Ir para o conteúdo principal
História de cliente

IA a serviço do carro conectado

50x

Mais rápido para extrair insights graças às operações de TI aprimoradas

20x

Mais rápido para processar dados de veículos e estradas

90%

Trazendo inovações para o mercado com mais velocidade

wejo header image
INDUSTRY: Automotive
CLOUD: AWS

“Antes da Databricks, o tempo de lançamento no mercado levaria semanas ou até meses para atender aos requisitos de análise de alguns dos nossos clientes. Hoje, isso acontece em questão de horas.”

– Steve Pimblett, diretor de informação e diretor de dados da Wejo

A Wejo foi fundada com a ambição de se tornar a principal empresa de carros conectados do mundo. Até o momento, a empresa processou mais de 225 bilhões de quilômetros de dados e espera ter 17 milhões de carros em sua plataforma até o final do ano. A Wejo gera mais de 15 bilhões de pontos de dados todos os dias e conta com a Databricks para trazer inovações baseadas em ML para a indústria automotiva e oferecer melhores experiências de direção.

Pipelines expandidos para ingerir 3 trilhões de pontos de dados por mês

A fim de criar valor para seus clientes, wejo ingere dados de streaming de 50 milhões de veículos conectados, processando dados de OEMs e sistemas de navegação por satélite a cada três segundos. Esses dados são indicadores para melhorar o fluxo de tráfego, reduzir acidentes, emitir alertas de segurança e informar serviços de emergência e até inovar para otimizar estacionamentos. Todos esses fluxos de dados vêm de fontes diferentes: extrair insights deles por meio da data science é um desafio real e consome muitos recursos.

  • Enormes volumes de dados: a empresa processa mais de três trilhões de pontos de dados por mês, transmitidos continuamente de veículos para o mercado em menos de 40 segundos. Isso requer um ambiente que combine baixa latência e alta capacidade.

  • Desafios em larga escala: para ingerir essa enorme quantidade de dados, wejo contou com clusters Mapreduce, que possuem dimensões rígidas e sofrem com limitações em termos de bibliotecas disponíveis. O resultado foram dias de atraso esperando que os módulos Python necessários fossem instalados, um verdadeiro freio para a inovação.

  • Desempenho lento: os jobs mais longos às vezes levavam horas ou até dias para ser processados.

Pipelines de dados confiáveis e de alto desempenho em escala com Delta Lake

A Databricks oferece à wejo uma plataforma de análise de dados unificada que facilita a criação de um ambiente escalável e colaborativo entre as equipes de data science e engenharia de dados. Isso permite que as equipes de dados forneçam inovações baseadas em ML mais rapidamente à indústria automotiva.

  • A plataforma gerenciada em nuvem simplifica o provisionamento de clusters de compute de qualquer tamanho.

  • A compatibilidade com diversas linguagens (SQL, Scala, Python, R) melhora a colaboração entre data engineering, data science e analistas.

  • A compatibilidade nativa com o Delta Lake permite que a equipe de data engineering execute e dimensione de forma confiável os pipelines em batch e de streaming nos mesmos dados.

Estradas mais seguras com inovações baseadas em ML

Com a Databricks, a Wejo agora é capaz de processar dados em escala e aproveitar o machine learning mais rapidamente do que antes, reduzindo custos. Mais importante ainda, a empresa agora tem uma maneira fácil de compartilhar resultados entre as equipes e a organização e capacitar outras pessoas a trazer inovação para o mercado.

  • Ganho de eficiência operacional: recursos como dimensionamento automático de cluster melhoraram as operações de data engineering. Os pipelines de análise downstream, em particular, passaram de semanas para minutos.

  • Melhor colaboração entre equipes: o ambiente de notebook compartilhado compatível com várias linguagens aumentou a produtividade da equipe.

  • Tempo de análise reduzido: com a Databricks, agora estamos vendo um desempenho 20 vezes melhor do que o Spark, uma ferramenta de código aberto. Quanto ao tempo de lançamento no mercado, ele foi reduzido em 90%.