Pivotal Digital Transformation Forum: Fraport AG
-
Upload
pivotal -
Category
Data & Analytics
-
view
1.173 -
download
4
Transcript of Pivotal Digital Transformation Forum: Fraport AG
Fraport AG: always ready for take-off Big Data@FRA München, 19. Oktober 2015 Dieter Steinmann, Fraport AG
Fraport auf einen Blick
Unternehmensportrait, März 2015 2
Unsere Historie
Unternehmensportrait, März 2015 3
Vom Flughof Manager 1924...
...zum Manager internationaler Drehkreuze und Airports.
Umsatzträger sind unsere Kerngeschäftsfelder
Unternehmensportrait, März 2015 4
Umsätze im Gesamtkonzern nach Segmenten 2014
Aviation
Ground Handling External Activities & Services
Retail & Real Estate
884 Mio. Euro
36,9 % 27,4 % 19,0 % 16,7 %
656 Mio. Euro
456 Mio. Euro
399 Mio. Euro 2.395 Mio. € Gesamtumsatz 2014
Mit FRA sind wir unter den weltweit führenden Flughäfen im Passagierverkehr...
Unternehmensportrait, März 2015 5
Passagiere 2014 (in Mio.)
1. Atlanta 96,2
2. Beijing 86,1
3. London Heathrow 73,4
4. Tokyo 72,8
5. Los Angeles 70,7
6. Dubai 70,5
7. Chicago 70,0
8. Paris CDG 63,8
9. Dallas 63,5
10. Hong Kong 63,1
11. Frankfurt 59,6
12. Jakarta 57,0
13. Istanbul 56,8
14. Amsterdam 55,0
15. Guangzhou 54,8 Quelle: ACI
Agenda
Big Data bei Fraport
Analytics in der Praxis
1
2
BIAF – Die Big Data Plattform 4
Zusammenfassung 5
Smart Data Lab Projekt 3
Big Data: Die Erkenntnis für Unternehmen
"Big data is what happened when the cost of storing information became less than the cost of making the decision to
throw it away.”
George Dyson (US-Historiker)
Big Data & Optimierung
Big Data: Die Definition der 3Vs ... und wofür?
Value Big Data & Optimierung
Größte Herausforderung für Fraport
Big Data: Variety
Operational processes under responsibility of Fraport AG
Ground
Chart 9
BIAF - The Analytical Platform
Weit über 1000 Prozessattribute pro Flugbewegung
Big Data: Velocity
Big Data & Optimierung
Big Data: Value
Bessere Entscheidungen treffen !!!
Big Data & Optimierung
Big Data: Vision
“99% aller operativen Entscheidungen können automatisiert werden!”
Prof. Dr. Michael Feindt (Physiker CERN* )
Big Data & Optimierung
*Jede Sekunde wirft der CERN Teilchenbeschleuniger im Betrieb ein Petabyte Informationen aus.
Wie lautet die Antwort auf Big Data?
Business Analytics Big Data
[ Information Overload ] [ Value Extraction]
Big Data & Optimierung
Business Analytics: Die tragenden Faktoren
Technologie Analytische Verfahren
Kompetenz
Analytische Plattform • Datenmanagement • Rechenkapazität • Schnittstellen • Architekturen • In-Memory Technologie • Massive-Parallele
Verarbeitung
Data Scientist • kreativ & neugierig • Datenaffinität • Statistik • kommunikativ • skeptisch • Fachwissen • technologisch
Statistik • Zeitreihenanalyse • Regression • Entscheidungsbaum
Data Mining • Mustererkennung • Vorhersagemodellierung
Machine Learning • Deep Learning • Neuronales Netz Optimierung • linear & nicht-linear • lokal vs. global
„More than 85 % of Fortune 500 organizations will be unable to effectively exploit Big Data by 2015.” (Gartner)
“By 2018, the United States alone could face a shortage of 140,000 to 190,000 people with deep
analytical skills as well as 1.5 million managers and analysts with the know-how to use the analysis of big data to make effective decisions.” (McKinsey Global Institute)
Big Data & Optimierung
Agenda
Big Data bei Fraport
Analytics in der Praxis
1
2
BIAF – Die Big Data Plattform 4
Zusammenfassung 5
Smart Data Lab Projekt 3
„Great to have you here!“ – Das Serviceprogramm für FRA wurde 2010 gestartet und entwickelt sich stetig weiter
Friendly Attention
Pleasant Surroundings
Quick and
Comfortable Travel
Shopping and Experience
Herausforderungen 16
Wie kann Analytics helfen ein 5 Sterne-Airport zu werden?
