big data und oracle bringen die logistik in bewegung

© OPITZ CONSULTING GmbH 2014 Seite 1Big Data und Oracle bringen die Logistik in Bewegung

OPITZ CONSULTING Deutschland GmbH

Dortmund, 07.05.2014

Big Data und Oracle bringen die Logistik in Bewegung

Bild-Quelle: Web-Seite von Pasta ZARA, Artikel „So entstehen unsere Nudeln“ http://de.pastazara.com/so-entstehen-unsere-nudeln


Welche Rolle spielt Big Data in der Logistik? Big Data repräsentiert die “industrial revolution of data“.

Quelle Abbildung: LOGISTICS TREND RADAR, Version 1: April 2013, DHL Customer Solutions & Innovation http://www.delivering-tomorrow.com

Potential: Effizienzsteigerung Customer-Experience-Verbesserung Etablierung neuer Geschäftsmodelle


Warum Big Data? Big Data ist ein Enabler für neue Geschäftsmodelle.

Quelle: Logistik 2050, 1. Auflage Februar 2012, DHL Customer Solutions & Innovation http://www.delivering-tomorrow.com


Big Data in der LogistikInternet of Things ist mehr als twitternde Kühlschränke.

Bild-Quelle: Web-Seite von B2B Marketing Insider, Artikel „Marketing And The Internet Of Things“ http://www.b2bmarketinginsider.com/strategy/marketing-internet-of-things

Echtzeitroutenoptimierung

Erweiterung der Geschäftsmodelle durch Betrachtung der einzelnen Sendung

Verbesserung der Ressourcenplanung

Crowd-basierte Zustellung

Predictive Maintenance


Big Data in der LogistikWas man heute schon aus dem Internet erfahren kann.

Kundenbindungsmanagement

Service-Verbesserung und Produktinnovation

Beratung im Bereich Business Continuity


Warum Big Data?Information ist die Währung der Zukunft.

Große Datenmengen unterschiedlicher Datenformate in hoher Geschwindigkeit

sammeln, speichern, verknüpfen, auswerten.

Bild-Quelle: : www.pixabay.de


An welchen Stellen müssen wir umdenken?Das alte Prinzip “Teile und hersche” wird angewendet.

Lineare Skalierbarkeit ohne Obergrenze zu verträglichen Kosten

Cluster Nodes

Verteilte Speicherung auf verschiedenen „einfachen“ Rechnern

Distributed File System

Datenvolumen

Parallele Verarbeitung Ausnutzung der Rechenleistung

Aufspaltung der Aufgabe in Teilaufgaben, die parallel & auf mehreren Rechnern ausgeführt werden

Berechnung kommt zu Daten

Geschwindigkeit

DatenvolumenAbfrage-GeschwindigkeitFormatvielfalt

Map Reduce

Strukturierte Datenablage ohne festen Schemata

Schneller, verteilter Datenspeicher mit extrem hohem Durchsatz

Nutzung von Datenbanken mit neuen Paradigmen

NoSQL

Herausforderung Ziel Lösung Beispiele


Warum benötigt Big Data neue Architekturen?Z.B. erfordern verteilte Systeme andere Datenbanken.

CAP-Theorem: In einem verteilten System ist es unmöglich, gleichzeitig alle 3 Eigenschaften zu garantieren.

ACID (Atomicity, Consistency, Isolation, Durability)

Die Anforderungen an das System bestimmen die Auswahl der Architektur.

BASE (Basically Available, Soft state, Eventual Consistency)

Trusted Secure Adminsitrated

Keine festen DB-Schemata Verteilte Datenhaltung Transaktionen außerhalb der DB

All clients can find some replica of data, even in presence of failure.

AvailabilityConsistency

Partition Tolerance

All clients see the same view, even in prensence of update.

RDBMS

NoSQLNoSQL

The system property holds even if the system is partitioned.


Wie kann eine Architektur aussehen?Taxonomie einer Big Data Architektur laut BITKOM2014

Quelle: Big-Data-Technologien –Wissen für Entscheider, Leitfaden: BITKOM 2014 http://www.bitkom.org/de/publikationen/38337_78776.aspx


Welche Produkte gibt es auf dem Markt?


Kann die Architektur mit Oracle bedient werden?Viele Produkte sind auf dem Markt, auch von Oracle.

Oracle Event

Processing

OracleNoSQL

DatabaseOracle Datenbank

Oracle Loader for Hadoop

Oracle SQL Connector für HDFS

ODI Application Adapter for Hadoop

Oracle Data Mining

Oracle Text Mining

Oracle Graph Analysis

Oracle SpatialReporting

Query

Oracle R Connector for Hadoop Oracle R Enterprises

In-DB Map Reduce

Oracle Endeca

Oracle Data Integrator

inMemory-Option

BI Suite


Muß ich alle Komponenten einzeln etablieren?Es gibt integrierte Lösungen, auch von Oracle.


Application

Speed Layer

Precompute

Views

Batch Layer

Batch Funktion

Speed Funktion

NachrichtenSensordatenProzessdatenLog-Meldungen

Serving Layer

batch view

batch view

real time view

real time view

Mer

ge

Zeitnahe Analyse neuer Daten Reduzierte Genauigkeit oder Tiefe

Bereitstellung der Ergebnisse für Queries

Effiziente, tiefe und exakte Analyse großer Datenmengen

Zeitversatz ist akzeptabel

Wie sieht eine (Beinahe-)Echtzeit-Analyse aus?Eine Lösung bietet die Lambda-Architektur.

Incoming DataData

Storage


Application

Speed Layer

Precompute

Views

Batch Layer

Batch Funktion

Speed Funktion

NachrichtenSensordatenProzessdatenLog-Meldungen

Serving Layer

batch view

batch view

real time view

real time view

Mer

ge

Zeitnahe Analyse neuer Daten Reduzierte Genauigkeit oder Tiefe

Bereitstellung der Ergebnisse für Queries

Effiziente, tiefe und exakte Analyse großer Datenmengen

Zeitversatz ist akzeptabel

Wie sieht eine (Beinahe-)Echtzeit-Analyse aus?Eine Lösung bietet die Lambda-Architektur.

Incoming Data

Data storage


Diskussion, Fragen & Antworten


Kontakt

Nannette BiedermannSolution Management

Phone: +49 173 5171008eMail: [email protected]

big data und oracle bringen die logistik in bewegung

Technology