17.11.2016, AWS Innovation Lab München

BigData in der Cloud und die letzte Meile Der Weg von der Idee zum Business Value

Wolfgang Baudendistel, [email protected] Joachim Rosskopf, [email protected]

itm.net

IT-ARCHITECTURE AND TOOLS

17.11.2016

›

Optimierung von ITLandschaften

›

Entwurf von System- und Softwarearchitekturen

›

Einführung von Methoden und Unterstützung des ITManagements

itm.net

NEW TECHNOLOGY IMPLEMENTATION

› › ›

Softwareentwicklung mit ausgeprägter Web- bis SAPKompetenz Daten- und Prozesssicht Verteilte Software-Systeme

CLOUD TRANSFORMATION

›

Cloudifizierung von ITOrganisationen

›

Aufbau und Betrieb von Hybrid-Landschaften

›

Automatisierung

CLOUD WORKSHOPS „HOW TO DO CLOUD“

CLOUD ONBOARDING

IMPLEMENTIERUNG & BETRIEB

17.11.2016

itm.net

TECHNOLOGIE, PLATFORM- & PROZESSDEFINITION

06.06.2016

itm.net

Keine vollständige Darstelklung aller ITM Kunden.

BEISPIEL: VERNETZTER, INTELLIGENTER SAUGROBOTER

IDEEN FÜR DIGITALE WERTSTRÖME:

›

Kundenintimität und besseres

Produkterlebnis durch Sensordaten

›

Software Updates und Apps als zusätzliche Revenue Streams (z.B. Heimüberwachung)

›

Smart Replenishment von Verbrauchsmaterialien

17.11.2016

itm.net

Beispiel: Postbote liefert Verbrauchsmaterial bevor es benötigt wird. Fragestellung: Ist diese Service-/Produktinnovation so umsetzbar und steigert sie den Business Value?

17.11.2016

itm.net

A

E-Commerce

CUSTOMER

• C/T: 2,5h • 5 Cycles

itm.net

ORDER

CUSTOMER

PRODUCTION

APP

USE

PRODUKTLEBENSZYKLUS

17.11.2016

WEBSHOP

MAINTAIN • C/T: 0,5h • 2 Cycles

REPLENISH • C/T: 2,5h

A

E-Commerce

CUSTOMER

WEBSHOP

MAINTAIN • C/T: 0,5h • 2 Cycles

• C/T: 2,5h • 5 Cycles

IOT

itm.net

CUSTOMER

PRODUCTION

APP

USE

PRODUKTLEBENSZYKLUS

17.11.2016

ORDER

BIG DATA

REPLENISH • C/T: 2,5h

A

E-Commerce

CUSTOMER

ORDER

CUSTOMER

PRODUCTION

APP

MAINTAIN

USE

PRODUKTLEBENSZYKLUS

B

WEBSHOP

• C/T: 0,5h • 2 Cycles

• C/T: 2,5h • 5 Cycles

REPLENISH • C/T: 2,5h

Digitalisierte Produkte PRODUCT EXPERIENCE

APP

PRODUCT DEVELOPMENT

17.11.2016

itm.net

IOT

BIG DATA

SMART REPLENISHMENT APP

CONSUMABLES

Kooperation und Vernetzung sind das Wesen und die treibende Kraft hinter Digitalisierung und IoT. Es geht weniger um ausgefeilte Technik, sondern mehr um intelligente Rekombination und Integration von Daten und Prozessen.

IoT und Digitalisierung bedeutet mehr als Sensoren, Aktuatoren und Automatisierungstechnik. VIERTE INDUSTRIELLE REVOLUTION DRITTE INDUSTRIELLE REVOLUTION

2014

ERSTE INDUSTRIELLLE REVOLUTION

ZWEITE INDUSTRIELLE REVOLUTION

Erste Programmierbare Logikschaltungen IT und Steuer- bzw. Regeltechnik hält Einzug in die Produktion.

1923 1784 Erster Mechanischer Webstuhl Einführung von Wasser- und Dampfkraft betriebenen Fabriken.

1969

Cyber-Physische-Systeme Einführung von intelligenten Maschinen, eingebetteten Sensoren, kollaberative Technologien und vernetzte Prozesse.

Erste Fließbandproduktion Einführung von elektrisch betriebenen Produktionsanlagen und arbeitsteilige Fließbandproduktion. time

TECHNOLOGIE 17.11.2016

itm.net

ORGANISATION

TECHNOLOGIE

ORGANISATION

Das Prozessmodell zur Erstellung einer Big Data Lösung besteht aus den drei Phasen Ideenfindung, Lösungsentwicklung und Aktionärswert. BUSINESS VALUE

Die Phasen werden iterativ durchlaufen.

BETRIEB

NEUE IDEEN

VIABLE PRODUCT ANWENDUNGSENTWICKLUNG

INTEGRATION

BUSINESS HACKING IDEENFINDUNG

1 17.11.2016

itm.net

DATEN

EXPLORATION

IDEENFINDUNG

2

LÖSUNGSENTWICKLUNG

3

SCHAFFEN VON AKTIONÄRSWERT

Das Prozessmodell zur Erstellung einer Big Data Lösung besteht aus den drei Phasen Ideenfindung, Lösungsentwicklung und Aktionärswert. BUSINESS VALUE

Die Phasen werden iterativ durchlaufen.

