Connected Vehicle Data Migration

Scenario

In un mondo in cui i big data rappresentano un patrimonio di inestimabile valore per le organizzazioni, una delle principali case automobilistiche ha deciso di affidarsi alle competenze di Technology Reply per arricchire la nuova piattaforma analytics con informazioni utili all’analisi di dati legati ai settori della guida autonoma, dello smart cockpit e dei servizi del veicolo connesso.

La piattaforma di analytics permetterà lo studio e l’analisi dello stile di guida, attraverso significativi indicatori chiave


Soluzione

Grazie ai segnali provenienti dai sensori presenti all’interno dei veicoli si è in grado di recepire un’elevata mole di dati che fornisce visibilità sull’utilizzo reale delle auto in termini di tempi di utilizzo e di attività; informazioni rilevanti per intraprendere analisi avanzate di predictive maintenance e driving behaviour. Tramite tali analisi si è in grado di individuare le necessità reali dei guidatori e poter fornire loro i servizi più adatti.

La soluzione implementata sulla nuova piattaforma prevede, oltre al processo di Estrazione, Trasformazione e Caricamento (ETL) del dato su vari layers del lakehouse, l’obiettivo di arricchire le informazioni già presenti sulla nuova piattaforma. Fino ad oggi difatti, l’attuale piattaforma possedeva solamente i dati relativi al veicolo, senza i dettagli legati alla tipologia di prodotto e di mercato. Attraverso la migrazione e l’esposizione dei dati sulla nuova piattaforma, sarà adesso possibile integrare i dati del veicolo con le relative anagrafiche di prodotto e mercato permettendo all’utente finale di effettuare analisi più approfondite e con maggiori livelli di dettaglio.

Inoltre, oltre all’implementazione della soluzione di back-end, Technology Reply si occuperà di disegnare e sviluppare una soluzione di front-end, per la realizzazione di dashboard dedicate alla visualizzazione di report e indicatori chiave utili per le analisi degli utenti di business.

Il progetto è quindi suddiviso in quattro macro-aree:

  • Migrazione dal sistema in dismissione a favore della nuova piattaforma, dell’intero processo di ETL e calcolo di importanti KPI legati al veicolo connesso
  • Connessione ed esposizione di corposi set di dati, al fine di arricchire le informazioni già presenti sulla nuova piattaforma e favorire delle analisi di business più dettagliate
  • Porting e riadeguamento delle dashboard attuali, puntando a mettere in luce i diversi stili di guida, le tipologie di strade e viaggi percorsi, le statistiche prestazionali dei livelli di batteria etc.
  • Ottimizzazione delle performance degli attuali cruscotti di front end tramite la retrocessione a Back-end di complesse logiche, sviluppate in precedenza sul Front-end, con l’idea di migliorare il flusso di risalita delle informazioni tramite dettagliati livelli di aggregazione del dato


Tecnologie

Le tecnologie utilizzate sono le seguenti:

  • Una piattaforma analytics veloce e collaborativa basata su Apache Spark, in grado di supportare i linguaggi Python, R, Java e SQL, oltre ai framework e le librerie di data science (ad esempio TensorFlow, PyTorch e scikit-learn). Si tratta di uno strumento basato su Cloud creato con l’obiettivo di elaborare e trasformare ingenti moli di dati sfruttando un ambiente di lavoro veloce, affidabile scalabile e facile da utilizzare per tutti i professionisti.
  • Uno strumento di business intelligence che permette di generare dashboard e report dettagliati per l’analisi, la visualizzazione e la condivisione di dati aziendali. Tramite tale strumento è possibile visualizzare rapidamente panoramiche di dati, tendenze, individuare problemi e prendere delle decisioni puntuali.


Sfide

La sfida intrapresa ha riguardato principalmente la gestione dell’ingente mole di dati che quotidianamente in modalità near real time vengono inviati dai vari sensori posizionati all’interno dei veicoli. Technology Reply ha saputo far fronte a tale sfida attraverso le competenze e lo studio della soluzione che ha condotto all’implementazione di logiche di aggregazione del dato finalizzate all’ottimizzazione delle performance di risalita sui vari layer, il tutto sfruttando il nuovo strumento basato su Cloud, adottato appositamente con l’obiettivo di elaborare e trasformare grosse quantità di dati.