Sharepoint aus der Cloud

Wie Shell SAP HANA einsetzt

13.01.2016 von Horst Ellermann
In seiner größten SAP-HANA-Installation rattern 48 Terabyte, schwärmt T-Systems-Geschäftsführer Ferri Abolhassan. Das dürfte in der Tat Weltrekord sein. Die In-Memory-Technologie nutzt ein Unternehmen, das sich auf Platz drei (Fortune 500) oder auf Platz vier (Forbes) der größten Firmen der Welt hält: Royal Dutch Shell.
  • Aus mehr als 20 Systemen werden Daten in HANA überführt, darunter Echtzeitinformationen von Sensoren sowie Zeitreihenanalysen.
  • Seit HANA in das WRFM (Wells, Reservoir and Facility Management) implementiert ist, fließen die Informationen trotzdem zehnmal so schnell, heißt es bei SAP.
  • Über zwei Bereiche darf und will CIO Jay Crotts über den Einsatz von HANA sprechen: Treasury und Kundendaten.
  • Außerdem schaufelt T-Systems 150 Terabyte geschäftskritischer Legacy-Daten in eine Sharepoint-Umgebung.
  • Hinzu kommen 45 Sharepoint-Anwendungen aus einer hybriden Cloud
Bei dem Shell-Projekt zusammen mit SAP und T-Systems arbeiten Ingenieure, Geologen und Data Scientists daran, bessere Informationen aus der Unmenge an Daten zu ziehen, die Bohrungen und andere Quellen erzeugen.
Foto: Shell

Die Marktbedingungen für Energiekonzerne sind dieser Tage echt anspruchsvoll. Die Ölpreise im freien Fall, mit den USA ein starker Rückkehrer am Markt und ein extrem verschärfter Wettbewerb. Da rutschen auf der Agenda der CIOs Produktivität und Agilität automatisch noch weiter nach oben. Genau diesen Ansatz verfolgt Shell’s seit Juli amtierender CIO Jay Crotts konkret mit zwei Hebeln: SAP HANA und Sharepoint.

Beim Thema HANA ist Shell der Vorzeigekunde nicht nur von T-Systems, sondern auch von SAP selbst. 2014 verkündeten die Softwerker aus dem Badischen stolz, dass man mit Shell im Bereich Wells, Reservoir and Facility Management (WRFM) "co-innovieren" wolle: Bei dem Projekt arbeiten Ingenieure, Geologen und Data Scientists daran, bessere Informationen aus der Unmenge an Daten zu ziehen, die Bohrungen und andere Quellen erzeugen.

Aus mehr als 20 Systemen werden dafür Daten in HANA überführt, darunter Echtzeitinformationen von Sensoren sowie Zeitreihenanalysen aus den Systemen des Softwareanbieters OSIsoft. Crotts vergleicht eine Bohrung mit einem chirurgischen Eingriff: "Da gibt es eine Million Möglichkeiten, die Dinge besser oder schlechter zu machen."

Business Objects Design Studio von SAP soll helfen, die bessere Seite zu treffen. Auf Basis von HTML 5 werden diese Million Möglichkeiten auf eine intuitive Oberfläche gehievt, dort die Ergebnisse dann in weniger als zwei Sekunden angezeigt. So eine Realtime-Analyse sei vorher nie möglich gewesen.

Shell | Strom und Gas für Deutschland

Der Mineralölkonzern Shell will jetzt auch Strom und Gas in Deutschland verkaufen. Shell hat dazu eine Partnerschaft mit dem britischen Energieversorger First Utility geschlossen, der in Großbritannien bereits mehr als 850.000 Kunden hat. In seinen rund 2200 Tankstellen in Deutschland bewirbt Shell das Angebot. First Utility wird die Verträge mit den Kunden schließen, während Shell die Beschaffung und Bereitstellung des Stroms und Gases übernimmt.

