LAUT UNSERER KUNDEN
Implementierung
IMPLEMENTIERUNG
DATEN ZU ASSETS.
lobster_data für big data.
Lobster_data hilft Ihnen, Daten nicht nur aus Quellsystemen zu extrahieren, sondern sie geordnet in Zielsysteme zu laden. Unstrukturierte Daten im Backend zu visuell perfekt aufbereiteten Daten zu transformieren und in Dashboards und Reports verfügbar zu machen. Alles auf einer Plattform. Um Data Mining für Ihre Business Intelligence umzusetzen und so alle Prozesse Ihres Geschäftsmodells dank Machine Learning optimal zu unterstützen und zu verschlanken.
In 5 einfachen Schritten.
Big Data Processing.
- Sourcing
- Extraction
- Transformation
- Loading
- Dashboards & Reporting
Lobsters einzigartige 6-Phasen-Modell erlaubt ein standardisiertes und hochflexibles Mapping. Und mit unserer Konnektoren-Bibliothek lassen sich komplizierte Anbindungen out-of-the-box ohne Probleme direkt durchführen. Mit über 450 Berechnungs- und Kombinationsfunktionen können Daten bereits in der Sourcing-Phase bereinigt (Data Cleansing), sinnvoll kombiniert und mit weiteren Informationen angereichert werden (Data Enrichment). Auf diese Weise wird noch vor der eigentlichen Transformation der Daten bereits ein wesentlicher Schritt zur Steigerung der Datenqualität gemacht.
Einen großen Vorteil bietet z. B. das Einlesen und Verarbeiten von übergroßen CSV-Dateien, die im Speicher nicht komplett einlesbar sind. Die Verarbeitung von derartig umfangreichen Datensätzen kann zudem zur Ressourcenschonung des Hauptsystems auf einen anderen Server ausgelagert werden. Diese Funktionen ermöglichen es den Nutzern, die benötigten Daten schnell und effizient zu extrahieren und bieten eine solide Grundlage für nachgelagerte Analysen und Berichte.
Im nächsten Schritt werden die gewählten Datensätze weiterverarbeitet und raffiniert. So wird die geforderte hohe Qualität der Ausgabedaten sichergestellt, die für die Anwendung in Data Analytics, Business Intelligence oder Machine Learning essenziell ist. Es erfolgen in diesem Schritt zwei Transformationsschritte.
Syntaktische Transformation: Hierbei handelt es sich um formale Verbesserungen, die Veränderung von Strukturen oder die Korrektur der Daten. Die Daten werden gemäß der im Zielsystem angewandten Syntax modifiziert: z. B. die numerische Darstellung des Tagesdatums YYYYMMDD in ein standardisiertes Datumsformat gemäß ISO 8601.
Semantische Transformation: Hier erfolgt eine Überprüfung der Daten auf inhaltliche Aspekte sowie, falls nötig, eine passende Modifikation und Anreicherung. Daten werden z. B. auf Duplikate geprüft und Werte angepasst (z. B. Geschlechter-Kennung und -Formalisierung (Mr. → Herr) oder Umrechnung von Maßangaben (Gallone → Liter, inch → m/cm).
Die Durchführung der Transformationsschritte kann über exakte Zeitsteuerungsfunktionen automatisiert werden. Und das mehrstufig: Transformationsschritte können nahtlos hintereinandergeschaltet und verkettet werden. Das Mappen, Anreichern oder Verändern von Daten – egal, in welcher Komplexität – wird somit zur reinen Konfigurationsaufgabe.
Die zuvor umgewandelten Datensätze können nun in verschiedene Drittsysteme erneut geladen werden: Beispielsweise in Data Analytics oder Business Intelligence Anwendungen. Dieser Vorgang erfolgt mit Lobster leistungseffizient und schnell. Die Datensätze können beispielsweise in Data Warehouses abgelegt werden, damit sie nachgelagerten Anwendungen und Nutzern im Rahmen eines Data Catalogue zur Verfügung stehen. Auch ein einfaches Laden in die Zwischenablage ist möglich.
Die Datensätze liefern auch die Grundlage für Applikationen, die mittels Machine Learning und Künstlicher Intelligenz für eine automatische und reaktive Entscheidungsunterstützung sorgen wollen. Hierfür bietet Lobster vorgefertigte Konnektoren an in etablierte Analyseplattformen an.