Data Strategy
Data Governance
- Data Quality
- Data Catalog
Data Platform
Agile BI
Data Driven Company
Hitchhikers Guide to the Data Galaxy^®

Data Warehouse
Cloud DWH
Data Mesh
Data Lakehouse
Data Lake
Data Fabric
Data Vault 2.0
Virtualisierung
DWH Automation

Data Analytics

Visual Analytics
Information Design
Self-Service BI
IBCS konformes Reporting
Reporting
Dashboarding
Sports Analytics
- Sports Analytics mit AWS

Cloud Computing

Modern Cloud Data Stack
Cloud Migration
Cloud DWH
Cloud Engineering
Cloud Referenzarchitekturen
Microsoft Azure Cloud Solutions
AWS
- BI & Analytics mit AWS
Multicloud

Operations

Data Platform Operations
Data Infrastructure Op.
Managed Cloud Services
Managed Cloud Applications
Monitoring

Consulting Services

Projektmanagement
Agile Projekte
Business & Data Analysis
Training & Coaching (Agilität)

Data Platform

Data Platform
Modern Data Stack
Microsoft Azure Cloud Solutions
AWS

Data Science / KI

Ethic in AI
KI- Architektur
Generative KI
Machine Learning
Deep Learning
NLP
Predictive Analytics

Data Engineering

Data Engineering
Cloud Engineering
DevOps Engineering
Data Pipelines
Data Streams
CI/CD

Training Center

Training Center
Schulungen / Workshops
Coachings
Datavault Builder Training Center

Die Cloud-Nutzung nimmt weiter zu, da agile Entwicklung, schnelle Bereitstellung und unbegrenzte Skalierung für Unternehmen zu einem wichtgen Wettbewerbsfaktor werden. areto hilft beim Aufbau einer optimalen Cloud Architektur und der Auswahl von über 200 AWS Cloud-Services, wie z. B. AWS Lambda, AWS Console, AWS S3, AWS Kinesis, AWS Redshift. Wir identifizieren und entwickeln Use Cases, mit denen Organisationen schneller reagieren und ihre Kosten senken können.

Amazon Web Services
(AWS)

Was ist AWS (Amazon Web Services)?

Amazon Web Services (AWS) ist mit mehr als 200 Services, die weltweit umfassendste Cloud-Plattform. Umfangreiche Funktionen, global verteilte Rechenzentren sowie eine große Zuverlässigkeit machen AWS zum Marktführer. Unsere Kund*innen vertrauen auf AWS, wenn es darum geht, agiler zu werden, Kosten zu senken, die eigenen Innovationen schneller zu realisieren.

AWS - der Weg in die Cloud

Der Weg in die Cloud ist für jedes Unternehmen eine individuelle Herausforderung: Der Erfolg hängt (wie immer) von der sorgfältigen Vorbereitung ab: Einer genauen, wirklichkeitsgetreuen Erfassung des Ist-Zustands der Organisation sowie ein gemeinsames Verständnis des Zielzustands und des zum Erreichen dieses Zieles erforderlichen Weges. Mit diesem Wissen können Organisationen Ziele setzen und Arbeitsabläufe erstellen, die es den Mitarbeiter*innen und damit dem Unternehmen ermöglichen, in der Cloud erfolgreich zu sein.

AWS Strategie-Workshops von areto helfen alle relevanten Stakeholder auf diesem Weg mit einzubeziehen. So starten Unternehmen ihre erfolgreiche „Digital Journey“. In der ersten Workshop-Phase untersuchen wir den Ausbildungsbedarf in Bezug auf AWS bzw. Analytics-Fähigkeiten, untersuchen vorhandene Prozesse, definieren notwendige Arbeitsströme, identifizieren Abhängigkeiten zwischen diesen Arbeitsströmen. So können wir den Aufbau der AWS Architektur optimieren. Die areto AWS Workshops zeigen Ihnen, welche organisatorischen Fähigkeiten Sie aktualisieren müssen, wie Sie bestehende Prozesse ändern sowie neue Prozesse einführen können.

AWS Well-Architected Framework

areto arbeitet nach dem „AWS Well-Architected Framework“.

