El Model T de Ford Motor Company se fabricó por primera vez en 1908 y destacó por su bajo coste, durabilidad, versatilidad y facilidad de mantenimiento. Se le atribuye haber "puesto el mundo sobre ruedas", al escalar la movilidad global gracias a eficiencias de fabricación que lo hicieron asequible para el consumidor medio.
Hoy, la industria del automóvil sigue a la vanguardia tecnológica y está transformando la forma en que el mundo se mueve del punto A al punto B. En nuestro webinar reciente, Michael Crabtree, lead data scientist en Ford Motor Company e instructor de nuestro curso Credit Risk Modeling in Python, afirma que la gran diferencia es que ahora la innovación la impulsa la ciencia de datos, no la fabricación.
La innovación en Ford ahora la impulsa la ciencia de datos, no la fabricación.
Las ciudades inteligentes necesitan ciencia de datos en la industria del automóvil
Igual que la escalabilidad en la fabricación del Model T llevó la movilidad a las masas hace más de 100 años, hoy la ciencia de datos está ampliando la movilidad para comunidades con menos recursos. Hace que el transporte sea fácilmente accesible sin el alto coste de propiedad y está facilitando este cambio para todo el mundo, independientemente de su clase, género o capacidades.
Por ejemplo, los algoritmos de optimización pueden proporcionar a las empresas vehículos energéticamente eficientes para dar servicio a comunidades rurales, desde entregas de Amazon hasta fontanería y reparto de comida. Además, los data scientists trabajan con ingenieros de fiabilidad para crear vehículos que asistan a personas con distintas capacidades.
Estos son solo un par de ejemplos, pero Michael comenta que hay casos de uso casi infinitos para la ciencia de datos, y muchos aún están por explorar.
Trabajar con datos en la industria del automóvil
Por la madurez y el gran alcance del sector, existen muchas oportunidades para que las empresas se reconstruyan en torno a los datos.
Un ámbito clave es trabajar con datos en distintos sistemas y de diferentes tipos. Muchos data scientists están acostumbrados a usar datos tabulares, es decir, en formato de tabla, similar a Excel. Pero en automoción, los data scientists manejan una variedad de datos mucho mayor. Por ejemplo, los datos de instrumentación en bruto en automoción suelen almacenarse como un flujo de dígitos hexadecimales. También pueden encontrarse con datos de sistemas inteligentes en forma de imágenes y nubes de puntos de sensores. Y para entender por qué un vehículo autónomo se comporta de cierta manera y cómo varía entre modelos, un data scientist de automoción podría combinar nubes de puntos con datos de instrumentación y unirlos a un conjunto de tablas.
Otra oportunidad está en el volumen: la base de datos más grande que Michael ha creado en Ford contiene 80.000 millones de filas, ¡y responde a consultas en menos de 10 segundos! Algunos sistemas transaccionales y en tiempo real del sector procesan más de 150 millones de registros al día. Como se genera tantísima información, se necesitan clústeres de datos muy grandes. Muchas empresas del sector cuentan con clústeres en el rango de petabytes (un millón de gigabytes).
La ciencia de datos interviene en cada paso del ciclo de vida del producto
La ciencia de datos impulsa el desarrollo de producto
Hay muchos pasos antes de que un vehículo pueda venderse a una persona. La ciencia de datos en automoción empieza con el desarrollo de producto. Se utiliza para tareas como analizar nuevas configuraciones de modelos y modelar la fiabilidad de componentes. En lugar de construir piezas y probar en cada fase como sistemas aislados, la ciencia de datos complementa el proceso con simulación y análisis a escala.
La ciencia de datos impulsa la excelencia en fabricación
Los data scientists del sector también garantizan que solo se vendan vehículos de alta calidad. Aunque los ingenieros pueden probar la calidad de cada vehículo, eso debe hacerse de forma individual. Los data scientists pueden analizar toda una población de piezas, proveedores y datos de pruebas. Analizan de cerca el rendimiento financiero de los proveedores, predicen su capacidad de entregar a tiempo en función del historial y emplean econometría con regresiones para evaluar las condiciones económicas de las ubicaciones de los proveedores.
La ciencia de datos impulsa los vehículos conectados y autónomos
Uno de los temas más candentes hoy es el de los vehículos conectados y autónomos, que dependen de modelos de deep learning y algoritmos de fusión de sensores. La ciencia de datos es clave para construir estos vehículos: se usa para traducir indicadores de IoT como monitores de vida del aceite, de carga de la batería y diagnósticos completos en información accionable. Por ejemplo, no basta con detectar a un peatón: los sensores deben ser capaces de discernir hacia dónde se dirige. También son esenciales los sistemas de seguridad, tanto de protección del conductor como de seguridad ambiental.
Los nuevos sistemas conectados de estos vehículos habilitan nuevos servicios: se conectan con otros vehículos, con las ciudades y con la infraestructura. Y estamos solo en las primeras etapas de explorar el potencial de este mercado. El mercado global de vehículos conectados rondó los 63.000 millones de dólares en 2019, y se prevé que casi se cuadruplique hasta los 225.000 millones en 2027 (Allied Market Research).
La ciencia de datos impulsa las iniciativas de sostenibilidad
La sostenibilidad es prioritaria para todos los fabricantes de automóviles. Los gobiernos fijan objetivos de eficiencia de combustible, pero cada empresa tiene sus propias metas. Y cada vehículo tiene una eficiencia distinta, por lo que la ciencia de datos es necesaria para optimizar la eficiencia del conjunto de modelos de una compañía. Así, si una empresa quiere ofrecer tanto una pick-up grande con alto consumo como un coche eléctrico, los data scientists de automoción pueden realizar una optimización para minimizar el consumo de combustible de toda la flota cumpliendo los objetivos globales de ventas. Estos esfuerzos permiten a los fabricantes optar a créditos gubernamentales por eficiencia, con un triple beneficio: es mejor para el medioambiente, aporta más valor a los clientes y abre una posible fuente de ingresos.
Otros casos de uso de ciencia de datos en automoción
Más allá de lo mencionado, la ciencia de datos impacta en muchas otras etapas del ciclo de vida del automóvil. En marketing y ventas, predice el movimiento de clientes y el churn. En servicio y analítica de clientes, mejora la experiencia posventa y aporta mejoras a la calidad del producto. Para profundizar en cómo la ciencia de datos está impulsando el futuro de la automoción, mira el webinar de Michael bajo demanda.
