Volver

[confeti]

¿Cómo GEOPOST ha implementado un Datalakehouse personalizado y escalable para impulsar las aplicaciones de IA?

El contexto, la necesidad 📍

Con más de 10 millones de paquetes procesados diariamente, Geopost se enfrenta a un volumen de datos masivo, lo que requiere un enfoque avanzado de ingeniería de datos para aprovechar al máximo esta información en tiempo real. Ante esta colosal carga de trabajo, la empresa debe implementar soluciones de inteligencia artificial que faciliten tareas como la verificación de la identidad de los remitentes y destinatarios, la conformidad de los paquetes, el cálculo de la huella de carbono o la optimización de la red logística.

Sin embargo, gestionar este flujo de datos complejos y transformarlos en información útil requiere una infraestructura sólida y eficaz. Aquí es donde entra en juego la transformación digital de la arquitectura de datos en Geopost, con el objetivo de desarrollar soluciones de IA ágiles, capaces de responder en tiempo real a las exigencias operativas.

El enfoque implementado, la solución 🛠

Para responder a estas necesidades, hemos implementado un enfoque integral de ingeniería de datos, proporcionando a Geopost soluciones adaptadas a su infraestructura de datos y a sus retos operativos. En el centro de este enfoque se encuentra la implementación de un Datalakehouse escalable basado en S3 y Dremio, diseñado para procesar flujos de datos en continuo e impulsar las aplicaciones de IA.

Nuestro acompañamiento se articuló en torno a dos ejes principales:

- Asesoramiento y auditoría de la infraestructura de datos: realizamos un análisis y una evaluación comparativa de las soluciones existentes antes de recomendar e implementar una arquitectura Datalakehouse capaz de procesar de manera eficaz grandes volúmenes de datos.
- Desarrollo de canales de datos: hemos desarrollado canales Kafka para procesar estos flujos masivos de datos en tiempo real, lo que permite ofrecer servicios de IA fundamentales, como el cálculo de la huella de carbono o la previsión de los plazos de entrega.

Principales actividades realizadas ✅

La implementación de esta solución se basó en tecnologías avanzadas, así como en modelos de IA personalizados para satisfacer las necesidades de Geopost.
Estas son las principales actividades realizadas:

- Optimización de los procesos internos: automatización de tareas manuales (por ejemplo, análisis sintáctico de documentos y fotos) e implementación de un motor de búsqueda/síntesis de datos.
- Previsión y análisis de flujos logísticos: algoritmos de aprendizaje automático para la previsión de tiempos de entrega y la gestión de rutas óptimas.
- Cálculo en tiempo real del cumplimiento normativo y la huella de carbono: procesamiento de la información relativa a los paquetes para evaluar su conformidad normativa y su impacto medioambiental en tiempo real.

La pila técnica, los modelos utilizados 🤖

Los resultados, los beneficios obtenidos ✨

Gracias a esta nueva infraestructura y a las soluciones de IA implementadas, Geopost ha podido industrializar sus necesidades en materia de inteligencia artificial e ingeniería de datos. Las principales ventajas obtenidas incluyen:

🥰 Mejora de la satisfacción del cliente

Gracias a unos servicios más rápidos y precisos, especialmente en la predicción de los plazos de entrega y la gestión del cumplimiento normativo de los paquetes.

📉 Optimización de los procesos logísticos

Reducción de los costes operativos y los plazos gracias a una mejor planificación de los trayectos y a la gestión automatizada de los flujos.

🌱 Reducción del impacto medioambiental

El cálculo en tiempo real de la huella de carbono permite a Geopost gestionar mejor sus iniciativas en materia de desarrollo sostenible.

🎯 Escalabilidad y flexibilidad

La arquitectura Datalakehouse permite procesar volúmenes de datos cada vez mayores, al tiempo que mantiene la flexibilidad necesaria para integrar nuevos servicios de IA en el futuro.

Por último, con el apoyo de un equipo de expertos dedicados (8 ETC: 2 responsables técnicos, 4 científicos de datos y 4 ingenieros de datos), Geopost ha logrado modernizar su infraestructura de datos y mejorar considerablemente la eficiencia de sus servicios, lo que ha posicionado a la empresa como líder en el uso de la IA para la gestión logística.

Conclusión

La implementación de una infraestructura de datos moderna y la creación de canalizaciones Kafka para el procesamiento de datos en tiempo real han permitido a Geopost dar un paso decisivo en la optimización de sus operaciones. Los resultados obtenidos están a la altura de los retos: reducción de costes, mayor satisfacción del cliente y una infraestructura preparada para soportar el crecimiento futuro.