This session looks at the emergence of Data Observability and looks at what it is about, what Data Observability can observe, vendors in the market and examples of what vendors are capturing about data.  The presentation will also look at Data Observability requirements, the strengths and weaknesses of current offerings, where the gaps are and tool complexity (overlaps, inability to share metadata) from a customer perspective. It will explore the link between Data Observability, data catalogs, data intelligence and the move towards augmented data governance and discuss how Data Observability and data intelligence can be used in a real-time automated Data Governance Action Framework to govern data across multiple tools and data stores in next generation Data governance.  

• What’s happening with data in business today and why there may be problems ahead
• Requirements to avoid problems and strengthen data governance
• What is data observability and what is it trying to help you do?
• What is it that can be observed?
• The data observability process – what are the steps and how does it work?
• Vendors in the market and what they are capturing
• The link between data observability and data catalogs
• Data observability, prescriptive analytics, and real-time automated data governance

Der Vortrag zeigt die Entwicklung der Pentaho basierten KARE Self-Service Datenplattform von der Einführung bis zum aktuellen Entwicklungsstand. Der Fokus liegt darauf, Pentaho aus Reportingsicht zu präsentieren und Dashboards für die weltweit verteilten Franchisenehmer zu zeigen. Die Dashboards wurden mit C-Tools in Kombination mit PDI entwickelt und geben Auskunft über Umsatz und Kosten im Self-Service und dienen sogar für die Planung von KARE-Shops.

ÜBER PENTAHO

Pentaho ist die perfekte Datenplattform, die BI-, Big Data- und DHW-Verantwortlichen mächtige Tools zur Datenintegration, -aufbereitung und -analyse zur Verfügung stellt. Grafische ETL-Werkzeuge runden das Gesamtpaket als komplette Analytics-Suite ab.

Die Entwicklung von cloud-nativen Microservices hat uns vor viele neue Herausforderungen gestellt. Eine der schwierigsten ist es, zuverlässige Microservice-Integrationen und deren Datenaustauschmuster zu entwickeln. In diesem Vortrag werde ich meine 10-jährige Erfahrung mit der Entwicklung von Microservices und Anwendungslaufzeitplattformen bei einigen der größten europäischen Unternehmen mit euch teilen.

Habt Ihr diese Erfahrungen auch gemacht?

The Good: Wir starten mit ambitionierten Vorsätzen, um ein bestehendes Analytics System auf ein neues Level zu heben. Modernisierung heißt hier das Zauberwort. Durch ein modernes Data Management erreichen wir, dass mehr Daten in Echtzeit verarbeitet und bereitstellt werden können. Dank einem passgenauen Datenmodell, integrieren wir schnell und automatisiert neue Datenquellen in unsere Anwendung. Mit dem modernen Frontend Tool, beglücken wir Data Consumer mit neuen Features, damit sie ihre Daten endlich effektiv nutzen können. Wir zielen auf viele Verbesserungen ab.

The Bad: Dumm nur, wenn unsere Ambitionen und Vorsätze durch die Realität auf eine harte Probe gestellt werden.

The Ugly: Wir zeigen anhand von mehreren Beispielen auf, was in unseren Modernisierungsvorhaben nicht auf Anhieb funktioniert hat. Mit diesen Beispielen zeigen wir reale Fälle auf, die wir als Berater:innen in unseren Projekten selbst miterlebt haben. Wir zeigen, dass Pauschalaussagen gefährlich sind und das jedes Vorhaben von individuellen Gegebenheiten geprägt sind, für die es keine Musterlösungen gibt. Und wir sind überzeugt: Modernisierungen lohnen sich (trotzdem)!

In dem Vortrag beleuchten wir die aktuell vorherrschenden Paradigmen im Bereich Data & Analytics, mit dem Schwerpunkt auf Data Mesh. An einem Umsetzungsbeispiel wird erklärt, wie wir ein Data Mesh aufgebaut haben und wie uns dabei Snowflake mit seinen Technologien unterstützten konnte.

In this presentation, Thomas Mager, Head of Data and Analytics Platforms at PartnerRe, will talk you through their core data management architecture. It will help you understand how he and his team placed data virtualization in the overall architecture framework within their core data management architecture to deliver value faster. This foundation for an adaptive environment is based on the data integration platform, Data Virtuality, in combination with the highly scalable cloud compute, Snowflake.

The focus of this presentation will be on three key areas that could be enabled with this architecture:
- Connecting components and data delivery styles (data virtualization, ELT) in one single platform
- Building a core business logic layer for data-intense IT-driven applications
- Developing Data Citizens

Über Data Virtuality:

Data Virtuality, the sole provider of advanced data virtualization, provides data teams the flexibility and agility to meet the increasing business requirements. By uniquely combining data virtualization and SQL-based ETL/ELT, financial services can enable modern architecture including hybrid- and multi-cloud, data fabric, and data mesh. The solution is deployable on-premises and in SaaS. Organizations benefit from 5-times faster time-to-market, and total cost savings of up to 80%. The international customer base includes Crédit Agricole, BSH, and PGGM.

