In der sich schnell entwickelnden regulatorischen Landschaft von heute stehen Finanzinstitute zunehmend unter Druck ihre data-Infrastruktur zu modernisieren. Ein führendes Finanzinstitut in Brasilien hat sich mit Artefact zusammengetan, um sein altes data platform zu transformieren, signifikante Verbesserungen erzielen in Effizienz und Governance.

Die Herausforderung: Echtzeit-Einblicke in den Brauereibetrieb zu gewinnen.

Der Kunde wollte den IoT-Sensor data nutzen, um Echtzeiteinblicke in seine Brauereiprozesse zu erhalten. Zu den wichtigsten Herausforderungen gehörten:

  • Data Extraktion: Die Notwendigkeit, Informationen nahezu in Echtzeit aus einem riesigen Netzwerk von IoT-Sensoren zu extrahieren.
  • Data-gesteuerte Entscheidungen: Die Notwendigkeit, data-driven-Entscheidungen zu unterstützen, um Verschwendung und operative Verluste zu reduzieren.
  • Optimierung: Die Notwendigkeit, die Energienutzung und die Kühlprozesse zu optimieren.

Die Lösung: Eine skalierbare und kostengünstige data-Pipeline auf AWS-Basis.

Artefact entwarf und implementierte eine robuste data-Pipeline auf AWS, um IoT-Sensoren data in nahezu Echtzeit zu erfassen, zu verarbeiten und zu visualisieren. Die Lösung umfasste:

  • Mehrschichtige Architektur: Eine mehrschichtige Architektur nach dem Medaillonmuster für data Organisation und Qualität.
  • Redundanter data-Speicher: Redundanter data-Speicher in Amazon S3 (Parquet-Format) und Amazon Aurora, die verwaltete relationale data-Basis von AWS.
  • Effiziente data-Verarbeitung: AWS Lambda-Funktionen, die über Amazon SQS-Warteschlangen für eine effiziente data-Ingestion und Transformation orchestriert werden.
  • Überwachung in Echtzeit: Grafana-Dashboards für die Überwachung und Visualisierung der wichtigsten Leistungsindikatoren nahezu in Echtzeit.

Die Ergebnisse: Sichtbarkeit in Echtzeit und optimierte Abläufe.

Die Lösung lieferte transformative Ergebnisse und ermöglichte es dem Kunden, seine Brauereibetriebe zu optimieren und den Abfall zu reduzieren:

  • Verkürztes Aktualisierungsintervall: Die Zeit von der Eingabe von data bis zur Visualisierung in Grafana wurde von etwa 30 Minuten auf nur 6 Minuten reduziert.
  • Kostengünstige und skalierbare Architektur: Der AWS-basierte Stack erwies sich als kosteneffektiv, wartungsfreundlich und hoch skalierbar, um zukünftiges Wachstum zu ermöglichen.
  • Data-gesteuerte Optimierung: Die Betreiber erhielten einen Echtzeit-Überblick über die Leistung der Kühlgeräte, so dass sie den Energieverbrauch optimieren und die Verschwendung reduzieren konnten.

Durch den Einsatz von IoT und AWS erreichte der globale Getränkehersteller ein neues Maß an betrieblicher Effizienz, was zu erheblichen Kosteneinsparungen führte und die Nachhaltigkeit verbesserte.