Questo è un guest post scritto in collaborazione da Alex Naumov, Principal Data Architect di smava.
smava GmbH è una delle principali società di servizi finanziari in Germania, che offre prestiti personali trasparenti, equi e convenienti per i consumatori. Sulla base di processi digitali, smava confronta le offerte di credito di oltre 20 banche. In questo modo, i mutuatari possono scegliere le offerte a loro più favorevoli in modo rapido, digitalizzato ed efficiente.
smava crede e trae vantaggio dalle decisioni basate sui dati per diventare leader di mercato. Il team Data Platform è responsabile di supportare le decisioni basate sui dati presso smava fornendo prodotti dati a tutti i dipartimenti e filiali dell'azienda. I dipartimenti comprendono team dall'ingegneria alle vendite e al marketing. Le filiali spaziano per prodotti: prestiti B2C, prestiti B2B e in passato anche mutui B2C. I prodotti di dati utilizzati all'interno dell'azienda includono, tra gli altri, approfondimenti sui percorsi degli utenti, report operativi e risultati delle campagne di marketing. La piattaforma dati serve in media 60mila query al giorno. Il volume dei dati è in TB a due cifre, con una crescita costante con l'evoluzione del business e delle fonti di dati.
Il team Data Platform di smava ha affrontato la sfida di fornire dati alle parti interessate con SLA diversi, pur mantenendo la flessibilità per aumentare e diminuire mantenendo l'efficienza in termini di costi. Sono state necessarie fino a 3 ore per generare report giornalieri, il che ha influito sul processo decisionale aziendale quando era necessario rieseguire i calcoli durante il giorno. Per accelerare l'analisi self-service e promuovere l'innovazione basata sui dati, era necessaria una soluzione che fornisse modalità per consentire a qualsiasi team di creare prodotti dati autonomamente in modo decentralizzato. Per creare e gestire i prodotti dati, smava utilizza Amazon RedShift, un data warehouse sul cloud.
In questo post mostriamo come smava ha ottimizzato la propria piattaforma dati utilizzando Amazon Redshift senza server ed Condivisione dei dati di Amazon Redshift per superare le sfide del corretto dimensionamento per carichi di lavoro imprevedibili e migliorare ulteriormente il rapporto prezzo-prestazioni. Attraverso le ottimizzazioni, smava ha ottenuto un risparmio sui costi fino al 50% e una generazione di report fino a tre volte più veloce rispetto alla precedente infrastruttura di analisi.
Panoramica della soluzione
In quanto azienda basata sui dati, smava si affida al cloud AWS per potenziare i propri casi d'uso di analisi. Per offrire ai propri clienti le migliori offerte e l'esperienza utente, smava segue il moderna architettura dei dati principi con un data Lake come archivio dati scalabile e durevole e archivi dati appositamente realizzati per l'elaborazione analitica e il consumo di dati.
smava inserisce dati da varie origini dati esterne e interne in una fase di atterraggio sul data Lake basato su Servizio di archiviazione semplice Amazon (Amazon S3). Per acquisire i dati, smava utilizza una serie di popolari piattaforme di dati dei clienti di terze parti integrate da script personalizzati.
Dopo che i dati sono arrivati in Amazon S3, smava utilizza il file Colla AWS Catalogo dati e crawler per catalogare automaticamente i dati disponibili, acquisire i metadati e fornire un'interfaccia che consenta di interrogare tutte le risorse di dati.
Analisti di dati che richiedono l'accesso alle risorse grezze utilizzate nel data Lake Amazzone Atena, un servizio di analisi interattivo serverless per l'esplorazione con query ad hoc. Per il consumo a valle da parte di tutti i dipartimenti dell'organizzazione, il team della piattaforma dati di smava prepara prodotti di dati curati seguendo il estrarre, caricare e trasformare modello (ELT). smava utilizza Amazon Redshift come data warehouse sul cloud per trasformare, archiviare e analizzare dati e utilizzi Spettro Amazon Redshift per interrogare e recuperare in modo efficiente dati strutturati e semistrutturati dal data Lake utilizzando SQL.
smava segue il modellazione del deposito dati metodologia con le fasi Raw Vault, Business Vault e Data Mart per preparare i prodotti dati per i consumatori finali. Il Raw Vault descrive gli oggetti caricati direttamente dalle origini dati e rappresenta una copia della fase di destinazione nel data Lake. Il Business Vault è popolato con i dati provenienti dal Raw Vault e trasformati secondo le regole aziendali. Infine, i dati vengono aggregati in prodotti dati specifici orientati a una specifica linea di business. Questo è il DataMart palcoscenico. I prodotti dati delle fasi Business Vault e Data Mart sono ora disponibili per i consumatori. smava ha deciso di utilizzare Tableau per la business intelligence, la visualizzazione dei dati e ulteriori analisi. Le trasformazioni dei dati vengono gestite con DBT per semplificare la governance del flusso di lavoro e la collaborazione del team.
