Innovationen durch Big Data: Chancen für die Maritime Wirtschaft

Transkript

1 Pushing IT forward! Maritime IT Big Data Martin Lochte-Holtgreven Innovationen durch Big Data: Chancen für die Maritime Wirtschaft

2 Agenda Innovationen durch BigData Grundlagen Beispiele aus der Consist-Praxis Chancen für die maritime Wirtschaft Anwendungsgebiete und beispiele Handlungsempfehlungen

3 Was ist denn neu mit BigData? Der google-ansatz Was macht die google-searchengine so stark? Permanente Überwachung der Datenquellen Permanente Indizierung Nutzung neuer Parallelisierungsalgorithmen Damit werden drei Grundanforderungen an BigData gelöst Volume Verarbeitung riesiger Datenmengen Velocity extrem kurze Antwortzeiten / Analysezeiten Variety Einbindung beliebiger Datenquellen/-formate

4 Es ist denn neu mit BigData? Vereinfachtes Datenmanagement Datenmanagement Klassische DV Datenmodell a priori Big Data bekannte Struktur dokumentieren (anytime) Datenkonvertierung und Ladeprogramme Datenbank Design (Performance, Zugriffswege) Änderungsaufwände Änderungszeiträume entfällt entfällt entfällt entfällt..wie bei Google!

5 Das Werkzeug: splunk> spelunking: Höhlen erforschen

6 Splunk im Überblick 70 MB Software Installiert in Minuten Keine Datenbank Skalierbar Map/Reduce Scale-Out statt Scale-Up Verarbeitet mehr als 100 TB Daten/Tag Commodity Hardware Splunkbase Appstore

7 Beispiele für Dashboards Executive Management Product Managers Marketing Managers Sales Operations IT Management & Operations Customer Service & Support 7

8 Ziel Consist Praxisbeispiel: Versicherungen Performanceprobleme erkennen Daten: Log-Daten, ca. 80 GB/Tag Kernanwendung und deren Datenbanken Anwendungsserver Entwicklung; Test- und QS-Systeme; Produktion jeweils mit einer eigenen splunk-instanz Ergebnis Dashboards für Management und Betrieb der Anwendung mit Alarmierung Erhebliche Verbesserung der Antwortzeiten, insbesondere durch preventive maintenance

9 Consist Praxisbeispiel: Internet-Preisvergleichsportal Ziel Umsatzsteigerung durch Optimierung des Portals auf Basis aktueller Angebote und Clickrates Daten ca. 750 GB/Tag Web-Logs, Angebote-Datenbank Ergebnis Bessere Steuerung von Marketing und Vertrieb Reduktion von Ausfallzeiten, weil die Kontrolle ob Angebot im Portal clickbar schnell möglich ist (Alarmierung) Ablösung heterogener Analyse-Verfahren und Werkzeuge hin zu Standardverfahren Unabhängig von Köpfen Transparente Ergebnisse und zeitnahe (fast realtime) Analyse

10 Consist Praxisbeispiel: Kfz-Vertrieb - Händlerarbeitsplatz Ziel Stabiler, performanter Betrieb der Arbeitsplätze Daten Weblog einer Web-Anwendung, ca. 1 GB/Tag Ergebnis Supportunterstützung (Ursachenforschung) Identifikation der wichtigen Anwendungsteile Dashboards für Management (Antwortzeiten, Verfügbarkeit, Durchsatz) Analyse der Anwendungsperformance bei Releasewechsel Grundlage für Händlergespräche

11 Consist Praxisbeispiel: Lizenzverwaltung für großen Software-Konzern Ziel: Prozessoptimierung Daten Daten aus CRM- und Workflow-Systemen Ergebnis Steuerung der Service-Teams: weltweit ca. 70 Einhaltung von SLAs Vorhersagen für Personalplanung und -steuerung Kontrolle von Marketingaktionen, Vertriebskampagnen Vor- und Nachkalkulation der Servicekosten

12 Consist Praxisbeispiel: GEOMAR / MoLab 4D- observation of hydro-dynamical, chemical, and biological properties and its influence on cold-water coral growth in the Stjernsund, Norway (Dr. Olaf Pfannkuche und Dr. Sascha Flögel)

13 Consist Praxisbeispiel: GEOMAR An artist`s impression of the MoLab observatory

14 Consist Praxisbeispiel: GEOMAR Direkte Suchabfrage auf Sensordaten Messdatenauswertung und Visualisierung ohne Programmierung

15 Weitere Ideen für die Maritime IT: Forschung Ziel Transparente Basis für die Steuerung und Planung von Forschungsvorhaben bereit stellen Fragestellungen Wo und wann ist es besonders interessant zu messen? Wo gibt es bereits Daten? Qualität? Auflösung? Zeigen Korrelationen von Daten Besonderheiten? Passen die aktuellen Daten zu historischen Daten? Welche Parameter sind verändert? Daten historischer Forschungen in Kombination mit laufenden Forschungen Eigene Daten und Daten anderer Organisationen Daten von operativen Messsystemen außerhalb der Forschung

16 Weitere Ideen für die Maritime IT: Flottensteuerung Flottensteuerung optimieren Kosten senken Umweltschutz verbessern Fragestellungen Entwicklung von Parametern/Messwerten auf Basis historischer Daten (Prognose) Können kritische und teure Situationen erkannt und vermieden werden? (Proaktives Handeln) Welche Parameter beeinflussen die Kosten? Sämtliche Schiffsdaten - und mehr Maschinen, Aggregate, Navigationsdaten, weitere Sensordaten Wetterdaten, Ladung,

17 Weitere Ideen für die Maritime IT: Verkehrslenkung/-stromanalysen Ziele Vermeidung kritischer Situationen Verkehrslenkung (Optimierung der angebotenen Leistungen) Fragestellungen Wie viele kritische Verkehrssituationen passieren täglich in der Kadetrinne mit Tankern? Was sind die kritischen Wetterlagen? Mit welchem Ergebnis wurde in der Vergangenheit eingegriffen? Was sind alternative nautische Verfahren zur Risikominimierung? Daten Verkehrsströme mit Details zu den Schiffen Wetterdaten, Steuerungsmaßnahmen

18 Weitere Ideen für die Maritime IT: Unfallanalyse Ziel Unfallanalyse zur Vermeidung von Wiederholungen Fragestellungen Wie ist die Belastung der Schiffsstruktur? Wie hängen Belastungen der Schiffsstruktur mit weiteren Parametern (Kurs, Wellen, Wind, Ladung, etc.) zusammen? Was sind geeignete Maßnahmen zur Risikominimierung? Daten Messdaten von Sensoren an der Schiffsstruktur Schiffsdaten aus dem Betrieb Wetterdaten

19 Ziel Weitere Ideen für die Maritime IT: Offshore Installationen Standortoptimierung Vermeidung kritischer Situationen Optimierung der Betriebsführung Fragestellungen Ist der Standort optimal? (Sicherheit, Ertrag) Wie entwickelt sich der Ertrag? Welche Parameter beeinflussen den Ertrag? Welche Parameter wirken sich wie auf die Belastung der Anlage aus? Daten Messdaten aus dem Betrieb (historisch und aktuell) Wetterdaten

20 Handlungsempfehlung: Typischer Ablauf Idee oder Problem Identifikation von Datenquellen Zielsetzung Daten einbinden Fachliche Datenstruktur ergänzen Suchen / Auswerten / Grafik Ergebnis bewerten Proof of Concept mit Big Data Spezialisten Start Big Data Strategie und Projekte

21 Pushing IT forward! Herzlichen Dank für Ihre Aufmerksamkeit! Haben Sie Fragen?