX 5000 Notebooks, 1800 iphones, 300 ipads DBMS: Oracle, DB2, IMS, MS SQL Server Standard-SW (u.a. ArcGIS, SAP, BO, Siebel, COR Life) und viel Eigenentwicklung 11

12 Der Referent Thomas Baumann geboren 1963 Master Studium an der ETH Zürich Informatik mit Nebenfach Stochastik (Wahrscheinlichkeitstheorie u.statistik) Heute würde dieser Mix Big Data heissen Seit 1992 auf Datenbanken und Performance fokussiert Anerkannter DBMS Experte Referent an zahlreichen internationalen Konferenzen Performance Minister bei der Mobiliar dedicated to performance since 1963 liefert auch folgendes Suchergebnis: dedicated to performance since

13 Herausforderungen 2015: The Digital Company Strategische Stossrichtungen Prozesse automatisieren Datenbasiert entscheiden Angebote und Zugänge Neue Technologien Change Management

14 Big Data Nutzen Was bringt Big Data dem Business wirklich? Big Data := Gaining insights to create competitive advantage and to mitigate risks from combining new data sources.

15 Why NoSQL? Big Data = ausschliesslich neue DBMS Typen? Data Volume KeyValue DB Columnar In-Memory DB Document Store Graph DB Data Complexity

16 Daten Replikation minimieren Compliance Anforderungen

17 Big Data Referenzarchitektur bei der Mobiliar Big Data + + = Big Data Referenzarchitektur Idee: Landing Area (Batch [Master Data] Layer) Transform interne / externe Daten Exploration Area (Service Layer) Normalize and Load Deep Analytics Area (Service Layer) Landing Area + Exploration Area Analyse wenig strukturierter Daten Analyse u.u. sehr grosser Datenmengen Tiefe Lese zu Schreib Ratio (dh. Fokus: Aufwandminimierung beim Laden) Via Cloud lösen (Elastizität nutzen)? Anonymisierte Daten aus OLTP und BI laden Deep Analytics Area RDBMS + ETL OLTP Area (Master Data Layer) BI Area (Service Layer) Immutable Normalisiert + Denormalisiert

18 Von der Referenzarchitektur zur Systemplattform Welche Systemplattform brauchen wir, damit unser Business effektiv Nutzen aus Big Data ziehen kann? Landing Area (Batch [Master Data] Layer) Transform interne / externe Daten In dieser Präsentation im Fokus ETL Exploration Area (Service Layer) Normalize and Load Deep Analytics Area (Service Layer) OLTP Area (Master Data Layer) BI Area (Service Layer) Landing Area + Exploration Area Analyse wenig strukturierter Daten Analyse u.u. sehr grosser Datenmengen Tiefe Lese zu Schreib Ratio (dh. Fokus: Aufwandminimierung beim Laden) Via Cloud lösen (Elastizität nutzen)? Anonymisierte Daten aus OLTP und BI laden HDFS prüfen Deep Analytics Area RDBMS + NoSQL prüfen

19 Agenda Kurzporträt Die Mobiliar Fallstudie 1: Analysen auf der Mainframe Fallstudie 2: Flächendeckender Einsatz PCIe Karten Fallstudie 3: Semantische Indexes Fallstudie 4: In-Memory Column Store Zusammenfassung 19

20 IDAA (IBM DB2 Analytics Accelerator) Überblick Funktionsweise: Nutzen: SQL Query (an DB2) Resultat Menge DB2 zos ( Mainframe ) IBM Netezza IT Entlastung Mainframe Optimierung Mainframe für OLTP VSAM Disk Einsparungen Business und IT SQL Ad-hoc Analysen/Reports auf Quelldaten zeitnah und schnell Automatische Weiterleitung von aufwändigen Datenbankabfragen 1) auf Datenkopie in Netezza Appliance, transparent für Anwendung. Business Neue Geschäftsfunktionen basierend auf Quelldaten-Analysen zur Echtzeit 1) für Anwendungen, denen eine Datenaktualität von einigen Minuten genügt 20

