Descrizioni dei prodotti:
Insulet Corporation è un'azienda di dispositivi medici specializzata in soluzioni innovative per l'erogazione di insulina. Il loro prodotto di punta, l’Omnipod® Insulin Management System (Omnipod), offre una pompa per insulina indossabile per semplificare la vita delle persone con diabete insulino-dipendente. Internamente, l'azienda incontrava ostacoli significativi a causa di dati isolati, tempi di elaborazione lenti e scarse informazioni in tempo reale. Ciò rendeva difficile monitorare le prestazioni di Omnipod, ottimizzare i flussi di lavoro di produzione e garantire la conformità normativa. Inoltre, un’infrastruttura datata, processi ETL manuali e sistemi frammentati rallentavano l’accesso ai dati, impedivano la collaborazione tra funzioni e costringevano a fare affidamento su costosi strumenti di terze parti. Adottando Databricks, l'azienda ha ottenuto un'elaborazione dei dati 12 volte più veloce, riducendo al contempo il costo totale di proprietà del 97%.
Colli di bottiglia nei dati che rallentavano decisioni critiche
La missione di Insulet Corporation è migliorare la vita delle persone con diabete, permettendo ai propri clienti di godere di semplicità, libertà e una vita più sana grazie a tecnologia innovativa. Con Omnipod, un sistema di erogazione di insulina senza tubi e automatizzato, progettato per semplicità e controllo, Insulet sta trasformando in modo significativo la gestione del diabete. Poiché Insulet si basava sui dati per migliorare ogni aspetto delle proprie operazioni — dallo sviluppo prodotto all’esperienza cliente — il monitoraggio in tempo reale delle prestazioni di Omnipod era fondamentale per risolvere i problemi, individuare le lacune di prodotto e garantire l’affidabilità. I team di produzione avevano bisogno di visibilità sull’efficienza delle macchine negli impianti produttivi in USA e Malesia per ottimizzare le prestazioni. Nel lungo periodo, puntavano a implementare manutenzione predittiva per minimizzare i tempi di fermo e ridurre gli sprechi.
Sul fronte dell'assistenza clienti, sono stati introdotti assistenti basati su AI per aiutare gli operatori a trovare le informazioni più rapidamente e a risolvere i casi più in fretta. L’AI è stata utilizzata anche per garantire la conformità normativa, identificando i casi classificati in modo errato che avrebbero dovuto essere contrassegnati come reclami. In passato, i metodi manuali rendevano difficile individuare questi casi trascurati, aumentando il rischio di non conformità. Infine, il team di ingegneria dei dati voleva usare AI per automatizzare l'individuazione degli errori e accelerarne la risoluzione.
Tuttavia, l'infrastruttura dati dell'azienda faticava a tenere il passo con queste iniziative, soprattutto quelle legate all'AI. I team di produzione non avevano una visione unificata delle prestazioni produttive, costringendoli ad affidarsi a fonti dati frammentate per aspetti importanti della loro attività, come il monitoraggio della qualità del prodotto e l'esperienza del cliente. Inoltre, le limitazioni di SQL Server rendevano difficile analizzare dataset di grandi dimensioni, limitando il monitoraggio delle prestazioni nel lungo periodo e ritardando gli insight sulla qualità del prodotto. Processi di estrazione, trasformazione e caricamento (ETL) molto manuali e lenti hanno ulteriormente rallentato il flusso dei dati, creando colli di bottiglia inutili nelle analisi e nei processi decisionali. Questa visione incompleta dei dati ha ostacolato la produttività delle vendite, la previsione della domanda e l’ottimizzazione della catena di fornitura, rallentando al contempo lo sviluppo dei prodotti e l’innovazione.
Sul fronte esterno, Insulet intendeva usare lo streaming di dati IoMT (Internet of Medical Things) per migliorare l’esperienza cliente, soprattutto durante importanti rilasci software come l’integrazione iOS di Omnipod 5. La capacità di monitorare i tassi di adozione e rilevare potenziali problemi in tempo reale è diventata sempre più importante, ma i sistemi esistenti faticavano a elaborare tutti i dati in tempo reale. Come ha spiegato Bill Whiteley, VP of AI, Analytics and Advanced Algorithms di Insulet, “Le pipeline di dati impiegavano oltre 13 ore per aggiornarsi e causavano ai nostri team forti ritardi nell’identificazione dei problemi di prodotto. Purtroppo, questo ha inciso sull’esperienza cliente, perché le nostre dashboard non riuscivano a mostrare più di due settimane di informazioni storiche e limitavano l’analisi a lungo termine delle prestazioni dei dispositivi.”
Senza contare che integrare i dati operativi da Salesforce e SAP richiedeva costosi strumenti di terze parti e complicava ulteriormente una pratica già inefficiente. Con tutti questi sistemi disconnessi, Insulet ha incontrato difficoltà nel creare un ambiente dati governato e scalabile, in grado di supportare le sue ambizioni in ambito AI. Con l’obiettivo di creare una strategia di “data flywheel” che alimentasse direttamente i loro obiettivi futuri, Insulet si è rivolta alla Databricks Data Intelligence Platform.
Unificare i dati per promuovere l'innovazione e l'efficienza operativa
Per modernizzare il proprio ecosistema dati a favore dell’innovazione di prodotto e dell’efficienza operativa, Insulet ha adottato la piattaforma dati unificata di Databricks, spianando la strada perché i team di ingegneria possano concentrarsi sul ricavare informazioni utili invece che sulla gestione dell’infrastruttura. Alla base di questa trasformazione c'era Delta Lake, uno strato di archiviazione open source che ha strutturato, pulito e reso i dati subito disponibili per l'analisi. Sostituendo sistemi frammentati con un’architettura centralizzata e scalabile, Insulet ha dato a tutti i team un accesso semplice ai dati in tempo reale per monitorare i flussi di lavoro produttivi, ottimizzare le prestazioni di Omnipod e supportare tutte le applicazioni di AI.
