Amazon Web Services, Cloud Acceleration, Data Driven, Lucy in de cloud, Telecom

VOO - BI en Big Data Transformatie met een migratie naar de Cloud

VOO - een van de grootste telecomoperatoren op de Belgische markt - heeft Memento geproduceerd. Waar gaat het over? Het is VOO's Business Intelligence en Big Data transformatieprogramma met een belangrijke migratie naar de Cloud. Ontdek hoe wij de exploitant hebben bijgestaan tijdens de verschillende fasen van het project.

5 mei, 9:23 AM

Wie is VOO?

VOO is de naam van een Belgische telecomoperator. Zij is vooral actief in het Waalse en het Brusselse Gewest. VOO levert haar klanten kabel-, telefoon- en internetdiensten en is klant- en technologiegericht.

U en uw gezin kunnen dankzij de innovatieve producten en diensten van VOO genieten van supersnelle breedband, een schat aan tv-inhoud en een royale mobiele en vaste lijndienst. Dit is een Belgische telecomoperator die Lucy's experts hebben geholpen met zijn digitale transformatie.

Diensten

Als onderdeel van een wereldwijde transformatie hebben we een volledige migratie van VOO's Business Intelligence, Big Data en AI landschap naar de Cloud geïmplementeerd. Deze migratie was essentieel om te voldoen aan strategische en dringende bedrijfsbehoeften zoals:

Vergroot drastisch het inzicht in klanten om acquisitie te versnellen en loyaliteit en retentie te verbeteren.
Ondersteuning van digitale transformatie door een eenduidig beeld van de klant en zijn gedrag.
Reageren op de nieuwe uitdagingen van compliance (GDPR)
De totale eigendomskosten van de gegevensomgevingen (4 verschillende BI-omgevingen + 3 Hadoop-clusters vóór de transformatie) radicaal verlagen.
Invoering van ondernemingsbreed gegevensbeheer en oplossing van het probleem van schaduw-BI (meer dan 25 FTE's aan de bedrijfszijde om gegevens te verwerken).

De oplossing

Lucy's experts voerden een snelle studie uit, waarbij alle aspecten van de transformatie werden geanalyseerd en zowel de organisatorische uitdaging (rollen en verantwoordelijkheden, teams en vaardigheden, processen, governance) als de technische uitdaging (holistische architectuurscenario's, variërend van hybride cloud tot volledige cloud PaaS-oplossingen) werden aangepakt.

Op basis van de resultaten van de studie hebben we een cloud-gebaseerd dataplatform voor de hele onderneming geïmplementeerd. Het combineert traditionele BI-processen met geavanceerde analytische mogelijkheden. We hebben de gegevensorganisatie en de bijbehorende processen opnieuw gedefinieerd en data governance op ondernemingsniveau ingevoerd.

De totale eigendomskosten zijn gedaald tot minder dan 30% van wat ze voorheen waren. De wendbaarheid en capaciteiten zijn sterk verbeterd.

Een cloudgebaseerd, ondernemingsbreed dataplatform aangedreven door AWS

Architectuur gebaseerd op de belangrijkste datadiensten van AWS

Datameer

Amazon S3 wordt gebruikt voor de centrale toegangslaag en om persistentie op lange termijn te garanderen.

Sommige gegevensbestanden worden voorbewerkt op Amazon EMR. EMR-clusters worden meerdere malen per dag on the fly aangemaakt. De clusters verwerken alleen nieuwe gegevens die in S3 binnenkomen. Zodra de gegevens zijn verwerkt en opgeslagen in een voor analyse geoptimaliseerd Apache Parquet-formaat, wordt de cluster vernietigd. Encryptie en levenscyclusbeheer zijn ingeschakeld op de meeste S3-buckets om te voldoen aan de vereisten inzake beveiliging en kostenefficiëntie. Gegevens worden momenteel opgeslagen in het data lake. Amazon Athena wordt gebruikt om een gegevenscatalogus te maken en te onderhouden en de ruwe gegevens in het datameer te verkennen.

Data Warehouse

Het datawarehouse draait op Amazon Redshift, met de nieuwe RA3-nodes en volgt de Data Vault 2.0-methodologie. De Data Vault-objecten zijn in hoge mate gestandaardiseerd en hebben strikte modelleerregels, waardoor een hoge mate van standaardisatie en automatisering mogelijk is. Het gegevensmodel wordt gegenereerd uit metadata opgeslagen in een Amazon RDS Aurora database.

De automatiseringsengine zelf is gebouwd op AWS Step Functions en AWS lambda.

DynamoDB

Amazon DynamoDB wordt gebruikt voor specifieke toepassingen waarbij webtoepassingen reactietijden van minder dan een seconde vereisen. Het gebruik van DynamoDB's variabele lees-/schrijfcapaciteit maakt het mogelijk de duurdere leescapaciteit met hoge prestaties alleen beschikbaar te stellen tijdens kantooruren wanneer een lage latentie en snelle responstijden vereist zijn. Deze mechanismen, die steunen op de elasticiteit van AWS-diensten, worden gebruikt om de maandelijkse AWS-factuur te optimaliseren.

Machinaal leren

Er werd een reeks voorspellende modellen geïmplementeerd, gaande van een klassiek churn-voorspellingsmodel tot meer geavanceerde use cases. Amazon SageMaker werd gebruikt om de modellen op schaal te bouwen, te trainen en in te zetten, waarbij gebruik werd gemaakt van de beschikbare gegevens in het Data Lake (Amazon S3) en het Data Warehouse (Amazon Redshift).

En nog veel meer!

Het door ons gebouwde dataplatform biedt nog tientallen andere mogelijkheden. Dankzij de enorme reeks diensten die op de AWS-omgeving beschikbaar zijn, kunnen wij elke dag snel en efficiënt nieuwe use cases aanpakken.