Lomake on lähetetty onnistuneesti.
Lisätietoja on postilaatikossasi.
Apache Kafka -tiedonsiirron avulla Innowise tarjosi sujuvan dataputken tietoon perustuvaa päätöksentekoa ja analytiikkaa varten.
Asiakkaamme on monikansallinen yritys, joka on erikoistunut valmistamaan monenlaisia henkilö- ja hyötyajoneuvoja, moottoripyöriä, moottoreita ja turbokoneita.
Yksityiskohtaisia tietoja asiakkaasta ei voida luovuttaa NDA:n määräysten nojalla.
Autovalmistaja, joka on maailmanlaajuinen yksikkö, jolla on toimipisteitä ja jälleenmyyntikeskuksia eri puolilla mantereita, joutui kohtaamaan merkittävän tiedonhallinta dilemma. Yrityksen eri yksiköt toimivat itsenäisesti, mikä johti tehottomuuteen ja puutteelliseen näkemykseen toiminnasta, myynnistä, projektinhallinnasta ja muusta.
Useat tietolähteet johtivat päällekkäisiin toimiin, epäjohdonmukaiseen tietojen laatuun ja huomattavaan resurssien kulumiseen, kun eri paikkakunnilla toimivat tiimit kamppailivat tietojen yhteensovittamisesta. Tämä hajanaisuus haittasi valmistajan kykyä tehdä tietoon perustuvia strategisia päätöksiä nopeasti ja tehokkaasti.
Lisäksi asiakkaalla oli vaikeuksia saada strategiseen päätöksentekoon tarvittavaa reaaliaikaista tietoa. Tietojen jakamisen ja käsittelyn viivästyminen johti siihen, että tilaisuuksia jäi käyttämättä ja markkinavaatimuksiin reagoitiin myöhässä, sillä markkinasuuntaukset ja kuluttajien mieltymykset muuttuvat nopeasti.
Asiakas etsi kattavaa ratkaisua, jolla yhdistetään eri tietolähteet yhtenäiseksi järjestelmäksi ja varmistetaan skaalautuvuus liiketoiminnan tuleviin laajennuksiin sopeutumiseksi.
Innowise tarjosi transformatiivisen lähestymistavan, joka keskittyi Apache Kafkan integrointiin asiakkaan haasteiden ratkaisemiseksi. Yksinkertaisesti sanottuna muutimme asiakkaan nykyiset tietovirrat Kafka-tietovirroiksi varmistaaksemme keskeytymättömän tiedonkulun, reaaliaikaisen analytiikan ja kattavat visualisoinnit.
Alkuperäinen tehtävämme oli luoda arkkitehtuuri, jonka avulla tiedot voidaan purkaa tietolähteistä ja siirtää Apache Kafkaan. Ensin rakensimme liittimen Codebeamerille, joka on kattava projektinhallinta-alusta, jota asiakas käytti ohjelmistokehitykseen ja yhteistyöhön. Valitsimme Apache Kafkan sen poikkeuksellisen kyvyn käsitellä suuria, suuren läpimenon ja reaaliaikaisia tietovirtoja vikasietoisesti, skaalautuvasti ja hajautetusti.
Aluksi Innowise:n asiantuntijat analysoivat Codebeamerin API-dokumentaatiota kattavasti, jotta he löytäisivät tehokkaimmat menetelmät projektitietojen, kuten työtehtävien, muutossarjojen ja käyttäjän toimintojen, poimimiseksi. Tutkittiin myös todennusmekanismia, tietopyyntöjen rajoituksia ja API:n palautusformaatteja.
API-analyysin perusteella suunnittelimme liitinarkkitehtuurin keskittyen modulaarisuuteen, skaalautuvuuteen ja vikasietoisuuteen. Ohjelmistoinsinöörimme käyttivät Javaa liittimen koodaamiseen, joka vastasi Codebeamerin API:n linkittämisestä, tietojen noutamisesta ja kirjoittamisesta Kafka-aiheeseen. Toteutimme muuntimen, jolla tiedot muunnettiin Codebeamerin formaatista Kafka-yhteensopivaan muotoon. Tähän sisältyi eri tietokenttien kuvaaminen Kafkan avain-arvopareiksi ja skeemavaihteluiden käsittely. Lopuksi projektiryhmämme hoiti vankan konfiguroinnin, jonka avulla käyttäjät voivat määrittää dynaamisesti API-tunnukset, kyselyvälit ja Kafka-kohdeaiheet.
Ensimmäisessä vaiheessa liitin haki Codebeamerin API:sta uusia ja päivitettyjä tietoja määritettävin väliajoin. Sitten se muutti tiedot Kafka-yhteensopivaan muotoon varmistaen, että jokainen tieto esitetään erillisenä tapahtumana. Hyödynsimme eräkäsittelyominaisuuksia suurten tietomäärien tehokkaaseen käsittelyyn Codebeamerin API:n tai Kafka-klusterin kuormittumatta.
