Arla Foods 是世界第五品公司，其历史可追溯到 19 世纪瑞典成立第一家合作乳品公司。因为阿拉是农民所有，所有收入都归农场主所有。
Arla 食品公司十分重视其奶制品从奶牛到客户的旅程。方式的每一步都被记录和追踪。Arla 致力于高标准的动物福利、产品质量和安全。Arla 结合了传统的工艺和技术，以确保产品尽可能贴近自然。
卡斯珀·波尔斯·汉森是阿拉食品公司的高级经理，他最近加入公司，帮助在数据和分析领域实现现代数字化转型。在 Arla Foods 在不同数据方面面临一些挑战后，Kasper 和他的团队（内部品牌为 Arla 分析动力站）被赋予了帮助领导一项将数据集中到整个公司的举措，使信息更容易访问和易于理解的任务。
(2)项目背景
Arla Foods 致力于利用现代技术跟踪其供应链从农场到冰箱的每一步。
大约两年前，Arla 开始进行源内软件开发，以战略性地利用尖端技术，并简化 Arla 处理数据的方式。以前，当不同国家的单位需要自己的解决方案时，将构建并完成一个数据驱动解决方案。下一个解决方案将使用第一个解决方案的输出以及原始数据库中的相同源数据。这种模式会重复出现，导致无法管理的意大利面状结构。环境充斥着重复和不一致，使得从数据中获得可靠的答案变得非常困难。
图 1.阿拉食品的意大利面状基础设施
每个系统都有独特的维护和管理挑战。维持和维护每个系统的成本开始增长，并给公司带来压力。Arla 的员工花时间收集有关如何管理和使用每个系统的知识，而不是从系统内的数据中获取见解。
开发的每一个应用程序都产生了一个新系统，只解决了一个问题——只有一个问题。生态系统包含数千种不同的应用程序，但没有什么是可转移的，因此无法扩展应用程序以解决业务流程的任何其他部分。这创建了一套效率极低的孤岛解决方案。
许多解决方案都使用Power BI作为预期的可视化工具，但这样做往往不了解适当的数据架构，无法最大限度地利用。数据模型直接放入 Power BI 中，数据堆栈中任何地方均未使用数据集市。所有编译都直接在 Power BI 中执行，除了 SharePoint 之外，没有中央位置可以提取数据。电源 BI 迅速超载并达到容量，导致电源 BI 应用程序开始出现故障。
由于没有其他可用的数据，因此业务中的 Power BI 开发人员通常需要不容易访问的特定数据。为了克服此问题，他们将直接从 SAP 业务仓库 （BW） 将数据转储到 Excel 电子表格中，然后上传手动创建的数据集，以便在 Power BI 中生成报告，这是一个成本高昂且及时的过程。员工花费数小时手动编译信息以用于 Power BI，结果发现此过程通常会导致每个报告得出不同的结论，并且 Arla 的 Power BI 开发人员需要手动刷新报告，从而获得大量工作量。
随着数千个单独的应用程序，对用户的服务水平下降，维护费用呈指数级增长，Arla Foods 被迫认识到当前流程不起作用。该公司决心创建一个有凝聚力的数据环境，使其能够利用其数据进行创新，并有效地解决业务问题。Arla 食品公司着手寻找一种既能省钱又能推动其业务的解决方案。
(3)解决方案
阿拉食品的旅程
阿拉食品公司需要为其所有数据创建一个来源。Kasper 和分析动力公司被赋予了任务，并且与 IT 组织的其他成员合作，他们正在引领创建数据基础的前进道路，该基础允许所有数据从一个地方输送和提取，用于 Power BI 消费，同时使 Arla 的其他团队能够构建新的数据驱动应用程序和探索性数据科学，都在同一个数据基础。
阿拉食品公司正在 HANA 上使用 SAP BW 进行财务数据和分析。SAP BW 为阿拉食品提供财务处理所需的服务。为了从 SAP BW 获得最大的价值，Arla Foods 决定通过保留系统来避免重复、延迟和增加成本。
对于并非 SAP BW 中的所有其他数据，需要一个解决方案来合并来自所有来源的所有数据。在留下这么多不同的系统后，Arla Foods 感受到了维护本地系统的金钱负担，并选择将所有非 SAP 数据移到云中，这是一个更实惠的选择。Arla 希望有一个供应商提供数据基础服务，Azure 提供了全面解决方案所需的一切工具，无需任何第三方工具。Kasper 的团队还发现，没有一项云服务能像 Azure 那样在 Power BI 集成中很好地工作。团队确定，Azure 不仅为他们提供了数据可视化的最大灵活性，而且为预测和未来技术提供了潜力。使用 Azure 不仅可以帮助他们解决眼前的问题，而且为未来的流程和创新打开大门。
