Industrie: Internet und Telekommunikation

Verwendete JetBrains-Produkte: Datalore

Organisationsgröße: 3000+

Land: Japan

LINE Corporation

Line Corporation bietet Dienstleistungen in verschiedenen Bereichen wie Medien, Handel und Fintech an, basierend auf der Messaging-App „LINE“, die 193 Millionen MAUs (monatlich aktive Benutzer*innen) weltweit und 94 Millionen MAUs in Japan hat.

“Während des Evaluierungsprozesses stellten wir fest, dass die UX von Datalore unseren Entwickler*innen vertraut war und die Funktionalität zur gemeinsamen Nutzung von Berichten einfach zu bedienen war. Dank der Zusammenarbeit zwischen unserem Entwicklungsteam und dem Datalore-Entwicklungsteam konnten wir unsere Anforderungen an Workflows und Data Governance erfüllen.”

— Seongduk Cheon, Senior Manager bei LINE Corporation

Wie LINE Datalore als neue Datenanalyseplattform eingeführt hat

Über LINE

Könnten Sie ein paar Worte zu sich selbst sagen?

Mein Name ist Seongduk Cheon. Ich bin Senior Manager bei LINE Corporation und leite die Datenplattformabteilung. Unsere Aufgabe ist es, die Nutzung von Daten zu demokratisieren und den Benutzer*innen innerhalb des Unternehmens eine Plattform für die Analyse von Daten zu bieten.

An welchen Arten von Projekten arbeitet LINE?

Wir bieten Dienstleistungen in verschiedenen Bereichen wie Medien, Handel und Fintech an, basierend auf der Messaging-App „LINE“, die 193 Millionen MAUs (monatlich aktive Benutzer*innen) weltweit und 94 Millionen MAUs in Japan hat.

Die Abteilung für Datenplattformen stellt den Benutzer*innen eine Plattform zum Sammeln, Speichern, Verwalten und Analysieren von Daten aus den verschiedenen Diensten von LINE zur Verfügung. IU oder Information Universe genannt, ist dies die unternehmensweite Dateninfrastruktur, die die Daten der verschiedenen Geschäftsbereiche enthält.


Zu lösende Probleme

Warum haben Sie sich nach einer Lösung wie Datalore umgesehen? Welchen Herausforderungen standen Sie gegenüber?

In den letzten Jahren ist die Nachfrage nach der Datenanalyse innerhalb des Unternehmens gestiegen. Die Anfragen nach Notebook-Lösungen gingen weit über die einfache Ausführung von Abfragen hinaus, insbesondere von Datenwissenschaftler*innen und Entwickler*innen für Machine-Learning. OASIS, unsere eigene Notebook-Lösung, die wir bisher verwendet hatten, verfügte nicht über die Entwicklungsressourcen, um diese vielfältigen Anforderungen zu erfüllen.

Wir haben neue Notebook-Lösungen evaluiert, und Datalore war einer der Kandidaten.

Während des Evaluierungsprozesses stellten wir fest, dass die UX von Datalore unseren Entwickler*innen vertraut war und die Funktionalität zur gemeinsamen Nutzung von Berichten einfach zu bedienen war.

Dank der Zusammenarbeit unseres Entwicklungsteams und des Datalore-Entwicklungsteams konnten wir unsere Anforderungen an den Workflow und die Data Governance erfüllen:

  • Unterstützung des Client-Modus für Spark
  • Unterstützung für native R-Pakete
  • Verbesserte Audit-Protokollierung
  • Detaillierte Berechtigungsverwaltung für Berichte und Arbeitsbereiche

Diese Funktionen waren für uns entscheidend, und wir haben uns für Datalore als unsere Data-Science-Plattform entschieden.


„Wir freuen uns auch darüber, dass Datalore von viel mehr Benutzer*innen verwendet wird, als wir ursprünglich erwartet hatten, auch von solchen, die nicht im Bereich Data Engineering und Data Science tätig sind. Letztendlich erwarten wir, dass Datalore von mehreren hundert Benutzer*innen in LINE verwendet wird.“


Die Datalore-Erfahrung

Wer verwendet Datalore in Ihrem Team?

Obwohl Datalore erst vor kurzem bei LINE eingeführt wurde, verwendet ab dem 1. März 2023 fast die Hälfte der Datenanalyseteams sowohl innerhalb der LINE-Gruppe als auch der Konzernunternehmen Datalore. Wir freuen uns auch darüber, dass Datalore von viel mehr Benutzer*innen verwendet wird, als wir ursprünglich erwartet hatten, auch von solchen, die nicht im Bereich Data Engineering und Data Science tätig sind. Letztendlich erwarten wir, dass Datalore von mehreren hundert Benutzer*innen in LINE verwendet wird.

