BIG T-SYSTEMS. Ofra Car. Bamberg, 01. Juli 2014

Transkript

1 BIG T-SYSTEMS Ofra Car Leonhard Fischer Bamberg, 01. Juli 2014

2 Unstrukturierte und strukturierte Daten Experten - Data Scientists Produktentwicklung Was ist der Mehrwert für mein Geschäft? Lokationsbasierte Services Vorausschauende Analyse BIG DATA Betrugserkennung Innovative Geschäftsmodelle Machine to Machine Kosten/ Performance Datenschutz & -sicherheit Profiling / Kundensegmentierung

3 DIE KENNZEICHEN VON BIG DATA 12 Terabyte an Tweet-Daten pro Tag Volume 350 Milliarden Zählerablesungen pro Jahr 5 Millionen Trades pro Sekunde Velocity 500 Millionen Verbindungsdaten pro Tag 100+ Videokanäle von Überwachungskameras Variety 80 % des wachsenden Datenvolumens sind Bilder, Videos, Dokumente, etc

4 Wie unsere Daten explodieren! 11,2 Milliarden Terabyte! Mit der Datenexplosion wird das Begreifen und Managen von Informationen eine zunehmende Herausforderung. Buchdruck A Telefon Radio Fernseher Computer Transistor Internet PC www SMS Google Facebook Mobile Application M2M Comm. Smart Metering Kernforschung (CERN) Weltraumforschung (ALMA)

5 EINIGE SCHLAGZAHLEN. EIN 60-SECONDS-FLASH 1). 20 MIO+ STATUS-UPDATES 171 MIO+ VERSANDTE S 2,7 MIO+ ANGESEHENE VIDEOS NEUE FOTOS KREDITKARTEN- TRANSAKTIONEN SUCHANFRAGEN 9,7 MIO+ SMS TWEETS TERABYTE 1) Zahlen aus statisticbrain.com 11. Juli 2013, Spiegel (Nr. 20/2013) Leben nach Zahlen

6 Big Data is when the data itself becomes part of the problem!

7 BIG DATA LANDSCHAFT Wachsende Technologien Hadoop Ökosystem Geschäftsproblem Legacy BI Zurückblickende Analyse Verwendung von Daten aus Geschäftanwendungen High performance BI Quasi-Echtzeit Analyse (In-Memory) Verwendung von Daten aus Geschäftanwendungen Vorausschauende Analyse und Vorhersage Fragestellung geschieht adhoc Verwendung von Daten aus diversen Quellen Ausgewählte Anbieter Technologie- Lösung SAP Business Objects IBM Cognos MicroStrategy Oracle Exadata SAP HANA Datentyp / Skalierbarkeit Cloudera Hadoop Distribution Empolis Splunk (Visualisierung) Strukturiert Strukturiert Strukturiert oder Unstrukturiert Limitiert (2 3 TB im Speicher) Limitiert (<100 TB im Speicher) Quasi unlimitiert (Petabyte)

8 Big Data. NEUE ERKENNTNISSE DURCH DIE ANALYSE DES STEIGENDEN DATENVOLUMENS GEWINNEN. Mobile Clickstreams Sicherheitsabfragen Wetterdaten Big-Data- Definition: Big Data bezeichnet die Aggregation und Analyse großer Datenmengen aus vielfältigen Quellen mit einer hohen Verarbeitungsgeschwindigkeit zur Erzeugung von wirtschaftlichem Nutzen. Tweets Notfallsysteme Maschinendaten Betrugserkennung On-board Units Video Social Web Facebook ERP ANALYTICS schaffen Blogs VALUE Wissensvorsprung wird immer wertvoller. Foren / Communities

9 Hadoop adds value beyond the technical possibilities of a classical DWH Red Ocean old busines Blue Ocean new busines Costs/Value Volume Value of Data Costs with RDBMS Costs with Hadoop

