Casos de éxito • Oil & Gas
Nueva plataforma de datos con analítica y machine learning
La implementación de Microsoft Fabric habilita a esta empresa encargada de coordinar la generación, el transporte y la distribución de electricidad en el mercado argentino a capitalizar el poder de sus datos y hasta a generar nuevas alternativas de monetización.
Acerca del cliente
Empresa argentina encargada de la operación, supervisión y administración del Mercado Eléctrico Mayorista (MEM) en el país. Fundada en 1992, coordina la generación, el transporte y la distribución de electricidad, asegurando un suministro eléctrico eficiente y confiable. También es responsable de planificar y programar la operación diaria del sistema eléctrico y de liquidar las transacciones económicas del mercado mayorista.
Con un fuerte enfoque en la transparencia y la eficiencia, trabaja en colaboración con generadores, distribuidores y grandes usuarios para optimizar el funcionamiento del sistema eléctrico nacional. Se apoya en tecnologías avanzadas y prácticas de gestión innovadoras para mantener la estabilidad y calidad del suministro eléctrico. Además, desempeña un papel clave en la implementación de políticas energéticas y en la promoción del uso de energías renovables en Argentina, contribuyendo al desarrollo sostenible del sector energético.
Una plataforma de datos moderna en la nube
Necesidad del cliente
Disponer de una nueva plataforma de datos moderna en la nube que le permita adoptar o desarrollar soluciones de analítica tradicional y modelos avanzados de machine learning.
– Desarrollar una solución de analítica tradicional en la nube (con capas para Raw, Bronze, Silver y Gold).
– Posibilidad de monetizar sobre los datos que la empresa dispone (data sharing).
El cliente presentaba varios desafíos en términos de evolución de la plataforma tecnológica, que necesitaba solventar en pos de lograr un mejor aprovechamiento de los datos.
Solución
• Se diseñó y desarrolló un nueva plataforma de datos en la nube.
• La solución se basó en Microsoft Fabric.
• Se diseñaron las ingestas para una base de datos de SQL Server donde se evidencia información de medidores de energía y otra de Oracle con datos de mediciones (KPI) de los medidores.
• Se desarrolló un lakehouse donde se almacena la información de los dos bases de datos utilizando un sistema de poblado de capas delta como son la capa Raw, Transform y Mars.
• En el servicio de lakehouse se procesa dicha información y se realiza un primer procesamiento en el que se hace un histórico de los datos que se disponibiliza en la capa Transform.
• Luego se procesan los datos con la generación o la actualización de un modelo de datos que generará 38 tablas en las que se crea una capa en la capa Mart.
• En el datawarehouse se desarrolló un proceso de cargas incrementales para las tablas transaccionales provenientes de la base de datos de Oracle hacia los Data Flows Gen 2.