Friendly Attention
Pleasant Surroundings
Quick and
Comfortable Travel
Shopping and Experience
Herausforderungen 17
“Great to have you here!” – kürzere Wartezeiten
Analytics in der Praxis 18
„Big Data“ in der operativen Leitstelle
Analytics in der Praxis 19
Zufluss-Vorhersage an Prozessstellen Zur effizienten Steuerung von Passagierflüssen wurde eine Anwendung zur Vorhersage von Zuflüssen auf Prozessstellen entwickelt.
Analytics in der Praxis 20
Passagierfluss-Analyse Tool 1. PAX Forecast 2. Echtzeit
Datenintegration 3. Simulation 4. Präsentation
Passagierfluss Analyse & Steuerung
Endnutzer Leitstelle Bundespolizei, operative MA
Simulation
Airlines
aktuelle Datenbasis
Bundespolizei
Layout Parameter
Eingabe Umsteuerungen
Sensordaten
historischer Flugbericht
zentrale Flugdatenbank
PAX Prognose Modellierung - Total-On Board pro Flug - Umsteiger - Aus- / Zusteiger
Analytics in der Praxis 21
Der Einsatz von Analytics unterstützt dabei ...
... das Passagierverhalten zu verstehen § Shopping und Gastronomie § Check-in (Home vs. Schalter) § Sicherheitskontrollen
... Passagiere zu prognostizieren
§ Gesamtpassagier an Board einer Maschine
§ Originär-Aus-/Zusteiger § Umsteiger auf Anschlussflüge
… Passagierbewegungen zu simulieren § Zufluss- Abflussströme § Füllstände in relevanten Bereichen § Wartezeiten an Prozessstellen
Analytics in der Praxis 22
… and the winner is … Satisfaction with FRA
(Percentage of satisfied passengers) FRA-Passengers
(in millions)
Source: Fraport Passenger Survey, Overall satisfaction Source: Traffic Figures (UEW-MF)
70%
77%80%
2010 2011 2012
53,0
56,457,5
2010 2011 2012
57.5 56.4
53.0
„World‘s Most Improved Airport“
Analytics in der Praxis 23
Agenda
Big Data bei Fraport
Analytics in der Praxis
1
2
BIAF – Die Big Data Plattform 4
Zusammenfassung 5
Smart Data Lab Projekt 3
Potentiale aus Big Data heben
„Wer Big Data voranbringen will, muss Experimente zulassen. Daher brauchen wir Schutzräume außerhalb des Tagesgeschäfts, in denen Big Data ausprobiert werden und sich entwickeln kann.“ (Professor Dr. Björn Bloching)
Smart Data Lab Projekt 25
Wir brauchen einen kreativen Raum, des Forschens und Entdeckens mit intelligenten kleinen Projekte, die auch mal scheitern dürfen.
Smart Data Lab
Fraport hat in den letzten Jahren zwei große Assets aufgebaut und konsequent weiterentwickelt
BIAF operative Daten
1.) Datenfundus 2.) Analytische Kompetenz
dezentrale, isolierte Analysen
Mit dem Smart Data Lab wurden erstmals übergreifende Fragestellungen in einem interdisziplinären Team aus vielen Fachbereichen bearbeitet. Um ein effizientes Arbeiten in dieser Teamzusammensetzung zu fördern wurde eine neue Arbeitsmethode angewandt, die agiles Arbeiten optimal unterstützt.
Smart Data Lab bei Fraport
Aviation Ground- handling Retail
SAP BW kaufmännische Daten
Projekte Finanzen Instand- haltung
€
Smart Data Lab Projekt 26
Smart Data Lab
€
agil und interdisziplinär
Fraport verfügt in vielen Geschäftsbereichen über analytisch geschultes Personal.
In zwei zentralen analytischen Systemen werden seit mehreren Jahren konsequent die operativen und kaufmännischen Daten gesammelt und für Auswertungen zur Verfügung gestellt.
Scope
Scope des Smart Data Lab
Descriptive Analytics
Predictive Analytics
Prescriptive Analytics
Schwierigkeit
Mehrwert Diagnostic Analytics Was ist
passiert?
Warum ist es passiert?
Was wird passieren?
Wie können wir es passieren lassen?