10 Big data was geschieht? Datenmanagement als immense Herausforderung MARKT x 2 90 % 5 Mrd. 1 Bio. Die Menge digitaler Daten verdoppelt sich alle zwei Jahre 1 aller Daten sind unstrukturiert und mit traditioneller Analytik nicht zu managen 1 Smartphones erzeugen permanent Daten 6 Sensoren produzieren Daten für das Internet der Dinge (Industrie 4.0) 7 Konsequenzen Unternehmen > 30 % 85 % 10 % 50 % 70 % aller IT-Investitionen sind in 2015 Big-Data getrieben 2 aller Unternehmen haben keine intelligenten Lösungsansätze für das Datenmanagement 5 der Unternehmen brauchen Unterstützung in der Erschließung ihrer Datenwelt (Plan/Build/Run) 2 der Produktionskosten lassen sich durch die Nutzung von Big Data im Rahmen von Industrie 4.0 sparen 4 Big Data ist ein Top- Thema der CXOs in Unternehmen aller Branchen Big Data ist für die Wettbewerbsfähigkeit überlebenswichtig Je nach Branche bzw. Geschäftsmodell sind individuelle Lösungen notwendig. Big-Data- Anbieter mit Expertise bieten hier die BESTE UNTERSTÜTZUNG Source: T-Labs Innovation Strategy 1 IDC Predictions Gartner, Predicts Wikibon 2012, Big Data Market Size and Vendor Revenues 4 McKinsey Global Institute 2011, Big data: The next frontier for innovation, competition, and productivity 5. Economist Intelligence Unit 2011, Big data. Harnessing a game-changing asset

11 Was big data braucht EINE Leistungsfähige Infrastruktur Lieber dynamisch oder klassisch? Alles ist möglich. BI- und Datawarehouse- Systeme Hadoop Big Data sicher integrieren Dynamic /Classic Services for Big Data (Hadoop)

12 Hadoop-Referenz-Architektur von T-Systems Informationsbereitstellung (Mobil, Web, MANAGED Arbeitsplatz) Portal (Cloud Integration Center) Analytics Workbench Reporting & Analyse KPI Cockpit & Dashboard Real-time Monitoring Predictive Analytics Planning/ Budgeting DATA Integration Application Operations for Hadoop Managed Application Operations for Hadoop Unmanaged Realtime Batch Servicebereitstellung durch T-Systems Bertrieb durch T-Systems Servicebereitstellung durch T-Systems Betrieb durch den Kunden Data Connection Komponenten - MapReduce, HBase, Hive, Yarn, etc. Hadoop Distribution (Cloudera & Hortonworks) Komponenten - MapReduce, HBase, Hive, Yarn, etc. Hadoop Distribution (Cloudera & Hortonworks) MANAGED INFRASTRUKTUR Dynamic Dynamic Cloud Platform (DCP) Classic Classic Hosting Services Point of Delivery Central Central, Local, On Premise

13 Drei HADOOP CLASSIC WORKLOAD-PROFILE passend einsteigen, jederzeit wachsen PERFORMANCE MB/s Terasort Performance Balance Immer das richtige PERFORMANCE-/ STORAGE- Verhältnis für den jeweiligen Einsatzfall XL L XL XS S XS M S S M L M L XL XXL Volume Volume TB

14 SPRECHEN SIE SCHON BIG DATA? TREFFEN WIR UNS AN IHRER AUSGANGSSITUATION Bewertung der Big-Data-Reife Aktuelle Daten und Systemlandschaft Big Data-Strategie und Planung der Umsetzung 1 Readiness Assessment 2 Individuelle Strategie & Roadmap 3 innovations WOrkshop Erarbeitung innovativer Szenarien 4 Einführung der Big-Data-Plattform und -Applikationen Implementierung & Integration 5 PrOOf of Concept Testen kundenindividueller Szenarien mit konkretem Business Case 6 Konsolidierung & Migration Integration in die Prozesse End-to-End- Prozesse 7 8 Zukünftige Daten und Systemlandschaft Berichte & Vorausschauende AnalYSEN Veredeln der neuen Daten Integration von neuen Datenquellen und Harmonisierung 9 Optimierung Tunen der Big-Data- IT & -Prozesse durch innovativen Betrieb

15 Alles sicher bei T-Systems von Datenentstehung bis Rechenzentrum Plattformsicherheit 3 Replikationen der Daten Security-Infrastruktur mit extra Sicherheitszonen (z.b. Vxlan) Penetration Tests durch externe Anbieter Einhaltung Bundesdatenschutzgesetz (BDSG) Netzsicherheit BSI-zertifizierte Verschlüsselung Sichere Netzanbindung über MPLS/IP-VPN Telekom-Sensorsysteme spüren Attacken vor dem Erreichen der Firewall * Bereiche Sicherheit & Betrieb ** ETIS - The Global IT Association for Telecommunications STANDORTFAKTOR DEUTSCHLAND Hochsichere, deutsche Rechenzentren mit sicherheitsüberprüftem Personal Zertifizierung nach ISO 27001* Seit Jahren führend im Sicherheits-Benchmark mit europäischen Telekommunikationsunternehmen (ETIS**) Laut Allensbach das vertrauenswürdigste TK- und Internet-Unternehmen

16 Unternehmen, die bei Big data auf T-Systems setzen