Migration zurSnowflake AI Data Cloud

Travelpass hatte mit hohem Wartungsaufwand und einem absturzgefährdeten System zu kämpfen. Daher wandte sich das Unternehmen an Snowflake, um eine zuverlässige, aber benutzerfreundliche Plattform zu erhalten, die nicht nur sorgenfreie Data Governance und Kostenkontrolle bietet, sondern auch die Nutzung des enormen Potenzials von KI ermöglicht.

Travelpass erkannte die Vorteile echter Zusammenarbeit und nahm daher Snowflake Professional Services in Anspruch, um das Unternehmen bei der nahtlosen Migration von 30 TB an Daten und 134 Pipelines/Prozessen in nur sechs Wochen zu unterstützen. Nach Abschluss der Migration stellte Travelpass fest, dass die Kosten mit Snowflake im Vergleich zu den vorherigen Ausgaben um die Hälfte reduziert wurden.

Als globales Unternehmen mit Teams in Nord- und Südamerika, Europa und Asien muss Pfizer sicherstellen, dass alle Geschäftsbereiche rund um die Uhr schnell auf Daten zugreifen und diese gemeinsam nutzen können. Vor Snowflake waren für dieses Data Sharing Datenkopien, ETL-Pipelines und eine Reihe umständlicher, zeitaufwendiger Prozesse erforderlich. 

Jetzt ermöglicht Snowgrid – die regions- und cloudübergreifende Technologieebene von Snowflake – den Pfizer-Geschäftsbereichen unabhängig vom Land, in dem sie sich befinden, nahtlose und sichere Kollaboration. Dieser intensivierte Austausch trägt dazu bei, die Geschäftskontinuität für das globale Unternehmen zu verbessern.

Marriott war Early Adopter von Netezza und Hadoop und nutzte die IBM BigInsights-Plattform. Viele dieser Technologien machten den Stack komplex und aufgrund kostspieliger Upgrades teuer sowie schwer bedienbar.

Dank der Vereinfachung seiner Datenplattform auf Snowflake konnte Marriott Transparenz und Kontrolle über seine Daten erlangen. Außerdem möglich sind nun schnellere Markteinführungen, verbesserte Data Collaboration und Data Sharing sowie geringere TCO. 

Chicago Trading Company sah sich mit teuren Datenübertragungen, häufigen und unberechenbaren Verarbeitungsfehlern sowie eingeschränkter Kostentransparenz konfrontiert. Zusätzlich hatte das Unternehmen Probleme damit, die enormen Mengen an Marktdaten zu verarbeiten.

Durch die Migration zu Snowflake konnte CTC die Kosten für Datenverschiebungen eliminieren, Transparenz bei den Ausgaben gewinnen und so 54 % an Kosten einsparen. Engineers können sich nun auf Innovationen konzentrieren, statt Probleme mit komplexen Konfigurationen lösen zu müssen. Dadurch war es CTC möglich, Daten-Pipelines, die vorher zu kostenintensiv waren, wieder in Betrieb zu nehmen und KI-Funktionen zu erkunden.

Bevor WHOOP zu Snowflake migrierte, waren die Daten des Unternehmens über das Data Warehouse, den Data Lake und die Produktionsdatenbanken hinweg verteilt. Wartung und Skalierung des vorherigen Data Warehouse, Amazon Redshift, waren kostspielig und belastend für das kleine Datenteam des Unternehmens. 

Dank der Migration zu Snowflake haben Abteilungen bei WHOOP nun unternehmensweit Zugang zu Daten und Einblicken, wodurch es ihnen schnell möglich ist, die Bedürfnisse von Teammitgliedern zu verstehen und fundierte Geschäftsentscheidungen zu treffen. Das Datenteam bei WHOOP verbringt weniger Zeit mit der Behebung von Infrastrukturproblemen und zu langsamem Abfragen, sodass stattdessen mehr Zeit bleibt, um den Datenzugang auf das gesamte Unternehmen auszuweiten. 

PGE nutzte ein veraltetes On-Premises-Data-Warehouse mit hohen Wartungskosten und Performanceproblemen. Die Architektur war unflexibel und führte dazu, dass sich Datenkopien im gesamten Unternehmen verbreiteten. Dies erschwerte die Identifizierung der maßgeblichen Datenquelle und führte zu steigenden Speicherkosten.

PGE erkannte die Notwendigkeit einer modernen Datenumgebung und wandte sich daher an Snowflake. Das Unternehmen entschied sich für die Snowflake AI Data Cloud auf AWS aufgrund der hohen Performance, der Trennung von Speicher und Rechenressourcen, des minimalen Wartungsaufwands und der Mikropartitionierung.

Seit einigen Jahren überdenkt Siemens seine Datennutzung und versucht, sowohl wichtige betriebliche Erkenntnisse zu gewinnen, die die Entscheidungsfindung unterstützen, als auch Prozesse zu automatisieren, um Innovationen zu fördern.

Siemens hat mithilfe von Snowflake die Siemens Data Cloud entwickelt ­– ein Ökosystem auf Basis einer offenen Data-Mesh-Plattform. Sie ermöglicht nicht nur den Übergang zur Cloud, die Zentralisierung von Daten und bessere Entscheidungsfindung, sondern unterstützt auch die Skalierung von KI-Anwendung.