分析动力公司计划在Azure上开发一个数据基础，为公司任何地方的数据进行摄入和消费创建一个集中位置。然后，集中数据将能够用于各种业务需求，从 Power BI 中的自助报告到探索性分析，以及为数据驱动的应用程序供电。
图2。数据居住地的数据基础计划
解决方案详细信息
在数据基础架构中，有两个主要的数据源。HANA 上的 SAP BW 用于满足所有财务需求，而所有其他数据均在 Azure 中合并。此解决方案有助于解决将所有数据组合在一个位置的问题，但分析动力站需要弄清楚如何获取生活在 SAP 世界中的数据与 Azure 内的数据相结合，以便生成相关的业务信息。
为了创建一个可以一起理解 SAP 数据和 Azure 数据的架构，SAP ERP 中央组件 （ECC） 系统中生成的大部分数据的所有原始数据都通过标准 BW 数据源直接提取到 HANA 数据仓库上的 SAP BW 中。一旦摄入到SAP BW，数据就会被转换、建模并存储在持久存储中。数据可通过 SAP BW 查询和 SAP HANA 视图进行报告。视图和查询处理运行时间聚合，以及提供切片和切分和其他 OLAP 功能。
同时，随着新架构的到位，Power BI 可以充分利用其容量，可以管理容量，并且可以大大简化数据模型，以避免以前持续存在的性能问题。Power BI 数据集将用作跨越多个主题领域的丰富语义模型，使技术技能有限的业务用户能够根据直观、标准化的业务定义进行交互式创建漂亮的报告。通过语义模型轻松访问精心策划的数据，可促进符合 Arla Foods 战略和政策的一致决策。
图3。组合所有数据源的解决方案架构
利用废物管理
使用 Azure 修复由多个咨询公司项目创建的孤岛系统，为整个公司的转型打开了大门。
阿拉食品公司利用新建筑的首批领域之一是废物管理。在Azure之前，了解整个公司产生的废物管理细节是无法实现的。由于很难将 SAP BW 和多个单个来源的所有数据组合在一起，因此无法识别生产现场的废物详细信息并确定确切问题。SAP BW 包含有关产品在供应链中移动的信息，但无法将这些数据与其他来源的生产基地和机械信息相结合，以便进行比较和理解。
有了新的数据基础，所有源都结合了 Azure 中的数据，可以与 SAP BW 的数据一起拉入 Power BI，从而可以讲述整个故事。浪费的原因可以通过 Power BI 演练和可视化来识别。
这使得公司拥有更有效的生产线，减少浪费，并能够做出明智的业务决策，从而节省公司的资金和时间，同时减少食品浪费。新的解决方案允许阿拉食品公司利用它的时间解决问题，而不是仅仅找到他们。
新建筑打开其他大门
一旦 Arla Foods 在废物管理中使用新建立的数据基础与 Power BI 相结合的力量，它就使用相同的概念来提升其业务的其他领域。
例如，预测牛奶摄入量以进行更好的生产规划，通过创建跨区域概述来改善财务流程，为非 IT 用户开发新的 KPI 提供创新空间，以及启用成本分配引擎来创造透明度和提高物流成本。
然后到现在
Arla Foods 正在从分散在业务中的多个孤岛解决方案的公司过渡到利用数据集中的企业，通过使用详细的数据在整个业务中执行多个流程。Arla Foods 现在在 Azure 中转换数据，并通过 Power BI 中的语义模型提供数据。企业用户通过在精心策划的数据上创建数据可视化，从而获得授权，从而允许他们采取行动。该组织无需管理和维护预处理解决方案，从而节省了云服务的金钱和时间。它还通过使用 Azure 云平台和 Power BI 确定在哪里调整成本和价格来降低其底线成本。
可以管理和扩展整个公司的组织数据模式，以继续解决更深层次的业务问题并构建新的解决方案。新架构使管理交付和维护成本以及优化业务支出变得简单。不管是什么问题，用户现在有一个简单的地方来获得答案。Arla Foods 现在在使用其数据方面具有灵活性，为无休止的创新打开了大门。
(4)价值体现
接下来呢？
如果人们不知道如何以及在哪里获得他们需要的东西，那么拥有所有可用和正确设置的数据就没什么价值了。因此，Arla Foods 的下一个计划是实施一个数据目录，以了解如何从 Azure 获取信息。数据也在数据基础中进行战略标准化，以确保架构永远不会达到以前的状态。此外，组织内部的技能和业务流程需要适应处理数据的新方法，分析 Powerhouse 正在启动一项内部培训计划，以在已启动的治理框架中提高非 IT 用户正确使用数据基础的能力，该框架使 Arla 员工能够灵活地自行开发功能，同时从中心角度保持控制。