21 IDAA bei der Mobiliar Scope Analytical (OLAP) Data Mart Data Warehouse Cross Information Systems Decision Support OLTP Business Intelligence Access Information Systems Operational (OLTP) Core Information Systems IDAA Scope 21

22 IDAA Nutzung Schrittweise Verbreitung IDAA Einsatz Erste Geschäfts Applikationen Ad-hoc Reports von Business Usern (ausserhalb IT) Optimierte Monatsabschluss Verarbeitung Log Analysen basierend auf DB2 Tabellen für Analyse von Zugriffs Mustern Optimierter ETL Fluss Streamline Mainframe für OLTP Löschen von Sekundärindexes (nur für Analysen verwendet) Löschen von MQT und anderen Hilfs Konstrukten für Analysen Reduzierter Bedarf für Reorganisationen Effizienzsteigerung von Insert Operationen Neue Business Funktionen Zeitlicher Ablauf (Dauer ca. 12 Monate) 22

23 IDAA Nutzer Nutzungsgruppen nach 1½ Jahren Betrieb Number of queries Response time (min) Daten aus KW 40/

24 Agenda Kurzporträt Die Mobiliar Fallstudie 1: Analysen auf der Mainframe Fallstudie 2: Flächendeckender Einsatz PCIe Karten Fallstudie 3: Semantische Indexes Fallstudie 4: In-Memory Column Store Zusammenfassung 24

25 I/O Performance Hierarchie Server System CPU Cache < 20 ns Main Memory Database Buffer < 200 ns PCIe based connection Fusion IO Flash Cache 5-20ms fibre channel based network Storage System Cache 1-2ms Storage System SSD 2-3ms Solid State Drive HDD 5-10ms Spinning Disk Drive Tape Library sec

26 Auswirkungen beim Endbenutzer Geschwindigkeits Index (100 = Stand 2012) % E2E-Speed nach Einführung PCIe Cards

27 Agenda Kurzporträt Die Mobiliar Fallstudie 1: Analysen auf der Mainframe Fallstudie 2: Flächendeckender Einsatz PCIe Karten Fallstudie 3: Semantische Indexes Fallstudie 4: In-Memory Column Store Zusammenfassung 27

28 Mangelhafte CRM Performance bei Reports/Analysen Keine volle Nutzung CRM System Unkontrollierte Ausweichmanöver Ähnliche Probleme in anderen Anwendungen

29 dimensio Uebersicht SQL Query RDBMS (hier: Oracle 12c) SQL Query SELECT FROM T1,, T39, T40 WHERE AND T36.NAME = Keller AND T37.ORT= Belp AND AND T1.KEY IN (,,, ) Enhanced SQL Query dimensio ist ein mehrdimensionaler semantischer Datenbankindex und ergänzt Datenbankabfragen (SQL Statements) mit den für die aktuelle Abfrage notwendigen primary keys *) *) Dadurch entstehen effizientere Zugriffspfade. Der Zugriffspfad-Effizienzwert für die im PoC verwendeten Queries verbesserte sich um einen Faktor zwischen 1.23 und 80K

