Fallstudie: Ivy Tech Community College in Indiana

Das Ivy Tech Community College in Indiana ist das größte Community College in den USA. Ungefähr 170 000 Studierende melden sich jedes Jahr zu Kursen an, und die Schule hält die Anmeldung für zwei Jahre offen – egal ob der Studierende aktiv an Kursen teilnimmt oder nicht – was zu einer laufenden Studierendendatenbank mit ungefähr 1,7 Millionen Einträgen führt. Die Schule umfasst knapp 9 000 Fakultätsmitglieder, die an 23 Campus und 560 Standorten im ganzen Bundesstaat unterrichten. Sie verfügt außerdem über eine sehr große Infrastruktur, die 1 200 Anwendungen, 24 000 PCs in Schulbesitz, 2 000 drahtlose Zugangspunkte, durchschnittlich 23 Millionen übermittelte E-Mails pro Tag und ungefähr 10 TB an aus dem Internet heruntergeladenen Informationen pro Tag umfasst.

• Anforderung: Skalierbarkeit vorhandener Systeme, darunter ein Operational Data Store (ODS) zur Unterstützung von Anwendungen für die Verwaltung und Analyse von Einträgen von Zehntausenden Studierenden.
• Es gab Wartezeiten von 40 Minuten für eine einzige Anfrage und bis zu acht Stunden für die Verarbeitung von Routineberichten.
• Anforderung: Neue Art für das Speichern und Analysieren von Daten wie beispielsweise aktives Überwachen der Leistungen der Studierenden zu Beginn jedes Semesters, um rasch Fälle zu ermitteln, in denen Nachhilfe erforderlich ist oder das Risiko, durchzufallen, besteht.
• Man sah sich für Lösungen im Bereich Data Warehouse und Speicher mit potenziellen Kosten im sechs- bzw. siebenstelligen Millionen-Dollar-Bereich von mehreren bedeutenden Anbietern konfrontiert.

• Verwendung vom Data Warehouse-Service Amazon Redshift für die Durchführung von Vorhersageanalysen und die Erstellung von Berichten mit Softwarelösungen von Pentaho, einem AWS Technologie-Partner, und Wolfram Mathematica.
• Speichert Rohdaten vor dem Hochladen in Amazon Redshift in Amazon Simple Storage Service (Amazon S3) Buckets.
• Archiviert Daten in Amazon Glacier.

Geschwindigkeit

• Anfragen werden in nur drei Sekunden abgeschlossen im Vergleich zu 40 Minuten oder länger in der Vergangenheit.
• Erlangt in Sekunden Erkenntnisse aus Daten und kann Probleme wie Betrug bei finanziellen Beihilfen feststellen, deren Entlarvung in der Vergangenheit auch mehrere Tage in Anspruch nehmen konnte.
• Kann Machine Learning für mehr als 70 Prozent Genauigkeit bei Vorhersagen für Studierende, die Probleme haben, einsetzen und damit schneller handeln.

Geringere Kosten

• Viel kostengünstiger als andere Data Warehouse-Lösungen für Unternehmen, wobei die Kosten im Langzeitspeicher bei Amazon Glacier bei 1 Cent pro GB liegen. Lizenzierung und monatliche Betriebskosten betragen um 60 Prozent weniger als beim älteren ODS-System.
• Das nutzungsabhängige Zahlungsmodell eignet sich besonders gut vor dem Hintergrund des eingeschränkten Budgets eines Community College.

• Erfüllt Anforderungen von Datenmengen im Petabyte-Bereich und vermeidet gleichzeitig unnötige IT-Ausgaben.