Um diese Aufgaben zu meistern, setzt IMS Health auf ein breites Produktportfolio mit verschiedenen Hardware-Systemen, Datenbanken und Client-Server-Applikationen. Um den speziellen, lokalen Bedürfnissen in Deutschland Rechnung zu tragen, ergab sich die Notwendigkeit, eine alternative Infrastruktur zu finden, auf der Prototypen für neue, innovative ProjekteProjekte und Produkte entwickelt werden konnten, ohne jedoch die Kosten massiv in die Höhe zu treiben. Alles zu Projekte auf CIO.de

Data Warehouse für Pharma- und Healthcare-Informationen

Als IMS Health vor drei Jahren die In-Memory-Cluster-Datenbanktechnologie von dem Anbieter Exasol aus Nürnberg testete, ging es zunächst um einen Proof-of-Concept für das Produkt EXASolution. Dabei zeigte die eingesetzte Lösung eine bis um den Faktor 80 höhere Performance als die bisher eingesetzten Client-Server-Systeme.

Der Nürnberger Anbieter führte einen dreiwöchigen Stresstest auf einem Datenvolumen durch, das mit den Anforderungen der Marktforscher vergleichbar war, und setzte dann bei IMS Health den Cluster mit der Datenbanklösung auf. Auf Wunsch von IMS Health implementierte der Datenbankanbieter zwei wichtige Features: Es wurde eine zusätzliche Funktion im ETL-Bereich (Extraction Transformation Loading) integriert, die es ermöglicht, Dateien im FBV-Format (Fixblock-Datenformat) performant in die Datenbank zu laden. Darüber hinaus wollte IMS Health in der Lage sein, eigene Client-Applikationen zu programmieren und über native Schnittstellen auf die Datenbank zuzugreifen. Die Bereitstellung eines Client-SDK (Software Development Kit) machte diese Anforderung möglich.

Das Data-Warehouse-System bestand zunächst aus fünf Servern mit Intel Xeon-CPUs, von denen einer als Stand-by für die Ausfallsicherheit sorgt. Die Prozesse der Befüllung konnten nach einer Schulung selbst durchgeführt werden. Das Team definierte die Strukturen für die Daten, konfigurierte das Sicherheitskonzept und stellte die Integration in die IT-Infrastruktur des Rechenzentrums sicher.

Sehr wichtig war das Aufsetzen der Validierungsprozesse, das heißt die Implementierung der Regeln, nach denen die Daten validiert beziehungsweise aufbereitet werden, bevor sie aus dem System extrahiert und für die Analysen und weiterführenden Systeme bereitgestellt werden.