30 Siebel CRM Query Beispiel SQL Query Text SELECT T1.CONFLICT_ID, T1.LAST_UPD, T1.CREATED, T1.LAST_UPD_BY, T1.CREATED_BY, T1.MODIFICATION_NUM, T1.ROW_ID, T49.NUM_DAY_DUR, T3.TRDIN_EXPIRE_DAYS, T29.X_PARTNER_NAME, T1.PR_DEPT_OU_ID, T29.INTEGRATION_ID, T29.LOC, T29.OU_NUM, T12.NAME, T29.CURR_PRI_LST_ID, T29.PR_BL_ADDR_ID, T29.PR_BL_PER_ID, T29.PR_SHIP_ADDR_ID, T29.PR_SHIP_PER_ID, T1.CONSUMER_OPTY_AMT, T1.CONSUMER_OPTY_FLG, T14.DECISION_DT, T49.BL_ACCNT_ID, T49.BL_CON_ID, T1.CLOSURE_DESC, T1.CURCY_CD, T1.CUST_ACCNT_ID, T14.PROJ_STAT_CD, T1.ACTL_CLS_DT, T1.CLOSED_FLG, T1.DESC_TEXT, T22.PR_HELD_POSTN_ID, T49.GROUP_TYPE_CD, T49.DEPARTURE_DT, T49.ARRIVAL_DT, T1.TEMPLATE_FLG, T55.STATUS_INBND_CD, T1.INTMD_CON_ID, T29.ROW_ID, T1.PR_CON_ID, T39.CITY, T39.ZIPCODE, T7.ASSET_ID, T6.BIRTH_DT, T4.CITY, T4.ZIPCODE, T6.X_PR_WORK_PH_ID, T6.X_PR_HOME_PH_ID, T6.X_PR_CELL_PH_ID, T31.LOGIN, T1.X_CREATED, T1.X_BY_CAMPAIGN, T28.FST_NAME, T28.LAST_NAME, T28.X_ORPA_NAME_FR, T28.X_ORPA_NAME_IT, T54.FST_NAME, T54.LAST_NAME, T54.X_ORPA_NAME_FR, T54.X_ORPA_NAME_IT, T36.FST_NAME, T36.LAST_NAME, T36.X_ORPA_NAME_FR, T36.X_ORPA_NAME_IT, T1.X_PRODUCT_CD, T18.X_VAL_LONG, T1.X_SAS_CHECK_DT, T2.FST_NAME, T2.LAST_NAME, T5.DESC_TEXT, T15.SRC_NUM, T1.X_SOURCE, T18.HIGH, T1.NAME, T1.NEW_LOAN_FLG, T49.OPTY_MARKET_CD, T42.STAGE_STATUS_CD, T49.OPTY_SEGMENT_CD, T55.STATUS_CD, T1.APPL_OWNER_TYPE_CD, T1.PAR_OPTY_ID, T38.NAME, T34.PAR_POSTN_ID, T38.PROJ_PRPTY_ID, T1.EXPECT_CLS_DT, T1.ALIAS_NAME, T1.PR_OU_INDUST_ID, T1.PR_OU_ADDR_ID, T1.PR_REP_DNRM_FLG, T1.PR_REP_MANL_FLG, T1.PR_REP_SYS_FLG, T1.PR_CMPT_OU_ID, T34.PR_EMP_ID, T1.PR_OPTYORG_ID, T1.PR_OPTYPRD_ID, T1.BU_ID, T1.PR_PRTNR_ID, T1.PR_POSTN_ID, T1.SUM_REVN_AMT, T1.SUM_CLASS_CD, T1.SUM_EFFECTIVE_DT, T1.SUM_COMMIT_FLG, T1.SUM_COST_AMT, T1.SUM_DOWNSIDE_AMT, T1.SUM_REVN_ITEM_ID, T1.SUM_MARGIN_AMT, T1.SUM_TYPE_CD, T1.SUM_UPSIDE_AMT, T1.SUM_WIN_PROB, T25.LOGIN, T1.PR_SRC_ID, T33.STATE, T1.PR_TERR_ID, T1.PROG_NAME, T1.PROJ_PRPTY_ID, T1.REASON_WON_LOST_CD, T49.REL_TYPE_CD, T13.OWN_INST_ID, T13.INTEGRATION_ID, T42.PHASE_CD, T24.PR_HELD_POSTN_ID, T1.SALES_METHOD_ID, T42.NAME, T1.STG_START_DT, T1.CURR_STG_ID, T42.STG_ORDER, T49.STATUS_UPD_DT, T1.SECURE_FLG, T1.ASGN_DT, T1.STATUS_CD, T27.ATTRIB_43, T14.SUBMITTED_DT, T46.X_PARTNER_NAME, T46.ALIAS_NAME, T1.X_COMMENTS_LONG, T1.X_SUBJECT, T1.X_RESTRICTED_FLG, T1.X_DELEGATED_POSTN_ID, T45.PR_EMP_ID, T32.LOGIN, T1.BU_ID, T1.CHANNEL_TYPE_CD, T30.ACCNT_VAL_CD, T6.CUST