Il diagramma seguente mostra l'architettura della piattaforma dati di alto livello prima delle ottimizzazioni.
Evoluzione dei requisiti della piattaforma dati
smava è iniziato con un singolo cluster Redshift per ospitare tutte e tre le fasi dei dati. Hanno scelto i nodi cluster sottoposti a provisioning di Tipo RA3 con Istanze riservate (RI) per l'ottimizzazione dei costi. Poiché i volumi di dati sono cresciuti del 53% anno su anno, sono aumentati anche la complessità e i requisiti dei vari carichi di lavoro analitici.
smava ha affrontato rapidamente i crescenti volumi di dati dimensionando correttamente il cluster e utilizzando Ridimensionamento della concorrenza di Amazon Redshift per i carichi di lavoro di punta. Inoltre, smava voleva offrire a tutti i team la possibilità di creare i propri prodotti dati in modalità self-service per aumentare il ritmo dell'innovazione. Per evitare qualsiasi interferenza con i prodotti dati gestiti centralmente, gli ambienti di sviluppo prodotto decentralizzati dovevano essere rigorosamente isolati. Lo stesso requisito è stato applicato anche per l'isolamento delle diverse fasi del prodotto curato dal team Data Platform.
Ottimizzazione dell'architettura con condivisione dati e Redshift Serverless
Per soddisfare i requisiti evoluti, smava ha deciso di separare il carico di lavoro suddividendo il singolo cluster Redshift fornito in più data warehouse, con ciascun magazzino che serve una fase diversa. Inoltre, smava ha aggiunto nuovi ambienti di staging nel Business Vault per sviluppare nuovi prodotti dati senza il rischio di interferire con le pipeline di prodotti esistenti. Per evitare qualsiasi interferenza con i prodotti dati gestiti centralmente dal team Data Platform, smava ha introdotto un ulteriore cluster Redshift, isolando i carichi di lavoro decentralizzati.
smava era alla ricerca di una soluzione pronta all'uso per ottenere l'isolamento del carico di lavoro senza gestire una complessa pipeline di replica dei dati.
Subito dopo il lancio di Condivisione dei dati Redshift funzionalità nel 2021, il team Data Platform ha riconosciuto che questa era la soluzione che stava cercando. smava ha adottato la funzionalità di condivisione dei dati per avere i dati dei cluster di produttori disponibili per l'accesso in lettura su diversi cluster di consumatori, ciascuno dei quali serve una fase diversa.
La condivisione dei dati Redshift consente un accesso istantaneo, granulare e veloce ai dati tra i cluster Redshift senza la necessità di copiare i dati. Fornisce accesso in tempo reale ai dati in modo che gli utenti vedano sempre le informazioni più aggiornate e coerenti man mano che vengono aggiornate nel data warehouse. Con la condivisione dei dati, puoi condividere in modo sicuro i dati in tempo reale con i cluster Redshift nello stesso account AWS o in account AWS diversi e tra regioni.
Con la condivisione dei dati Redshift, smava è stata in grado di ottimizzare l'architettura dei dati separando i carichi di lavoro dei dati in cluster di consumatori individuali senza dover replicare i dati. Il diagramma seguente illustra l'architettura della piattaforma dati di alto livello dopo aver suddiviso il singolo cluster Redshift in più cluster.
Fornendo un data mart self-service, smava ha aumentato la democratizzazione dei dati fornendo agli utenti l'accesso a tutti gli aspetti dei dati. Hanno inoltre fornito ai team una serie di strumenti personalizzati per il rilevamento dei dati, l'analisi ad hoc, la prototipazione e il funzionamento dell'intero ciclo di vita di prodotti di dati maturi.