Durch die Verwendung des AWS Well-Architected Frameworks nutzt areto architektonische Best Practices für die Entwicklung und den Betrieb zuverlässiger, sicherer, effizienter und kostengünstiger Systeme in der Cloud. aretos Architekturen werden dabei konsequent an AWS Best Practices gemessen, um so den Kund*innen den höchsten Nutzen zu liefern.

Das AWS Well-Architected Framework basiert auf fünf Säulen: Operational Excellence, Sicherheit, Zuverlässigkeit, Leistungseffizienz, Kostenoptimierung.

Operational Excellence
optimale Gestaltung von Betrieb und Monitoring der Systeme sowie kontinuierliche Verbesserung unterstützender Prozesse und Verfahren

Security
Schutz von Informationen, Systemen, Anlagen, Risikobewertungen und Strategien zur Risikominderung

Kostenoptimierung
Maximierung des ROI durch den kontinuierlichen Prozess der Verbesserung des Systems über seinen gesamten Lebenszyklus.

Zuverlässigkeit
Gewährleistung von Sicherheit, Notfallwiederherstellung, zur Geschäftskontinuität, da Daten an mehreren redundanten Standorten gespiegelt werden.

Leistungseffizienz
effiziente Nutzung von Computerressourcen, Skalierbarkeit um kurzfristige Anforderungspeaks zu erfüllen, Zukunftsfähigkeit

AWS - Architektur best practices

Für Analyseworkloads bzw. -umgebungen bietet AWS mehrere Kernkomponenten, mit denen areto robuste Architekturen für die Analyseanwendungen der Kund*innen entwickelt. Anhand von UseCases sowie AWS Architektur-Beispielen gehen wir auf einige AWS Services ein, welche wir oft in unseren individuellen Kundenprojekten verwenden.

Das Vorgehen von areto, AWS Architekturen in konzeptionellen „Schichten“ (Layern) aufzubauen, ermöglicht es uns individuell geeignete Zugriffskontrollen, Pipelines, ETL-Flows (Extrahieren, Transformieren, Laden), Integrationen für die Kund*innen zu gestalten. Im folgenden zeigen wir anhand von AWS Beispielarchitekturen die areto Vorgehensweise beim Aufbau eines Analyse-Workloads mit AWS Services.

Data Ingestion Layer

Die Datenerfassungsschicht ist verantwortlich für die Aufnahme von Daten in den zentralen Speicher für Analysen, z. B. einem Data Lake. Sie besteht aus Services, die dabei helfen, Datensätze im Batch- oder Echtzeit-Streaming-Modus aus externen Quellen zu nutzen, z. B. Website-Clickstreams, Datenbank-Event-Streams, Social-Media-Feeds, lokale oder Cloud-native Datenspeicher. AWS bietet Services für die Erfassung von Echtzeitdaten sowie Funktionen zum sicheren Laden und Analysieren von Streaming-Daten. Weiterhin bietet AWS Services zum Streamen von Daten in Amazon Simple Storage Service (Amazon S3) zur langfristigen Speicherung. Oder man nutzt Amazon Managed Streaming für Apache Kafka (MSK). Dabei handelt es sich um einen vollständig verwalteten Service, mit dem Anwender*innen hochverfügbare, sichere Apache Kafka-Cluster zur Verarbeitung von Streaming-Daten ausführen können, ohne dass sie ihre bestehende Codebasis ändern müssen.

Mit AWS Database Migration Services (DMS) können Nutzer vorhandene Datenbanken replizieren und aufnehmen, während die Quelldatenbanken voll funktionsfähig bleiben. Der Service unterstützt mehrere Datenbankquellen bzw. -ziele, einschließlich des Schreibens von Daten direkt in Amazon S3.

Streaming Data Analytics Reference Architecture; Quelle AWS

Amazon S3

Amazon Managed Streaming für Apache Kafka (MSK)

AWS Database Migration Services (DMS)

Amazon S3

Amazon Managed Streaming für Apache Kafka (MSK)

AWS Database Migration Services (DMS)

Data Access and Security Layer

Eine „Data Access and Security“-Schicht ermöglicht den Zugriff auf Datenbestände und schützt diese gleichzeitig, um sicherzustellen, dass alle Daten sicher gespeichert werden aber nur berechtigte Personen Zugriff haben. Diese Schicht ermöglicht:

Sicheren Datenzugriff auf das zentrale Daten-Repository (d. h. den Data Lake)
Sicherer Zugriff auf den zentralen Datenkatalog
Feingranulare Zugriffskontrolle auf Datenbanken, Tabellen und Spalten des Datenkatalogs
Verschlüsselung von Datenbeständen

Mit AWS Identity and Access Management (IAM) wird der Zugriff auf AWS-Services und -Ressourcen sicher verwaltet. Mit IAM können Sie AWS-Benutzer*innen und -Gruppen erstellen, verwalten und mit Hilfe von Berechtigungen deren Zugriff auf AWS-Ressourcen erlauben bzw. verweigern.

