A Coca-Cola Andina, uma empresa de bens de consumo embalados que engarrafa e distribui bebidas da Coca-Cola e de outras marcas em quatro países (Chile, Argentina, Brasil e Paraguai), depende de informações detalhadas e atualizadas para gerenciar eficientemente suas 10 plantas de produção, quase 100 centros de distribuição e centenas de caminhões. No entanto, sua infraestrutura de armazenamento on-premises apresentava desafios críticos, tornando difícil manter os dados atualizados e convenientemente acessíveis para gerar insights úteis.
Por exemplo, a análise de dados de inventário e entrega era atualizada apenas uma vez por dia. Essa latência significava que a empresa não podia tomar decisões operacionais precisas baseadas em dados que poderiam ter até 24 horas de idade. A Coca-Cola Andina buscava melhor visibilidade em todas as suas instalações e processos, o que exigia uma coleta de dados mais frequente e um acesso simplificado e amigável para todos os níveis da organização.
O Data Lake como Fundação Estratégica na AWS
Para superar esses obstáculos e aprimorar o armazenamento e a acessibilidade dos dados, a Coca-Cola Andina tomou a decisão estratégica de migrar para um data lake na Amazon Web Services (AWS). Em 2021, a empresa iniciou a migração de todos os seus dados do armazenamento on-premises para a nuvem.
O Data Lake forneceu a solução escalável necessária para lidar com o grande volume de dados existentes que precisavam ser migrados, além dos novos dados que chegavam diariamente. A peça central dessa arquitetura foi o Amazon Simple Storage Service (Amazon S3), um serviço de armazenamento de objetos construído para recuperar praticamente qualquer quantidade de dados de qualquer lugar. O Amazon S3 escalou perfeitamente para suportar as necessidades de armazenamento da empresa.
“Passamos de nenhuma visibilidade para uma solução em nuvem que nos dá visibilidade em todas as nossas operações,” afirma Pablo Sereno, gerente corporativo de digitalização de operações internas da Coca-Cola Andina.
Impulsionando Análises em Tempo Quase Real com Thanos
Com o data lake estabelecido na AWS, a Coca-Cola Andina construiu seu aplicativo interno personalizado, chamado Thanos, para gerenciar o inventário, rastrear operações e entregas em tempo quase real, entre outras funções.
O data lake permitiu que a visibilidade operacional da Coca-Cola Andina fosse drasticamente aprimorada. Enquanto antes os dados eram atualizados apenas uma vez ao dia, Thanos atualiza suas informações a cada 15 minutos. Através de Thanos, a empresa tem acesso a informações detalhadas sobre a distribuição de produtos, desde o pedido inicial até a cobrança do pagamento e o retorno do caminhão de entrega.
Thanos funciona como um painel online que organiza os dados operacionais em tabelas e gráficos acessíveis e digeríveis, utilizando dados armazenados no Amazon S3 e no Amazon Relational Database Service (Amazon RDS). A plataforma também utiliza o AWS Lambda, um serviço de computação sem servidor orientado a eventos, para realizar análises e gerar insights em tempo quase real.
Produtividade Acelerada e Decisões Fundamentadas em Dados
A visibilidade e a acessibilidade aprimoradas dos dados operacionais obtidas através do data lake resultaram em um aumento significativo na eficiência e na qualidade das decisões da Coca-Cola Andina. Ao fornecer dados confiáveis e atualizados a cada 15 minutos, a empresa possibilitou que tanto sua equipe interna quanto seus clientes realizassem escolhas baseadas em informações de alta fidelidade, impulsionando o crescimento de todo o ecossistema e preservando a vantagem competitiva.
Entre os resultados diretos dessa iniciativa baseada em dados, destacam-se as melhorias operacionais:
• Melhora de 1% na taxa de preenchimento de pedidos, o que aumenta a satisfação do cliente.
• Redução de 0,2% na frequência de falta de estoque.
• Redução de 0,3% no número de pedidos não recebidos.
• Capacidade de dobrar o número de unidades de manutenção de estoque (SKUs) em seu portfólio.
Data Lake Habilita Inovação com Machine Learning
O armazenamento de todas as informações na nuvem (o data lake) facilitou o uso desses dados para soluções de inteligência artificial (IA). A Coca-Cola Andina está aproveitando essa riqueza de dados para treinar modelos de machine learning (ML) usando o Amazon SageMaker.
Um uso notável é a execução de modelos de ML que preveem se um cliente estará disponível no momento da entrega, calculando a probabilidade de um pedido não ser recebido e permitindo que a empresa tome ações preventivas. A empresa também está começando a usar IA para detectar pedidos duplicados ou semelhantes, que frequentemente causam problemas operacionais.
Foco em Soluções e Vantagem Competitiva
A migração para uma infraestrutura de nuvem totalmente gerenciada na AWS melhorou a visibilidade dos dados, a eficiência operacional e a satisfação do cliente. No que diz respeito à produtividade analítica e técnica, a mudança para a nuvem permitiu que a equipe de TI da Coca-Cola Andina se concentrasse na construção de soluções, em vez de se preocupar com a infraestrutura. Este foco aprimorado na construção de valor, facilitado pela acessibilidade e organização do data lake, é fundamental para impulsionar a inovação e o impacto significativo na receita.
Analogia para Entendimento:
Imagine a operação anterior da Coca-Cola Andina como um grande depósito onde todos os relatórios importantes chegam apenas uma vez por dia, empilhados em caixas, dificultando a busca por uma informação específica sobre um caminhão ou um pedido. O data lake é como transformar esse depósito em uma biblioteca digital centralizada (Amazon S3), onde cada item é catalogado e indexado instantaneamente, permitindo que o sistema Thanos funcione como um bibliotecário digital ultrarrápido (usando AWS Lambda e RDS) que consegue puxar qualquer dado em 15 minutos para que os gerentes e as ferramentas de IA possam ler a prateleira em tempo quase real e tomar a melhor decisão sobre qual livro (ou entrega) procurar em seguida.
Fonte: https://aws.amazon.com/pt/solutions/case-studies/coca-cola-andina-analytics-case-study/?nc1=h_ls
