Combinar dados de sensor e operacionais garante que a lucratividade continue em movimento

Uma grande empresa automotiva precisava combinar sensores e dados operacionais para fornecer ofertas atraentes, melhor atendimento ao cliente e maior lucratividade. A empresa fabrica caminhões, ônibus e equipamentos de construção. Rob Mellor, VP e GM EMEA, WhereScape fala com a empresa sobre sua jornada.

Que mudanças na indústria de caminhões impulsionaram sua estratégia de dados?

É um ponto semelhante ao da indústria automobilística na década de 1990; a concorrência é acirrada, as margens são extremamente apertadas e o lucro é obtido principalmente por meio de vendas adicionais. Para a indústria automobilística, as vendas complementares eram de peças; para a indústria de caminhões oferece garantias, financiamentos, serviços e seguros. O principal desafio para todas as empresas de caminhões é como criar ofertas atraentes e significativamente melhores do que as oferecidas pelos concorrentes. Nossa resposta foi introduzir sensores em nossos caminhões; acreditamos que, ao compreender a atividade do veículo, podemos criar ofertas muito mais relevantes.

Como tem sensor de caminhão os dados tornam-se essenciais para o seu negócios?

Isso nos permite entender cada aspecto de cada caminhão individual. Podemos monitorar os componentes, precisamente onde ele foi conduzido, quão rápido estava indo e quão agressivamente foi conduzido. Os dados do sensor combinados com os dados operacionais (como marca, modelo e histórico de serviço) nos permitem construir um perfil detalhado. Usando as ferramentas certas de gerenciamento de informação, produzimos ofertas que têm uma alta chance estatística de serem lucrativas.

Por exemplo, compramos de volta os caminhões após o vencimento dos contratos de leasing e analisamos o valor potencial com base nos dados do sensor. Um caminhão que passou pelo sertão australiano não terá a mesma expectativa de vida de um caminhão que circulou nas rodovias europeias. Portanto, em vez de vender os dois caminhões com base na quilometragem, podemos vendê-los com base na expectativa de vida. Isto permite-nos atingir uma margem muito superior no camião com uma esperança de vida superior, até 5%, o que equivale a milhões de euros por ano. Isso faz uma grande diferença para a lucratividade.

A análise dos dados do sensor significa que sabemos que uma determinada parte está em risco após, digamos, 100.000 km e um caminhão específico está sendo dirigido em condições adversas, podemos prever quando a manutenção será necessária. Aconselhamos o cliente a levar o caminhão para manutenção. Este tipo de percepção permite-nos oferecer contratos de serviço a preço fixo com a garantia de que não haverá avarias.

As pessoas que compram caminhões estão interessadas no consumo de combustível de suas frotas. Usando os dados do sensor, podemos calcular o consumo médio de combustível por caminhão, viagem e até mesmo por motorista. Ter essas informações e ser capaz de agir de acordo com elas - encontrando rotas mais econômicas ou educando os motoristas - pode representar uma economia significativa para os proprietários de frotas.

Usa pose de dados do sensor um grande desafio tecnológico para o organização?

Isso muda completamente o jogo. Os dados do sensor por si só não têm valor; temos que ser capazes de analisá-lo em relação aos dados operacionais - fornecendo contexto ao conectar com seu histórico de serviços.

Esses dois tipos de dados são completamente diferentes; os dados do sensor são de alto volume, baixa complexidade e os dados operacionais são de baixo volume e alta complexidade. Como esses dois tipos de dados se encaixam e como gerenciá-los em um Enterprise Data Warehouse (EDW) totalmente integrado é apenas o começo do desafio. Os sensores criam conjuntos de dados grandes e complexos, por isso é difícil processá-los usando o processamento de dados tradicional.

Precisávamos de uma abordagem mais rápida e ágil para capturar, processar e analisar esses dados para dar suporte à estratégia de negócios. Também estamos integrando muitos outros tipos de dados para melhorar a lucratividade; por exemplo, dados não estruturados, como clima, tráfego e informações sobre greves.

Como você superou esses desafios?

Com WhereScape, temos uma estratégia ágil de análise e gerenciamento de dados. Eles automatizam o planejamento e a construção de dados em nosso IBM Netezza Enterprise Data Warehouse (EDW), 10 vezes mais rápido que os métodos tradicionais. O WhereScape está nos permitindo obter valor dos dados do sensor e reduzir o tempo de lançamento no mercado; somos capazes de entregar nossas soluções de BI mais rápido do que nunca.

WhereScape também está nos ajudando com a integração de todos os nossos sistemas de gerenciamento de informações. Precisávamos passar de data marts independentes com suas próprias técnicas de modelagem para um EDW totalmente integrado com um único padrão de modelagem global. Passamos de uma abordagem técnica ad hoc para uma abordagem baseada em modelos.

Os principais benefícios de TI de usar o WhereScape são a consistência dos dados e a integridade de todo o nosso ambiente de dados - temos cinco sites trabalhando no mesmo EDW. As alterações de manutenção do sistema são muito mais rápidas e diretas.

Criamos um novo ambiente de gerenciamento de informações centralizado que nos dá uma visão multifuncional de 360 ​​° de nossos dados, com base em um único método de modelagem. EDW é nossa primeira etapa concreta no gerenciamento de big data. Seremos capazes de responder a novas demandas de mistura de dados de diferentes negócios com volumes maiores, quase resposta em tempo real, bem como melhor rastreabilidade e reutilização.

O WhereScape é fundamental para o nosso futuro e estou ansioso para trabalhar com eles por muitos anos.

O autor deste blog é Rob Mellor, VP e GM EMEA da WhereScape