"Die multiplen Anfragen sind rechenaufwendig - egal, ob bei Wasser, Gas oder Öl", betont Crotts. Und sie sind auch dann noch aufwendig, wenn ein Ölfeld schon erschlossen ist. Die Zahl der aktiven Sensoren mache die Optimierung der Arbeit noch rechenintensiver. Seit HANA in das WRFM implementiert ist, fließen die Informationen trotzdem zehnmal so schnell, heißt es bei SAP.

Modernes Datenmanagement für Analytics
Daten werden wichtiger
In fast drei Viertel aller Unternehmen basieren Entscheidungen heute schon auf Basis von Daten und Analysen.
Höhere Erwartungen
Die Erwartungen im Management und in den Fachabteilungen wachsen. Das sind die wesentlichen Treiber für die Veränderungen im Bereich Business Analytics.
Data Warehouse kommt nicht mit
Fast die Hälfte der Befragten moniert, dass sich die neuen Anforderungen in Sachen Analytics mit dem klassischen Data Warehouse nicht schnell genug umsetzen lassen.
Data Warehouse verändert sich
Angesichts der neuen Analytics-Anforderungen planen fast alle Unternehmen Veränderungen in ihrem Data Warehouse.
Weiter Weg zum passenden Datenmanagement
Die Integration heterogener Datenquellen und die Befähigung der Fachbereiche, selbständig Daten auszuwerten, sind die wichtigsten Themen im Datenmanagement. Aber es gibt noch einiges zu tun, bis das richtig umgesetzt ist.
Data Lakes und Sandboxes im Kommen
Während Data Marts und das zentrale Enterprise Data Warehouse gesetzt sind, richten sich die künftige Pläne mehr auf Data Lakes und Sandboxes - wohl um besser mit Daten experimenteiren zu können.
Vorhersagetechnik gefragt
Unternehmen werden in den nächsten Monaten und Jahren ihr Hauptaugenmerk vor allem auf Techniken für Predictive Analytics, Big Data und Hadoop richten.
Self-Service-BI für die Fachbereiche
Nur jedes 20. Unternehmen verbietet Self-Service-BI-Werkzeuge. Die Hälfte der Befragten gestattet den direkten Zugriff auf die operativen BI-Systeme.
Vorhersagen für bessere Geschäfte
Mit Predictive Abnalytics wollen die Unternehmen in erster Linie ihr Geschäft optimieren und ihre Kunden besser verstehen.
Finanzabteilung braucht Realtime-Analysen
Realtime-Analysen sind vor allem in der Finanzabteilung gefragt, aber auch in der Interaktion mit Kunden, um deren Verhalten rechtzeitig zu erkennen und schnell Maßnahmen einleiten zu können.
Hindernisse
Fehlende Ressourcen und die mangelnde Bereitschaft für Veränderungen sind dir größten Hemmnisse, eine neue Datenmanagement-Strategie im Unternehmen auf den Weg zu bringen.
Fachbereiche übernehmen BI-Verantwortung
Nach wie vor hat in Sachen BI meist die IT den Hut auf. Aber immerhin ist in fast jedem fünften Unternehmen BI organisatorisch in der Fachabteilung verankert.

Treasury und Kundendaten

Aber nutzt diese Geschwindigkeit dem Anwender tatsächlich? "Jedes Mal, wenn Sie eine Entscheidung treffen, wird es einfacher, wenn Sie rechtzeitig die richtigen Informationen haben", sagt Crotts. Dabei geht es in Sachen HANA bei Shell vor allem um zwei Bereiche: erstens Treasury und zweitens Kundendaten.

Shells Treasury-Abteilung kalkuliert die finanziellen Risiken, die sich vor allem aus Zinsänderungen und Wechselkursen ergeben. Um diese von Menschenhand geschaffenen Verwerfungen im Finanzbereich zu analysieren, bietet Crotts HANA an: "Die IT hat die neuen Möglichkeiten zuerst in die Treasury-Abteilung gebracht. Da wusste noch keiner, dass HANA überhaupt existiert." Und dann sind da noch die unerforschten Weiten der Kundendaten. "Shell betreibt weltweit 43.000 Tankstellen", sagt Crotts. "Das Wissen, wer wann was kauft, ist dabei in weiten Teilen noch ungenutzt."