Dopo aver raccolto i dati operativi dai singoli cluster, il team Data Platform ha identificato ulteriori potenziali ottimizzazioni: il cluster Raw Vault era sotto carico costante 24 ore su 7, XNUMX giorni su XNUMX, ma i cluster Business Vault venivano aggiornati solo di notte. Per ottimizzare i costi, smava ha utilizzato il file sospendere e riprendere le funzionalità dei cluster forniti da Redshift. Queste funzionalità sono utili per i cluster che devono essere disponibili in orari specifici. Mentre il cluster è in pausa, la fatturazione su richiesta è sospesa. Solo lo storage del cluster comporta dei costi.
La funzionalità di pausa e ripresa ha aiutato smava a ottimizzare i costi, ma ha richiesto un sovraccarico operativo aggiuntivo per attivare le operazioni del cluster. Inoltre, i cluster di sviluppo sono rimasti soggetti a tempi di inattività durante l’orario di lavoro. Queste sfide sono state finalmente risolte adottando Redshift Serverless nel 2022. Il team Data Platform ha deciso di spostare i cluster di fase Business Data Vault su Redshift Serverless, che consente loro di pagare per il data warehouse solo quando in uso, in modo affidabile ed efficiente.
Redshift Serverless è ideale per i casi in cui è difficile prevedere le esigenze di elaborazione come carichi di lavoro variabili, carichi di lavoro periodici con tempi di inattività e carichi di lavoro stazionari con picchi. Inoltre, man mano che la domanda di utilizzo si evolve con nuovi carichi di lavoro e più utenti simultanei, Redshift Serverless fornisce automaticamente le giuste risorse di elaborazione e il data warehouse si adatta perfettamente e automaticamente, senza la necessità di interventi manuali. La condivisione dei dati è supportata in entrambe le direzioni tra Redshift Serverless e i cluster Redshift con nodi RA3, quindi non sono state necessarie modifiche all'architettura smava. Il diagramma seguente mostra la configurazione dell'architettura di alto livello dopo il passaggio a Redshift Serverless.
smava ha combinato i vantaggi di Redshift Serverless e dbt attraverso una pipeline CI/CD continua, adottando una metodologia di sviluppo basata su trunk. Le modifiche al repository Git vengono automaticamente distribuite in una fase di test e convalidate utilizzando test di integrazione automatizzati. Questo approccio ha aumentato l'efficienza degli sviluppatori e ridotto il tempo medio di produzione da giorni a minuti.
smava ha adottato un'architettura che utilizza data warehouse Redshift sia provisioned che serverless, insieme alla capacità di condivisione dei dati per isolare i carichi di lavoro. Scegliendo i modelli architettonici giusti per le loro esigenze, smava è stata in grado di realizzare quanto segue:
- Semplifica le pipeline dei dati e riduci il sovraccarico operativo
- Riduci il tempo di rilascio delle funzionalità da giorni a minuti
- Aumenta il rapporto qualità-prezzo riducendo i tempi di inattività e dimensionando correttamente il carico di lavoro
- Ottieni una generazione di report fino a tre volte più veloce (calcoli più rapidi e maggiore parallelizzazione) al 50% dei costi di installazione originali
- Aumenta l'agilità di tutti i dipartimenti e supporta il processo decisionale basato sui dati democratizzando l'accesso ai dati
- Aumentare la velocità dell'innovazione esponendo le funzionalità dei dati self-service ai team di tutti i reparti e rafforzando le funzionalità di test A/B per coprire l'intero percorso del cliente
Ora, tutti i dipartimenti di smava utilizzano i prodotti dati disponibili per prendere decisioni guidate dai dati, accurate e agili.
Visione futura
Per il futuro, smava prevede di continuare a ottimizzare la piattaforma dati in base a parametri operativi. Stanno valutando la possibilità di passare a serverless da cluster con più provisioning, come il cluster Self-Service Data Mart. Inoltre, smava sta ottimizzando la toolchain di orchestrazione ELT per aumentare il numero di pipeline di dati parallele da eseguire. Ciò aumenterà l’utilizzo delle risorse Redshift fornite e consentirà riduzioni dei costi.
Con l'introduzione del servizio decentralizzato e self-service per la creazione di prodotti dati, smava ha fatto un passo avanti verso a architettura della rete dati. In futuro, il team di Data Platform prevede di valutare ulteriormente le esigenze degli utenti dei servizi e di stabilire ulteriori principi di data mesh come la governance dei dati federati.
