Cliente
Um provedor líder no setor de gerenciamento de resíduos, oferecendo soluções para coleta, reciclagem e descarte de resíduos para aprimorar a eficiência operacional e a sustentabilidade.
Desafio de Negócio
- Fontes de dados não integradas causam relatórios fragmentados e consolidação manual.
- Plataforma descentralizada dificulta o gerenciamento de dados e o controle de acesso.
- Processos de dados manuais levam a atrasos e inconsistências.
- Plataforma fragmentada necessita de modernização para fornecer dados de frota em tempo real.
- Falta de análises avançadas limita a tomada de decisão proativa.
Objetivo de Negócio
- Consolidar diversas fontes de dados em um data lake no AWS S3 para uma única fonte de verdade.
- Aproveitar a escalabilidade e durabilidade do Amazon S3 para armazenamento e gerenciamento de dados eficiente.
- Utilizar os serviços de análise da AWS para processamento de big data e capacidades de machine learning.
- Habilitar ingestão e processamento de dados em tempo real.
- Melhorar a tomada de decisão através de insights de KPIs e operações otimizadas.
Abordagem
- Forneceu uma plataforma de dados e análise totalmente integrada e nativa da AWS para tomada de decisão em tempo real.
- Desenvolveu a plataforma de acordo com o AWS Well-Architected Framework para uma base de dados segura.
- Construiu um data lake robusto usando o AWS Glue para integração e gerenciamento de dados contínuos.
- Implementou uma arquitetura sem servidor, orientada a eventos, com o AWS Lambda para processamento automatizado de dados.
- Integrado a diversas fontes de dados, incluindo IoT, gestão de frota e sistemas ERP.
- Utilizou o AWS Glue para catalogar conjuntos de dados para análise de metadados e gerenciamento de esquema eficiente.
- Desenvolveu análises 360 graus sobre clientes, veículos e motoristas usando serviços da AWS.
- Monitorou desempenho e custos com o CloudWatch para gerenciamento proativo de infraestrutura.
Componentes de Tecnologia
- Computação: AWS Lambda, AWS Glue
- Integração de Dados: AWS Glue, AWS CodePipeline
- Armazenamento: Amazon S3, Amazon Redshift
- Análise: Amazon Athena, Amazon QuickSight
- Monitoramento: Amazon CloudWatch
Efeitos Transformacionais
- Alcançou mais de 25% de economia de custos ao utilizar o Amazon S3 Intelligent Tiering para armazenamento, limpeza e curadoria de dados.
- Economizou mais de $80 mil em custos de licenciamento ao migrar cargas de trabalho do Cloud ETL para AWS Glue e Kinesis.
- Reduziu o tempo de resolução de problemas em 40% através do monitoramento automatizado das cargas de trabalho no Glue.
- Reduziu os custos operacionais em cerca de 30% com a adoção de tecnologias sem servidor.