Mit AWS CloudTrail können Organisationen Kontoaktivitäten im Zusammenhang mit Datenzugriffsaktionen der Benutzer*innen und Rollen in Ihrer AWS-Infrastruktur protokollieren, kontinuierlich überwachen und aufbewahren.

AWS Lake Formation ist ein integrierter Data Lake-Service, der es vereinfacht, Daten zu bereinigen, zu katalogisieren, zu transformieren, zu sichern sowie sie für Analysen oder maschinelles Lernen (ML) verfügbar zu machen. Lake Formation bietet ein eigenes Berechtigungsmodell, dass das AWS IAM-Berechtigungsmodell erweitert, um Datenzugriffs- und Sicherheitsrichtlinien für Data Lakes zu konfigurieren und den Zugriff von AWS-Analyse- und ML-Services zu prüfen und zu steuern. Dieses zentral definierte Berechtigungsmodell ermöglicht einen feingranularen Zugriff auf Daten, welche in Data Lakes gespeichert sind, durch einen einfachen Gewährungs/Widerrufsmechanismus.

AWS Identity and Access Management (IAM)

AWS CloudTrail

AWS Lake Formation

AWS Identity and Access Management (IAM)

AWS CloudTrail

AWS Lake Formation

Data Catalog and Search layer

Der „Catalog and Search Layer“ verwaltet das Auffinden und Katalogisieren der Metadaten der Datenbestände des Analyse-Workloads. Diese Schicht bietet auch Suchfunktionen, wenn die Datenbestände an Größe zunehmen. Szenarien, in denen User eine Tabelle anhand von individuellen definierten Kriterien finden und Teilmengen von Daten extrahieren möchten, sind in Analyseanwendungen recht häufig.

AWS Glue ist ein vollständig verwalteter ETL-Service (Extrahieren, Transformieren, Laden), der oft in Projekten verwendet wird, um Daten für Analysen vorzubereiten bzw. zu laden. Mit AWS Glue können Kunde*innen auf ihre in AWS gespeicherten Daten verweisen. AWS Glue erkennt diese Daten und speichert zugehörige Metadaten (z. B. Tabellendefinition und das Schema) im AWS Glue Data Catalog. Sobald diese Daten katalogisiert sind, sind sie sofort durchsuchbar, abfragbar und für ETL verfügbar.

Mit Amazon Elasticsearch Service können vollständig verwaltete Elasticsearch-Cluster in der AWS Cloud bereitgestellt werden, um Datenbestände zu durchsuchen.

Streaming Data Analytics Reference Architecture; Quelle AWS

AWS Glue

Amazon Elasticsearch Service

AWS Glue

Amazon Elasticsearch Service

Central Storage Layer

Der „Central Storage Layer“ Data Lake. Er unterstützt die Speicherung aller Arten (unstrukturierten, semi-strukturierten und strukturierten) von Daten und stellt sie Anwendungen zur Verfügung. Da die Datenmenge im Laufe der Zeit wächst, sollte diese Schicht auf sichere, aber kostensparende Weise elastisch skalieren.

Bei der Verarbeitung der Daten werden Zwischenstände gespeichert. Damit vermeidet man unnötige Doppelarbeit in der Verarbeitungspipeline. Außerdem wird es Anwender*innen ermöglicht diese Zwischenstände zu nutzen. Alle Daten können je nach Anwendungsfall häufig aktualisiert sowie temporär oder langfristig gespeichert werden.

