Descrizioni dei prodotti:
Michelin non produce solo pneumatici. Sta tracciando la strada verso il futuro, introducendo continuamente nuove innovazioni che non solo fanno avanzare le persone, ma guidano anche l’intero settore automotive verso nuove direzioni. Nel percorso di trasformazione in un’organizzazione data-driven, l’azienda ha voluto democratizzare i dati provenienti da fonti eterogenee (dai sistemi back-office agli impianti produttivi) per liberarne il valore e consentire alla propria community di “citizen user” e ai team IT distribuiti di sviluppare casi d'uso autonomi, come l’utilizzo dell’AI per prevedere le rotture di stock o ridurre le emissioni di carbonio nella supply chain. Tuttavia, la precedente piattaforma dati centralizzata rendeva difficile per una base utenti sempre più decentralizzata accedere agli strumenti e alle tecnologie necessarie. Con la Databricks Data Intelligence Platform, Michelin può oggi offrire a ogni dipendente accesso a dati completi e affidabili, sulla base dei quali sviluppare casi d'uso in grado di generare valore per l’azienda e per i clienti.
Mancanza di apertura e flessibilità ostacolano la democratizzazione dei dati
Un elemento chiave dell'iniziativa di trasformazione del Gruppo Michelin è consentire a tutti all'interno dell'organizzazione di avere accesso illimitato a dati utilizzabili. Questo approccio genera valore in ogni area del business, dall’ottimizzazione della supply chain alla previsione delle rotture di stock, dalla pianificazione finanziaria all’intelligence di mercato.
Per rendere possibile tutto ciò, Michelin ha costruito una strategia di trasformazioni dei dati basata su tre pilastri. Il primo era la creazione di una piattaforma che fornisse a ogni dipendente e ai feature team uno spazio di lavoro sicuro e accesso a dati in gran parte decentralizzati con cui poter sviluppare i propri casi d'uso. Il secondo pilastro riguardava la governance: aiutare il business a comprendere come rendere i dati accessibili in modo sicuro e coordinare i diversi sforzi. Il terzo incoraggiava ogni team di soluzioni digitali a pensare ai propri dati come a un prodotto da consumare e a garantire quindi che fossero ben descritti, accessibili e affidabili.
"Crediamo fermamente nella democratizzazione dei dati, in un approccio self-service in cui gli utenti possono accedere a una piattaforma, creare un nuovo prodotto di dati e poi eseguirlo", ha dichiarato Joris Nurit, Head of Data Transformation di Michelin. "Volevamo garantire che i dati fossero accessibili ai dipendenti di Michelin e mettere a loro disposizione gli strumenti giusti per risolvere autonomamente i loro casi d'uso."
Tuttavia, la precedente piattaforma dati on-premise di Michelin non offriva il livello di apertura e flessibilità necessario. Con i dati isolati per reparto e una struttura fortemente centralizzata, fornire servizi su vasta scala risultava complesso e i dipendenti spesso non erano in grado di accedere agli strumenti e alle tecnologie di cui avevano bisogno. Era quindi necessaria una piattaforma scalabile, flessibile e, soprattutto, aperta. Per questo, Michelin si è rivolta a Databricks.
Il lakehouse sblocca il valore dei dati in tutta l'organizzazione
Consentire ai dipendenti di accedere a Databricks direttamente tramite i propri notebook per eseguire trasformazioni e analisi in autonomia ha permesso a Michelin di realizzare la propria visione di una "citizen data platform". L'introduzione di un lakehouse centrale ha consentito a Michelin di abbattere i silos di dati che in passato separavano i diversi reparti, garantendo al contempo una notevole autonomia ai team impegnati nella creazione di prodotti di dati centralizzati.
Nurit ha commentato: "Combinando i propri dati locali con quelli centrali, ciascun team può ottenere una visione a 360 gradi del proprio mercato. Questo permette loro di anticipare meglio le esigenze degli stakeholder e di progettare i propri casi d'uso di conseguenza."
Uno dei primi casi d'uso ha riguardato l'impiego dell'AI per prevedere la carenza di stock. Utilizzando modelli di machine learning addestrati sui dati storici della supply chain, l'applicazione è stata progettata per prevedere i livelli di stock a 15 giorni e raccomandare azioni preventive per evitare future rotture di magazzino. Michelin ha utilizzato Databricks sia per unificare i dati in ingresso, sia per collaborare sull'applicazione dei dati all'addestramento dei modelli di machine learning, oltre che per la messa in produzione e l'orchestrazione dei modelli stessi. Grazie alle funzionalità in tempo reale, i dati venivano continuamente trasmessi e aggiornati in Databricks Delta Lake, mentre gli analisti di business utilizzavano Databricks SQL per eseguire query e visualizzare informazioni.
Da allora, il numero di casi d'uso è cresciuto notevolmente. "L'utilizzo del lakehouse ci ha permesso di scalare fino a centinaia di casi d'uso sulla piattaforma, indipendentemente dal loro ambito. In realtà, non sappiamo nemmeno in cosa consista l'80% di essi, e va bene così", ha detto Karim Hsini, Enterprise Architect di Michelin. "In questo modo, possiamo concentrarci sui nostri casi d'uso principali, mantenendo al tempo stesso la flessibilità necessaria per supportare le nuove iniziative che possono emergere."
Accedere ai dati presenti sulla Databricks Data Intelligence Platform e ricavarne informazioni attraverso l'analisi consente agli utenti di affrontare semplici casi d'uso come la reportistica aziendale o le previsioni. Allo stesso tempo, la piattaforma supporta anche casi d'uso più specializzati e industrializzati, rispondendo alle esigenze di diverse tipologie di utenti: dai citizen data analyst ai data scientist.
Autonomia e collaborazione danno vita a una community di innovatori
L'approccio basato sulla piattaforma è fondamentale. Flessibile e scalabile, consente a ogni utente dell'azienda di sviluppare il proprio caso d'uso in completa autonomia. Il passaggio di Michelin al cloud è stato un fattore determinante in questo processo. Come ha spiegato Hsini: "La modularità del cloud consente di preconfigurare un ambiente isolato per ciascun utente, permettendo a tutti di operare in autonomia senza rischiare di compromettere il lavoro dei colleghi."
Questa autonomia ha favorito un'adozione diffusa della citizen data platform, creando una community di utenti in costante crescita che ha rafforzato la collaborazione all'interno dell'azienda. Nurit considera questa idea di community un fattore chiave per il successo futuro dell'innovazione in Michelin.
"La community è importante per evitare che le persone reinventino la ruota ogni volta che si presenta un problema", ha concluso Nurit. "Gli utenti condividono i dati, il codice e le best practice, collaborando per risolvere diversi casi d'uso. È un passo importante verso l'obiettivo di Michelin di diventare un'organizzazione guidata dai dati. Democratizzando i dati in questo modo, Databricks ha fornito una piattaforma che permette agli utenti citizen di collaborare e crescere insieme."
Ulteriori informazioni sul Gruppo Michelin
Segui i team IS e digitale di Michelin su LinkedIn