Antecedentes del cliente:

Cliente: Banco de inversi贸n multinacional y empresa de servicios financieros

Industria: Industria de servicios bancarios y financieros

Productos y servicios: productos de inversi贸n y capacidades bancarias

脕rea de operaciones: m谩s de 50 pa铆ses

N煤mero de empleados: m谩s de 70,000

顿别蝉补蹿铆辞:

Un banco de inversi贸n multinacional, as铆 como empresa de servicios financieros, hab铆a experimentado un crecimiento significativo, y las proyecciones comerciales anticipaban que la tendencia positiva continuar铆a. El subsecuente crecimiento de los datos har铆a hincapi茅 en las capacidades de almacenamiento y c贸mpito existentes de la empresa, y surgir铆an riesgos operativos si los datos se aislaran demasiado y causaran un aumento de los gastos en las instalaciones. Para maximizar su eficiencia, visibilidad y colaboraci贸n, la compa帽铆a esperaba migrar a una plataforma que mejorara su capacidad para procesar grandes conjuntos de datos mientras escalaba para cumplir con las proyecciones de crecimiento. Tambi茅n esperaba ahorrar costos al tiempo que mejoraba la seguridad general.

厂辞濒耻肠颈贸苍:

El cliente quer铆a descargar una cantidad significativa de sus cargas de trabajo de big data y consolidar su data lake en Azure para reducir los gastos operativos y mejorar la seguridad de todo su ecosistema a trav茅s de una plataforma escalable que responde a los clientes m谩s r谩pidamente, incluso durante las horas pico de operaci贸n. Con el objetivo de facilitar la modernizaci贸n de la plataforma sin problemas y una entrega m谩s r谩pida, 91快活林 desarroll贸 una plataforma basada en IntelliProc para automatizar las cargas de trabajo por conversi贸n de big data a su equivalente en Spark e implementarla en Azure Databricks. La plataforma Databricks se configur贸 para ingerir datos de varias fuentes y realizar an谩lisis, eliminando el problema de los datos en silos. La automatizaci贸n de alto nivel de IntelliProc de conversi贸n de l贸gica empresarial y caracter铆sticas de validaci贸n de mapeo de datos fue dise帽ada para mejorar la integridad y precisi贸n de los datos para el cliente, lo que anteriormente era un desaf铆o para sus equipos.

Impacto de negocios:

IntelliProc moderniz贸 las cargas de trabajo de big data existentes a escala para aprovechar los beneficios de Azure Databricks. La fase de desarrollo, calidad de datos y pruebas garantiz贸 un 35% de ahorro en el esfuerzo, y la implementaci贸n del entorno de Azure Databricks redujo significativamente los gastos en las instalaciones y ayud贸 a eliminar el ecosistema de datos en silos tradicional que condujo a una mejor colaboraci贸n entre los equipos de datos de una manera m谩s entorno seguro. El uso de Databricks mejor贸 la productividad del equipo de datos del cliente en un 20% y el entorno escalable proporcion贸 mejores capacidades inform谩ticas con una mayor eficiencia operativa y redujo los costos de infraestructura en un 25%.

IntelliProc tambi茅n convirti贸 cargas de trabajo de big data (scripts de Hive e Impala en su equivalente de Spark), lo que gener贸 una reducci贸n general del esfuerzo de m谩s del 60%. Los scripts convertidos no tuvieron cambios en la l贸gica empresarial, lo que ahorr贸 costos y tiempo. La fase de recopilaci贸n de requisitos represent贸 hasta un 40% de ahorro de esfuerzo.