Amazon S3 bietet aufgrund seiner praktisch unbegrenzten Skalierbarkeit, der nativen Verschlüsselung und den Zugriffskontrollfunktionen eine optimale Grundlage für eine zentrale Speicherung. Wenn die Anforderungen der Anwender*innen an ihre Datenspeicherung im Laufe der Zeit steigen, können ausgewählte Daten über Lebenszyklusrichtlinien auf kostengünstigere Ebenen wie S3 Infrequent Access oder Amazon S3 Glacier übertragen werden. So werden Speicherkosten gesenkt, aber gleichzeitig ursprüngliche Rohdaten erhalten. In unseren Projekten verwenden wir auch S3 Intelligent-Tiering, welches Speicherkosten automatisch optimiert, wenn sich Datenzugriffsmuster ändern. Dies geschieht ohne Auswirkungen auf Leistung oder betrieblichen Aufwand.

Amazon S3 macht es einfach, eine mandantenfähige Umgebung aufzubauen, in der viele Benutzer*innen ihre eigenen Datenanalyse-Tools auf einen gemeinsamen Datensatz anwenden können. Dies reduziert Kosten, verbessert zusätzlich die Datenverwaltung im Vergleich zu herkömmlichen Lösungen, welche in der Regel mehrere, verteilte Kopien der Daten erfordert. Um einen einfachen Zugriff zu ermöglichen, bietet Amazon S3 RESTful-APIs.

Mit Amazon S3 kann Ihr Data Lake die Speicherung von der Rechenleistung und Datenverarbeitung entkoppeln. In herkömmlichen Hadoop- oder Data Warehouse-Lösungen sind Speicher und Rechenleistung eng miteinander gekoppelt, was eine Reduzierung der Kosten verhindert. Auch eine Optimierung der Datenverarbeitungsabläufe wird erschwert. Mit Amazon S3 kann man alle Datentypen in ihren nativen Formaten speichern und so viele oder so wenige virtuelle Server für die Datenverarbeitung verwenden, wie man möchte. Anwender*innen können auch serverlose Lösungen wie AWS Lambda, Amazon Athena, Amazon Redshift Spectrum, Amazon Rekognition, AWS Glue integrieren, mit denen sie Daten ohne Bereitstellung oder Verwaltung von Servern verarbeiten können.

Amazon S3

Im „Processing and Analtics Layer“ finden wir die Services für Abfragen und Verarbeitung (d. h. Bereinigung, Validierung, Umwandlung, Anreicherung, Normalisierung) der Datensätze.

Rechts finden Sie Beispiele für von uns in Standardarchitekturen verwendete Services. Aber es gibt noch eine ganze Reihe weiterer Services, welche ebenfalls für eine Verarbeitung bzw. Analyse verwendet werden können, einschließlich Amazon Kinesis, Amazon RDS, Apache Kafka, AWS Glue.

Processing and Analytics Layer

Amazon Redshift ist ein vollständig verwaltetes Data Warehouse, das eine Analyse der Daten mit Standard-SQL und den vorhandenen Business Intelligence (BI)-Tools vereinfacht. Redshift Spectrum ist eine Funktion von Amazon Redshift, mit der man Abfragen gegen Exabytes an unstrukturierten Daten in Amazon S3 ausführen kann, ohne dass ein Laden oder ETL erforderlich ist.

Amazon Athena ist ein interaktiver Abfrageservice, der eine Analyse von Daten in Amazon S3 mit Standard-SQL erleichtert. Athena ist serverlos, d. h. es muss keine Infrastruktur verwaltet werden, Nutzer*innen zahlen nur für ausgeführte Abfragen. Athena lässt sich in AWS Glue Data Catalog integrieren, sodass Anwender*innen ein einheitliches Metadaten-Repository für verschiedene Services erstellen, Datenquellen crawlen, um Schemas zu erkennen, den Data Catalog mit neuen oder geänderten Tabellen- / Partitionsdefinitionen auffüllen sowie die Schema-Versionierung pflegen können.

Mit Amazon Neptune können Sie eine schnelle, zuverlässige, vollständig verwaltete Graphdatenbank erstellen. Graphdatenbanken erleichtern das Erstellen bzw. Ausführen von Anwendungen, welche mit stark verknüpften Datensätzen arbeiten, erleichtert.

Amazon SageMaker ist eine vollständig verwaltete Plattform für Maschinelles Lernen, mit der Entwickler*innen und Data Scientists schnell und einfach Modelle für Maschinelles Lernen in beliebigem Umfang erstellen, trainieren sowie bereitstellen können.

