CIOs de Shell, ARC y Cargill comparten sus experiencias y casos de éxito aplicando Big Data y Análisis predictivo; explican cómo lograron optimizar procesos y transformar sus modelos de negocios.

Según IDC los ingresos mundiales del Big Data y Software para análisis de negocios superarán los US $166 mil millones este 2020, un aumento del 11.7% respecto a 2019.  Los datos se han convertido en la información más preciada por las empresas; permiten realizar análisis, mejorar la eficiencia de los procesos y crear nuevas estrategias para satisfacer a los clientes.

Los CIOs de Shell, ARC y Cargill compartieron sus experiencias aplicando Big Data y Análisis predictivo. Detallan como lograron mejorar la eficiencia en los procesos empresariales y transformar sus modelos de negocios.

1. Shell: Analítica predictiva para anticipar fallos en perforadoras de petróleo y gestión de inventario.

Shell desde hace algunos años se convirtió en un ejemplo de Big Data y Analítica avanzada aplicado a maquinarias. Durante años este gigante petrolero no sabía en cuál de sus instalaciones, ubicadas en diferentes lugares del mundo, se encontraban los repuestos y tampoco tenía información de cuándo debían ser reemplazados. Shell sabía que una pieza debía ser reemplazada sólo cuando comenzaba a fallar; el tiempo de inactividad de las máquinas petroleras causaban pérdidas evaluadas en millones de dólares por día. Ante este panorama Shell decidió recopilar datos para evitar y prevenir estos problemas.

Shell construyó una plataforma de análisis basada en el software de varios proveedores para ejecutar modelos predictivos que anticiparan cuándo fallaría cada una de las más de 3.000 partes que componen las máquinas perforadoras de petróleo.

Una de estas herramientas es Databricks que captura datos de transmisión a través de Apache Spark. Shell usa esta herramienta para planificar cuándo adquirir los repuestos que necesitará en el futuro. También calcula cuánto tiempo se deben guardar y en cuál de sus instalaciones en todo el mundo colocar los artículos del inventario.

Esta herramienta para control de inventario, está alojada en la nube de Microsoft Azure y ha permitido a Shell reducir el análisis de inventario desde 48 horas a menos de 45 minutos, ahorrando millones de dólares al año en costos al mover y reasignar las piezas.

Para predecir y prevenir los fallos de su maquinaria, la plataforma de Shell incluye software de Databricks, Alteryx, C3, SAP y otros proveedores. Shell estima en miles de millones de dólares sus ganancias al poder predecir cuándo fallará una pieza específica y debe ser reemplazada.

2. ARC: Comportamiento de compra y perfilamiento de clientes

Airlines Reporting Corp (ARC) cada año liquida más de US $88 mil millones en transacciones de pasajes aéreos,  pertenecientes a las principales agencias de viajes y aerolíneas del mundo como Delta, American Airlines, British Airways y Alaska Airlines. Como valor agregado, las aerolíneas pagan para acceder a los datos que ARC recopila en estas transacciones, con el fin de obtener mayor información sobre el comportamiento de compra, y conocer los lugares dónde se dirigen los viajeros, cuándo viajan y cuánto pagan. ARC procesa más de 2,2 mil millones de vuelos al año.

Dickie Oliver VP & CIO en ARC

ARC captura los datos, los procesa en sus diversos motores de análisis y finalmente los refina para crear informes personalizados para cada uno de sus clientes. Actualmente la compañía está migrando su plataforma cloud desde Teradata al software en la nube de Snowflake, lo que permitirá a ARC llevar productos de datos al mercado de manera rápida y ofrecer una mayor escalabilidad y rendimiento gracias al convenio con Amazon Web Services.

Según Dickie Oliver, VP y CIO de ARC; Snowflake está diseñado para separar los recursos informáticos del almacenamiento de datos, permitiendo a ARC crear rápidamente informes personalizados para cada uno de sus clientes. Gracias a este proyecto ARC creará nuevos productos diseñados para clientes que necesitan nuevas formas de datos.

ARC al igual que el sector retail tiene una amplia experiencia en el perfilamiento de clientes en función de sus intereses de compra, uno de los usos en los que Big Data y Analítica avanzada parecen no tener competidor.

3. Cargill: Maximizar cultivo de camarones y reducir la mortandad

La unidad de nutrición animal de Cargill desarrolló iQuatic, una aplicación móvil de seguimiento de datos que ayuda a los productores de camarón a reducir la tasa de mortalidad en sus criaderos y maximizar la producción.

Esta aplicación funciona en conjunto con un sistema automatizado para la alimentación de camarones. Cargill emplea alimentadores automáticos que utilizan tecnología acústica para comprender los patrones alimenticios naturales de los camarones.

Los cultivadores guardan los datos de la aplicación en la nube, luego acceden a un panel de operaciones en vivo que visualiza el desempeño del estanque, proporcionando análisis predictivos que los ayudan a administrar la salud de los camarones y aumentar el rendimiento. Anteriormente los agricultores recopilaban estos datos utilizando lápiz y papel.

iQuatic además de automatizar la alimentación de los camarones, entrega información sobre la temperatura del agua, ph, nivel de oxígeno, etc. lo que permite monitorear integramente el proceso en tiempo real, maximizar los resultados y aumentar la producción en un 28%.

En general las granjas y criaderos deben lidiar con una gran cantidad de factores, los sensores conectados al IoT y la Analítica avanzada permiten visualizar estos factores en tiempo real y recomendar las mejores acciones para optimizar la producción. Estamos ante un profundo proceso de transformación digital en estas industrias, que pueden predecir con un 97% de acierto el volumen de producción.

Conclusiones

Big Data y Analítica predictiva han demostrado que optimizan procesos empresariales diversos, ahorrando costos y maximizando las ganancias. America Digital News invita a todas las industrias a explotar los datos que poseen con el fin de mejorar sus procesos productivos.