_VALUE_CD, T1.X_OPTY_NAME, T1.REVENUE_CLASS, T33.COUNTRY, T1.OPTY_CD, T6.X_CUST_SEGMENT_CD, T1.X_PROCESS_STATUS, T1.X_ROLE_CD, T9.X_PHONE_NUM, T35.X_PHONE_NUM, T40.FCST_CLS_DT, T40.FCST_REVN_CURCY_CD, T40.ROW_STATUS, T43.LOGIN, T37.EFFECTIVE_DT, T37.COMMIT_FLG, T37.COST_AMT, T37.DOWNSIDE_AMT, T37.MARGIN_AMT, T37.WIN_PROB, T37.REVN_AMT, T37.ACCNT_ID, T37.CLASS_CD, T37.REVN_AMT_CURCY_CD, T37.QTY, T37.CRDT_POSTN_ID, T37.TYPE_CD, T37.UPSIDE_AMT, T41.X_PHONE_NUM, T48.ROW_ID, T44.FST_NAME, T44.LAST_NAME, T51.FST_NAME, T51.LAST_NAME, T51.CSN, T16.ROW_ID, T47.ROW_ID, T47.SRC_CD, T27.ROW_ID, T27.PAR_ROW_ID, T27.MODIFICATION_NUM, T27.CREATED_BY, T27.LAST_UPD_BY, T27.CREATED, T27.LAST_UPD, T27.CONFLICT_ID, T27.PAR_ROW_ID, T49.ROW_ID, T49.PAR_ROW_ID, T49.MODIFICATION_NUM, T49.CREATED_BY, T49.LAST_UPD_BY, T49.CREATED, T49.LAST_UPD, T49.CONFLICT_ID, T49.PAR_ROW_ID, T14.ROW_ID, T14.PAR_ROW_ID, T14.MODIFICATION_NUM, T14.CREATED_BY, T14.LAST_UPD_BY, T14.CREATED, T14.LAST_UPD, T14.CONFLICT_ID, T14.PAR_ROW_ID, T13.ROW_ID, T13.PAR_ROW_ID, T13.MODIFICATION_NUM, T13.CREATED_BY, T13.LAST_UPD_BY, T13.CREATED, T13.LAST_UPD, T13.CONFLICT_ID, T13.PAR_ROW_ID, T9.ROW_ID, T35.ROW_ID, T40.ROW_ID, T50.ROW_ID, T37.ROW_ID, T41.ROW_ID, T53.ROW_ID, T48.ROW_ID, T23.ROW_ID, T16.ROW_ID, T47.ROW_ID FROM SIEBEL.S_OPTY T1, SIEBEL.S_CONTACT T2, SIEBEL.S_ORG_EXT_ATX T3, SIEBEL.S_ADDR_PER T4, SIEBEL.S_STG_LANG T5, SIEBEL.S_CONTACT T6, SIEBEL.S_OPTY_ASSET T7, SIEBEL.S_ASSET T8, SIEBEL.S_CONTACT_XM T9, SIEBEL.S_CONTACT_XM T10, SIEBEL.S_CON_ADDR T11, SIEBEL.S_PRI_LST T12, SIEBEL.S_OPTY_SS T13, SIEBEL.S_OPTY_DSGN_REG T14, SIEBEL.S_SRC T15, SIEBEL.S_PARTY T16, SIEBEL.S_CONTACT_XM T17, SIEBEL.S_LST_OF_VAL T18, SIEBEL.S_CONTACT_XM T19, SIEBEL.S_CON_ADDR T20, SIEBEL.S_OPTY_POSTN T21, SIEBEL.S_CONTACT T22, SIEBEL.S_PARTY T23, SIEBEL.S_CONTACT T24, SIEBEL.S_USER T25, SIEBEL.S_POSTN T26, SIEBEL.S_OPTY_X T27, SIEBEL.S_CONTACT T28, SIEBEL.S_ORG_EXT T29, SIEBEL.S_ORG_EXT_FNX T30, SIEBEL.S_USER T31, SIEBEL.S_USER T32, SIEBEL.S_ADDR_PER T33, SIEBEL.S_POSTN T34, SIEBEL.S_CONTACT_XM T35, SIEBEL.S_CONTACT T36, SIEBEL.S_REVN T37, SIEBEL.S_OPTY T38, SIEBEL.S_ADDR_PER T39, SIEBEL.S_OPTY_POSTN T40, SIEBEL.S_CONTACT_XM T41, SIEBEL.S_STG T42, SIEBEL.S_USER T43, SIEBEL.S_CONTACT T44, SIEBEL.S_POSTN T45, SIEBEL.S_ORG_EXT T46, SIEBEL.S_SRC T47, SIEBEL.S_PARTY T48, SIEBEL.S_OPTY_TNTX T49, SIEBEL.S_PARTY T50, SIEBEL.S_CONTACT T51, SIEBEL.CX_ASSET_ACCNT T52, SIEBEL.S_OPTY_ORG