Big Data & Optimierung
Data Science Team bestehend aus 15 internen Experten und einem
externen Coach
Arbeiten im Smart Data Lab
Fachexperte
Kompetenzen Rollen
- Business Know-how - Interpretation der Ergebnisse - Informationsbeschaffung
Datenmanager - Data Preparation - Ad-hoc Datenimport - Beladung Visual Analytics
Statistiker - Data Mining - Predictive Modeling - Explorative Datenanalyse
Abdeckung aller Kompetenzen von einer Personen schwer möglich, daher Notwendigkeit
im Team zu agieren
Smart Data Lab Projekt 28
Ergebnisse
Kommunikation
Verlauf
Projektleitung
Ablauf und Organisation
Smart Data Lab Projekt 29
Auftrag
1
2
3
4
5
Projekt unter der Leitung der Konzernstrategie und IT unter Anwendung einer agile Projektmethode
Aufteilung der Projektmitglieder in vier Arbeitsgruppen, unter Berücksichtigung der jeweiligen Kompetenzrolle Daily Stand-up wöchentlicher Jour Fixe
Ergebnisvorstellung im Vorstand und Top-Management à Smart Data Lab war erfolgreich und soll turnusmäßig fortgeführt werden
Vorstandsauftrag zur Untersuchung von vier Musterfragestellungen
Schulung und Einführung (1 Woche) Analysephase und Prototyperstellung (4 Wochen) Ergebnisaufbereitung (1 Woche)
Neue Arbeitsmethode: Das Taskboard als zentrales Element des agilen Projektmanagements!
Smart Data Lab Projekt 30
• Tasks sind Aufgaben, die von einem Bearbeiter an einem Tag erledigt werden können. • Tägliches Treffen der gesamten Projektgruppe vor dem Taskboard (20 Min.). • Klärung der anstehenden Aufgaben auf Tagesbasis bzw. Hemmnissen. • Gemeinsames Lernen durch den Austausch zu möglichen Lösungsansätzen. • Schärfung der Verbindlichkeit durch tägliche Statusabfrage der Aufgaben.
Neue Arbeitsmethode sichert Projekterfolg und kann künftig für vergleichbare Projekte eingesetzt werden
1. Fragestellung: „Flugzeugpositionierung“ Identifikation erschließbarer Umsatzpotenziale einzelner Retail-Geschäfte auf Grundlage der Flugzeugpositionierung („Destinationswertigkeit“) Ergebnis: à Simulationsmodell zur What-if Analyse
2. Fragestellung: „BVD-Prognosemodell“
Prognosemodell zur Abschätzung des tatsächlichen Betriebsverlaufs (inkl. Verspätungen) als Basis der betrieblichen Steuerung und Ressourceneinteilung Ergebnis: à Prognosemodell zur Verspätungsvorhersage
Smart Data Lab Projekt 31
Entlang von vier Fragestellungen wurden unterschiedliche Hilfsinstrumente und Prototypen erarbeitet
Umsatzpotenzial Szenario A xx € Szenario B xx € ...
Terminal 1 Terminal 2
LH 4711 Delay +6:43
AA 070 Delay +16:51
AF 817 Delay -0:33
3. Fragestellung: „Retail-Frühwarnsystem“ Ausgehend von den Gesamterlösen werden am Beispiel Retail Einflussfaktoren auf die Erlösentwicklung identifiziert, um hierfür ein mögliches Frühwarnsystem zu entwickeln Ergebnis: à Retailprognosemodell + Qualitätsregelkarte
4. Fragestellung: „Frachtprodukte“
Ableitung der Fracht-Produktkategorien am Frankfurter Flughafen anhand der Analyse von Frachttransport und –abfertigung Ergebnis: à Instrument zur Marktpotenzialanalyse
Smart Data Lab Projekt 32
Entlang von vier Fragestellungen wurden unterschiedliche Hilfsinstrumente und Prototypen erarbeitet
-3.500.000
-2.500.000
-1.500.000
-500.000
500.000
1.500.000
2.500.000
3.500.000
Mittellinie0,5%-Grenze99,5%-GrenzeAbweichungTest_TrendTest_RunProzessstoerung_1%
Smart Data Lab ist nur der erster Schritt ... Transformationsprozess
Smart Data Lab Projekt
Smart Data Lab Smart Data Factory
Big Data
Analysis Insights Ground
Aviation
Retail
Anforderungen / Fragestellung Fachexpertise
Pilotaufbau und Bereitstellung
Security
...
