Cliente
Un importante fornitore americano di intelligenza sulla sicurezza dei corridoi, specializzato nel rafforzare la resilienza delle reti energetiche attraverso l'innovativa intelligenza artificiale e l'integrazione di dati multi-sorgente.
Sfida aziendale
- Infrastruttura obsoleta/ scalabilità e prestazioni per l'elaborazione dei dati satellitari in tempo reale.
- Sistemi di archiviazione frammentati creano inefficienze nella gestione dei dati.
- Mancanza di integrazione dei dati in tempo reale limita le capacità analitiche.
- Flussi di lavoro manuali riducono il throughput e aumentano la complessità.
- Rischi di sicurezza e conformità derivano da un'architettura frammentata.
Obiettivo aziendale
- Ridurre le interruzioni di corrente utilizzando analisi geospaziali avanzate.
- Mitigare i rischi di incendi e vegetazione con dati satellitari.
- Creare una soluzione di gestione del rischio in tempo reale.
- Automatizzare la classificazione dei rischi infrastrutturali per aumentare l'efficienza.
- Innovare continuamente attraverso un laboratorio ML geospaziale.
Approccio
- Analizzato la piattaforma di dati geospaziali con AWS e sviluppato blueprint di modernizzazione.
- Migrato i dati dai fornitori di immagini satellitari e dai sistemi on-prem a AWS analytics.
- Integrate applicazioni cloud per migliorare le prestazioni e la scalabilità.
- Automatizzata l'ingestione di dati in tempo reale e programmata utilizzando architetture serverless.
- Utilizzato AWS Lambda e Fargate per l'elaborazione e integrazione basate su eventi.
- Abilitato analisi avanzate con GeoSpatial Machine Learning in SageMaker.
- Archiviato i dati spaziali in RDS PostgreSQL per l'analisi.
- Creata un'architettura integrata per l'elaborazione di immagini scalabile e pipeline ETL.
Componenti tecnologici
- Calcolo: AWS Lambda, AWS Fargate, AWS Glue
- Archiviazione: Amazon S3, RDS PostgreSQL
- Elaborazione dati e analisi: Amazon SageMaker, Jupyter Notebooks
- Gestione dei dati: MongoDB Atlas, Amazon Redshift
Effetti trasformazionali
- Ottenuti oltre % di risparmi sui costi con i piani di risparmio AWS e le istanze riservate per i carichi di lavoro EC2 e Fargate
- Risparmiati oltre 150K$ in costi di licenza migrando i carichi di lavoro da Cloud ETL a AWS Glue e Kinesis
- Ridotto il tempo di risoluzione dei problemi del 15% grazie al monitoraggio automatizzato dei carichi di lavoro
- Abilitati oltre 10 prodotti di dati geospaziali come il rischio vegetativo, il potenziale di incendio e l'audit delle risorse
