Kommentar von Daniel Metzger, Hortonworks

Integration von Big Data – Nissan und der Data Lake

| Autor / Redakteur: Daniel Metzger / Nico Litzel

Der Autor: Daniel Metzger ist Regional Vice President Central & Eastern Europe bei
Der Autor: Daniel Metzger ist Regional Vice President Central & Eastern Europe bei (Bild: Hortonworks)

Den Smart Cars gehört die Zukunft. Vernetzte Automobile können eine Reihe von Diensten bereitstellen, die sich auf Fahrdaten, Fahrzeugstatus und Straßenzustände in der Nähe stützen. Nissan ist bei der Forschung auf diesem Gebiet bereits seit langer Zeit dabei.

Bereits im Jahr 1998 gründete der Hersteller Compass Link für die Umsetzung von Fahrassistenzsystemen. Im Jahr 2002 startete Carwings, ein modernisierter, japanweiter Telematik-Informationsdienst, der bis heute andauert. Später, im Jahr 2010, zeitgleich mit der Markteinführung des Elektroautos Nissan LEAF, führte Nissan den NissanConnect-EV-Service ein.

Satoshi Kitsuki, General Manager, Nissan Global IT Division, sagte über die bisherigen Anstrengungen des Unternehmens: „Mit den Connectivity Services von Nissan liefern wir dem Autofahrer nützliche Informationen, wie etwa Fahrtipps zur Maximierung der Batterieeffizienz und Ladestationen. Dabei hat das Unternehmen große Mengen an Fahrdaten angesammelt. Diese Daten sind äußerst wertvoll. Nehmen wir zum Beispiel die Batterieverbrauchsdaten, die Auskunft darüber geben, wie und unter welchen Bedingungen die Batterien verwendet wurden. Wir sind in der Lage zu analysieren, wie sich diese Faktoren auf den Batterieabbau auswirken. Diese Erkenntnisse fließen direkt in die Arbeit der Forschungs- und Entwicklungsabteilung unseres Unternehmens. Früher fehlte uns die Infrastruktur, um all diese Daten langfristig zu speichern und zu analysieren.“

Entscheidende Faktoren bei der Auswahl

Mit dem wachsenden Volumen an Daten mit unterschiedlichster Struktur war es an der Zeit, über eine Big-Data-Plattform nachzudenken. Um das Jahr 2014 herum begann der Hersteller daher, verschiedene Lösungen zu evaluieren. Damals untersuchte das Team des Nissan Research Center Silicon Valley die neuesten verfügbaren Technologien, darunter Hadoop. Die Lösungen von Hortonworks erhielten – im Vergleich zu anderen Produkten auf dem Markt – hohe Kundenbewertungen.

„Nachdem wir die verschiedenen Angebote darauf geprüft haben, inwiefern sie sich für den Einsatz in Japan genauso eignen, haben wir uns letztendlich für HDP entschieden“, berichtet Kitsuki. „Die Tatsache, dass die Hortonworks Data Platform, HDP, das am meisten Open-Source-konforme Produkt auf dem Markt ist, hat einen großen Unterschied gemacht. Anders als bei anderen erforderte HDP keine Installation von proprietären, also nicht Open-Source-Modulen“, sagte Akinori Baba, Manager of IT Architecture and Production Services, Global IT Division.

Kitsuki erläuterte die Vorteile von Open-Source-Software: „Viele Projekte von Nissan nutzen Open-Source-Technologie. Wenn ich zwei große Vorteile von Open Source nennen würde, dann ist das erstens die große Anzahl von Open-Source-Engineering-Talenten auf dem Markt und zweitens macht es der Open-Source-Charakter leichter, die Nutzung der Technologie einzustellen, falls sich die Anforderungen ändern sollten“.