Geschäftsbereich
Delivery
• Operationalisierung • Realisierungsprojekte • Change-Management • Neue Produkte & Services
• Forschen & Entdecken • Data Science • Prototypen • Agil • 2x im Jahr 4 Wochen
33
Vorstand
Umsetzungskonzept und Rollenverteilung
Bereichsrückmeldungen SDL (IUK,UEW) 34
Smart Data Lab Ergebnisvorstellung im Fachbereich
Smart Data Factory
Organisation Unternehmensentwicklung (UEW), IT (IUK)
SGB IUK im Rahmen der IT Investitionsprozesse
Ressourcen SDL-Kernteam; Lab-Projektmitglieder
SDL-Kernteam; Lab-Projektmitglieder
IUK-Mitarbeiter; Externe IT-Mitarbeiter; punktuell Fachbereichsexperten und Lab-Projektmitglieder
Anforderungsprofil • Statistiker • Fachexperte • Datenmanager
• Entscheider • Fachexperten
• Projektleiter • Datenmanager • Solution-Architect • Softwareentwickler • Support-Team
Finanzierung - - ILV, Investitionsprojekt
Zeitlicher Aufwand 4 Wochen ca. 1-2 Woche (nachgelagert zum SDL) dauerhafte Einrichtung
Rollenkonzept • Für das Smart Data Lab identifiziert UEW in der Diskussion mit den Fachbereichen geeignete, unternehmensrelevante Fragestellungen. Dabei wird die Auswertbarkeit der Datengrundlage vorab von UEW in Zusammenarbeit mit IUK geprüft. • Ferner stellt IUK für das Smart Data Lab die Räumlichkeiten und die IT-Ausrüstung zur Verfügung.
Agenda
Big Data bei Fraport
Analytics in der Praxis
1
2
BIAF – Die Big Data Plattform 4
Zusammenfassung 5
Smart Data Lab Projekt 3
BIAF Product Development
Chart 36
BIAF - The Analytical Platform
2005 2006 2008 2010 2012 Time
2013
HPA Appliance SAS/Pivotal High Performance Analytics Appliance
Smart Data Lab
2015
Operative Sonderlösungen
Berichtswesen in BIAF
one-click Reporting
Berichts- erstellung
Freie Datenanalyse
Prognose Mustererkennung
Simulation
SAS JMP
SAS Enterprise Guide
SAS Portal SAS Web Report Studio
BIAF Reporting Plattform
SAS Enterprise Miner
SAS Visual Analytics
SAS Visual Analytics
Was ist BIAF?
BIAF Analytical Platform Architecture
GRID Node2
SAS Mid1
SAS Mid 2
BIAF Mid
ESRS Gtwy1
Backup
Storage
SAS Mid 1
GRID Node2
Primary Data Center Secondary Data Center
Greenplum Appliance historical Data PROD
daily restore for DR
Application-side mirroring
Greenplum DB Segment 1 Operational Data
Greenplum Appliance DEV, TEST and Desaster Recovery
Meta Srv1
opsDB Master
GRID Node1
opsDB Second
Greenplum DB Segment 2 Operational Data
Meta Srv3
BIAF Mid
Meta Srv2
Meta Srv2
SAS Mid 2
Meta Srv1
GRID Node1
Meta Srv3
ESRS Gtwy2
ESRS Policy
PROD DEV/TEST
SAS Visual Analytics + High Performance Analytics
SAS Visual Analytics + High Performance Analytics
GRID Node3
BIAF - The Analytical Platform
Hyper-V-Cluster
opsDB Master
opsDB Seg 1
opsDB Master
opsDB Seg 1
Virtual Application Layer • Stretched-cluster configuration • SAS 9.4 (BI + DI) • Clustered SAS Meta-Data Server • Clustered SAS Mid-Tier • SAS GRID-Manager
BIAF Analytical Platform Architecture
GRID Node2
SAS Mid1
SAS Mid 2
BIAF Mid
ESRS Gtwy1
Backup
Storage
SAS Mid 1
GRID Node2
Primary Data Center Secondary Data Center
Greenplum Appliance historical Data PROD
daily restore for DR
Application-side mirroring
Greenplum DB Segment 1 Operational Data
Greenplum Appliance DEV, TEST and Desaster Recovery
Meta Srv1
opsDB Master
GRID Node1
opsDB Second
Greenplum DB Segment 2 Operational Data
Meta Srv3
BIAF Mid
Meta Srv2
Meta Srv2
SAS Mid 2
Meta Srv1
GRID Node1
Meta Srv3
ESRS Gtwy2
ESRS Policy
PROD DEV/TEST
SAS Visual Analytics + High Performance Analytics
SAS Visual Analytics + High Performance Analytics
GRID Node3
BIAF - The Analytical Platform
Hyper-V-Cluster
opsDB Master
opsDB Seg 1
opsDB Master
opsDB Seg 1
