Amazon QuickSight 为汽车生产车间的企业用户提供近乎实时的数字处理板

这篇文章是与宝马集团的安德烈·施密特共同撰写的。

数字化流程仪表板是流程领导者和管理层监控和分析标准化关键绩效指标 (KPI) 的重要工具，例如每台机器的报废率或每班次的系统故障次数。在宝马集团的制造工厂中，这些仪表板在日常状态会议中起着不可或缺的作用，供生产线的流程负责人使用，使他们能够了解自己拥有的生产流程。

高效创建、更新和操作仪表板会带来多项挑战，需要创新的解决方案和专业知识来克服：

每个流程负责人都有独特的仪表板要求，因此需要与 IT 团队合作。由于IT容量有限和来回通信，这导致了延迟。
因此，流程主管通常在没有 IT 人员参与的情况下使用各种工具和服务来构建仪表板，从而导致应用程序环境复杂，难以维护和操作。
生产车间数据孤立在生产数据库中，这使得访问仪表板所需的数据变得困难。
一些分析系统直接连接到生产车间的生产数据库，这构成了生产车间停机的风险。
不同仪表板上的 KPI 计算不一致导致团队之间的不一致。

为了应对这些挑战，宝马集团启动了车间商业智能（SFBI）计划。目标是根据中央数据湖中的数据以及标准化工具集和架构计算得出的标准化关键绩效指标，让流程领导者能够在没有 IT 人员参与的情况下创建和管理仪表板。

在这篇文章中，我们将探讨宝马集团如何使用亚马逊云科技分析服务、亚马逊云科技合作伙伴解决方案和亚马逊QuickSight来构建SFBI解决方案。

为什么选择快视？

使用 QuickSight，用户无需丰富的技术专业知识即可创建和共享交互式仪表板和可视化，从而允许流程主管创建自助仪表板。

易于嵌入 — QuickSight 提供无缝嵌入功能，因此用户可以将仪表板和分析直接集成到现有的数字流程仪表板 Web 应用程序 (T-Cube) 中，从而提供统一的用户体验。
成本效益 — QuickSight 按会话付费的定价模式符合宝马集团的成本优化目标，因为它们只为实际使用量付费，而不是固定许可费。
与亚马逊网络服务（亚马逊云科技）集成 —— SFBI建立在宝马集团现有的基于亚马逊云科技的云数据中心（CDH）数据湖之上，QuickSight与亚马逊云科技服务的深度集成简化了整体分析流程。
安全与合规 — QuickSight 强大的安全功能，包括行级安全以及与 Amazon Identity and Access Management (IAM) 的集成，有助于维护数据隐私并遵守准则和法规。

通过使用 QuickSight 和亚马逊云科技分析服务，宝马集团得以构建 SFBI 解决方案，让流程领导者能够根据根据中央数据湖中的数据以及标准化工具集和架构计算出的标准化 KPI 创建和管理仪表板，无需 IT 人员的参与。

解决方案概述

SFBI 解决方案以 QuickSight 作为商业智能 (BI) 层构建，为流程领导者提供了一个直观的界面，可以在没有 IT 人员参与的情况下创建和管理仪表板。QuickSight 的无缝嵌入功能使用户能够将仪表板和分析直接集成到他们现有的数字流程仪表板 Web 应用程序 (T-Cube) 中，从而提供有凝聚力的用户体验。下图显示了无缝嵌入到 T-Cube 中的 QuickSight 仪表板。

商业智能层与两个主要数据源进行交互：Amazon Athena和Snowflake。亚马逊Athena用于访问预先计算的关键绩效指标和存储在CDH中的其他数据，CDH是宝马集团的全公司数据湖。对于需要根据用户设置的过滤器和参数进行即时计算的关键绩效指标，宝马集团在其 Snowflake 数据仓库中使用用户定义函数 (UDF)。为了避免数据重复和降低复杂性，Snowflake直接访问存储在CDH中的外部Apache Iceberg表，为快速计算关键绩效指标提供必要的计算能力，并在Amazon QuickSight中提供令人满意的用户体验。

数据湖的语义层使用 Apache Iceberg 表，可实现高效的更新和删除操作。这可确保 KPI 计算始终在原始数据表的一致快照上执行。对于通过 Kafka 流摄取的数据源，使用 Apache Iceberg 尤其重要，在这些数据源中，需要更新行，而不是简单地插入行。

向上游移动，使用 Amazon Glue 提取、转换和加载 (ETL) 功能来清理、验证和标准化源层中的数据，然后再将其移入数据湖的语义层。源层由 JSON 文件组成，其中包含从制造和物流系统提取的所有 Kafka 记录。

在数据采集层面，宝马集团通过SFBI的Confluent Kafka流媒体层对流程进行了标准化。这确保了近乎实时的数据从制造和物流系统流入数据湖。通过使用CDH，可以将制造和流数据与一千多种其他数据资产进行集成和丰富，从而实现创新的仪表板体验并将制造数据与业务的其他部分关联起来。有关架构的示意图，请参阅下图。

结论

通过使用亚马逊云科技分析服务、与其现有的云数据中心 (CDH) 集成以及使用 Snowflake 数据仓库，宝马集团成功地解决了标准化生产车间运营报告的 KPI 计算所面临的挑战。通过使用 QuickSight 并嵌入其现有的 T-Cube 解决方案，业务用户现在能够基于标准化 KPI 创建新的仪表板，并与 CDH 中的其他数据资产集成，以生成以前不可能的见解。通过为业务分析师提供从数据中获得见解的工具，宝马集团为明智的决策铺平了道路，最终推动了其在快节奏的汽车领域中的竞争优势。

作者简介

弗洛里安·塞德尔是亚马逊云科技的全球解决方案架构师，专门研究汽车领域。他指导战略客户利用云技术的全部潜力来推动汽车行业的创新。Florian 对分析、机器学习、人工智能和弹性分布式系统充满热情，帮助将前沿概念转化为实用的解决方案。在不设计云策略时，他喜欢为家人和朋友做饭，也喜欢尝试电子音乐制作。

安德烈·施密特是宝马集团车间商业智能平台的产品经理。他是SFBI产品的创始人之一，他担任首席架构师，专注于整体架构和业务收益。安德烈对软件开发和云技术的各个方面都感兴趣。在办公室外，他珍惜家庭时光，对手工艺有着浓厚的兴趣。

Vineet Singh 是亚马逊网络服务的首席解决方案架构师，拥有 20 多年的数据分析专业知识。他专门研究数据分析和人工智能/机器学习，帮助客户释放商业价值。他对变革性技术充满热情，与客户合作，制定和解决数据分析、人工智能和机器学习中的复杂问题，提供有影响力的解决方案，以应对他们的独特挑战。