Conclusione
In questo post, abbiamo mostrato come smava ha ottimizzato la propria piattaforma dati isolando ambienti e carichi di lavoro utilizzando Redshift Serverless e funzionalità di condivisione dei dati. Questi ambienti Redshift sono ben integrati con la loro infrastruttura, flessibili nella scalabilità su richiesta e altamente disponibili e richiedono sforzi amministrativi minimi. Nel complesso, smava ha aumentato le prestazioni di tre volte riducendo i costi totali della piattaforma del 50%. Inoltre, hanno ridotto al minimo i costi operativi mantenendo gli SLA esistenti per i tempi di generazione dei report. Inoltre, smava ha rafforzato la cultura dell'innovazione fornendo funzionalità di prodotti dati self-service per accelerare il time-to-market.
Se sei interessato a saperne di più sulle funzionalità di Amazon Redshift, ti consigliamo di guardare il più recente Novità nella sessione Amazon Redshift nel canale AWS Events per avere una panoramica delle funzionalità recentemente aggiunte al servizio. Puoi anche esplorare il laboratori pratici e self-service di Amazon Redshift sperimentare le funzionalità chiave di Amazon Redshift in modo guidato.
Puoi anche approfondire Casi d'uso Redshift Serverless ed casi d'uso della condivisione dei dati. Inoltre, controlla il migliori pratiche di condivisione dei dati e scopri come altri clienti ottimizzati in termini di costi e prestazioni con la condivisione dei dati Redshift per trarre ispirazione per i tuoi carichi di lavoro.
Se preferisci i libri, dai un'occhiata Amazon Redshift: la guida definitiva di O'Reilly, in cui gli autori descrivono in dettaglio le funzionalità di Amazon Redshift e forniscono approfondimenti sui modelli e sulle tecniche corrispondenti.
Informazioni sugli autori
Alex Naumov è Principal Data Architect presso smava GmbH e guida i progetti di trasformazione presso il dipartimento Dati. Alex ha lavorato in precedenza per 10 anni come consulente e architetto di dati/soluzioni in un'ampia varietà di settori, come telecomunicazioni, banche, energia e finanza, utilizzando vari stack tecnologici e in molti paesi diversi. Ha una grande passione per i dati e per trasformare le organizzazioni affinché diventino guidate dai dati e siano le migliori in ciò che fanno.
Lingli Zheng lavora come Business Development Manager nell'organizzazione specializzata mondiale AWS, supportando i clienti nella regione DACH per ottenere il massimo valore dai servizi di analisi di Amazon. Con oltre 12 anni di esperienza nel settore dell'energia, dell'automazione e del software, con particolare attenzione all'analisi dei dati, all'intelligenza artificiale e al machine learning, si dedica ad aiutare i clienti a ottenere risultati aziendali tangibili attraverso la trasformazione digitale.
Alessandro Spivak è Senior Startup Solutions Architect presso AWS, specializzato in clienti ISV B2B nell'area EMEA settentrionale. Prima di AWS, Alexander ha lavorato come consulente in servizi finanziari, ricoprendo vari ruoli nello sviluppo e nell'architettura del software. È appassionato di analisi dei dati, architetture serverless e creazione di organizzazioni efficienti.
Questo post è stato esaminato per verificarne l'accuratezza tecnica da David Greenshtein, Senior Analytics Solutions Architect.
- Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
- PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
- PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
- PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
- Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
- Fonte: https://aws.amazon.com/blogs/big-data/how-smava-makes-loans-transparent-and-affordable-using-amazon-redshift-serverless/
- :ha
- :È
- :Dove
- $ SU
- 10
- 100
- 12
- 125
- 20
- 2021
- 2022
- 60
- a
- capace
- WRI
- accesso
- Accesso ai dati
- realizzare
- Secondo
- conti
- precisione
- preciso
- Raggiungere
- raggiunto
- operanti in
- Ad
- aggiunto
- aggiunta
- aggiuntivo
- Inoltre
- indirizzata
- amministrazione
- adottato
- Adottando
- Vantaggio
- conveniente
- Dopo shavasana, sedersi in silenzio; saluti;
- agile
- AI
- alex
- Alexander
- Tutti
- consentire
- consente
- anche
- sempre
- Amazon
- Amazon Web Services
- tra
- an
- .
