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
