Fazer login no IT Mídia Redefinir senha
Bem-vindo de volta,
Digite seu e-mail e clique em enviar
Ainda não tem uma conta? Cadastre-se
Salvar em Nova pasta de favoritos

+

Criar pasta
Salvar Escolher Pasta
Como montadoras estão organizando data houses para impulsionar a transformação digital
Home > Notícias

Como montadoras estão organizando data houses para impulsionar a transformação digital

Data lakes são ponto fundamental da inovação no setor e costumam ter valor multiplicador, ajudando a resolver maiores desafios

Dean Philips*

18/10/2021 às 22h19

montadora, indústria automotiva, carro, linha de montagem
Foto: Shutterstock

Empresas automotivas estão
sempre se esforçando para serem inovadoras e diferenciadas no mercado. Elas têm
em comum uma profunda tradição de criatividade, inovação e excelência em engenharia
e uma crença sólida de que o sucesso é alcançado e sustentado por um pensamento
de longo prazo que busca reimaginar e oferecer experiências excepcionais ao
cliente.

Esse mindset de longo
alcance está impulsionando um novo modo de fazer negócios no setor: a
transformação disruptiva digital para aumentar a agilidade e estimular a inovação,
enquanto melhora continuamente as eficiências operacionais. Fiel às suas
tradições de engenharia, as montadoras estão adotando a computação em nuvem,
armazenamento e tecnologias complementares na nuvem para permitir a tomada de
decisão baseada em dados, machine learning e plataformas de analytics para
alimentar suas estratégias de transformação.

Um princípio fundamental nesta
mudança é que construir as ferramentas para a transformação requer que o seu
data house esteja em ordem. Inevitavelmente isso pode significar migrar dados
de múltiplos e, muitas vezes, díspares, sistemas de TI e bancos de dados
legados para um repositório centralizado, ou data lake, que pode armazenar
dados estruturados e não estruturados em qualquer escala.

Usar processos com dados pesados
para tomar decisões não é uma ideia nova na indústria automotiva. Na maioria
das vezes, no entanto, os dados existem em silos - normalmente organizados por áreas
funcionais, como marketing, engenharia e manufatura. Cada área da empresa
oferece seus próprios insights baseados em dados e as decisões são tomadas com
base em uma combinação complexa de conjuntos de dados díspares.

Data lakes liberam valiosos ativos
de informações de sistemas que estão em silos, permitindo que diversos
conjuntos de dados coexistam "como são". Isso permite que diferentes
tipos de análise e modelagem holística de painéis de controle, visualizações,
processamento de big data, analytics em tempo real e machine learning sejam
feitos mais rapidamente. Os resultados são percepções novas e mais profundas
que orientam melhores decisões.

A Volkswagen, por exemplo, está
usando data lakes para identificar tendências operacionais, melhorar as
previsões e otimizar as operações identificando lacunas na produção e
desperdício.

 A Toyota está aproveitando data lakes para
coletar dados de automóveis conectados e aplicá-los em design e desenvolvimento
de veículos, além de novos serviços contextuais, como compartilhamento de
carros, caronas, serviços de aluguel e novos serviços corporativos e para
pessoas físicas, como notificações proativas de manutenção do veículo.

O grupo BMW está usando data lakes
para usar informações de toda a empresa globalmente, guiando a tomada de
decisões baseadas em dados que guiam o desenvolvimento de tecnologia e de
veículos, fabricação, vendas e serviços.

Os data lakes são ponto fundamental da inovação digital no setor automotivo e costumam ter um valor multiplicador exponencial, ajudando a resolver alguns dos maiores desafios do setor. No entanto, a escala e a complexidade de organizar dados díspares para multinacionais de engenharia é monumental.

Assim, as montadoras estão implantando data lakes na nuvem porque fornece desempenho, confiabilidade, disponibilidade, um conjunto diversificado de mecanismos analíticos e enormes economias de escala. As vantagens da nuvem para os data lakes incluem melhor segurança, tempo de implantação mais rápido, melhor disponibilidade, mais frequência nas atualizações de recursos e funcionalidades, mais elasticidade, maior cobertura geográfica e custos vinculados à utilização real.

Como exemplo temos a BMW, que
criou um hub de dados global na nuvem que emprega recursos de machine learning
da AWS e ferramentas para tornar os dados acessíveis em todas as regiões. Com a
AWS, os funcionários da fabricante podem processar, interrogar e enriquecer os
dados de desenvolvimento, produção, vendas e desempenho de veículos em todo o
mundo.

Os data lakes estão abrindo uma
série de possibilidades para as montadoras. Novas abordagens de modelagem de
dados capacitam as empresas a aplicar análises avançadas e machine learning em
novas fontes, como em dados de maquinário, fabricação e logística. Enquanto os
projetos de machine learning podem ser iniciados com o uso de dados isolados,
os data lakes fornecem aos fabricantes de automóveis uma visão mais ampla de
seu panorama de dados para entender quais dados estão disponíveis, como podem
ser facilmente acessíveis e o que deve ser coletado no momento para atender
necessidades futuras.

Essa ampla visibilidade se encaixa
bem com a mentalidade de longo prazo das montadoras, ajudando-as a construir
roadmaps de produtos que proporcionem um valor durável e de longo prazo. Um
forte exemplo das vantagens que os data lakes podem oferecer é o "Toyota
Connected Data Lake", baseado na nuvem e que opera em tempo real
capturando e armazenando bilhões de mensagens geradas diariamente pelos
sistemas de telemetria dos veículos.

O data lake apresenta várias
oportunidades para melhorar a segurança do cliente e aprimorar a experiência de
propriedade do veículo. Isso inclui detecção precoce e resolução de problemas
do veículo antes que o cliente seja afetado, além de análises contínuas da
situação do veículo que podem criar planos de manutenção otimizados para o
cliente dirigir livre de preocupações.

Adotando uma abordagem intencional
para tratar os dados como um ativo e dedicar recursos humanos e tecnológicos
para garantir a integridade e qualidade dos dados, as montadoras são capazes de
desenvolver e aplicar machine learning 
em toda a organização para realizar a transformação interna. A
recompensa é a automatização de processos que simplificam o gerenciamento da
infraestrutura, a adoção acelerada de tecnologias intuitivas e acessíveis, e a
criação de experiências mais significativas e personalizadas para os clientes.

* Dean Philips é líder técnico global
para o setor automotivo na AWS

Vai um cookie?

A CIO usa cookies para personalizar conteúdo e anúncios, para melhorar sua experiência em nosso site. Ao continuar, você aceitará o uso. Para mais detalhes veja nossa Política de Privacidade.

Este anúncio desaparecerá em:

Fechar anúncio

15