MS Fabric Datenplattform

Strategische Entdeckung und Implementierung einer Microsoft Fabric Architektur

Kunde: Callcenter-Betreiber, Region Asien-Pazifik

4

Data Marts live – der MVP und drei danach

Medallion

Architektur auf Microsoft Fabric

Self-Service

für Geschäftsanwender, keine Ticket-Warteschlange

TypeScriptNode.jsPythonPostgreSQLRabbitMQAWSAmazon EC2AWS compute clusterAWS container servicesAmazon SQSAWS registryData centerAzure Kubernetes ServiceAzure Key VaultAzure DevOps ServicesAzure Data Lake Storage Gen2Microsoft platformPower BICEPH S3-compatible storageTerraformPlaywrightSeleniumJasmineKarma
TypeScriptNode.jsPythonPostgreSQLRabbitMQAWSAmazon EC2AWS compute clusterAWS container servicesAmazon SQSAWS registryData centerAzure Kubernetes ServiceAzure Key VaultAzure DevOps ServicesAzure Data Lake Storage Gen2Microsoft platformPower BICEPH S3-compatible storageTerraformPlaywrightSeleniumJasmineKarma

Herausforderung

Die bestehende Datenlandschaft musste zunächst verstanden werden, bevor darauf aufgebaut werden konnte – mit Datenquellen, die über On-Premises-Systeme und die GCP (Google Cloud Platform) verteilt waren, und einem Business, das funktionierende Data Marts schneller benötigte, als es ein vollständiges Plattform-Programm hätte liefern können.

Lösung

Eine Zielarchitektur auf Microsoft Fabric nach dem Medallion-Muster, umgesetzt im MVP-First-Ansatz: Der erste Data Mart und die Kernplattform wurden gemeinsam aufgebaut, wobei die Anbindung an die On-Premises- und GCP-Quellen von Anfang an integriert war.

Implementierung

  • 01Discovery-Phase zur Analyse der bestehenden Datenlandschaft und geschäftlicher Anforderungen
  • 02Zielplattformarchitektur auf Microsoft Fabric, Medallion-Muster
  • 03MVP für den ersten Data Mart neben der Kernplattform und Quellkonnektivität
  • 04Drei weitere Data Marts auf der gleichen Grundlage geliefert
  • 05PII-Masking, historische Datenmigration, Datenqualitätspipelines, automatisierte Vorfallbenachrichtigungen und granulare Zugriffssicherheit
  • 06Standardisierte Pipeline-Vorlagen, automatisierter SDLC und BI-Self-Service für Geschäftsanwender

Business-Impact

Vier Daten Marts in Production — das MVP und drei weitere, die direkt danach geliefert wurden

Governance eingebaut statt nachgerüstet: Maskierung, Qualitätspipelines, granularer Zugriff

Business-Anwender profitieren von Self-Service BI und standardisierten Datenpipelines.

Technologie-Stack

Plattform
  • Microsoft Fabric
  • Azure
Daten & Verarbeitung
  • Spark SQL
  • pySpark
  • SQL
  • Google BigQuery
DevOps
  • Terraform

Sie haben ein komplexes System, das aufgebaut oder modernisiert werden muss?

Teilen Sie uns mit, was sich ändern muss. Wir bringen die relevanten Domain- und Engineering-Leads ins Gespräch.

Alle Fallstudien entdecken