Amazon Redshift

Amazon Athena

Amazon Neptune

Amazon SageMaker

Amazon EMR

Amazon Kinesis

Amazon Redshift

Amazon Athena

Amazon Neptune

Amazon SageMaker

Amazon EMR

Amazon Kinesis

User Access and Interface Layer

Der „User Access ans Interface Layer“ bietet einen sicheren Benutzerzugriff und eine administrative Schnittstelle für die Verwaltung von Benutzer*innen.

Mit AWS Lambda können Sie serverlose Anwendungen auf einer verwalteten Plattform ausführen, die Microservices-Architekturen, Bereitstellung und Verwaltung der Ausführung auf der Funktionsebene unterstützt.

Mit Amazon API Gateway können Unternehmen eine vollständig verwaltete REST-API ausführen, die mit AWS Lambda integriert wird. Sie umfasst die Verkehrsverwaltung, Autorisierung und Zugriffskontrolle, Überwachung und API-Versionierung. Sie können zum Beispiel eine Data Lake-API mit API Gateway erstellen, die Anforderungen über HTTPS empfängt. Wenn eine API-Anforderung gestellt wird, nutzt Amazon API Gateway einen benutzerdefinierten Autorisierer (eine Lambda-Funktion), um sicherzustellen, dass alle Anforderungen autorisiert sind, bevor die Daten bereitgestellt werden.

Mit Amazon Cognito werden Benutzeranmeldung, Anmeldung und Datensynchronisierung zu serverlosen Anwendungen hinzugefügt. Amazon Cognito-Benutzerpools bieten integrierte Anmeldebildschirme und Verbindung mit Facebook, Google und Amazon unter Verwendung (über SAML).

Bildquelle: AWS „Unite Real-Time and Batch Analytics Using the Big Data Lambda Architecture, Without Servers!“

AWS Lambda

Amazon API Gateway

Amazon Cognito

AWS Lambda

Amazon API Gateway

Amazon Cognito

Datengesteuerter Vertrieb: areto unterstützt HEIDELBERG beim Aufbau einer modernen Datenplattform

Mit Hilfe der neuen Datenplattform hat HEIDELBERG die Möglichkeit geschaffen die Vielzahl, der von den Druckmaschinen produzierten Daten, so aufzubereiten, dass diese im Vertrieb eingesetzt werden können. Die eingesetzten Technologien Snowflake und AWS ermöglichen hierbei eine genau auf den aktuellen Bedarf abgestimmte Skalierung der Cloud Ressourcen zur Aufbereitung der Daten. Dadurch wird es ermöglicht potenziellen Kunden die Vorteile und den Nutzen einer Druckmaschine der HEIDELBERG anhand der aktuell betriebenen Druckmaschinen aufzuzeigen.

Die Heidelberger Druckmaschinen AG ist ein innovatives Technologieunternehmen mit führender Position in der globalen Druckindustrie. Durch den Einsatz moderner Technologien und innovativer Geschäftsideen prägen sie die Zukunftstrends der Druckindustrie. Neben dem Kerngeschäft des Verpackungs- und Etikettendrucks sowie des Sonder- und Werbedrucks, werden die Technologiekompetenzen genutzt, um neue Geschäftsfelder, wie zum Beispiel die Elektromobilität, zu erschließen. Der Service von HEIDELBERG zeichnet sich durch seine weltweite Verfügbarkeit und seine digitalen Lösungsangebote aus. Durch die Digitalisierung des Service werden umfangreiche Datenpools für Kunden nutzbar gemacht, um ihre Effizient zu steigern, Serviceeinsätze und -zeiten zu reduzieren und Prozesse zu optimieren.

Die modernen Druckmaschinen von HEIDELBERG erzeugen in kürzester Zeit eine Vielzahl von wertvollen IOT-Daten, die es ermöglichen den Mehrwert und die Einsatzpotenziale der Druckmaschinen sehr klar zu veranschaulichen. Damit diese Daten für den Vertrieb nutzbar gemacht und mit weiteren wichtigen Informationen angereichert werden können, hat HEIDELBERG gemeinsam mit areto erfolgreich eine moderne Cloud Datenplattform aufgebaut, die dies ermöglicht. Snowflake als Data Cloud in Kombination mit der leistungsfähigen Infrastruktur von AWS sind die wichtigen technologischen Grundpfeiler dieser neuen Plattform.