Ergänzendes zum Thema
 
In Kürze

HDP ist eine Hadoop-Distributionsplattform, die auf Apache Hadoop, YARN und dem Hadoop Distributed File System (HDFS) basiert. Nissan betreibt auf der Plattform Apache Hive, die Apache-HBase-Datenzugriffsmodule und das Apache-Oozie-Scheduling-Modul. Obwohl HDP auf Grundlage der langfristigen Anforderungen von Nissan an die Datenspeicherung und -nutzung eingeführt wurde, kommt es auch bei den immer mehr nachgefragten Datenanalysen zum Zuge. Interne, funktionsübergreifende Datenanalysen werden immer wichtiger. Wenn es zum Beispiel um Qualität geht, gibt es viele Aspekte – vom Design über die Produktion bis zum Endprodukt.

Traditionell waren verschiedene Abteilungen für jeden Aspekt verantwortlich. Nissan hat jedoch festgestellt, dass die Konzentration auf einen einzigen Qualitätsaspekt in der Regel nicht die Wurzel des Problems löst. Stattdessen half beispielsweise die Untersuchung von funktionsübergreifenden Qualitätsdaten dabei, zu verstehen, dass bestimmte Probleme mit der Qualität des Endprodukts durch einen Fehler im Produktionsprozess verursacht wurden. „HDP erwies sich als sehr effektiv bei der Verwaltung der großen Menge an Qualitätsdaten, die wir hatten. So wurde HDP auch in anderen Funktionen eingesetzt, um den internen Bedarf zu decken“, sagt Kitsuki.

Datensee für alle Arten von Unternehmensdaten

Im Rahmen der Bemühungen, HDP vollständig zu implementieren, hat Nissan ein Data Warehouse mit einer HDP-fähige Plattform geschaffen, auf der Fahr-, Qualitäts- und andere Daten gespeichert werden. Der Fahrzeughersteller wird seine Grundstruktur in Kürze fertigstellen, sodass ein großer Datensee für alle Arten von Unternehmensdaten genutzt werden kann. Um die innerbetriebliche Akzeptanz zu fördern, hat Nissan mit seinen Mitarbeitern einen der wichtigsten Vorteile der Plattform bereits geteilt – ein Dashboard, das visualisierte Ergebnisse der Datenanalyse präsentiert. Die Resonanz war positiv und die Datenverwendungsrate des Unternehmens ist seitdem enorm gestiegen.

Kitsuki zu den Vorteilen der Implementierung der Datenspeicherplattform: „Wir haben festgestellt, dass sich unser Datensiloproblem verschlimmert. Dies ist nicht unser erster Versuch, unsere Daten in ein einziges Lager zu integrieren. Leider sind unsere bisherigen Bemühungen bislang gescheitert. Aber diesmal sind wir zuversichtlich, dass wir mit HDP das Problem endlich überwinden werden.“

In Zukunft auch im Internet of Things mit dabei

Nissan untersucht derzeit die Realisierbarkeit der Implementierung des Spark-Moduls. Obwohl das Framework derzeit als Data Lake genutzt werden soll, erwartet das Unternehmen, dass es in Zukunft auch im IoT-Bereich Anwendung finden wird. „Es ist geplant, Spark mit einer maschinellen Lernbibliothek einzusetzen, um ein sehr kurzes Mesh-Netzwerk für die Analyse fragmentierter IoT-Daten und die Entdeckung von Trends zu schaffen,“ führt Akinori Baba, Manager of IT Architecture and Production Services, Global IT Division aus.

Darüber hinaus arbeitet Nissan auch daran, ein koordiniertes Data Warehouse über seine Standorte hinweg aufzubauen. In Nordamerika, Europa und anderen Standorten außerhalb Japans wird die Hadoop-Plattform aufgebaut. Die standortübergreifende Datenföderation ermöglicht die gemeinsame Nutzung und Erstellung eines globalen Datensees. „Da das Geschäft immer globaler wird, müssen wir Daten aus allen Regionen effektiv nutzen, um Neugeschäft zu ermöglichen. Statt eines fragmentierten Umgangs mit Daten ist unser Ziel die transparente Darstellung der Daten auf der horizontalen Achse,“ sagt Kitsuki. Nissan expandiert dabei weiter in zusätzliche Geschäftsfelder, indem es nach neuen Anwendungen für seine Daten sucht.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45231485 / Best Practices)