NEO-Datenplattform

Geschäftlicher Kontext

Luminus, ein prominenter Akteur auf dem belgischen Energiemarkt, begab sich auf eine transformative Reise und wagte den Schritt in das Reich des maschinellen Lernens. Während sie diese neue Grenze annahmen, stellte Luminus sich der Herausforderung, von einem Technologiestack, der für traditionelle Business Intelligence auf On-Premise-Infrastruktur zugeschnitten war, zu einer fortschrittlicheren Umgebung für maschinelles Lernen zu wechseln.

Umfang & Ziele

Das Hauptziel war es, ein effektives Betriebsmodell und eine cloud-native Daten- und Analytics-Plattform zu etablieren, die die Entwicklung und Ausführung von Anwendungen für maschinelles Lernen ermöglicht. Dieser Ansatz legte großen Wert auf Self-Service-Datenwissenschaft, wodurch Datenwissenschaftler das volle Potenzial ihrer Arbeit ausschöpfen konnten.

Wichtige Ergebnisse

Self-Service-Experimente von Datenwissenschaftlern mit Sagemaker-Notebooks, nahtlose Datenintegration über Amazon Appflow und DMS (Database Migration Service) sowie Echtzeitanalysen, insbesondere als Reaktion auf Sensor- und Messdaten, durch Amazon MSK (Managed Streaming for Apache Kafka) waren wesentliche Komponenten dieser Transition. Darüber hinaus bot die ad-hoc-Abfrage von S3-Daten, die im AWS Glue-Katalog registriert sind, über AWS Athena zusätzliche Möglichkeiten für die Landschaft der Datenverarbeitung.

Als Ergebnis der transformierenden Bemühungen wurde eine völlig neue IT-orientierte Landing Zone und Daten- & Analytics-Plattform implementiert, die den Conveyor nutzt. Diese umfassende Plattform deckte den vollständigen Workflow des maschinellen Lernens ab, von der ersten Experimentierung bis zur Echtzeitüberwachung, während sie wesentliche Designmuster sowohl für Batch-Verarbeitung als auch für Streaming-Daten verwendete.

Erhebliche strukturelle Veränderungen wurden eingeführt, die zur Schaffung von langfristigen geschäftsorientierten Anwendungsfallteams führten, die aus neuen Rollen in verschiedenen Geschäftsbereichen und der IT bestanden. Dieser innovative Ansatz verbesserte nicht nur das Eigentum und die Innovation, sondern förderte auch eine Kultur des kontinuierlichen Lernens.

Auswirkung

Innerhalb eines Jahres wurden mehr als 25 Benutzer, darunter Wissenschaftler und Ingenieure, erfolgreich eingearbeitet, was zur Bereitstellung von sieben aktiven Anwendungsfällen führte. Zudem wurden 18 Projekte initiiert und Verbindungen zu 21 Datenquellen hergestellt, wodurch die Datenzugänglichkeit und -nutzung verbessert wurden.

Die Implementierung dieser fortschrittlichen Fähigkeiten führte zu einer positiven Rendite nach der Bereitstellung der ersten Anwendungsfälle. Die Datenplattform erlebte eine weit verbreitete Akzeptanz in verschiedenen Geschäftsbereichen, was letztlich die wertorientierte Industrialisierung neuer Anwendungsfälle verstärkte.

Stetiges Wachstum und Verbesserung wurden durch die Dataminded Academy erreicht, die die Förderung von Fachwissen und Wissen unter der Belegschaft von Luminus erleichterte.