Dieser Vortrag gibt einen Überblick über moderne Datenarchitekturen, einschließlich Data Fabric und Data Mesh. Diese Ansätze ermöglichen Unternehmen eine flexible, skalierbare und widerstandsfähige Datenverwaltung. Wir diskutieren Vorteile, Herausforderungen und Integrationsoptionen, um den aktuellen und zukünftigen Herausforderungen ihres Unternehmens gerecht zu werden.

In vielen Data Vault Projekten wird Code zur Befüllung der Staging-Tabellen sowie der RawVault generiert. Dies ist aber nur ein kleines Puzzlestück im Rahmen einer DWH-Automatisierung. Der Vortrag zeigt anhand eines konkreten Projektes, wie die DWH-Automatisierung auf alle Projektschritte angewendet wurde. Dies betrifft:

• Struktur BusinessVault / Datamarts sowie Beladung mit fachlicher Logik

• Test von Änderungen und Bereitstellung aller daraus resultierenden Datenabweichungen als Entscheidungsgrundlage für eine fachliche Abnahme

• Deployment mit Hilfe risikofreier Methoden

• Erstellen aller für den produktiven Betrieb notwendigen Skripte und Prozesssteuerungsinformationen

• komplettes Lineage auf Feld-, Tabellen- und Prozessebene

• technische und fachliche Data Quality Checks

• DSGVO Konformität

• Datenmodellmigrationen technisch (Tabellenstrukturen) und fachlich (Dateninhalte in kompletter fachlicher Historie)

Da sämtliche technischen Umsetzungen im Projekt vollständig automatisiert abliefen, konnte die Projektarbeit sich auf die Klärung fachlicher Fragestellungen konzentrieren. Die Erfahrungen und best-practices sollen in diesem Vortrag geteilt werden.

Hybride Cloud-Strukturen setzen sich immer mehr durch. Der Grund: Unternehmen können dadurch die Performanz ihrer IT steigern, bestehende On-Prem Komponenten temporär oder dauerhaft weiter verwenden und Flexibilität gewinnen. Die Komplexität solcher Umgebungen ist allerdings nicht zu unterschätzen. Organisationen müssen sowohl gewaltige Datenmengen als auch eine Wachsende Anzahl neuer, heterogener Datenquellen unter einen Hut bekommen und die Governance robust implementieren. Eine Lösung bietet eine moderne Data-Fabric Architektur.

In diesem Vortrag erfahren Sie:

•             Warum eine (Cloud) Data-Fabric komplexe Multi-Cloud-Umgebungen stark vereinfacht

•             Wie Sie Ihre Dateninfrastruktur flexibel modernisieren und ohne Downtime in die Cloud migrieren

•             Wie Sie Daten-Silos – sei es in Clouds oder On-Prem – überwinden und alle Daten für das Business nutzbar machen

Ambitionierte und zukunftsorientierte Unternehmen arbeiten möglichst „datengesteuert“ und verlassen sich auf detaillierte Einblicke höchster Qualität als Grundlage fundierter Entscheidungen. Unsere „neue Normalität“, der permanente, unberechenbare Wandel, stellt Unternehmen vor beispiellose Herausforderungen. Daraus entstehen neue Chancen nicht nur für den Fortbestand dieser Unternehmen, sondern für ihren Erfolg mit Datenanalyse in Echtzeit. Erfahren Sie in diesem Vortrag mehr darüber, wie führende, datengesteuerte Unternehmen

• die „neue Normalität“ annehmen und eine Kultur entwickeln können, unerwartete Veränderungen datengestützt zu meistern;

• ihre Vision und Ziele zur Verbesserung ihrer Geschäftsprozesse mit Hilfe von Daten schneller erreichen und

• eine Grundlage für die Bereitstellung zeitnaher, relevanter, vertrauenswürdiger und gesetzeskonformer Daten in großem Umfang schaffen können.

In this session, we will dive into the steps Business Developers and Strategists, together with Solution Architects, should take when planning a new business process, or a digital service, whether a mobile application or a browser-based interface. 
 
Mika Haikonen, Pre-Sales Architect at Frends, will unlock the secret ingredients of successful service digitalization:

- How do you evaluate where your organization stands in terms of integrations and process automation?
- How can you enable best-of-breed development? 
- What elements should you have to build a modern, resilient Solution Architecture for digital services? 
(Will be held in English)
 
For a shorter presentation segment, Jan Steinberger, Region Manager for DACH, will introduce the capabilities of a modern iPaaS Integration Platform as a Service on the example of Frends iPaaS. He will talk about how an iPaaS can be one of the secret ingredients to digital success. (Will be held in German)