Die noch unerforschte Welt der Kundendaten: Shell betreibt weltweit 43.000 Tankstellen, davon 2200 in Deutschland. „Das Wissen, wer wann was kauft, ist dabei in weiten Teilen noch ungenutzt“, sagt CIO Jay Crotts.
Foto: Henning Ross

In beiden Fällen kommt es auf Geschwindigkeit an. Während SAP erst beginnt, sinnvolle Einsatzszenarien für tolle Analysen in Millisekunden-Schnelle zu zeigen, fällt Shell genau das bei Treasury und Kundendaten tatsächlich leicht: "Speed ist ein Vorteil", betont der CIO – ohne näher ins Detail zu gehen. Ferri Abolhassan springt für ihn ein: "Batch-Prozesse über Nacht laufen zu lassen, wird nicht mehr helfen", sagt der T-Systems-Geschäftsführer: "Beim Hochfrequenzhandel von Banken an den Börsen etwa entscheiden Mikrosekunden über Gewinn oder Verlust."

Zu Echtzeitdaten bringt Abolhassan auch ein Beispiel aus der Logistik: "Die Hamburg Port Authority rechnet mit 50 Prozent mehr Frachtumschlag in zehn Jahren. Der Hafen kann aber räumlich nicht wachsen." So gelte es, mit einer Logistiklösung die Abläufe zu optimieren - mit vernetzten Sensoren und SAP HANA. "Die Produktivität ist schon nach kurzer Zeit um zwölf Prozent gestiegen. Mit unserer Lösung erhält die Hamburg Port Authority auf Knopfdruck ein Lagebild, und die LKW-Fahrer schaffen acht Touren pro Tag statt sieben."

Crotts schätzt es, dass sein Dienstleister ihm solche Geschichten aus dem Business-Umfeld erzählt. T-Systems ist eben nicht nur der Cloud-Lieferant, der Sharepoint und SAP-Systeme offeriert - obwohl die einschlägigen Zahlen beeindrucken: 713.000 SAPS liefert T-Systems aus der Cloud an Shell. Der SAP Application Performance Standard ist eine Maßeinheit, der die Leistung des SAP-Systems hardwareunabhängig beschreibt (2000 "fully processed order line items per hour" entsprechen 100 SAPS). Außerdem schaufelt T-Systems für den Öl-Konzern gerade 150 Terabyte an geschäftskritischen Legacy-Daten in eine Sharepoint-Umgebung.

Sharepoint aus der Cloud

Hinzu kommen 45 Sharepoint-Anwendungen aus einer hybriden Cloud. Sie verknüpft 500 Server in den vier T-Systems-Rechenzentren in Houston, München, Amsterdam und Malaysia mit on Premise angelegten Sharepoint-Farmen. Über eine von T-Systems integrierte Search Engine erhalten die Sharepoint-User nahtlosen Zugriff auf Geschäftsdaten. Außerdem spielt noch die Microsoft-Public-Cloud Office 365 mit: Insgesamt arbeiten täglich knapp 143.000 Menschen, also nicht nur die 94.000 Shell-Mitarbeiter selbst, sondern auch Zulieferer und Kunden in der Shell-Cloud.

Unternehmen investieren in Analytics- und Reporting-Prozesse
Lünendonk-Marktstichprobe
Die Anbieter von Business-Intelligence (BI)- und Analytics-Software können auf gute Geschäfte hoffen. Im Zuge der digitalen Transformation geht es für die Unternehmen vor allem darum, mehr aus ihren Daten herauszuholen.
Führende Software-Spezialisten für BusinessIntelligence und Business Analytics in Deutschland
Reihenfolge nach Umsatz in Deutschland 2014.
Führende, internationale Software-Spezialisten fürBusiness Intelligence und Business Analytics
Kunden investieren zukünftig vor allem in Analytics für Unternehmenssteuerung und Vertrieb
Anbieter
Self-Service-BI sowie Business & Predictive Analytics sind wichtigste Markttrends
Nicht alle Kundenunternehmen haben zufriedenstellendeDatenqualität und Szenario-Fähigkeit
Reporting-Prozesse oftmals noch ineffizient!
Kunden planen deutlich stärkere Automatisierung
CIOs
Big Data und Digitalisierung gehören untrennbar zusammen
CIOs
Big Data gewinnt stark an Bedeutung Modernisierung der IT-Prozesse ist derzeit Top-Thema
CIOs bereiten sich auf digitale Transformation vorund investieren vor allem in Prozesse und Daten

