Como data lakes podem contribuir para gestão de energia e utilidades

Publicado por Carina Lima em qua, 22/02/2017 - 17:07
Como data lakes podem contribuir para gestão de energia e utilidades

O armazenamento e processamento de grandes volumes de dados não é uma tarefa trivial, principalmente quando essas informações provêm de múltiplas fontes e são recebidas em diferentes formatos. Diferentes tipos de dados, quando combinados, têm um grande potencial em influenciar análises estratégicas e tomadas de decisões, porém eles precisam ser coletados e processados com agilidade e confiabilidade.

A tecnologia de big data vem auxiliando cada vez mais as empresas através da gestão de grandes bases de dados, porém este fluxo de informações tende a ser cada vez maior e os fornecedores dessa classe de soluções precisarão se adequar a quantidades cada vez maiores. De acordo com uma pesquisa realizada pela International Data Corporation (IDC), o universo digital dobra de tamanho a cada dois anos e pode atingir 44 trilhões de gigabytes até 2020. Mas como armazenar, tratar e, principalmente, extrair benefícios de tantos dados nos seus diferentes formatos, fontes e volumes?

É nesse contexto que o conceito de data lake se destaca. Data lakes são plataformas de tratamento de dados projetadas para armazenar e analisar grandes quantidades de informações provenientes de diferentes fontes de dados, estruturados ou não. Com essa tecnologia, diferentes tipos de dados são armazenados em sua forma original, e de lá são extraídos, combinados, correlacionados e utilizados de diferentes maneiras, de acordo com as necessidades de cada negócio.

O conceito de data lake se encaixa muito bem no cenário de gestão de energia e utilidades. Sistemas de gestão de energia e utilidades podem ser separados em duas classes distintas. Em uma primeira classe, sistemas voltados à coleta e registro de dados de medição em séries temporais. Muitos fabricantes de equipamentos de medição fornecem seus próprios sistemas, com conjuntos de funções mais ou menos extensas. Esta classe de sistemas se aproxima dos chamados sistemas PIMS (plant information management systems), tradicionalmente utilizados na indústria de processos para armazenar séries temporais amostradas em diferentes frequências a partir de vários tipos de medidores. Em uma segunda classe, existem sistemas de gestão, com característica transacional, voltados a tratar problemas isolados como gerenciamento de contratos, custos, orçamento, entre outros. Muitos fabricantes de software, particularmente os fornecedores de pacotes ERP (enterprise resource planning), fornecem soluções com estas características. Estes sistemas gerenciam diferentes tipos de dados como transações contábeis, projeções financeiras, contratos de fornecimento de energia e utilidades, entre outros.

No passado estas classes de sistemas eram fornecidas por diferentes tipos de fabricantes, possuíam arquiteturas internas muito diferentes e eram utilizados por públicos distintos dentro das empresas. Entretanto, vivemos atualmente em um momento de convergência. O avanço de novas tecnologias permite que estes sistemas sejam unificados em sistemas integrados, com arquiteturas baseadas em data lakes, permitindo a produção de novas informações e análises que combinem dados de diferentes naturezas. Séries temporais de consumo podem ser comparadas às informações de produção de cada equipamento, detectando ineficiências assim que elas acontecem. Termos de contratos de compra podem influenciar diretamente na estratégia de fornecimento de energia, com atualizações em tempo real.

O número de dados e variáveis não para de crescer, e a busca por novas combinações tem se tornado uma grande ferramenta para encontrar novas soluções e ser cada vez mais competitivo. As possibilidades de inovações com novas tecnologias como os data lakes são inúmeras e os ganhos para a melhoria da gestão e eficiência energética também.

A plataforma Viridis explora o conceito de data lake para combinar séries temporais, amostradas em tempo real, com dados transacionais de sistemas de gestão. Para lidar com grandes volumes de medições, o sistema conta com um historiador de dados com alto desempenho de armazenamento (espaço) e consulta (tempo de resposta), e é responsável por armazenar milhares de séries temporais, por vários anos. Todos estes dados de medição são combinados com dados provenientes de diferentes sistemas legados como transações contábeis, ordens de produção, ordens de manutenção, dados de laboratório, entre outros. O sistema correlaciona automaticamente múltiplos tipos de dados, temporais e transacionais, possibilitando visões disruptivas sobre desempenho energético e eficiência operacional.


Coordenadora de Marketing, Viridis Energy

Coordenadora de Marketing na Viridis, formada em Gestão de Eventos, pós-graduada em Marketing e Comunicação,  certificada em Inbound Marketing pela Hubspot,  possui grande experiência em marketing digital, produção de eventos corporativos, marketing de conteúdo, copywriting, planejamento e vendas SaaS.

Comentários

Comentado por Juan Rivillas (Analista Desenvolvedor, Viridis) em qua, 08/03/2017 - 21:05

Comentários
Não conhecia o conceito de Data Lakes e achei muito interessante.
Baseados na definição dada no texto, poderíamos dizer que o Viridis é um Data Lake? O Viridis recebe dados tanto estruturados como não estruturados , faz o tratamento, armazena e finalmente permite aos usuários visualizar estes dados em diferentes formas de maneira que isto possa se converter em informação relevante para as pessoas que pertencem as áreas de Energia e Utilidades.

Comentado por Beatriz Esteves (Coordenadora de Marketing, Viridis) em sex, 17/03/2017 - 14:37

Comentários
Juan, é exatamente isso. A plataforma da Viridis implementa o conceito de data lake ao integrar dados relevantes para a gestão de energia e utilidades. Os dados são oriundos de diversas fontes como MES, PIMS, ERP, medidores, entre outros. A intenção é gerar novos insights para a melhoria da gestão dos insumos energéticos e utilidades nas empresas.

Comentar