Gewinnung von Echtzeiterkenntnissen für klügere Händlerentscheidungen
Worldline vereinheitlicht Händler- und Transaktionsdaten für eine optimierte Berichterstattung
Senkung der monatlichen Infrastrukturkosten
Steigerung der Schemaberichterstattung
Steigerung der Teamproduktivität
Worldline, führender Zahlungsabwickler in Europa und weltweit auf Platz vier, unterstützt Millionen von Händlern und Banken in 50 Ländern. Dazu bietet Worldline zahlreiche Dienstleistungen an, die von der Zahlungsabwicklung über die Devisenumrechnung bis hin zur Finanzanalyse reichen. Worldline wollte seine Ressourcen verstärkt bündeln, um sich auf Business Intelligence (BI) für die interne und externe Berichterstattung und maschinelles Lernen zu konzentrieren, um das „Datenchaos“ ein für alle Mal zu beseitigen. Zudem wollte das Fintech-Unternehmen damit beginnen, Transaktionsdaten und Kundeninteraktionsanalysen für die Vorhersage von Kundenabwanderung und zur Anomalieerkennung zu verwenden. Durch die durch Zukäufe bedingte globale Expansion von Worldline war jedoch eine fragmentierte Datenlandschaft entstanden, die es schwierig machte, Daten zu vereinheitlichen und Analysefunktionen für 50 Mrd. Transaktionen und mehreren Billionen Euro zu skalieren. Die veralteten On-Premises-Systeme behinderten das Unternehmen zusätzlich. Zur Überwindung dieser Hürden hat sich Worldline mit Databricks zusammengetan und die Infrastrukturkosten um 200.000 Euro pro Monat senken können.
Wie man bei Übernahmen mit isolierten Systemen verfährt
Der Anspruch von Worldline, internen Teams umfassende Berichtsdaten und Erkenntnisse zur Verfügung zu stellen, war entscheidend für die Aufrechterhaltung der Position des Unternehmens als führender Zahlungsabwickler in Europa. Aus diesem Grund wurde eine groß angelegte Initiative namens „Drive“ ins Leben gerufen, um Daten aus verschiedenen Quellen zusammenzuführen und eine einheitliche Sicht auf Transaktionen, Kunden und Händler zu gewinnen. Dieses Projekt zielte darauf ab, Manager und Business Analysts von Worldline mit umfassenden Dashboards auszustatten, die wichtige Leistungskennzahlen (KPIs) in Bezug auf Finanzberichterstattung, Prognosen und Vertriebsleistung überwachen. Auf Grundlage dieser einheitlichen Sicht könnten Führungskräfte und operative Teams schnelle, datengestützte Entscheidungen treffen, während BI-Cubes – das sind mehrdimensionale Datenstrukturen – es Analysten ermöglichen würden, Daten gründlich zu untersuchen, komplexe Abfragen durchzuführen und Self-Service-Dashboards zu erstellen. Die Teams könnten dann auf die obligatorischen Eingriffe der IT-Abteilung verzichten, mit denen die Datenanalyse zugänglicher und die funktionsübergreifenden Teams in ihren jeweiligen Rollen leistungsfähiger gemacht werden sollen.
Bei den kundenorientierten Lösungen wollte Worldline den Händlern auch vorrangig Datenerkenntnisse zur Verfügung stellen, die ihnen dabei helfen sollten, ihre Performance zu messen, Erstattungen zu bearbeiten und Transaktionstrends zu visualisieren. Diese Leistungen unterstützten eine Reihe von Kunden – von kleinen Geschäften bis hin zu großen Handelsketten und sogar Fluggesellschaften – und trugen dazu bei, dass sie alle ihre täglichen Transaktionsdaten für eine bessere Betriebsplanung und interne Berichterstattung heranziehen konnten. Gleichzeitig zielte Worldline darauf ab, seine Fähigkeiten im Bereich Data Science zu stärken, um ausgereiftere Systeme für Betrugs- und Anomalieerkennung zu implementieren und so genau diese Kunden zu schützen. Solche Verbesserungen würden dem Unternehmen dabei helfen, verdächtige Aktivitäten zu erkennen und zu unterbinden, und so sowohl Händler- als auch Kundendaten abzusichern.
