Description
Le groupe BMW, un fabricant mondial de premier plan d'automobiles et de motos premium, a été confronté à des défis dans la gestion et la mise à l'échelle de son infrastructure de données pour soutenir les initiatives de transformation numérique. Pour surmonter ces obstacles, ils ont réarchitecturé leur lac de données sur site et migré vers Amazon Web Services (AWS). Cette démarche a abouti à la création de leur Cloud Data Hub (CDH), une plateforme centralisée conçue pour traiter et combiner des données anonymisées provenant de capteurs de véhicules et d'autres sources d'entreprise, les rendant facilement accessibles aux équipes internes.
Avant la migration, le lac de données existant du groupe BMW peinait à répondre aux demandes croissantes des ingénieurs et analystes de données. Sa nature rigide et sur site entraînait des silos de données, une coordination complexe entre les équipes et de longs délais pour les nouveaux projets, ralentissant ainsi l'innovation. L'entreprise recherchait une solution offrant agilité, évolutivité et accès aux données en temps réel pour la télémétrie des véhicules, tout en intégrant des capacités d'analyse et d'apprentissage automatique. De manière cruciale, la solution devait garantir une gouvernance robuste pour la conformité en matière de confidentialité et de sécurité.
En adoptant les services gérés AWS, notamment Amazon Athena, Amazon S3, Amazon Kinesis Data Firehose et AWS Glue, le groupe BMW a considérablement réduit la complexité de mise en place. Cela a permis à leurs équipes de plateforme, d'ingestion et de cas d'utilisation d'opérer avec une plus grande autonomie et agilité grâce à des processus DevOps de bout en bout. Un portail web moderne a été mis en œuvre, permettant aux utilisateurs de découvrir des ensembles de données fiables via un algorithme de recherche avancé et d'interroger les données pour de nouvelles informations. Le CDH traite désormais des téraoctets de données de télémétrie anonymes quotidiennement provenant de millions de véhicules BMW et MINI connectés, permettant une surveillance proactive des indicateurs de santé des véhicules et une résolution plus rapide des problèmes.
L'architecture sépare les fournisseurs de données et les consommateurs de données, les fournisseurs utilisant des services tels qu'Amazon Kinesis Data Firehose, AWS Lambda, AWS Glue et Amazon EMR pour l'ingestion et la transformation, tandis que les consommateurs utilisent des services tels qu'Amazon Athena, Amazon SageMaker, AWS Glue et Amazon EMR pour exploiter les données. Les données sont stockées dans des buckets Amazon S3, avec des schémas catalogués dans AWS Glue. Le développement d'un catalogue de données lisible par l'homme et d'un portail de données améliore la transparence et la productivité pour plus de 500 utilisateurs. GraphQL via AWS AppSync est utilisé pour des API universelles et évolutives, accélérant considérablement le développement d'applications en permettant aux développeurs de définir des structures de charge utile de données et des paramètres de requête spécifiques.
Le lac de données basé sur AWS sert de fondation aux solutions informatiques axées sur les données du groupe BMW, permettant une mise à l'échelle automatique et indépendante sur une architecture serverless. Cela accélère l'innovation par rapport à leur solution sur site précédente, qui nécessitait une gestion extensive de l'infrastructure et une planification de la capacité. Le groupe BMW prévoit de rendre open source des composants clés du CDH, y compris ses API, son architecture et son portail de données, conformément à son rôle de membre fondateur de Gaia-X. Cette démarche stratégique alimentera davantage leur transformation numérique, générant de la valeur dans l'ensemble de l'entreprise grâce à des expériences client améliorées, de nouveaux services de mobilité et des informations commerciales internes.
Points clés
Traite des téraoctets de données de télémétrie de véhicules quotidiennes
Permet des informations en temps réel à partir des données des véhicules et des clients
Prend en charge l'analyse prédictive à l'aide de modèles d'apprentissage automatique
Fournit un Cloud Data Hub (CDH) centralisé sur AWS
Utilise une architecture serverless pour l'évolutivité
Facilite la découverte de données grâce à un algorithme de recherche avancé
Offre des processus DevOps autonomes et agiles pour les équipes de données
Intègre les fournisseurs et les consommateurs de données pour un flux de données efficace
Emploie GraphQL via AWS AppSync pour le développement d'API flexible
Comprend un catalogue de données lisible par l'homme pour la transparence
Surveille les indicateurs de santé des véhicules pour une identification proactive des problèmes
Prend en charge le développement de nouvelles expériences numériques et connectées
Ce que démontre cette étude de cas
- Informations en temps réel sur les véhicules
- Maintenance prédictive
- Services de voiture connectée
- Prise de décision basée sur les données
- Analyse de la gestion de flotte
- Analyse de la télémétrie client
- Développement accéléré d'applications
