analytic infrastructure consulting

eoda | analytic infrastructure consulting

Best-Practice-Ansatz für den professionellen Einsatz von Data Science

Data Science ist in vielen Branchen zu einem der entscheidenden Erfolgsfaktoren geworden. Analysesprachen wie R, Python oder Julia sind der Schlüssel zu diesem Erfolgsfaktor. Um das Potenzial von Data Science nachhaltig zu erschließen, braucht es eine nahtlose Implementierung von Analytik-Lösungen in die Geschäftsprozesse.

Unser eoda | analytic infrastructure consulting setzt genau dort an und ist der Best-Practice-Ansatz zum operativen Betrieb Ihrer Data-Science-Architektur. Versionsverwaltung, Rechtemanagement, Dokumentation oder Testing – wir kombinieren die wichtigsten Bausteine, um Analyseprozesse im unternehmenskritischen Umfeld produktiv einzusetzen.

Von der täglichen Arbeit mit den Analysesprachen selbst, über die Verknüpfung mit Big-Data-Technologien wie Apache Spark oder Hadoop, bis zur Anbindung an bestehen IT-Landschaft – treffen Sie mit dem eoda | analytic infrastructure consulting die richtigen Tool- und Technologieentscheidungen und schaffen Sie die für Ihre Anforderungen optimale Analyseumgebung 

 

Die Vorteile des eoda | analytic infrastructure consulting für Sie:

  • Zuverlässigkeit: Wir verbinden bewährte Best-Practice-Ansätze und schafft somit Sicherheit für den operativen Betrieb Ihrer Analyseumgebung.

  • State of the art: Data Science-Teams erreichen durch Einsatz der empfohlenen state of the art Techniken und Prozesse höchste Performance. 

  • Prozessvalidität: Auf Basis unserer Beratung schaffen Sie eine Analyseumgebung, die es Ihnen durch Rollendefinition, Dokumentation und Versionsverwaltung ermöglicht, valide Prozesse aufzusetzen.

  • Prozesseffizienz: Integrieren Sie Ihren Analytik-Stack optimal in Ihre Unternehmensprozesse.

  • Zusammenarbeit: Wir unterstützen Sie dabei, die Zusammenarbeit zwischen Data Science und Fachabteilungen zu fördern und die leichtere Einarbeitung neuer (Projekt-)Mitarbeiter und externer Dienstleister zu ermöglichen.

  • Professioneller Partner: Profitieren Sie von der Erfahrung und dem Know-how des Data-Science-Enablers eoda.

 

eoda | aicon Fact Sheet: Alle Informationen zum Download

Das Assessment

Verschaffen Sie sich im Assessment einen umfassenden Überblick über den Status quo Ihrer Analyselandschaft und erhalten Sie ein herstellerneutrales Realisierungskonzept mit Roadmap und konkreten To-Dos für den professionellen Einsatz von Data Science in Ihrem Unternehmen. 

 

Bestandsaufnahme

Ermittlung Ihrer Ausgangssituation und Ihrer individuellen Anforderungen an eine Analyseinfrastruktur im Rahmen eines Telefoninterviews.

 

Workshop

Eintägiger Workshop, in dem die Ist-Situation analysiert und bestehende Potenziale identifiziert werden.

Realisierungskonzept

Ausführlicher Report mit einer Bewertung des Ist-Zustandes und einer individuellen Roadmap für die Optimierung Ihrer datengestützten Prozesse.

Die Implementierung

Implementieren Sie im Anschluss an das Assessment Ihr Analyse-Environment – mit der professionellen Unterstützung von eoda oder in Eigenleistung.

 

Architektur

Die Architektur hat entscheidende Auswirkungen auf Performance, Agilität, Verwaltung, aber auch die individuellen Berechtigungen der User.

Beispielhafte Lösungen: Client-Server, Desktop, Batch- oder Streaming-Architekturen

 

Automatisierung & Deployment

Einrichtung einer Infrastruktur zum effizienten Deployment mit zeit- und ereignisgesteuerter Ausführung von Analysen und automatisierten Testing.

Beispielhafte Lösungen: Continuous Integration Szenarien mit Jenkins

 

Data-Science-Sprachen

Welche Data-Science-Sprache eignet sich am besten für die Anforderungen in Ihrem individuellen Analyeszenario?

Beispielhafte Lösungen: R, Python, Julia

 

 

Dokumentation

Die Dokumentation von Code oder das Festlegen eines einheitlichen Styleguides fördern die Zusammenarbeit und Effizienz des Analyseteams, sowie die Reproduzierbarkeit der Prozesse.