Mit dem Wachstum des Unternehmens wurde es zunehmend schwierig, Kunden-, Transaktions- und Händlerdaten zusammenzuführen; immerhin ging es um ein Volumen von über 50 Mrd. Transaktionen pro Jahr. Zum besseren Verständnis: Das entspricht 10.000 Transaktionen pro Sekunde. Stephan Pirson, Chief Data Officer der Merchant Services Division bei Worldline, drückte es so aus: „Wir mussten von einem Sammelsurium an Systemen auf etwas umsatteln, das Daten flächendeckend verarbeiten und uns die Möglichkeit bieten konnte, globale Trends ebenso zu veranschaulichen wie kleinste Transaktionsdetails.“ Letztendlich hat sich das Unternehmen deshalb für eine Investition in die Databricks Data Intelligence Platform entschieden.
Erstellen eines gestaffelten Systems für Echtzeitgeschäftsdaten
Der Umstieg von Worldline auf eine konsistente und skalierbare Datenplattform löste die einzigartigen Probleme, die durch die rapide Expansion des Unternehmens infolge von Fusionen und Übernahmen entstanden waren. Diese hatten zu einem fragmentierten Datenökosystem mit unterschiedlichsten Datenquellen geführt. Als Kernstück des Technologiestacks wurden Apache Spark™- und Databricks-Cluster implementiert, um die Datenverarbeitung zu zentralisieren und zu optimieren und so die umfangreichen Abläufe zu verwalten, die bei Worldline zu bewältigen sind – von der Datenerfassung bis hin zur Echtzeitverarbeitung. Die ACID-konforme Architektur von Delta Lake stellte dabei die für die Abwicklung von jährlich über 50 Mrd. Transaktionen unverzichtbare Datenintegrität und -zuverlässigkeit für das interne und externe Berichtswesen sicher. „Databricks hat unseren Umgang mit Daten grundlegend verändert“, so Pirson. Mit Databricks haben wir unsere Daten an zentraler Stelle zusammengeführt, sodass wir übergreifende Analysen für Millionen von Transaktionen skalieren konnten, ohne an Genauigkeit und Geschwindigkeit einbüßen zu müssen. Dank dieser Umstellung können wir uns ganz auf Innovationen fokussieren, was uns wiederum dabei hilft, unseren Wettbewerbsvorteil auf dem Markt zu wahren.“
Auf der Basis von Delta Lake hat Worldline die Medaillon-Architektur implementiert: ein strukturiertes Daten-Framework, das Compliance, Korrektheit und Zugänglichkeit über den gesamten Datenlebenszyklus ermöglichte. In der Bronzeschicht speicherte Worldline rohe, unverarbeitete Daten aus verschiedenen Quellen und schuf so ein rückverfolgbares Repository für die erneute Verarbeitung und regulatorische Anforderungen. Die Silberschicht transformierte und verfeinerte diese Daten, um sicherzustellen, dass sie für betriebliche Berichterstattung und Analyse optimal geeignet waren. In der Goldschicht schließlich wurden die Daten aggregiert und kuratiert und für anspruchsvolle Geschäftsanwendungen wie interne KPI-Dashboards und für Kunden bestimmte Analysen aufbereitet. Mit dieser Architektur, die auf Apache Spark und den zugehörigen Azure Data Lake aufsetzt, ist eine effiziente Pipeline entstanden, die Rohdaten in handlungsrelevante Erkenntnisse für die Teams und Kunden von Worldline umwandelte.