Hat sich der Onboarding-Prozess nach der Einführung von Datalore verändert?

Erstens gab es bei der Einführung von Datalore keine großen Hindernisse. Obwohl wir zu Beginn einige Fragen von den Benutzer*innen erhielten, machte die vertraute Benutzeroberfläche den Einstieg für diejenigen, die unsere eigenen Lösungen, OASIS und Jupyter, verwendet hatten, einfach.

Zweitens war die größte Herausforderung für unsere Benutzer*innen die Ausführung von Aufträgen im Client-Modus von Spark. Durch die Zusammenarbeit unserer Entwicklungs- und Datalore-Supportteams ist es uns gelungen, dieses Problem zu lösen.

Drittens gab es eine Lücke zwischen dem Datalore-Produktkonzept und der LINE-Datenverwaltung im Hinblick auf die Berechtigungsverwaltung, was einige Schwierigkeiten mit sich brachte. Dank der gemeinsamen Zusammenarbeit mit dem Datalore-Entwicklungsteam konnten wir diese Lücke schließen und Datalore offiziell verwenden.

Mit welchen Arten von Daten arbeiten Sie? Welche Tools verwenden Sie, um die Ergebnisse Ihrer Arbeit zu präsentieren?

Da wir ein Dateninfrastrukturanbieter sind, kennen wir die Details der Daten nicht. Diejenigen, die Zugang zu IU (Information Universe) haben, importieren und analysieren die Daten über Datalore.

In der Regel teilen wir die Ergebnisse unserer Arbeit, indem wir die Links zu den Datalore-Berichten in den Wikis der Organisationen veröffentlichen, und wir finden die Berichtsfunktionen sehr nützlich.


„Da Datalore gerade erst eingeführt wurde, konnten wir interne Entwicklungsressourcen freisetzen, als wir beschlossen, von unserer internen Data-Science-Plattform zu Datalore zu wechseln. Außerdem konnten wir unsere Data-Governance-Anforderungen erfüllen, was für die Einhaltung der LINE-Richtlinien entscheidend war.“


Wie wird LINE Ihrer Meinung nach von der Nutzung von Datalore profitieren?

Da Datalore gerade erst eingeführt wurde, haben wir noch keine quantitative Bewertung des Rücklaufs vorgenommen. Es ist uns jedoch gelungen, interne Entwicklungsressourcen freizusetzen, als wir beschlossen, von unserer internen Data-Science-Plattform zu Datalore zu wechseln. Außerdem konnten wir unsere Data-Governance-Anforderungen erfüllen, was für die Einhaltung der LINE-Richtlinien entscheidend war.

Wir gehen davon aus, dass die Einführung der Notebook-Lösung von Datalore datengesteuerte Entscheidungen derjenigen fördern wird, die innerhalb der LINE-Gruppe mit der Datenanalyse betraut sind. Wenn die Ergebnisse der Datenanalyse reibungslos und schnell in den verschiedenen Geschäftsbereichen von LINE eingesetzt werden können, wird dies zum Geschäft beitragen, indem es schnellere PDCA-Zyklen und eine datengesteuerte Entscheidungsfindung ermöglicht.

Ähnliche Kundenstudien

Hunters

Netanel Golani, Bedrohungsexperte bei Hunters

Es ist erst einen Monat her, dass das Data-Science-Team von Hunters Datalore eingeführt hat, und wir haben bereits Verbesserungen bei der Produktivität und Bedienfreundlichkeit in unserem täglichen Arbeitsablauf beobachtet – insbesondere bei der Arbeit mit einer Vielzahl von Kundendatenquellen.

Center for New Data

Chad Rosenberg, Head of Technology, Center for New Data

Datalore bietet uns Möglichkeiten, mit unseren Daten zu arbeiten, die uns in Airflow einfach nicht zur Verfügung stehen – wir können zum Beispiel die Pipeline-Ergebnisse debuggen, die Webhooks testen und die Daten mit automatischen Plotting-Funktionen unkompliziert visualisieren. Die Verwendung des nativen Snowflake-Konnektors in Datalore sowie der programmatischen Konnektoren in Pandas hat bei der Arbeit an geteilten Notebooks definitiv Zeit gespart.

TrueLayer

Moreno Raimondo Vendra, Senior Engineer für maschinelles Lernen, TrueLayer

Datalore ermöglichte einen ergonomischen Zugriff auf unsere Daten und erfüllte gleichzeitig die Sicherheitsanforderungen, was für uns ein entscheidender Vorteil war. Dadurch ist die Zusammenarbeit sowohl innerhalb unseres ML-Teams als auch mit unseren Stakeholdern viel einfacher geworden.

Weitere Kundenstudien