Crotts schätzt es auch, dass sein Dienstleister aus einem Land kommt, in dem Datensicherheit und Datenschutz groß geschrieben wird: „Das ist extrem wichtig für uns.“ Vor dem Hintergrund findet er irrelevant, ob die Daten bei Shell liegen oder bei einem Dienstleister. Was sich zuletzt dadurch ausgedrückt hat, dass Shell die Cloud-Lösung „E2 Process Management“ des Anbieters E2open für sein Supply-Chain-Management nutzt.

Crotts hält die Cloud für sicher – wenn man sie richtig aufsetzt. Immer wieder gebraucht er im Zusammenhang mit Sicherheitsfragen den Slogan „fit for purpose“ – also: dem Zweck angemessen. Crotts ist einer der wenigen CIOs, die den Zielkonflikt klar benennen, den Sicherheitsanbieter gerne verleugnen: "Security macht Innovation langsam!" Versöhnlich fügt er hinzu: „Aber eine Cyber-Attacke macht Innovation noch langsamer."

Der CSO berichtet an den CIO

Müßig zu erwähnen, dass es Cyber-Attacken gegen Shell reichlich gibt. Unter anderem Industriespione geben sich an der Firewall die Klinke in die Hand. Deswegen berichte der CSO auch an ihn, erklärt Crotts. Das sei auch wichtig, denn nur innerhalb der IT-Abteilung könne kompetent erklärt werden, ob sich hinter tausend gescheiterten Log-on-Versuchen ein Sicherheitsthema oder ein technisches Kapazitätsproblem verbirgt.

Unternehmen | Royal Dutch Shell

Hauptsitz Den Haag

Umsatz 421 Milliarden Dollar (2014)

Mitarbeiter 94.000 in mehr als 70 Ländern

Shell in der Cloud

143.000 Menschen greifen auf die Shell-Cloud zu

713.000 SAPS liefert T-Systems aus der Cloud

IT-Verantwortung

CIO Jay Crotts (weltweit)

CIO Klaus Dieter Bortel (Deutschland)

Der Shell-CIO und T-Systems-Chef Abolhassan treffen sich einmal im Quartal, um über die Services zu reden, die Shell seit 2008 von T-Systems bezieht. 2013 haben sie ihren Vertrag verlängert.

"Es war nicht immer eine problemfreie Beziehung, so viel kann man sagen", meint der ehemalige Infrastrukturverantwortliche und jetzige CIO Crotts. Aber mittlerweile haben beide ihren Weg gefunden. Die Ampel steht meistens auf grün bei den 200 Key Performance Indicators (KPIs), die T-Systems seinen Kunden zur Kontrolle anbietet.

Crotts greift sich nie mehr als fünf davon heraus und rotiert diese von Treffen zu Treffen durch. Nur einen KPI findet er gleichbleibend wichtig: "Der Endkunde muss uns gute Noten geben. Das messen wir kontinuierlich. Und wir gucken da besonders auf das mittlere Management, die sind erfahrungsgemäß an dem Punkt sehr aufmerksam."