Beispiele: Roxygen, Pakete, Wikis, Sphinx

Integrierte Entwicklungsumgebung

Projektverwaltung, Installationsassistenten, Code Completion und Debugging - die Wahl der Entwicklungsumgebung beeinflusst maßgeblich die Effizienz der Entwickler.  

Beispielhafte Lösungen: R-Studio, Eclipse, Visual Studio, PyCharm, Jupyter, Spyder

Interpreter

Anders als beispielsweise bei Python oder Julia stehen für R eine ganze Reihe an Interpretern zur Verfügung. Diese unterscheiden sich insbesondere bei der Performance, zum Beispiel im Hinblick auf die Analyse von Big Data.

Beispielhafte Lösungen: GNU R, Oracle R, Oracle R Enterprise, Microsoft R, TIBCO TERR

 

 

Paketmanagement

Der produktive Einsatz von Data-Science-Sprachen wie R und Python stellt besondere Anforderungen an den Einsatz der Pakete hinsichtlich des Managements von Abhängigkeiten oder dem durchgängigen Deployment von kritischen Updates.

Beispielhafte Lösungen: miniCRAN, Packrat, checkpoint, pip, Anaconda, Miniconda

 

Rechte-/ Zugriffsmanagement

Abbildung von Workflows mit individuellen Rollendefinitionen und einem granularen Berechtigungskonzept. 

Beispielhafte Lösung: Integration LDAP System, Integration Active Directory

 

Reporting

Ob statisches PDF, HTML-Dokument oder interaktive Webapplikation - implementieren Sie das optimale Toolset für Ihr Reporting. 

Beispiele: knitr (Markdown, Latex, HTML, Pandoc), shiny (HTML, JavaScript), matplotlib

 

Staging-Architektur

Schaffung verschiedener Umgebungen für den unterschiedlichen Reifegrad der Analysen - von der Entwicklungs- bis zur Live-Umgebung. Implementierung von Prozessen zum Umgang mit Releasewechseln und Updates von Analysesoftware.

Beispiele: Development, Test, Live

Testing

Systematisches Testen des Analysecodes um Fehler zu erkennen und nachhaltig zu eliminieren. Dadurch erhöhen Sie die Qualität der Analysen, auf denen Ihre Business-Entscheidungen basieren.

Beispielhafte Lösungen: testthat, nose, unittest, individuelle Tests

Versionsverwaltung

Für den professionellen Einsatz von Analyseskripten empfiehlt es sich eine Versionsverwaltung einzusetzen, um Änderungen am Quelltext nachvollziehbar und transparent zu dokumentieren und ggf. rückgängig machen zu können.

Beispielhafte Lösungen: Git, Git-Flow Branching Model, GitLab, GitLab Enterprise, Atlassian Bitbucket, SVN, TFS, Semantic Versioning

 

Externe Analyseframeworks

Für bestimmte Analyseszenarien wie beispielsweise Deep Learning oder lineare Optimierung gibt es externe Frameworks, die über APIs ansprechbar sind. Wir evaluieren und implementieren das für Sie passende Framework.

Beispielhafte Lösungen: MXNet, H2O, lpSolve, TensorFlow

 

Der Betrieb

Betreiben Sie die implementierte Umgebung durch das eoda Analytik Infrastructure Team oder Ihre eigene IT.

 

Überwachung

  • Monitoring der Server und Softwarekomponenten
  • Auswertung der Logfiles
  • Beobachtung des Release-Plans der verwendeten Komponenten mit besonderem Blick auf kritische Updates

Wartung

  • Aufgaben des Regelbetriebs, z.B. Anlegen neuer User oder Erweiterung der Speicherkapazität
  • Zeitnahe Störungsbeseitigung
  • Regelmäßige und außerplanmäßige Updates aller Komponenten der Analyseumgebung

Support

  • Unterstützung der User und der IT bei Problemen im Produktivbetrieb
  • Darüber hinaus: Hilfestellung der Data Scientists bei Fragen zu R, Python oder Julia

Erschließen Sie mit dem eoda | analytic infrastructure consulting das volle Potenzial von Data Science - sprechen Sie uns an.

Telefonisch unter +49 561 202724-51 oder nutzen Sie unser Kontaktformular:

Bitte addieren Sie 6 und 9.
eoda GmbH | Universitätsplatz 12 | 34127 Kassel | +49 561 202724-40 | info@eoda.de
© eoda 2018 Datenschutz und Impressum