Por Dean Philips, Worldwide Technical Leader, Automotive, na AWS
Os fabricantes de automóveis fizeram sempre um grande esforço na inovação e na diferenciação de mercado. Todos têm uma profunda tradição de criatividade, inovação e excelência em engenharia, assim como uma firme convicção de que o sucesso alcança-se e mantêm-se através do pensamento a longo prazo, que procura recriar continuamente e proporcionar experiências únicas ao cliente.
Esta mentalidade está a impulsionar um novo imperativo no setor: a transformação digital disruptiva para aumentar a agilidade e estimular a inovação, ao mesmo tempo que melhora a eficiência operacional. Fiel à herança de engenharia, os fabricantes automóveis estão a adotar a computação em cloud, o armazenamento, e tecnologias complementares, para permitir decisões com base em dados, machine learning, e plataformas analíticas, para enquadrar e alimentar as estratégias de transformação.
Um princípio fundamental nesta mudança é a construção das ferramentas para a transformação digital, e para isso é necessário ter as data houses em ordem. Assim, inevitavelmente, significa que é necessário migrar dados de vários sistemas, muitas vezes bancos de dados e sistemas de TI antigos, e diferentes, para um repositório centralizado, ou “data lake“, que pode armazenar dados estruturados e não estruturados, em qualquer escala.
Tomar decisões através do uso de processos com muitos dados, não é novidade na indústria automóvel. Ainda assim, os dados tendem a existir em silos, geralmente organizados por áreas funcionais como marketing, engenharia e produção industrial. Cada área da empresa apresenta as próprias ideias sobre os dados e as decisões são tomadas com base numa combinação complexa de conjuntos de dados díspares.
Os data lakes libertam ativos de informação valiosos dos sistemas em silos, permitindo que diversos conjuntos de dados coexistam “como são”. Assim, diferentes tipos de análise holística e modelagem de painéis e visualizações a processamento de big data, análises em tempo real e machine learning, são feitos mais depressa. Os resultados são perceções novas e mais profundas e levam a melhores decisões.
Por exemplo, a Volkswagen usa data lakes para identificar tendências operacionais, melhorar as previsões e agilizar as operações, identificando lacunas na produção e no desperdício. A Toyota aproveita os data lakes para recolher dados de veículos conectados e aplicá-los ao design e desenvolvimento de viaturas, a serviços como a partilha de carros, ao leasing de serviço completo e a novos serviços como notificações proativas de manutenção de veículos. O grupo BMW está a usar data lakes para alavancar informação da empresa a nível global para tomar decisões baseadas em dados que orientam o desenvolvimento de veículos e tecnologia, fabrico, vendas e serviços.
Os data lakes são um ponto fundamental da inovação digital no setor automóvel e muitas vezes têm um valor multiplicador exponencial, ajudando a resolver alguns dos maiores desafios da indústria. No entanto, a escala e a complexidade em organizar dados díspares para empresas globais de engenharia são monumentais. Como tal, os fabricantes estão a implementar data lakes na cloud porque ela proporciona desempenho, confiança, disponibilidade, um conjunto diversificado de mecanismos analíticos, e enormes economias de escala. As vantagens da cloud para os data lakes incluem melhor segurança, tempo de implantação mais rápido, melhor disponibilidade, atualizações de recursos/funcionalidades mais frequentes, mais elasticidade, mais cobertura geográfica, e custos vinculados à utilização real.
Por exemplo, a BMW criou um hub global de dados em cloud que usa recursos e ferramentas de machine learning da AWS para que os dados globais fiquem acessíveis em todas as regiões. Assim, os colaboradores da BMW podem processar e enriquecer o desenvolvimento, produção, vendas, e desempenho de veículos em todo o mundo.
Os data lakes abrem uma série de novas possibilidades para os fabricantes automóveis. Permitem às empresas aplicar análises avançadas e machine learning em novas fontes, como dados de máquinas, produção e logística. Embora os projetos de machine learning possam ser iniciados usando dados isolados, os data lakes proporcionam aos fabricantes de automóveis uma visão mais ampla do seu panorama de dados, para que estes melhor entendam que dados estão disponíveis, como podem ficar facilmente acessíveis, e o que deve ser recolhido agora para atender às necessidades futuras. Esta ampla visibilidade é perfeita para a mentalidade de longo prazo dos fabricantes automóveis, ajudando-os a construir roadmaps de produtos que oferecem um valor que perdure. Um bom exemplo das vantagens que os data lakes podem oferecer é o “Toyota Connected Data Lake”, baseado em cloud, que captura e armazena as milhares de milhões de mensagens em tempo real, geradas diariamente, por sistemas de telemetria em veículos. O data lake apresenta múltiplas oportunidades para melhorar a segurança e a experiência do cliente, incluindo a deteção precoce de problemas nos veículos, e a sua resolução, antes que o cliente seja afetado, assim como verificações contínuas da integridade do veículo que podem criar planos de manutenção ideais para uma experiência de condução sem preocupações.
Ao adotar uma abordagem intencional no tratamento de dados como um ativo, e dedicando recursos humanos e tecnológicos para garantir a integridade e a qualidade dos dados, os fabricantes de automóveis conseguem desenvolver e aplicar machine learning em toda a organização para alcançar uma transformação interna. A recompensa são processos automatizados que simplificam a gestão da infraestrutura, aceleram a adoção de tecnologias intuitivas e acessíveis, e criam experiências mais significativas e personalizadas para o cliente.