Kehitimme myös mukautetun Kafka-liittimen FTP-tietolähteelle, joka on kriittinen komponentti erilaisten tiedostojen ja tiedostomuotojen, kuten JSONin, XML:n ja CSV:n, yhdistämisessä. Liitin oli yhteydessä FTP-palvelimeen ja valvoi tehokkaasti uusia ja päivitettyjä tiedostoja, poimi ne ja siirsi ne Kafka-ekosysteemiin.
Toteutimme vankan tiedostojen tarkkailumekanismin, joka havaitsee, kun uusia tiedostoja lisätään tai olemassa olevia tiedostoja muutetaan. Sisällytimme älykkään jäsennyslogiikan, joka pystyy automaattisesti tunnistamaan ja käsittelemään oikein kunkin tiedostotyypin ja käsittelemään erilaiset tiedostomuodot (JSON, XML, CSV). Tämä oli ratkaisevan tärkeää, jotta näissä tiedostoissa olevat rakenteiset ja puolistrukturoidut tiedot voitiin muuntaa yhtenäiseen muotoon, joka soveltui Kafkan kautta tapahtuvaan suoratoistoon.
Projektiryhmämme noudatti hyvin jäsenneltyä projektin kulkua, ja jokaisen vaiheen lopussa oli toimituksia, joilla varmistettiin yhdenmukaisuus asiakkaan tavoitteiden kanssa. Lähestymistapamme perustui Scrum-kehykseen, mikä mahdollisti joustavuuden, jatkuvan parantamisen ja asiakkaan vankan sitoutumisen koko hankkeen ajan.
Aluksi liiketoiminta-analyytikkomme järjestivät asiakkaan kanssa työpajoja, joissa selvitettiin asiakkaan tietomaailmaa, tunnistettiin keskeiset tietolähteet ja määriteltiin Kafka-integraation laajuus. Näiden tietojen perusteella he laativat kattavan projektisuunnitelman ja luettelon Kafka-liittimien vaatimuksista.
Vaatimusten keräämisen jälkeen kehittäjämme suunnittelivat Kafka-liittimien arkkitehtuurin. Vuorostaan, QA insinöörit suoritti laajoja tarkastuksia, kuten yksikkö-, integrointi- ja suorituskykytestejä, liittimien luotettavuuden ja tehokkuuden varmistamiseksi.
Lopuksi otimme liittimet käyttöön asiakkaan ympäristössä ja järjestimme asiakkaan tiimille koulutustilaisuuksia uusien tiedonsiirtoratkaisujen hallinnasta ja hyödyntämisestä.
Viestintä asiakkaan kanssa oli koko projektin ajan ensisijaisen tärkeää. Käytimme Slackia päivittäiseen yhteydenpitoon ja Zoomia viikoittaisiin tarkistuksiin ja sprinttiarviointeihin. Tehtävien seuranta ja projektinhallinta hoidettiin Jiran avulla, mikä mahdollisti läpinäkyvän näkyvyyden projektin etenemiseen ja vastuuvelvollisuuden kaikille tiimin jäsenille.
Tällä hetkellä projektiryhmämme tekee pieniä muutoksia tarpeen mukaan. Lisäksi asiakas aikoo lähestyä meitä tulevaisuudessa useampien tiedonsiirtoprojektien toteuttamiseksi.
1
Tuotteen omistaja
1
Ratkaisuarkkitehti
1
Tekninen johtaja
2
Back-End-kehittäjät
Innowise kehitti liitinjärjestelmän, joka kokoaa yhteen asiakkaan tietolähteiden tiedot ja muuntaa ne Apache Kafka -tietovirroiksi. Integroimalla hajanaiset tietolähteet yhtenäiseksi, reaaliaikaiseksi suoratoistoputkeksi Apachen dataputkistoon ratkaisimme tiedon pirstaloitumisen, skaalautuvuuden ja integroinnin keskeiset haasteet. Autovalmistaja hyötyy nyt lievennetystä datasiilosta, tietoon perustuvasta päätöksenteosta ja läpinäkyvästä analytiikasta, jotka edistävät liiketoiminnan kasvua.
Kafka-pohjainen datan suoratoistoratkaisumme on rakennettu skaalautuvaksi, jotta asiakas voi kasvaa nopeasti ja lisätä uusia tietolähteitä suorituskyvystä tinkimättä.
36%
päätöksenteon tarkkuuden lisääntyminen
44%
tietojen saatavuus paranee
Viestisi on lähetetty.
Käsittelemme pyyntösi ja otamme sinuun yhteyttä mahdollisimman pian.
Rekisteröitymällä hyväksyt Tietosuojakäytäntö, mukaan lukien evästeiden käyttö ja henkilötietojesi siirto.