Cliente
Un proveedor líder estadounidense de inteligencia de seguridad de corredores, especializado en fortalecer la resiliencia de las redes de energía mediante la integración innovadora de IA y datos de múltiples fuentes.
Desafío Comercial
- Infraestructura obsoleta/ problemas de escalabilidad y rendimiento para el procesamiento de datos satelitales en tiempo real.
- Sistemas de almacenamiento fragmentados que crean ineficiencias en la gestión de datos.
- Falta de integración de datos en tiempo real que limita las capacidades analíticas.
- Flujos de trabajo manuales que reducen la eficiencia y aumentan la complejidad.
- Riesgos de seguridad y cumplimiento derivados de una arquitectura fragmentada.
Objetivo Comercial
- Reducir los cortes de energía utilizando análisis geoespaciales avanzados.
- Mitigar los riesgos de incendios y vegetación con datos satelitales.
- Crear una solución de gestión de riesgos en tiempo real.
- Automatizar la clasificación de riesgos de infraestructura para mejorar la eficiencia.
- Innovar continuamente mediante un laboratorio de ML geoespacial.
Enfoque
- Analizó la plataforma de datos geoespaciales con AWS y desarrolló planos de modernización.
- Migró datos de proveedores de imágenes satelitales y sistemas locales a AWS Analytics.
- Integró aplicaciones en la nube para mejorar el rendimiento y la escalabilidad.
- Automatizó la ingestión de datos en tiempo real y programada mediante arquitectura sin servidor.
- Usó AWS Lambda y Fargate para procesamiento e integración basados en eventos.
- Habilitó análisis avanzados con Machine Learning geoespacial en SageMaker.
- Almacenó datos espaciales en RDS PostgreSQL para análisis.
- Creó una arquitectura integrada para procesamiento de imágenes escalable y ETL.
Componentes Tecnológicos
- Computación: AWS Lambda, AWS Fargate, AWS Glue
- Almacenamiento: Amazon S3, RDS PostgreSQL
- Procesamiento de Datos y Análisis: Amazon SageMaker, Jupyter Notebooks
- Gestión de Datos: MongoDB Atlas, Amazon Redshift
Efectos Transformacionales
- Logró un ahorro de costos superior al % con los planes de ahorro de AWS y reservas de instancias para cargas de trabajo de EC2 y Fargate.
- Ahorro de más de $150K en costos de licencias al migrar cargas de trabajo de ETL en la nube a AWS Glue y Kinesis.
- Reducción del tiempo de resolución de problemas en un 15% mediante monitoreo automatizado de cargas de trabajo.
- Habilitó más de 10 productos de datos geoespaciales como riesgos de vegetación, potencial de incendios y auditoría de activos.
