Zunächst haben wir in der Cloud-Infrastruktur des Kunden ein skalierbares Computing-Backend auf Basis von Apache Spark erstellt. Dieses haben wir anschließend mit einem intuitiven und optisch ansprechenden Analyse-Frontend verknüpft. So können Fachanwender:innen und Management mühelos durch hunderte Millionen Datenpunkte navigieren, diese analysieren und visualisieren. Durch den Einsatz der Technologien Docker, R Shiny, Spark, Hive und Databricks wurde sowohl im Backend als auch im Frontend ein Grad an Performance und Skalierbarkeit erreicht, der höchsten Ansprüchen genügt und auch größere Nutzerzahlen effizient mit der Rechenpower des Spark-Clusters versorgt. Über ein ansprechendes User Interface sowie durch intuitive Visualisierungen werden der Analyse Daten zu über 8 Millionen Fahrzeugen in Neartime zur Verfügung gestellt.