BETRIEB

NEUE IDEEN

VIABLE PRODUCT ANWENDUNGSENTWICKLUNG

INTEGRATION

BUSINESS HACKING IDEENFINDUNG

1 17.11.2016

itm.net

DATEN

EXPLORATION

IDEENFINDUNG

2

LÖSUNGSENTWICKLUNG

3

SCHAFFEN VON AKTIONÄRSWERT

Wie eine erfolgreiche Exploration im Business Hacking aussieht - Daten verstehen und Korrelationen finden.

1

IDEENFINDUNG

Es gilt Hypothesen und Experimente zu gefundenen Fragestellungen aufzustellen: In der Explorationsphase sollen Daten Unternehmensvertikalen einbezogen und untersucht werden.

17.11.2016

itm.net

Der neue Typus der Daten-Applikation erfordert eine neue Herangehensweise. Erfolgreiches Business Hacking bedingt agile und kurze Feedback-Zyklen.

1

2

IDEENFINDUNG

Hypothese und Lösungsidee

Datenaufbereitung & Datenauswertung

Kreative und explorative Aktivitäten: Es ist vorab nicht immer klar ob, wie und mit welchem Aufwand ein Problem zu lösen ist. Deshalb heißt es auch „Data-Science“.

17.11.2016

itm.net

Modellentwicklung & Hypothesenvalidierung

LÖSUNGSENTWICKLUNG

Lösungsentwicklung

Effiziente Erstellung von Lösungen in engen, agilen Feedback-Loops.

Das Prozessmodell zur Erstellung einer Big Data Lösung besteht aus den drei Phasen Ideenfindung, Lösungsentwicklung und Aktionärswert. BUSINESS VALUE

Die Phasen werden iterativ durchlaufen.

BETRIEB

NEUE IDEEN

VIABLE PRODUCT ANWENDUNGSENTWICKLUNG

INTEGRATION

BUSINESS HACKING IDEENFINDUNG

1 17.11.2016

itm.net

DATEN

EXPLORATION

IDEENFINDUNG

2

LÖSUNGSENTWICKLUNG

3

SCHAFFEN VON AKTIONÄRSWERT

Für Daten-Anwendungen gelten dieselben Spielregeln wie für klassische Enterprise Applikationen. Der Betrieb ist aber ungleich komplexer (Sculley, 2014) - Nur eine effektiv betreibbare Lösung schafft Aktionärswert.

1

2

IDEENFINDUNG

Modellentwicklung & Hypothesenvalidierung

17.11.2016

itm.net

LÖSUNGSENTWICKLUNG

Integration in bestehende Prozesse

3

Aufbau & Betrieb von Daten- und Systemarchitektur

›

Statistik und Machine-Learning machen Anwendungen dynamischer. Dadurch wachsen Anforderungen an Monitoring und Kontrolle.

›

Der IT Betrieb braucht profundes Verständnis der Fachlichkeit: „BizOps“

SCHAFFEN VON AKTIONÄRSWERT

BUSINESS VALUE z.B. strategische Unterstützung von Data Roadmaps

Neue Ideen

Es geht um Entwicklung einer konkreten BigData Anwendung unter Hebung vorhandener Potentiale.

EINFLUSSFAKTOREN

ERGEBNISSE

›

Variabilität der Anforderungen

›

Demands (Skill, Technologie)

›

Vorhandene Bausteine nutzen

›

Enterprise Architektur

›

Umsetzung mit Skills im Unternehmen

›

Domänen Baustein(e)

›

Evolutionäres Wissen

›

Entwicklungsgeschwindigkeit

VIABLE PRODUCT (Lösung)

Nach einer kreativen Anfangsphase startet ein schaffender Prozess hin zur praxisrelevanten und –tauglichen Anwendung: Die Aktivitäten gehen über einen PoC hinaus.

17.11.2016

itm.net

Das Prozessmodell zur Erstellung einer Big Data Lösung besteht aus den drei Phasen Ideenfindung, Lösungsentwicklung und Aktionärswert. BUSINESS VALUE

Die Phasen werden iterativ durchlaufen.

BETRIEB

NEUE IDEEN

VIABLE PRODUCT ANWENDUNGSENTWICKLUNG

INTEGRATION

BUSINESS HACKING IDEENFINDUNG

1 17.11.2016

itm.net

DATEN

EXPLORATION

IDEENFINDUNG

2

LÖSUNGSENTWICKLUNG

3

SCHAFFEN VON AKTIONÄRSWERT

Wie ist ein ROI zu erreichen?

 Denkweise ausgerichtet an Wertströmen, geschäftlichen Herausforderungen, Trends und Kundenerwartung.

