Lösungen:
Systemintegration
Branchen:
Telecoms
Bessere Nutzung von Geschäftsdaten durch Systemintegration
Die Herausforderung
Solita ist eine schnell wachsende Gemeinschaft von mehr als 1.500 Experten aus Finnland, Schweden, Dänemark, Estland, Belgien und Deutschland. Seit über 25 Jahren bietet das Unternehmen ein einzigartiges Dienstleistungsportfolio an, das strategische Beratung, Service Design, Softwareentwicklung, künstliche Intelligenz und Analytik, Cloud Services und Integrationsdienste umfasst.
Die Organisation wandte sich an die Univio mit einem Datenmanagementprojekt für DNA, ein finnisches Telekommunikationsunternehmen. Das Ziel war es, die Fähigkeit des Unternehmens zu verbessern, seine Daten sowohl auf operativer als auch auf strategischer Ebene zu nutzen.
- DNA wollte seine IT-Architektur vereinfachen und veraltete Lösungen durch neue Varianten ersetzen.
- Wichtig war auch die Automatisierung von Prozessen sowie ein schnellerer und umfassenderer Zugriff auf Daten, um Berichte in größerem Umfang erstellen zu können.
- Die Palette der Dienstleistungen musste erweitert werden, um den Verkauf neuer Berichte zu ermöglichen.
- Verschiedene Datenmodelle mit ähnlichem Zweck mussten integriert werden. So gab es beispielsweise mehrere Systeme, die Rechnungsdaten lieferten.
- Alle Datenübertragungen über mehrere Quellen hinweg mussten schnell und sicher sein.
Die Lösung
- Die verwendete Integrationsarchitektur besteht aus 4 Umgebungen: drei Testumgebungen (einschließlich User Acceptance Tests) und einer Produktionsumgebung. Dazu gehören sowohl Server, die Cluster in AWS bilden, als auch Optionen vor Ort. Eine ähnliche Architektur wurde für Apache Kafka entwickelt.
- Die Implementierung wurde in Kotlin erstellt, das Anwendungsframework ist Apache Camel und Spring Boot, während Gradle und Jib zur Erstellung des Docker-Images verwendet werden. Die Architektur wird mit Hilfe von Jenkins-Jobs auf Servern bereitgestellt. Die Anwendungen wurden gedockt und laufen wie Microservices.
- APIs basieren meist auf Daten aus Datenbanken, wie PostgreSQL, SQL Server, Snowflake oder Elasticsearch. Sie stellen Informationen für andere Systeme zur Verfügung. Die Nutzer können Berichte über die Finanzen, ihre Abonnements oder Informationen über gekaufte Geräte oder Servicepakete erstellen.
- Durch die Aggregation von Rechnungsdaten aus vielen strukturell unterschiedlichen Tabellen in einem Index in Elasticsearch hat sich die Menge der für den Nutzer verfügbaren Daten von 3 Monaten auf 2 Jahre erhöht.
- Darüber hinaus haben wir mehrere Anwendungen implementiert, um Daten so schnell wie möglich zwischen Kafka und/oder S3 zu übertragen, sowie Anwendungen zur Sicherstellung der Integrität von Schlüsseldaten in eng miteinander verbundenen Systemen. Dank der eingesetzten Lösungen konnten wir die Verfügbarkeit und Aktualisierung der Daten nahezu in Echtzeit erreichen.
- Wir haben die Verwendung von Kafka Connect entworfen und implementiert, um Daten direkt aus Kafka lesen zu können, ohne eine Implementierung in Camel erstellen zu müssen. Auf diese Weise gelesene Daten können an Snowflake gesendet werden.