CASE STUDY „LGI Logistics Group International GmbH“

LGI Logistics Group International GmbH ist ein Spezialist für Logistik und Transport, mit über 45 Standorten in Deutschland. Zur Harmonisierung der Datenquellen verschiedener Kunden und Standorte benötigt LGI eine standardisierte Datenbank. Die Zielarchitektur soll dabei über einen zentralen Datenspeicher verfügen, der als Single-Point-of-Truth fungiert. Zudem ist die Einführung eines Analysedienstes zur Berechnung der KPIs vorgesehen, der die Berechnungen von dem Reporting (Microsoft Power BI) trennt.

Zur Entwicklung einer solchen Zielarchitektur beauftragte LGI die IT-Beratung Datalytics GmbH, welche im Rahmen eines Data Assessment, ein individuell zugeschnittenes Konzept für die Datenarchitektur entwickelte.

Im ersten Schritt trug das Data Assessment dazu bei, dass der Kunde LGI einen transparenten Überblick zum Ist-Zustand seiner bestehenden Datenarchitektur sowie den darauf basierenden Komponenten für die Datenanalyse und Visualisierung erhielt. Des Weiteren wurden mit der aktuellen Architektur verbundene Herausforderungen, fehlende Fähigkeiten, mögliche Geschäftsrisiken und auftretende Probleme im täglichen Betrieb dargestellt. Auf Basis dieser Informationen und unter Abwägung der Vor- und Nachteile der zu Frage kommenden Datenarchitekturen, entwickelte Datalytics eine Zielarchitektur die mit technischen, strategischen und finanziellen Argumenten belegt wurde. Diese Argumente dienten ebenfalls dem Digi Team, um sein eigenes Management vom Vorhaben und der Umsetzung der Ziel-Architektur zu überzeugen. Das Data Assessment umfasste somit die

• Zusammenfassung der aktuellen Datenarchitektur und deren Herausforderungen,
• die Definition des Soll-Zustandes,
• einer Migrations-Roadmap sowie
• eine Kostenübersicht.

Innerhalb von wenigen Wochen wurde mithilfe der Bestandsaufnahme die Ist-Architektur analysiert und unter Berücksichtigung der Unternehmensstrategie eine Ziel-Architektur konzeptioniert.

Das Data Assessment besteht aus vier Phasen:

1. Discovery Phase

In der Discovery Phase wurden durch ein Kickoff-Meeting zunächst die aktuellen Herausforderungen und Probleme diskutiert. Anschließend folgte die Definition der Anforderungen an das Data Assessment sowie die Abstimmung des Projektumfangs und Zeitplans.

2. Analysis Phase

Die Analysis Phase diente zum Aufbau vom Kundenverständnis. Dazu wurde der aktuelle Stand mit der derzeitig genutzten Datenarchitektur dargestellt und damit einhergehende Risiken und Probleme erörtert. Zudem wurde die Unternehmensstrategie anhand von Use Cases besprochen und es wurden Ziele für die im Data Assessment zu entwickelnde Lösungsarchitektur definiert. Ein weiterer Teil der Analysis Phase, welche aus einem Workshop und Interviews mit einzelnen Personen bestand, war die frühzeitige Identifizierung von Blockern bei der Entwicklung einer neuen Datenarchitektur.

3. Development Phase

Die Development Phase enthielt zwei Workshops zur Entwicklung von möglichen Lösungsarchitekturen, welche die individuellen Ziele und Bedürfnisse des Kunden berücksichtigen. Dabei wurden die einzelnen Komponenten der Architekturen erläutert und die Vor- und Nachteile der verschiedenen Architekturen einander gegenübergestellt. Zur besseren Vergleichbarkeit wurde auch zu jeder betrachteten Zielarchitektur eine Kostenaufstellung und Migrations-Roadmap erstellt.

4. Completion Phase

In der Completion Phase wurden die abgeleiteten Maßnahmen präsentiert und das Abschlussdokument übergeben, welches das gesamte Data Assessment zusammenfasst. Zudem gab es einen Ausblick zu den nächsten Schritten und zur Implementierung der gewählten Zielarchitektur.

• Durch den standardisierten Datenspeicher in der Azure SQL Datenbank können alle Daten aus den unterschiedlichen Quellsystemen in einer zentralen Datenbank gesammelt werden.
• Dies stellt einen Single Point of Truth dar und bietet die Möglichkeit, diese Daten von mehreren Kunden und Standorten einfach auszuwerten und beispielsweise in einem Power BI Report darzustellen.
• Des Weiteren bietet die neue Ziel-Architektur das sichere und kontrollierte zugreifen auf die Daten oder Ansichten durch Berechtigungskonzepte.
• Mit dem zusätzlichen Analyse Layer kann die Datenanalyse und die Berechnung der KPIs von der Datenvisualisierung getrennt werden, sodass die Erstellung und Präsentation der Reports deutlich performanter werden.
• Die Azure Data Factory bietet durch die individuell anpassbaren Datenpipelines eine professionelle ETL-Strecke zur Datenorchestrierung. Diese zukunftsweisende Architektur bietet eine nahezu unbegrenzte Skalierbarkeit und ermöglicht eine langfristige Kosten- und Zeitersparnis im täglichen Betrieb.