 Neue Ideen = potenzielle Produkt-/Prozessinnovationen  Prozessketten bis zu Ende denken und in die Tat umsetzen

 Iterationen konsequent durchlaufen  Bereitstellung von passenden Ressourcen, Tools und Skills 17.11.2016

itm.net

go

IoT CLIENT WEB CLIENT

SMART CLIENT

WEB APP

APP ANDROID / IOS

GATEWAY CLIENT

GATEWAY / HUB

SMART PHONE

EMBEDDED CLIENT

EMBEDDED CODE

EMBEDDED CODE

HW

HW

M2M BLUETOOTH LE

WIFI

BROADBAND 4G

GPS API GATEWAY /3RD PARTY

E-COMMERCE LANDSCAPE

IoT CLOUD APPLICATION LANDSCAPE

ANALYTICAL LAYER

COGNITIVE LAYER

BUSINESS LAYER

ELASTIC STACK

IBM WATSON

APACHE SPARK

AMAZON MACHINE LEARNING

IOT BUSINESS RULES

GOOGLE API

SIMPLE WORKFLOW (SWF)

17.11.2016

AUTH. REPOSITORY

NEST

B2B WEBSHOP

ACTIVE DIRECTORY

HUE

EMPLOYEE WEBSHOP

IAM

MACHINE LEARNING STUDIO

CUSTOM LAMBDA SERVICES

STORAGE LAYER

IOT DEVICE SHADOW

S3 FILE STORAGE SERVICE

NOSQL SERVICES

INFRASTRUCTURE LAYER

COMPUTING SERVICES

NETWORK SERVICES

CONTAINER SERVICES

itm.net

B2C WEBSHOP

ERP

AWS

IFTTT

MS REPORTING SERVICES

INTEGRATION LAYER

CLOUD SERVICE PROVIDER

IDENTITY

PDB

WARRANTY HANDLING

ON PREMISE IT

AMAZON ALEXA

GUTE EIGNUNG DER CLOUD FÜR BIG DATA UND IOT:

› › › ›

Insbesondere am Anfang von IoT-/Big Data-Bestrebungen Prüfung der langfristigen Eignung an konkreten Anforderungen

go

Ermöglicht Konzentration auf Funktionalität, nicht auf Infrastruktur und Betrieb Ermöglicht schnelle, iterative Entwicklung

› › ›

17.11.2016

itm.net

Datengetriebene Geschäftsmodelle sind Eckpfeiler der Unternehmensstrategie von Amazon Konsequente Serviceorientierung seit 15 Jahren Services von AWS sind Erfahrungen und Ergebnisse von Amazon, die als Produkt vermarktet werden

› › › › › ›

Architektur von AWS als sinnvolle Ausgangsbasis für eigene Entwicklungen Beispiel: IAM als sinnvolle Ausgansbasis für Data-Governance Kurze Anlaufphase durch serverlose, dienstbasierte Infrastruktur Geringe Reibungsfläche und niedrige Investition bei iterativer Entwicklung Kosteneffiziente Langzeitarchivierung von Daten Skalierbare und global verfügbare on-demand Dienste und Infrastruktur

17.11.2016

itm.net

go

AWS bietet im Service Portfolio verschiedene Bausteine zum Aufbau von Big Data Lösungen. Die fachlichen Ausgestaltungen liegen jedoch beim AWS Kunden.

17.11.2016

itm.net

DATEN

PLATTFORM

PROZESSE

ARCHITEKTUR

WORKLOADS

BETRIEB

METADATEN

ALGORITHMEN

AGILITÄT

GOVERNANCE

TECHNOLOGIEN

INNOVATION

AWS bietet im Service Portfolio verschiedene Bausteine zum Aufbau von Big Data Lösungen. Die fachlichen Ausgestaltungen liegen jedoch beim AWS Kunden.

DATEN

Glacier

S3

EBS

DynamoDB

RDS

Redshift

Elasticsearch

Kinesis

AWS Data Pipeline

CloudTrail

17.11.2016

itm.net

PLATTFORM

IAM

LAMBDA

ECS

EC2

EMR

MACHINE LEARNING

SQS

SWF

AWS IOT

PROZESSE

CLOUDWATCH

AWS CONFIG

AWS OPSWORKS

AWS AWS AWS CODECOMMIT CODEDEPLOY CODEPIPELINE

› › › › ›

Geräteregistrierung Empfang vom Gerät Dashboarding Kibana Prediction: – Training des ML Modells – Prediction mit AWS ML

Alarm mit CloudWatch

Node MCU

API GW & Lambda

Simulation&& Simulation Simulation PC & PC PC

Device Gateway

CEP (Rules Engine)

AWS IoT

Search & Visu. (Elasticsearch)

Prediction (AWS ML) Alarming (CloudWatch)

AWS Services 17.11.2016

itm.net

JOACHIM ROSSKOPF [email protected]

›

JETZT IM ANSCHLUSS: GET TOGETHER

17.11.2016

itm.net

WOLFGANG BAUDENDISTEL [email protected]

17.11.2016, AWS Innovation Lab München

BigData in der Cloud und die letzte Meile Der Weg von der Idee zum Business Value

Wolfgang Baudendistel, [email protected] Joachim Rosskopf, [email protected]

itm.net