Al di sopra di Delta Lake c’era il punto di forza della trasformazione di Insulet: Lakeflow Connect, il prodotto più recente di Databricks che semplifica l’acquisizione efficiente dei dati nella propria architettura lakehouse. Lakeflow Connect ha migliorato l’acquisizione e l’elaborazione dei dati di Insulet automatizzando l’integrazione delle principali applicazioni aziendali, come Salesforce e Workday. In passato dipendente da costosi strumenti ETL di terze parti, Insulet ora poteva acquisire dati quasi in tempo reale e di alta qualità con il minimo sforzo richiesto ai propri ingegneri dei dati. “Il Lakeflow Connect Salesforce Connector è stato particolarmente importante per la nostra trasformazione dei dati, perché ci ha consentito di acquisire direttamente i feedback dei clienti, i dati di vendita e le interazioni di assistenza dal Salesforce CRM direttamente in Databricks”, ha spiegato Bill.
Un tempo gravati da ore di report manuali, i team di produzione hanno utilizzato una dashboard di produzione unificata per seguire in tempo reale i rilasci software e prevenire interruzioni che incidevano sull’assistenza ai pazienti. Inoltre, lo streaming e le analisi in tempo reale — basate su Spark, un motore open source per l’elaborazione di dati su larga scala, e su Delta Live Tables — hanno amplificato questi miglioramenti sostituendo l’elaborazione batch con uno streaming di dati continuo e a bassa latenza. Questi cambiamenti hanno permesso a un team di otto persone di svolgere il lavoro di oltre 100 dipendenti, cambiando radicalmente il modo in cui Insulet monitorava le prestazioni di Omnipod.
Grazie a Unity Catalog, una soluzione unificata di governance e gestione dei dati che garantiva accesso sicuro alle diverse business unit di Insulet, i dati risultavano meglio organizzati e facilmente individuabili. Databricks SQL, un data warehouse completamente gestito e serverless, ha ulteriormente sbloccato questo nuovo livello di accessibilità ai dati, dando agli analisti dei dati la possibilità di eseguire query su richiesta senza dover gestire cluster.
Per ridurre ulteriormente i colli di bottiglia tecnici, Insulet ha potenziato le proprie capacità di AI e automazione con Databricks Assistant. Come assistente AI sensibile al contesto, ha semplificato lo sviluppo SQL automatizzando la scrittura delle query tramite un'interfaccia conversazionale, rilevando gli errori e correggendo diversi problemi per i team dati di Insulet, liberando tempo per approfondimenti e innovazione. Assistant ha anche aiutato i team di assistenza clienti e di supporto prodotto a recuperare le informazioni rilevanti per assistere i clienti quando necessario.
Con la Databricks Data Intelligence Platform, Insulet ha semplificato l’acquisizione dei dati, gestito i flussi di lavoro, ottimizzato l’allocazione delle risorse e reso possibili decisioni più efficienti, basate sui dati, in tutta l’azienda.
Ridurre costi e complessità per migliorare gli esiti per i pazienti
Insulet ha ottenuto miglioramenti significativi, risparmi ed efficienza complessiva con la Databricks Platform. Solo nella produzione, le ottimizzazioni basate sui dati hanno portato a risparmi per decine di milioni di dollari. Il passaggio da processi ETL obsoleti — che in precedenza richiedevano oltre 13 ore — allo streaming in tempo reale ha abilitato l’accesso ai dati in tempo reale, mentre le query SQL sono state ridotte da oltre 40 comandi a soli due. Questo non solo ha ridotto drasticamente i carichi di lavoro dell’ingegneria dei dati, ma ha anche tagliato i tempi di esecuzione delle query dell’83% grazie all’elaborazione serverless.
Oltre al risparmio sui costi, Databricks ha potenziato la capacità di Insulet di scalare, innovare e ottimizzare i flussi di lavoro tra i team di produzione, ingegneria e assistenza clienti. “Questi miglioramenti hanno portato a un aumento di 12x della velocità di elaborazione dei dati, a un aumento del 25% dell’efficienza operativa e a una riduzione del 97% del TCO”, ha concluso Bill. Più nel dettaglio, il monitoraggio del prodotto Omnipod si è esteso dal tracciamento di sole due settimane di dati storici a due anni, offrendo una visibilità di lungo periodo su prestazioni, tendenze e potenziali problemi. Questi miglioramenti aiutano a garantire che gli aggiornamenti software siano guidati da dati utente in tempo reale, che orientano i miglioramenti dell’UX.
In prospettiva, Insulet è pronta ad approfondire le proprie capacità di AI e dati per migliorare ulteriormente i risultati per i clienti. L’integrazione di SAP con Databricks, insieme all’estensione delle fonti dati supportate da Lakeflow Connect, contribuirà a unificare e a ridurre ulteriormente la frammentazione.
Ora, la manutenzione predittiva guidata da AI sfrutterà i dati IoMT per offrire informazioni più precise e immediate sulle prestazioni dei dispositivi. E come ciliegina sulla torta, Insulet prevede di inviare previsioni basate su AI direttamente in Salesforce per automatizzare le decisioni. Con un ecosistema dati completamente modernizzato, Insulet sta potenziando le operazioni attuali e al contempo getta le basi per un’evoluzione continua nella gestione del diabete.