Las empresas fabricantes de automóviles siempre se esfuerzan por ser novedosas y distintivas en el mercado. Una cosa que tienen en común es una profunda tradición de creatividad, innovación y excelencia en ingeniería, y una firme creencia de que el éxito se logra y se mantiene a través de un pensamiento a largo plazo que busca continuamente reimaginar y ofrecer experiencias excepcionales a los clientes.
Esta mentalidad a largo plazo está impulsando un nuevo imperativo empresarial en la industria: la transformación digital disruptiva para aumentar la agilidad y provocar la innovación, al tiempo que se mejora continuamente la eficiencia operativa. Fieles a su herencia de ingeniería, los fabricantes de automóviles están adoptando la computación en la nube, el almacenamiento y las tecnologías complementarias para permitir la toma de decisiones basada en datos. Además del aprendizaje automático y las plataformas de análisis para enmarcar e impulsar sus estrategias de transformación.
Un principio fundamental en este cambio se basa en que la creación de las herramientas para la transformación requiere tener sus almacenes de datos en orden – lo que inevitablemente significa la migración de datos de múltiples, a menudo dispares sistemas de TI heredados y bases de datos a un repositorio centralizado, o «lago de datos», que puede almacenar datos estructurados y no a cualquier escala.
El uso de los procesos basados en datos para tomar decisiones no es una idea nueva en la industria automotriz. Sin embargo, la mayoría de las veces los datos existen en silos, normalmente organizados por áreas funcionales como marketing, ingeniería y fabricación. Cada área de la empresa aporta su propia información basada en datos y las decisiones se toman basándose en una compleja combinación de conjuntos de datos dispares.
Los lagos de datos liberan valiosos activos de información de los sistemas en silos, permitiendo que diversos conjuntos de datos coexistan «tal cual». Esto permite realizar con mayor rapidez diferentes tipos de análisis y modelos holísticos, desde cuadros de mando y visualizaciones hasta el procesamiento de big data, análisis en tiempo real y aprendizaje automático. Los resultados son nuevos y más profundos en cuanto a conocimientos que guían hacia mejores decisiones.
Por ejemplo, Volkswagen utiliza los lagos de datos para identificar las tendencias operativas, mejorar las previsiones y agilizar las operaciones mediante la identificación de lagunas en la producción y los residuos. Toyota está aprovechando los lagos de datos para recopilar datos de los vehículos conectados y aplicarlos al diseño y desarrollo de vehículos, a nuevos servicios contextuales como el uso compartido de vehículos, el uso compartido de viajes, el arrendamiento de servicios completos, y a nuevos servicios corporativos y de consumo como las notificaciones proactivas de mantenimiento de vehículos. El Grupo BMW utiliza los lagos de datos para aprovechar la información de toda la empresa a nivel mundial y tomar decisiones basadas en datos que guíen el desarrollo, la fabricación, las ventas y el servicio de los vehículos y la tecnología.
Los lagos de datos son un pilar de la innovación digital en el sector de la automoción y a menudo tienen un valor multiplicador exponencial, ayudando a resolver algunos de los mayores retos de la industria. Sin embargo, la escala y la complejidad de la organización de datos dispares para las empresas globales impulsadas por la ingeniería es monumental. Por ello, los fabricantes de automóviles están desplegando lagos de datos en la nube, ya que proporciona rendimiento, fiabilidad, disponibilidad, un conjunto diverso de motores analíticos y enormes economías de escala. Las ventajas de la nube para los lagos de datos incluyen una mejor seguridad, un tiempo de despliegue más rápido, una mejor disponibilidad, actualizaciones más frecuentes de características/funcionalidades, más elasticidad, más cobertura geográfica y costes ligados a la utilización real.
Por ejemplo, BMW creó un centro global de datos en la nube que emplea las capacidades y herramientas de aprendizaje automático de AWS para que los datos globales sean accesibles en todas las regiones. Con AWS, los empleados de BMW pueden procesar, interrogar y enriquecer los datos de desarrollo, producción, ventas y rendimiento de los vehículos en todo el mundo.
Los lagos de datos están abriendo una serie de nuevas posibilidades para los fabricantes de automóviles. Los nuevos enfoques de modelado de datos permiten a las empresas aplicar análisis avanzados y aprendizaje automático sobre nuevas fuentes, como los datos de máquinas, fabricación y logística. Mientras que los proyectos de aprendizaje automático pueden iniciarse utilizando datos aislados, los lagos de datos ofrecen a los fabricantes de automóviles una visión más amplia de su panorama general de datos para comprender plenamente qué datos están disponibles, cómo pueden hacerse fácilmente accesibles y qué debe recopilarse ahora para satisfacer las necesidades futuras.
Esta amplia visibilidad encaja bien con la mentalidad a largo plazo de los fabricantes de automóviles, ya que los ayuda a crear hojas de ruta de productos que ofrezcan un valor duradero a largo plazo. Un buen ejemplo de las ventajas que pueden ofrecer los lagos de datos es el «Toyota Connected Data Lake» de Toyota, basado en la nube y en tiempo real, que captura y almacena los miles de millones de mensajes generados diariamente por los sistemas de telemetría de los vehículos. El lago de datos presenta múltiples oportunidades para mejorar la seguridad del cliente y la experiencia de propiedad del vehículo, incluida la detección y resolución temprana de problemas del vehículo antes de que el cliente se vea afectado, y las comprobaciones continuas del estado del vehículo que pueden crear planes de mantenimiento óptimos para una conducción sin preocupaciones.
Al adoptar un enfoque intencional para tratar los datos como un activo y dedicar recursos humanos y tecnológicos para garantizar la integridad y la calidad de los datos, los fabricantes de automóviles son capaces de desarrollar y aplicar el aprendizaje automático en toda la organización para realizar la transformación interna. El resultado son procesos automatizados que simplifican la gestión de la infraestructura, aceleran la adopción de tecnologías intuitivas y accesibles, y crean experiencias de cliente más significativas y personalizadas.