- Gli analisti
- Analitico
- Analitico
- analitica
- analizzare
- ed
- in qualsiasi
- applicato
- approccio
- architettonico
- architettura
- SONO
- AS
- aspetti
- Attività
- At
- autore
- gli autori
- Automatizzata
- automaticamente
- Automazione
- disponibile
- media
- evitare
- AWS
- B2B
- B2C
- Settore bancario
- Banche
- basato
- BE
- diventare
- stato
- prima
- crede
- vantaggi
- MIGLIORE
- fra
- fatturazione
- Blog
- Libri
- mutuatari
- entrambi
- rami
- portare
- affari
- sviluppo commerciale
- business intelligence
- ma
- by
- Campagna
- Materiale
- funzionalità
- capacità
- catturare
- casi
- catalogo
- Challenge
- sfide
- Modifiche
- oneri
- dai un'occhiata
- Scegli
- la scelta
- ha scelto
- Cloud
- Cluster
- collaborazione
- Raccolta
- combinato
- Aziende
- azienda
- rispetto
- completamento di una
- complesso
- complessità
- Calcolare
- concorrente
- considerando
- coerente
- consulente
- Consumer
- Consumatori
- consumo
- continua
- Corrispondente
- Costo
- risparmi
- Costi
- paesi
- coprire
- creare
- Creazione
- creazione
- Cultura
- a cura
- costume
- cliente
- dati dei clienti
- Clienti
- alle lezioni
- dati
- l'accesso ai dati
- Dati Analytics
- Lago di dati
- Piattaforma dati
- condivisione dei dati
- visualizzazione dati
- data warehouse
- data warehouse
- data-driven
- David
- giorno
- Giorni
- Offerte
- decentrata
- deciso
- Decision Making
- decisioni
- diminuita
- dedicato
- più profondo
- definitivo
- consegnare
- Richiesta
- democratizzazione
- democratizzare
- Shirts Department
- dipartimenti
- schierato
- dettaglio
- sviluppare
- sviluppatori
- Mercato
- DID
- diverso
- difficile
- digitale
- DIGITAL TRANSFORMATION
- itinerario
- direttamente
- scopri
- scoperta
- immersione
- do
- domini
- giù
- durante
- ogni
- efficienza
- efficiente
- in modo efficiente
- sforzi
- Abilita
- fine
- energia
- impegni
- Ingegneria
- ambienti
- stabilire
- Etere (ETH)
- valutare
- eventi
- evolvere
- si è evoluta
- si evolve
- esistente
- esperienza
- esperimento
- esplorazione
- esplora
- esterno
- di fronte
- fiera
- FAST
- più veloce
- favorevole
- caratteristica
- Caratteristiche
- Infine
- finanziare
- finanziario
- servizi finanziari
- Flessibilità
- flessibile
- Focus
- messa a fuoco
- i seguenti
- segue
- Nel
- Per i consumatori
- precedentemente
- Avanti
- Favorire
- da
- pieno
- funzionalità
- ulteriormente
- Inoltre
- futuro
- generare
- ELETTRICA
- Germania
- ottenere
- Idiota
- Dare
- GmbH
- la governance
- grande
- è cresciuto
- Crescita
- Crescita
- GUEST
- Ospite Messaggio
- guida
- guidata
- ha avuto
- mani su
- accadere
- Avere
- avendo
- he
- aiutato
- aiutare
- alto livello
- superiore
- vivamente
- host
- ORE
- Come
- HTML
- HTTPS
- ideale
- identificato
- Idle
- illustra
- impattato
- competenze
- in
- includere
- Compreso
- Aumento
- è aumentato
- individuale
- industria
- informazioni
- Infrastruttura
- Innovazione
- interno
- intuizioni
- fonte di ispirazione
- istanze
- immediato
- integrato
- integrazione
- Intelligence
- interattivo
- interessato
- Interfaccia
- interferenza
- interferire
- interno
- intervento
- ai miglioramenti
- introdotto
- l'introduzione di
- Introduzione
- isolato
- da solo
- isv
- IT
- Journeys
- Le
- lago
- atterraggio
- terre
- lanciare
- leader
- principale
- Leads
- apprendimento
- ciclo di vita
- piace
- linea
- vivere
- dati in tempo reale
- caricare
- prestito
- Prestiti e finanziamenti
- cerca
- fatto
- mantenimento
- make
- FA
- Fare
- gestire
- gestito
- direttore
- gestione
- modo
- Manuale
- molti
- Rappresentanza
- Leader del mercato