Um die großen Datenmengen laden und verarbeiten zu können wird viel Speicherplatz und vor allem viel Rechenkraft benötigt. Zur Vereinfachung der Anbindung verschiedener Datenquellen an die Plattform und der Implementierung und Orchestrierung diverser fachlicher Logiken in Transformationsprozesse setzt HEIDELBERG das Cloud ETL-Tool Matillion ein. Die graphische Oberfläche zur gemeinsamen Entwicklung abstrahiert komplexen, verschachtelten Code in eine leicht verständliche und übersichtliche graphische Oberfläche. Zudem bietet Matillion eine Vielzahl von einfach zu verwendenden Konnektoren zur Anbindung verschiedenster Datenquellen an die Snowflake.

Matillion wird innerhalb einer AWS EC2 betrieben. Damit die Instanz nicht 24/7 in Betrieb ist, sondern nur dann aktiv ist, wenn diese auch gebraucht wird, wird diese mit Hilfe von über AWS Event Bridge orchestrierten Lambda Funktionen zu festen Zeiten gestartet und gestoppt.

Neben dem Speicher innerhalb von Snowflake nutzen viele Datenstrecken zusätzlich noch verschiedene S3-Buckets zur Speicherung von semi-strukturierten Daten.

Beat the Bookie – der Blog unseres Kollegen André Doerr

Nach fast 5 Jahren Sportwetten ohne jeglichen Gewinn begann André, einige Artikel über Sportwetten zu lesen. Ihm wurde schnell klar, dass er keine Chance hatte, den Buchmacher zu schlagen, einen Gewinn zu erzielen, ohne eine statistische Analyse durchzuführen.

Als DWH-Architekt sowie zertifizierter Data Vault 2.0 Practitioner hat er ein Konzept für ein Analysesystem entwickelt, das all diese statistischen Aufgaben automatisiert erledigt.

In seinem Blog zeigt er Möglichkeiten, ein solches analytisches System aufzubauen. Er erklärt dabei den technischen Teil, wie man Daten aus dem Web sammelt, modelliert und analysiert. Dabei wirft er einen Blick auf verschiedene Aspekte von Sportwetten.

Feb 5, 2021

Automate your betting models with AWS

How does my typical betting weekend looks like, when I start ckecking, whether there are some interesting matches? I start my laptop, open the browser, start my Python program, start the database and after some minutes, I am able to start my data prcoessing, which collects all the data and calculates the predictions. That’s already great, but wouldn’t it be even better to have all predictions always already up-to-date? This blog will show you how to setup and run a small automated data pipeline in AWS, which extracts all stats from Understat.com. mehr…

C&A führt Data-Lakehouse-Architektur auf Basis von AWS, Snowflake und Datavault Builder ein.

C&A, eines der führenden Modeunternehmen in Europa, führt aktuell eine SAP-Retail-Landschaft ein.
Ziel ist es, die zahlreichen Geschäftsprozesse zu digitalisieren und zu optimieren. Der Bedarf für Analytics im Unternehmen ist hoch, sodass der Aufbau eines Greenfield Data Warehouse als Basis für Analytics, BI und Reporting von Anfang an Bestandteil des SAP-Programms wurde. Anders als in traditionellen SAP-Umgebungen hat sich C&A für die Einführung einer Best-of-Breed-DWH-Architektur auf Grundlage von Data Vault, Data Warehouse Automation (DWA) und einer Data-Lakehouse-Architektur entschieden, die von areto auf Basis von AWS mit der Data Platform Snowflake und der DWA-Lösung Datavault Builder realisiert wurde.

SAP-Integration mit Theobald Software

Xtract Universal von Theobald Software ist eine flexible Stand-alone-Lösung für eine Integration von SAP-Daten.

Mit dem Xtract Universal Designer können sich die Nutzer*innen mit einem oder mehreren SAP-Systemen verbinden, SAP-Extraktionen mit nur wenigen Mausklicks konfigurieren – ohne Programmierung oder Scripting. Die Preview- und Log-Funktionalität unterstützt die Entwicklung der verschiedenen SAP-Datenextrakte.

Sobald die Daten aus SAP extrahiert sind, können diese direkt in eine von über 20 unterstützten Zielumgebungen integriert werden. Dazu gehören AWS Redshift,und AWS S3.