Auf dieser Grundlage integrierte Worldline im Rahmen seiner Drive-Initiative Databricks in Power BI und konsolidierte dabei ungleiche Datenquellen zu einheitlichen Dashboards für die Echtzeitüberwachung von KPIs. Zur Verbesserung der Zusammenarbeit regelte und dokumentierte Unity Catalog den Datenzugriff. So konnten über 85 Data Engineers und 200 Analysten Daten über freigegebene Databricks-Notebooks sicher untersuchen und analysieren. Zur zusätzlichen Optimierung ihrer Lösung führte Worldline MLflow ein, um die Lebenszyklen von Machine-Learning-Modellen zu verwalten und Training und Bereitstellung der Modelle für die KI-gestützte Betrugs- und Anomalieerkennung zu optimieren. Auch wenn der ML-Betrieb noch in den Kinderschuhen steckt, konnte das Data-Science-Team mit dieser Einrichtung den Fokus von der Datenverarbeitung auf die strategische Modellerstellung verlagern. Insgesamt ermöglichte diese zusammenhängende Databricks-Suite Worldline den Übergang von fragmentierten Workflows zu einer skalierbaren Plattform, die geeignet ist, moderne Analyse- und KI-Initiativen voranzutreiben.
Teams für den Erfolg ausstatten und gleichzeitig Infrastrukturkosten senken
Durch die Einführung von Databricks konnte Worldline seine Dateninfrastruktur optimieren und seine Teams von der Infrastrukturverwaltung abziehen, damit sie jetzt wertvolle Geschäftserkenntnisse liefern können. Dank der Zentralisierung von Datenverarbeitung und Governance mit Databricks erhielten Data Engineers und Analysten von Worldline einen effektiveren Zugriff auf Daten und konnten die Nutzung schwerfälliger On-Premises-Lösungen eindämmen. Diese Umstellung hat außerdem die Zusammenarbeit zwischen den Teams gestärkt, da die Analysten jetzt direkt und in Echtzeit mit den Daten arbeiten, detaillierte Analysen durchführen und sogar gemeinsam mit den Data Engineers Beiträge zur Fehlerbehebung leisten können. Die optimierten Arbeitsabläufe haben zur Entwicklung von Best Practices bei allen Teams geführt, sodass Projektlaufzeiten verkürzt und datengestützte Entscheidungen beschleunigt werden konnten. „Mit Databricks haben wir nicht nur unsere Datenprozesse optimieren können, sondern auch neue Effizienzpotenziale in allen Teams erschlossen. Wir sind jetzt in der Lage, unseren Händlern und internen Stakeholdern präzisere und aktuellere Erkenntnisse zu liefern“, so Pirson abschließend.
In quantitativer Hinsicht hat der Umstieg auf Databricks erhebliche finanzielle und betriebliche Verbesserungen mit sich gebracht. Worldline prognostiziert eine monatliche Reduzierung der Infrastrukturkosten um 200.000 Euro, die in erster Linie auf die Verlagerung von zuvor in Cosmos DB gespeicherten Daten in den kostengünstigeren Delta Lake auf Databricks zurückzuführen ist. Die Steigerung der betrieblichen Effizienz ist ebenso überzeugend: Die Produktivität wurde um 40 % erhöht und die Schemaberichterstellung konnte um 93 % beschleunigt werden. Die Verbesserungen bei der Verarbeitung komplexer Berichte und Analysen nach Maß haben dazu beigetragen, dass Worldline sowohl für interne Teams als auch für externe Kunden hohe Servicestandards einhalten kann.
Neben den unmittelbaren Auswirkungen unterstreichen die langfristigen Ziele von Worldline das Engagement der Organisation, Datenzugriff und Datenkompetenz unternehmensweit zu verbessern. Geplant ist, bis 2025 eine umfassende Datenintegration abzuschließen und ein Programm zur Steigerung der Datenkompetenz auf den Weg zu bringen, das Self-Service-Analysen über Databricks fördert. Durch die Förderung der Datenkompetenz seiner Beschäftigten möchte Worldline die Teams dabei unterstützen, Daten selbstständig zu analysieren und auf der Grundlage gewonnener Erkenntnisse tätig zu werden. Das Unternehmen erforscht zudem hochmoderne KI-Tools wie Databricks AI/BI Genie, um den Informationszugang weiter zu demokratisieren. Zu diesem Zweck soll es auch technisch weniger versierten Benutzern ermöglicht werden, Abfragen in natürlicher Sprache zu stellen, um so das Unternehmenswachstum anzukurbeln.