- Marketing
- alunni
- Soddisfare
- maglia
- Metadati
- Metodologia
- Metrica
- ordine
- verbale
- ML
- Scopri di più
- Inoltre
- Ipoteche
- maggior parte
- cambiano
- multiplo
- cioè
- Bisogno
- di applicazione
- esigenze
- New
- no
- nodi
- Nord
- adesso
- numero
- oggetti
- of
- Offerte
- on
- On-Demand
- ONE
- esclusivamente
- operativo
- operativa
- Operazioni
- ottimizzazione
- OTTIMIZZA
- ottimizzati
- ottimizzazione
- Opzione
- or
- orchestrazione
- minimo
- organizzazione
- organizzazioni
- i
- Altro
- Altri
- su
- ancora
- complessivo
- Superare
- panoramica
- proprio
- Pace
- Parallel
- passione
- appassionato
- Cartamodello
- modelli
- pausa
- in pausa
- Paga le
- Corrente di
- per
- performance
- periodico
- cronologia
- Prestiti personali
- conduttura
- piani
- piattaforma
- Piattaforme
- Platone
- Platone Data Intelligence
- PlatoneDati
- Popolare
- popolata
- Post
- potenziale
- energia
- predire
- preferire
- Preparare
- prepara
- precedente
- in precedenza
- Direttore
- principi
- Precedente
- i processi
- lavorazione
- produttore
- Prodotto
- sviluppo del prodotto
- Produzione
- Prodotti
- progetti
- prototipazione
- fornire
- purché
- fornisce
- fornitura
- query
- rapidamente
- gamma
- Crudo
- Leggi
- recente
- recentemente
- riconosciuto
- raccomandare
- ridurre
- Ridotto
- riducendo
- riduzioni
- regione
- regioni
- rilasciare
- è rimasta
- replicazione
- rapporto
- Reportistica
- Report
- deposito
- rappresenta
- richiedere
- necessario
- requisito
- Requisiti
- Risorse
- responsabile
- Risultati
- curriculum vitae
- rivisto
- destra
- Rischio
- ruoli
- norme
- Correre
- vendite
- Vendite e marketing
- stesso
- Risparmio
- scalabile
- Scala
- bilancia
- scala
- script
- senza soluzione di continuità
- senza soluzione di continuità
- in modo sicuro
- vedere
- Fai da te
- anziano
- separato
- separazione
- serverless
- serve
- servizio
- Servizi
- servizio
- Sessione
- set
- flessibile.
- Condividi
- compartecipazione
- lei
- mostrare attraverso le sue creazioni
- ha mostrato
- Spettacoli
- Un'espansione
- semplificare
- singolo
- So
- Software
- lo sviluppo del software
- soluzione
- Soluzioni
- risolto
- source
- fonti
- specialista
- specifico
- velocità
- picchi
- SQL
- Stacks
- Stage
- tappe
- messa in scena
- stakeholder
- iniziato
- startup
- soggiorno
- costante
- step
- conservazione
- Tornare al suo account
- negozi
- rafforzato
- potenziamento
- strutturato
- soggetto
- tale
- supporto
- supportato
- Supporto
- sospeso
- Quadro
- prende
- tangibile
- team
- le squadre
- Tech
- Consulenza
- tecniche
- telecomunicazioni
- test
- test
- di
- che
- Il
- Il futuro
- loro
- Li
- Strumenti Bowman per analizzare le seguenti finiture:
- di
- di parti terze standard
- questo
- quelli
- mille
- tre
- Attraverso
- tempo
- volte
- a
- insieme
- ha preso
- strumenti
- Totale
- verso
- Trasformare
- Trasformazione
- trasformazioni
- trasformato
- trasformazione
- trasparente
- innescare
- per
- imprevedibile
- up-to-date
- aggiornato
- Impiego
- uso
- utilizzato
- Utente
- Esperienza da Utente
- utenti
- usa
- utilizzando
- utilizza
- convalidato
- APPREZZIAMO
- variabile
- varietà
- vario
- Volta
- visualizzazione
- volume
- volumi
- ricercato
- Magazzino
- Prima
- guardare
- Modo..
- modi
- we
- sito web
- servizi web
- WELL
- sono stati
- Che
- quando
- quale
- while
- OMS
- largo
- wikipedia
- volere
- con
- senza
- lavorato
- flusso di lavoro
- lavoro
- Orari
- lavori
- Corsi
- In tutto il mondo
- anno
- anni
- Tu
- Trasferimento da aeroporto a Sharm
- youtube
- zefiro