Ihre SAP-Extraktionen können leicht modifiziert werden, um neue Datenelemente aufzunehmen oder in andere Destinationen einzuspeisen, um Ihren sich ändernden Geschäftsanforderungen gerecht zu werden. Teure bzw. zeitaufwändige ABAP-Programmierungen sind somit nicht mehr erforderlich.

Mehr zu Theobald Software.

Theobald Software SAP Amazon S3 connector

Xtract Universal unterstützt sowohl die Extraktion von Massendaten als auch den inkrementellen Abzug Ihrer SAP-Daten. Mehrere Extraktionen können gleichzeitig laufen, lassen sich vollständig automatisieren und überwachen. Mit der built-in Security haben Unternehmen eine vollständige Kontrolle darüber, wer auf Ihre sensiblen SAP-Daten zugreifen kann.

Sports Analytics mit AWS

AWS Sports Analytics Lösungen für die Fussball Bundesliga

Die deutsche Fußball-Bundesliga nutzt AWS-Services für künstliche Intelligenz (KI), Machine Learning (ML), Analytics, Datenbankadministration und Speicherung, um Echtzeitstatistiken zur Vorhersage zukünftiger Spiele und Spielergebnisse zu liefern und den Fans personalisiertes Spielmaterial für mobile, Online-, Streaming- und Fernsehübertragungen zu empfehlen.

Mit den areto Cloud-Experten zur data driven company!

Überholen Sie den Wettbewerb durch schnellere und bessere Entscheidungen!

Finden Sie heraus, wo Ihr Unternehmen aktuell auf dem Weg zur data-driven-company steht.
Wir analysieren den Status Quo und zeigen Ihnen, welche Potenziale vorhanden sind.
Wie wollen Sie starten?

kostenfreie Beratung & Demotermine

Haben Sie schon eine Strategie für Ihre zukünftige Cloud-Lösung? Nutzen Sie bereits die Vorteile moderner Cloud Plattformen und Automatisierungen? Gern zeigen wir Ihnen Beispiele, wie unsere Kund*innen die agilen und skalierbaren Cloud Computing-Lösungen von areto bereits nutzen.

Workshops / Coachings

Sie erhalten in unseren Cloud Workshops und Coachings das nötige Know-how für den Aufbau einer modernen Cloud-Strategie. Das areto Cloud-TrainingCenter bietet eine breite Auswahl an Lerninhalten.

Proof of Concepts

Welche Cloud-Architektur ist für uns richtig? Sind die Rahmenbedingungen dafür geeignet? Welche Voraussetzungen müssen geschaffen werden? Proof of Concepts (POCs) beantworten, diese und weitere Fragen. So starten Sie bestens vorbereitet in Ihr Projekt.

Wieso AWS ?

Gartner, Magic Quadrant for Cloud Infrastructure & Platform Services, Raj Bala, Bob Gill, Dennis Smith, Kevin Ji, David Wright, 27 July 2021. Gartner and Magic Quadrant are registered trademarks of Gartner, Inc. and/or its affiliates in the U.S. and internationally and is used herein with permission. All rights reserved. Gartner does not endorse any vendor, product or service depicted in its research publications, and does not advise technology users to select only those vendors with the highest ratings. Gartner research publications consist of the opinions of Gartner’s research organization and should not be construed as statements of fact. Gartner disclaims all warranties, expressed or implied, with respect to this research, including any warranties of merchantability or fitness for a particular purpose.

This graphic was published by Gartner, Inc. as part of a larger research document and should be evaluated in the context of the entire document. The Gartner document is available upon request from AWS. Gartner does not endorse any vendor, product or service depicted in its research publications, and does not advise technology users to select only those vendors with the highest ratings or other designation. Gartner research publications consist of the opinions of Gartner’s research organization and should not be construed as statements of fact. Gartner disclaims all warranties, expressed or implied, with respect to this research, including any warranties of merchantability or fitness for a particular purpose.

Hilfe zur Selbsthilfe -
areto Sprechstunden

Buchen Sie sich einen Support-Termin mit einem unserer AWS-Expert*innen! Schnelle Lösungsansätze und best-practise zu Ihren konkreten Problemstellungen im Umgang mit den marktführenden AWS Services!

Kosten

0,5 Stunden – 110 €
1,0 Stunden – 200 €
2,0 Stunden – 350 €