Warum Analytics nicht in die IT-Abteilung gehören
Fünf gute Gründe ...
... warum Analytics nicht in die IT-Abteilung, sondern in die Fachbereiche gehören und warum jeder Fachbereichsleiter einen Data Scientist in seinem Team haben sollte.
Analytics können helfen, Unternehmensziele zu erreichen
Analytics dient keinem Selbstzweck. Der Wert von analytischen Services oder Datenprodukten entsteht erst durch die Einbindung in Geschäftsprozesse. Erst durch die Realisierung eines effektiven Nutzens in Form von Effizienzsteigerungen und damit verbundenen Kostensenkungen, der Generierung von Neugeschäft oder eine gesteigerten Kundenloyalität werden tatsächliche Effekte im Geschäftsergebnis messbar.<br /><br /> Fachbereiche sind in ihrer Funktion für die Steigerung von einzelnen Erfolgsfaktoren verantwortlich und haben daher ein Interesse zu verstehen, an welcher Stelle ihnen Analytics helfen kann. Zudem sollten die Mitarbeiter im Fachbereich auch zu einem Stück weit verstehen, wie die Analysen funktionieren, um mit dem Wissen zu ihren Geschäftsproblemen beispielsweise das Transferdenken zu leisten, wie man Daten anreichern sollte oder welche zusätzlichen Analysen durchgeführt werden sollten. Außerhalb des Fachbereichs hat für gewöhnlich niemand das entsprechende Interesse die Unternehmenskennzahlen in dem speziellen Bereich positiv zu beeinflussen und kein anderer kann es besser.
Anwendungsfälle ergeben sich aus den Erfahrungen, die Mitarbeiter im täglichen Betrieb sammeln
Gesunder Menschenverstand, Erfahrungswerte für Abwägungen zwischen Machbarem und Sinnvollem und ein Gespür für die echten Probleme in einem Unternehmensbereich sind relativ seltene Fähigkeiten, schwer zu erlangen und wenn dann über einen längeren Zeitraum im täglichen Geschäft entstanden. Das unverzichtbare Wissen, die sogenannte "Magic Sauce" für eine erfolgreiche Anwendung von analytischen Fähigkeiten ist und bleibt in den Fachbereichen.
Data Scientists brauchen das Know-how des Fachbereichs, um Modelle praxisrelevant zu entwickeln
Ein guter Data Scientist zeichnet sich durch ein breites Wissen von analytischen Methoden, Anwenderkenntnis von analytischen Technologien, Fähigkeiten zur Datenaufbereitung und Kreativität aus. Aber die Arbeit eines Risikoanalysten bei einer Bank und eines Marketinganalysten bei einem Online-Händler unterscheiden sich.<br /><br />Der Grund, warum sie ihre Jobs nicht ohne weiteres tauschen können, ist das Verständnis über ihren Fachbereich und das Wissen was funktioniert und was nicht. So wertvoll Datenprodukte für einzelne Fachbereiche sein können, häufig ist es ein Ansatz aus Testen und Lernen, der aus einem analytisch einwandfreien Modell ein für den praktischen Einsatz wertvolles und nachhaltiges Datenprodukt generiert.
Ergebnisse müssen interpretiert und Maßnahmen abgeleitet werden
Auch wenn der Data Scientist nicht im Fachbereiche angesiedelt ist: Eine enge Zusammenarbeit ist unerlässlich. Spätestens wenn es an das Verstehen von Ergebnissen und Ableiten von Maßnahmen oder die Integration in Geschäftsprozessen geht, nehmen Fachbereiche die Führungsrolle ein. Je enger die Einbindung während der gesamten Entwicklung des analytischen Anwendungsfalls, desto wahrscheinlicher ist die Akzeptanz und Relevanz für die Anwendung in den Fachbereichen.
Ein Data Scientists im eigenen Team schafft Agilität und Vorsprung
Sobald dem Fachbereich bewusst ist, welchen Mehrwert Analytics und die richtige Datenauswertung bietet, können sich Data Scientists häufig nicht mehr vor kurzfristigen Anfragen retten und müssen ihre Kapazität zwischen Fachbereichen balancieren. Arbeitet Data Scientist jedoch im eigenen Team, ist er schneller erreichbar. Analyseprojekte können dauerhaft weiterentwickelt werden und auf die immer schneller wechselnden Prioritäten vieler Fachbereiche kann reagiert werden. Der Data Scientist kann sich mit der Zeit Fachbereichswissen aneignen, entlastet somit andere Fachmitarbeiter und kann sie zugleich in ihren analytischen Fähigkeiten weiterentwickeln – als Hilfe zur Selbsthilfe für die Kollegen im Fachbereich.