一家为农业设备提供售后保证的全球农业设备制造商寻求使其数据生态系统现代化,以实现数据分析和货币化。

Infosys与该公司及其遍布美国的经销商网络合作,为高级分析收集数据。

主要挑战

  • 农业原始设备制造商(OEM)需要平衡产品保修和部件成本
  • OEM需要一种基于条件监测的最优保费定价机制

准备好体验吗?

专家说
行

解决方案

业务用户访问相关数据,以客观评估风险,生成全面的保证政策

Infosys扩展了数据来源,以了解设备的生命周期。现有系统仅在保修期内跟踪数据。Infosys从保修期间的设备数据中提取了7500多万条记录,并扩大了覆盖范围,以及经销商的维护/服务记录。

我们的团队利用Spring XD和Python进行数据传输和导出数据的批处理。我们使用Informatica ETL产品和IBM Netezza数据仓库设备来优化数据系统。

Hadoop HDFS、Apache Crunch、Hadoop MapReduce、Apache Hive、Sqoop、Oozie workflow scheduler系统等软件框架对海量数据进行消化和处理。使用Java DOM解析器、XSLT和XSD来管理和存储文档。

该技术堆栈创建了一个可扩展的大数据系统,用于实时数据捕获、摄取和分析。它集成了产品、保修、车载信息、客户和经销商数据。来自生态系统的实时数据流入存储历史记录的Hadoop数据湖和数据集市环境。

库存跟踪改善经销商的补货

  • 解决方案将库存数据与机器状况相关联。研发团队利用数据收集零部件故障频率、部件更换模式和磨损率等信息。便于分析,提高农业设备的机械设计水平。
  • 库存跟踪支持趋势分析和销售预测-生产计划的关键因素。
行

好处

数据引擎

印孚瑟斯的系统平均每天处理40多万条记录,包括质保后维修/维护订单和备件的柜台销售。

业务优势

我们的大数据解决方案提供跨库存的实时可见性,并支持并行分析过程。