Anzwerz: zelfconfigurerend data-analyticsplatform

Inleiding

Anzwerz gelooft in een slimmere manier van datagebruik. We geloven in een toekomst waarin grote maar ook kleinere bedrijven voordeel/voorsprong kunnen halen met analytics. Om deze visie mogelijk te maken, moeten de hoge mate van complexiteit en de kostbaarheid worden verminderd. Hiervoor moeten onderstaande haalbaarheidsvragen/knelpunten worden opgelost:

Haalbaarheidsvragen

1. Performance
   Initialisatie van dataverwerkingsstructuren die nodig zijn voor dataanalyses en berekeningen is een performance-intensief proces (~50% van de rekentijd). De benodigde performance hiervoor is met de huidige programmatuur onmogelijk te behalen. Hierdoor is het onmogelijk om de vereiste complexe berekeningen uit te voeren.

2. Data-extractie
   Een groot probleem is de extractie van data uit de transactiesystemen en datawarehouses. Klanten hebben allemaal unieke formats, RDB-structuren en programmeertalen, wat matchen en analyses op deze data in één systeem onmogelijk maakt. Bestaande oplossingen zijn niet in staat om automatisch te matchen met verschillende soorten bronnen zoals databases, API’s en tekstbestanden.

3. Datacompatibiliteit
   Er is een hoge mate van case-specificiteit in de dataverwerkingsstructuren, zowel in de input voor de rekenalgoritmen als de output. Dit resulteert in een statische datastructuur waardoor deze niet multi-inzetbaar is. Met de huidige oplossingen is het onmogelijk deze statische data om te vormen naar dynamische parameters.

4. Dataverlies en downtime
   Grote aantallen gebruikers van het backendplatform resulteren in een exponentiële toename van het aantal datatransacties. Dit leidt tot overbelasting en dus downtime van het gehele platform! Er zijn geen oplossingen beschikbaar die deze exponentiële toename van datatransacties kunnen opvangen en die programmeertechnisch naadloos samenwerken met diverse backend-systemen alsmede met het te ontwikkelen Anzwerz-platform.

5. Autorisatie en privacy
   Niet alle (menselijke) gebruikers mogen alle data zien die binnen een organisatie beschikbaar is. Het zelflerende dataplatform moet hiermee rekening houden bij het leggen van verbanden tussen datasets, maar hoe een en ander technisch te implementeren dient nader te worden onderzocht. Ook omdat verschillende bedrijfsapplicaties verschillende manieren hebben om autorisatiestructuren te definiëren en bijvoorbeeld in Active Directory (AD) of andere systemen vast te leggen.

6. Marktonderzoek
   Naast bovengenoemde technische haalbaarheidsvraagstukken dient te worden onderzocht wat klanten in diverse segmenten bereid zijn te betalen en wat de meest geëigende afrekenmethode is (bijvoorbeeld op basis van aantal gebruikers, transacties, giga-/terabytes aan data, etc).