T53, SIEBEL.S_CONTACT T54, SIEBEL.S_SYS_KEYMAP T55 WHERE T20.ADDR_PER_ID = T39.ROW_ID (+) AND T7.ASSET_ID = T8.ROW_ID (+) AND T1.PR_SRC_ID = T15.ROW_ID (+) AND T11.ADDR_PER_ID = T4.ROW_ID (+) AND T49.EVT_MGR_PER_ID = T22.PAR_ROW_ID (+) AND T17.PAR_ROW_ID = T28.ROW_ID (+) AND T8.X_GBR_ID = T17.ROW_ID (+) AND T29.X_MBA_ID = T10.ROW_ID (+) AND T6.X_MBA_ID = T19.ROW_ID (+) AND T1.X_CREATED_BY = T31.PAR_ROW_ID (+) AND T10.PAR_ROW_ID = T54.ROW_ID (+) AND T19.PAR_ROW_ID = T36.ROW_ID (+) AND T1.ROW_ID = T7.OPTY_ID (+) AND T1.ROW_ID = T55.SIEBEL_SYS_KEY (+) AND T1.PAR_OPTY_ID = T38.ROW_ID (+) AND T29.X_PR_ADDR_ID = T20.ROW_ID (+) AND T6.X_PR_ADDR_ID = T11.ROW_ID (+) AND T1.PR_OU_ADDR_ID = T33.ROW_ID (+) AND T34.PR_EMP_ID = T2.PAR_ROW_ID (+) AND T1.PR_CON_ID = T6.PAR_ROW_ID (+) AND T1.X_PRODUCT_CD = T18.NAME (+) AND T18.LANG_ID (+) = :1 AND T18.TYPE (+) = 'MOBI_CONTRACT_PRODUCT' AND T1.PR_DEPT_OU_ID = T29.PAR_ROW_ID (+) AND T1.BU_ID = T3.PAR_ROW_ID (+) AND T1.PR_DEPT_OU_ID = T30.PAR_ROW_ID (+) AND T1.PR_POSTN_ID = T34.PAR_ROW_ID AND T29.CURR_PRI_LST_ID = T12.ROW_ID (+) AND T34.PR_EMP_ID = T25.PAR_ROW_ID (+) AND T49.SALES_MGR_PER_ID = T24.PAR_ROW_ID (+) AND T1.CURR_STG_ID = T42.ROW_ID AND T1.CURR_STG_ID = T5.PAR_ROW_ID (+) AND T5.LANG_ID (+) = :2 AND T1.ROW_ID = T21.OPTY_ID (+) AND T21.POSITION_ID (+) = :3 AND T7.ASSET_ID = T52.ASSET_ID (+) AND T52.REL_TYPE_CD (+) = '1544' AND T52.ACCNT_ID = T46.ROW_ID (+) AND T1.X_DELEGATED_POSTN_ID = T45.PAR_ROW_ID (+) AND T45.PR_EMP_ID = T32.PAR_ROW_ID (+) AND T1.ROW_ID = T27.PAR_ROW_ID (+) AND T1.ROW_ID = T49.PAR_ROW_ID (+) AND T1.ROW_ID = T14.PAR_ROW_ID (+) AND T1.ROW_ID = T13.PAR_ROW_ID (+) AND T6.X_PR_CELL_PH_ID = T9.ROW_ID (+) AND T6.X_PR_WORK_PH_ID = T35.ROW_ID (+) AND T1.PR_POSTN_ID = T40.POSITION_ID AND T1.ROW_ID = T40.OPTY_ID AND T40.POSITION_ID = T50.ROW_ID AND T40.POSITION_ID = T26.PAR_ROW_ID (+) AND T26.PR_EMP_ID = T43.PAR_ROW_ID (+) AND T1.SUM_REVN_ITEM_ID = T37.ROW_ID (+) AND T6.X_PR_HOME_PH_ID = T41.ROW_ID (+) AND T1.PR_PRTNR_ID = T53.OU_ID (+) AND T1.ROW_ID = T53.OPTY_ID (+) AND T1.PR_PRTNR_ID = T48.ROW_ID (+) AND T1.INTMD_CON_ID = T23.ROW_ID (+) AND T1.INTMD_CON_ID = T44.PAR_ROW_ID (+) AND T1.PR_CON_ID = T16.ROW_ID (+) AND T1.PR_CON_ID = T51.PAR_ROW_ID (+) AND T1.PR_SRC_ID = T47.ROW_ID (+) AND ((T34.OU_ID = :4) AND ((T1.SECURE_FLG = 'N' OR T21.OPTY_ID IS NOT NULL) AND T1.X_STATUS IS NULL)) AND (T42.NAME = :5 AND T1.TEMPLATE_FLG = :6) ORDER BY T1.SUM_EFFECTIVE_DT

