Aufbau Azure Landing Zone im Fitnesssektor
Auf einen Blick:
- Kunde: Führender Fitnessbetreiber
- Branche: Fitness- und Gesundheitsbranche
- Projektziel: Aufbau einer skalierbaren Azure Landing Zone und Medallion-Datenplattform auf Databricks
- Tools: Microsoft Entra ID, Microsoft Azure, Amazon Web Services (AWS), Azure Databricks, Key Vault
Die Ausgangssituation
Der Kunde verfügte über keinen strukturierten Daten-Stack in der Cloud. Obwohl alle Systeme cloudbasiert betrieben wurden, lagen die relevanten Betriebsdaten aus den Bereichen CRM, Telefonie, Kundensupport und der eigenen Fitness-App in unterschiedlichen Quellsystemen, darunter AWS, Azure SQL und SharePoint, vor. Eine übergreifende Auswertung dieser Daten war technisch nicht möglich.
Gleichzeitig wollte das Unternehmen seine bestehende BI-Lösung (Qlik) langfristig durch eine moderne Datenplattform auf Basis von Databricks ersetzen. Für den ersten geplanten ML-Use-Case, eine Churn-Prognose zur Mitgliederbindung, fehlte die technische Grundlage vollständig.
Vor diesen Herausforderungen stand unser Kunde:
Fehlende Cloud-Datenstrategie
Der Kunde verfügte über keine Cloud-Datenstrategie: Die Betriebsdaten aus den Bereichen CRM, Telefonie, Support und Fitness-App waren in AWS, Azure SQL und SharePoint verteilt gespeichert, sodass eine übergreifende Auswertung nicht möglich war.
Keine ML-Grundlage vorhanden
Für den geplanten ML-Use-Case „Churn-Prognose” fehlte eine auditierbare, sichere und skalierbare Plattform, auf der Modelle entwickelt, trainiert und produktiv betrieben werden können.
Sicherheit & Compliance von Anfang an
Datenschutz und Compliance sollten von Beginn an als technische Leitplanken eingebaut werden und nicht erst nachgelagert behandelt werden. Ohne Policy-Driven Governance fehlen diese Leitplanken.
Nach einem initialen Workshop mit dem Kunden und der Abstimmung der notwendigen Zugänge auf dem Azure-Tenant setzte Datasolut die Landing Zone in rund fünf Personentagen um. Die gesamte Infrastruktur wurde als Terraform-Code beschrieben und ist somit vollständig automatisiert deploybar und reproduzierbar.
Auf dieser Basis entstand eine Medallion-Datenplattform mit Databricks Unity Catalog als zentraler Governance-Schicht, von der Infrastruktur bis zum ersten ML-Modell.
Sichere Datenplattform auf Azure Databricks bis zum ersten ML-Modell
Nach einem initialen Workshop mit dem Kunden und der Abstimmung der notwendigen Zugänge auf dem Azure-Tenant setzte Datasolut die Landing Zone in rund fünf Personentagen um. Die gesamte Infrastruktur wurde als Terraform-Code beschrieben und ist somit vollständig automatisiert deploybar und reproduzierbar.
Anschließend wurde die Konnektivität zu allen relevanten Datenquellen getestet, darunter auch eine AWS-Anbindung über einen dedizierten VPN-Tunnel. Auf dieser Basis entstand eine Medallion Datenplattform mit Databricks Unity Catalog als zentraler Governance Schicht.
1.
Wir haben eine vollständige Azure Landing Zone mit Hub-and-Spoke-Netzwerk, Azure Firewall, zentralem Logging und Customer Managed Key (CMK)-Verschlüsselung etabliert. Die gesamte Infrastruktur wurde als Terraform-Code versioniert und ist jederzeit reproduzierbar einsetzbar.
2.
In der Landing Zone wurde eine Datenplattform nach dem Medallion-Architekturprinzip (Bronze/Silver/Gold) aufgebaut. Databricks Unity Catalog übernimmt die zentrale Datenverwaltung mit einem feingranularen RBAC-/ABAC-Konzept. Die Anbindung der AWS-Datenquelle erfolgte über einen dedizierten VPN-Tunnel.
3.
Auf der fertig aufgebauten Plattform wurde umgehend der erste ML-Use-Case umgesetzt: ein Churn-Prognosemodell, das Mitgliedschaftsabbrüche frühzeitig erkennt. Das Modell durchlief dabei den kompletten Lebenszyklus, von der Datenaufbereitung über das Training bis hin zur Produktivnahme auf Databricks.
Unsere Lösung
Der Weg zum Erfolg
Wir haben das Projekt in klare Phasen strukturiert: Workshop, Zugriffsabstimmung, Deployment und Konnektivitätstests. Die größte Herausforderung stellte die Anbindung der AWS-Datenquelle dar: Zunächst musste der externe Anbieter die IP-Ranges auf seiner Datenbank freigeben, was sich über mehrere Wochen erstreckte.
Nach erfolgreicher Anbindung konnte der erste ML-Use-Case ohne weitere Verzögerungen auf der neuen Plattform produktiv genommen werden.
Das Ergebnis
Der Kunde verfügt heute über eine vollständig als Code beschriebene, produktionsreife Azure-Infrastruktur sowie eine sichere Datenplattform auf Databricks. Alle relevanten Datenquellen, einschließlich der AWS-Anbindung über VPN, sind angebunden und können konsolidiert ausgewertet werden.
Das Churn-Prognosemodell läuft produktiv und ermöglicht es dem Unternehmen erstmals, gefährdete Mitgliedschaften frühzeitig zu identifizieren.
Sie haben Fragen zum Thema Aufbau einer Azure Landing Zone oder Datenplattform auf Databricks? Dann melden Sie sich! Wenn Sie sich für weitere spannende Fakten rund um das Thema moderne Datenplattformen und Machine Learning interessieren, schauen sie auch gerne bei unseren Leistungen vorbei.
Lassen Sie uns sprechen und Ihr Potenzial entdecken.
Ob und wie künstliche Intelligenz Ihnen weiterhelfen kann, können Sie in einem ersten, unverbindlichen Gespräch mit uns herausfinden.
In diesem Gespräch erfahren Sie:
- Wie Ihr Use-Case technisch am besten umgesetzt werden kann
- Wie wir maximal sicher mit Ihren Kundendaten umgehen
- Wie lange wir für die Umsetzung benötigen und wie ein konkreter Projektplan aussehen könnte