Kristian Ramsrud Kan vi fjerne ventetiden helt?
Download
Report
Transcript Kristian Ramsrud Kan vi fjerne ventetiden helt?
Kan vi fjerne ventetiden helt?
Erfaringer fra DNV GL
Kristian Ramsrud
2015-06-02
1
DNV GL © 2014
2015-06-02
SAFER, SMARTER, GREENER
Massively Parallel Processing (MPP) Database
2
DNV GL © 2014
2015-06-02
Massively Parallel Processing (MPP) Database
3
DNV GL © 2014
2015-06-02
DW Appliance er en spesialisert “Alt-i-ett-løsning”
4
DNV GL © 2014
2015-06-02
The DNV GL Group
DNV GL Group
Headquarter: Oslo, Norway
Maritime
Headquartered in
Hamburg,
Germany
5,600 employees
80 countries
DNV GL © 2014
Oil & Gas
Energy
Headquartered in
Arnhem,
Netherlands, core
hub in Bristol, UK
Headquartered in
Høvik, Norway
5,800 employees
3,100 employees
30 countries
30 countries
2015-06-02
5
Business Assurance
Headquartered in
Milan, Italy
2,000 employees
50 countries
DNV
GL
Global delivery capability and strong presence
Europe / Africa /
Middle East
10,000 staff
Americas
3,000 staff
Asia / Oceania
4,000 staff
2,500
100
17,000
Mill. EURO (2012)
countries
employees
DNV GL © 2014
2015-06-02
6
BICC
BI Competency Center
– Høvik
– Shanghai
– Gdansk
– Arnhem
– Hamburg
Totalt ca 40 årsverk
Ett globalt team, der roller og ansvar fordeles uavhengig av fysisk plassering
Leverer tjenester til alle DNV GLs forretningsområder
7
DNV GL © 2014
2015-06-02
BI-løsningen
>2000 tabeller
>2300 ETL-jobber
Ca 7 TB
47 konseptuelle modeller i BI-verktøyet
Migrerer eksisterende datavarehus til en MPP-plattform
IBM Pure Data for Analytics (Netezza)
8
DNV GL © 2014
2015-06-02
Investment motivation
Main business pains are:
– Long response time of reports for users
– Poor support for self service BI
– Costly development process
Main requirements are:
– Scalability for future projects
– Reduced need for tuning and custom solutions
– Substantial uplift of existing performance
DNV GL © 2014
2015-06-02
9
Ytelsesproblemer
Hvor er flaskehalsen?
Bruker
BI-verktøy
Nettverk
SAN
IIS
Database
DB-modellering
BI-verktøymodellering
BI-verktøy
Antall brukere
Backup
…???
DW
Disk
10
DNV GL © 2014
2015-06-02
Potensielle fordeler med en DW Appliance
BICC
agility
BICC
Self
service
BI
BICC
development
efficiency
General
performance
improvements
Operations
efficiency
and reliability
GISgruppen
BICC Analytical Services
In-database
statistics
DW
DNV GL © 2014
Forskning
2015-06-02
11
In-database
GIS
services
Erfaringer
For å lykkes med en DW appliance må man tenke på andre ting enn tidligere
– Hvordan kan vi utnytte parallelliteten?
– Move less, scan less
– La arbeidshestene dra lasset. Unngå å la “kusken” gjøre jobben i
hestespannet.
12
DNV GL © 2014
2015-06-02
Erfaringer?
13
DNV GL © 2014
2015-06-02
BI-rapporter
Self-service:
– Konsulenter har fått en ny hverdag. Analyser som tidligere tok 3-8 timer tar nå
under 3 minutter.
– Tør å gjøre analyser som tidligere ikke var mulig
– Har sluttet å eksportere data for videre bearbeiding. Jobber nå i stedet
interaktivt i BI-verktøyet
– Brukerne mener de nye mulighetene gir dem en sterk markedsposision.
14
DNV GL © 2014
2015-06-02
BI-rapporter
Standardrapporter
– Lanserer de første standardrapportene denne uka
– Forbedring på mer krevende rapporter, men der det er intensiv prosessering i
BI-verktøyet er det andre tiltak som må gjøres.
– Tidligere tester viser klar forbedring
– De mest tidkrevende rapportene viser størst forbedring
– Vi kombinerer DW appliance med in-memory-teknologi i rapporteringsverktøyet
der det er naturlig.
15
DNV GL © 2014
2015-06-02
ETL
Stor forbedring i lastetid
Eksempel: Finansiell konsolidering
– Tidligere har det tatt opp til 90 minutter å publisere tall. I enkelte perioder
gjøres dette 6-8 ganger om dagen
– Dette kan nå gjøres på ca. 15 min.
Andre tester har vist enda bedre ytelsesforbedring
For å oppnå gode resultater er det en del ETL-jobber som må tilpasses en MPPtankegang.
16
DNV GL © 2014
2015-06-02
Avansert analyse
GIS
– Samarbeid GIS-teamet og BICC
– Direkte nytteverdi
– Prosjekter med større datavolumer
– Eksempel: GIS-analyse forbedret seg fra å
bruke 8 timer til ca. 2,5 min
Avansert statistikk
– Samarbeid med forskere i DNV GL
– Kontroll over DW appliancencens kapasitet
er viktig for å unngå at krevende
kalkulasjoner stjeler kapasitet.
17
DNV GL © 2014
2015-06-02
Stedlig/romlig informasjon er en
naturlig del av en analyse
Økonomi og drift
Økonomi
Prosjekter med større datavolum
Terminering av servere
Forventer en redusert driftskostnad med DW appliance
Drift
Interne databaseoperasjoner er særs effektive.
Større kontroll, men også større ansvar
– Leverandøren tar et ansvar for systemet.
– Må avklare ansvar for oppgaver tidligere levert av IT-infrastruktur
18
DNV GL © 2014
2015-06-02
Migrering
Migrering er tidkrevende
– Samtlige ETL-jobber må modifiseres
– Tilpasninger i BI-verktøyet
– Koordinering
Kvalitetssikring
Synkronisering mellom gammel og ny plattform
Standard for migreringsarbeid
Gode, automatiserte testrutiner må etableres, men kan være vanskelig.
Eksempel: tegnsett eller avrunding. Hva er et akseptabelt avvik?
Prosjektkoordinering og samarbeid med annet pågående arbeid.
19
DNV GL © 2014
2015-06-02
Erfaringer?
BICC
agility
BICC
Self
service
BI
BICC
development
efficiency
General
performance
improvements
Operations
efficiency
and reliability
GISgruppen
BICC Analytical Services
In-database
statistics
DW
DNV GL © 2014
Forskning
2015-06-02
20
In-database
GIS
services
Innkjøpsprosess
Hvorfor gjøre noe med databasen? (Er den problemet?)
Bruker
DNV GL skapte felles forståelse gjennom en analyseprosess
IIS
RFT og POC
BI-verktøy
DW
Disk
21
DNV GL © 2014
2015-06-02
DNV GLs videre planer
Migrering
Høste ytterligere av DW appliancens potensiale
Forsterke samarbeidet med analytiske fagmiljøer
Bruke ELT for ytterligere reduksjon i lastetid
22
DNV GL © 2014
2015-06-02
Oppsummering
DW applianceteknologien løper videre
Avansert analyse integreres
Brukerstyrt analyse blir en viktigere del av rapporteringsløsningene
23
DNV GL © 2014
2015-06-02
Kristian Ramsrud
[email protected]
www.dnvgl.com
SAFER, SMARTER, GREENER
24
DNV GL © 2014
2015-06-02