31 Siebel CRM Query Beispiel Grafische Darstellung

32 Siebel CRM Query Beispiel Grafische Darstellung des Selektionskerns Selektionskern (nur Tabellen mit Bedingungen die zur Reduktion der Antwortmenge führen)

33 Siebel CRM Query Beispiel dimensio Index als Radialbaum Grafische Darstellung des Selektionskerns als Radialbaum

34 dimensio PoC für Siebel CRM PoC Resultate Antwortzeit (Sekunden, logarithmische Skala) Value "as is" PoC objective PoC result with dimensio Use Cases aus Siebel CRM

35 Agenda Kurzporträt Die Mobiliar Fallstudie 1: Analysen auf der Mainframe Fallstudie 2: Flächendeckender Einsatz PCIe Karten Fallstudie 3: Semantische Indexes Fallstudie 4: In-Memory Column Store Zusammenfassung 35

36 Oracle In-Memory Column Store Option (OIMO) Bisher: Daten Organisation in Zeilen, Daten bei Gebrauch in Memory laden Neu: Zusätzlich: Daten Organisation in Spalten, permanent im Memory automatischer, zeitnaher Abgleich Memory Memory Daten Daten Optimal für Transaktionen jeder Art, durch Flash Technologie stark optimiert Zeilen Spalten Optimal für gleichzeitige Analysen Fusion IO Flash Cache 36

37 Oracle In-Memory Option b-test bei der Mobiliar Vergleich Oracle 12c Native vs. Oracle In Memory Oracle native 1.00 Oracle IM Column Store

38 Agenda Kurzporträt Die Mobiliar Fallstudie 1: Analysen auf der Mainframe Fallstudie 2: Flächendeckender Einsatz PCIe Karten Fallstudie 3: Semantische Indexes Fallstudie 4: In-Memory Column Store Zusammenfassung 38

39 Paradigmen Wechsel Vergangenheit: Trennung zwischen OLTP und OLAP OLAP Analytik hiess vor allem Warten auf Resultate ETL Prozess notwendig für akzeptable Antwortzeiten Analysen auf OLTP Daten beeinträchtigten Performance Bring data to the analytics Paradigma Gegenwart: Integrierter Ansatz Bring analytics to the data Paradigma Neue DB-Technologien erlauben Analysen beim Kundenkontakt Real-Time Analysen auf Transaktions- und operativen Daten Zukunft Integration von komplex strukturierten, externen Datenquellen 39

40 Vereinfachung und Reduktion Daten Tourismus 40

41 Herzlichen Dank für Ihre Aufmerksamkeit. Thomas Baumann IT Performance Architekt IB Betriebsarchitektur 41