Operational Data Store (hot) • real-time Data • ca. 1.000.000 Business Events/day • automatically mirrored PDC & SDC • ca. 150GB Storage • Operational BI – Reporting & Analytics
BIAF Analytical Platform Architecture
GRID Node2
SAS Mid1
SAS Mid 2
BIAF Mid
ESRS Gtwy1
Backup
Storage
SAS Mid 1
GRID Node2
Primary Data Center Secondary Data Center
Greenplum Appliance historical Data PROD
daily restore for DR
Application-side mirroring
Greenplum DB Segment 1 Operational Data
Greenplum Appliance DEV, TEST and Desaster Recovery
Meta Srv1
opsDB Master
GRID Node1
opsDB Second
Greenplum DB Segment 2 Operational Data
Meta Srv3
BIAF Mid
Meta Srv2
Meta Srv2
SAS Mid 2
Meta Srv1
GRID Node1
Meta Srv3
ESRS Gtwy2
ESRS Policy
PROD DEV/TEST
SAS Visual Analytics + High Performance Analytics
SAS Visual Analytics + High Performance Analytics
GRID Node3
BIAF - The Analytical Platform
Hyper-V-Cluster
opsDB Master
opsDB Seg 1
opsDB Master
opsDB Seg 1
Enterprise Data Store (warm)
• historical Data • ca. 2 TB Storage / up to 6 TB Storage licensed • daily full backup & Restore into SDC for DR • Analytical Database MPP • EMC 24/7 Premium Support
• Calling Home • Remote Access through Policy Server
BIAF Analytical Platform Architecture
GRID Node2
SAS Mid1
SAS Mid 2
BIAF Mid
ESRS Gtwy1
Backup
Storage
SAS Mid 1
GRID Node2
Primary Data Center Secondary Data Center
Greenplum Appliance historical Data PROD
daily restore for DR
Application-side mirroring
Greenplum DB Segment 1 Operational Data
Greenplum Appliance DEV, TEST and Desaster Recovery
Meta Srv1
opsDB Master
GRID Node1
opsDB Second
Greenplum DB Segment 2 Operational Data
Meta Srv3
BIAF Mid
Meta Srv2
Meta Srv2
SAS Mid 2
Meta Srv1
GRID Node1
Meta Srv3
ESRS Gtwy2
ESRS Policy
PROD DEV/TEST
SAS Visual Analytics + High Performance Analytics
SAS Visual Analytics + High Performance Analytics
GRID Node3
BIAF - The Analytical Platform
Hyper-V-Cluster
opsDB Master
opsDB Seg 1
opsDB Master
opsDB Seg 1
SAS/Greenplum Analytical Appliance • SAS High Performance Analytics • SAS Visual Analytics • In-Memory Database • Mobile BI • In-Database Analytics
Cold storage layer
Agenda
Big Data bei Fraport
Analytics in der Praxis
1
2
BIAF – Die Big Data Plattform 4
Zusammenfassung 5
Smart Data Lab Projekt 3
• Klassisches R&D ist nicht in unserer Unternehmens-DNA verankert, dennoch müssen wir es anpacken
• „Failure is NO-option“ à es ist essenzieller Teil der Entwicklung
• Arbeiten in einem Data Science Team mit agiler Projektmethode ist ein Key-Success Faktor
• Wahrnehmung über das Potenzial von Analytics im Unternehmen deutlich geschärft
• LAB als geschützter Raum mit Zugriff auf alle Daten fördert die
Entwicklung von konzeptionellen Ansätzen und Ergebnissen frei von Restriktionen und Bereichsinteressen
• Big Data Transformation ist eine Unternehmsaufgabe und kein Bereichsprojekt
Zusammenfassung
Zusammenfassung 43
“I have not failed. I’ve just found 10,000 ways that won’t work.” Thomas
A. Edison
Fraport a data driven company ...
Chart 45
PhD defense Torben C. Barth: Optimization of baggage handling at airports
Thank you for your attention!
Enjoy the day …
Kernkompetenz rund um Analytics und Big Data innerhalb der IT aufgehängt!
Organigramm IUK 46
Vorstand
Dr. Stefan Schulte (VV)
Information und Kommunikation
Dr. Matthias Zieschang (VF)
Michael Müller (VA)
Anke Giesen (VO)
Dr. Roland Krieg (CIO) IUK
Anwendungs-entwicklung
Dr. Wolfgang Pelzer IUK-AE
Business-Systeme
Dieter Steinmann IUK-AE4
Bau-/ und PM-Systeme & Business Applications
Business Intelligence administrativ
Business Intelligence operativ
Christian Wrobel IUK-AE43 Analytical Solution Architect
Digital Transformation Forum
Disrupt or Be Disrupted 19 OCTOBER · BMW WELT EVENT CENTRE · MUNICH