BMW Group met le turbo sur ses charges de travail autour des données opérationnelles grâce à l’AI Data Cloud de Snowflake

BMW Group est réputé pour sa capacité d’innovation et la qualité de ses prestations ; deux principes piliers de sa production mais surtout inscrits dans son ADN même. Depuis 2018, l’équipe data de BMW s’est engagée dans un parcours de transformation, défini par son Cloud Data Hub (CDH) : regrouper toutes les informations extraites des données à l’échelle de l’entreprise.

Le principe directeur du CDH a toujours été de fournir un ensemble décentralisé d’outils data haut de gamme, le tout soutenu par un modèle central de gouvernance des données qui assure leur concordance et leur qualité.

L’entreprise collecte d’énormes volumes de données diverses et variées (quelque 6 000 jeux de données et produits couvrant 15 domaines de BMW, dont les processus d’entretien, de construction et après-vente), auxquelles plus de 10 000 utilisateurs accèdent chaque mois. Le CDH devait donc offrir des performances et une évolutivité suffisantes. 

Pour accélérer le calcul sur de vastes charges de travail d’analyses opérationnelles, tout en garantissant une intégration transparente dans l’écosystème du CDH, BMW Group avait besoin d’une plateforme rentable, capable de gérer de grands jeux de données et des charges de travail complexes dans un framework de gouvernance strict. L’AI Data Cloud de Snowflake a répondu à toutes ces attentes et à de nombreuses autres.

Pour nombre de cas d’usage dans son CDH, BMW s’appuie sur une solution qui combine l’infrastructure AWS avec des Apache Iceberg Tables, afin de bénéficier de performances élevées et d’une grande flexibilité. « Nous avons établi un solide partenariat avec Amazon Web Services, dont les outils répondent aux besoins de la majorité de nos cas d’usage », explique Ruben Simon, Head of Product Management, Cloud Data Hub au sein de BMW Group. 

Pourtant, l’équipe CDH s’est rendu compte que certains cas d’usage pourraient bénéficier d’une approche différente, notamment lorsqu’ils impliquaient de vastes jeux de données opérationnelles. « Pour les cas d’usage opérationnels, nous avions besoin d’un calcul ultrarapide. Sur ce point, Snowflake se démarquait de ses concurrents. C’est pour cette raison que nous avons décidé d’intégrer Snowflake dans le CDH. »

Maintenant que l’AI Data Cloud constitue un composant clé de son socle data, BMW Group profite de performances élevées pour exécuter ses charges de travail sur d’importants volumes de données. Par exemple, Snowflake héberge désormais dans un data lake massif les données d’entretien de l’entreprise, sur les transactions d’entretien et de réparation de la dernière décennie. Soutenus par la puissance de calcul de Snowflake, les garages et les concessions peuvent récupérer presque instantanément l’historique d’entretien de leurs clients. Ainsi, les collaborateurs peuvent travailler plus efficacement et obtenir les informations dont ils ont besoin plus rapidement, tandis que les clients bénéficient d’un entretien et de réparations plus rapides. 

Si Iceberg offre un meilleur rapport coûts-bénéfices pour les charges de travail simples sur des tables uniques, l’équipe CDH a rapidement compris que Snowflake pouvait fournir des performances élevées à moindre coût pour les charges de travail plus complexes. « Comme il s’agit d’une ressource de calcul haut de gamme, nous pensions que Snowflake nous coûterait plus cher, mais en fait nous réalisons des économies sur les charges de travail nécessitant beaucoup de calculs », souligne Ruben Simon. Ainsi, sur les charges de travail exécutées sur des données d’entretien, BMW Group a réduit ses coûts de 25 % en moyenne avec Snowflake par rapport à sa plateforme héritée.

En outre, l’interface de Snowflake est facile à utiliser et à configurer. Alors que les outils AWS obligent leurs utilisateurs à configurer des rôles, déployer des instances Snowflake ne prend que quelques clics. L’équipe CDH a collaboré étroitement avec Snowflake pour simplifier encore l’adoption de l’AI Data Cloud et les premiers pas de ses utilisateurs. Ces efforts expliquent sans doute son succès si rapide, puisque plus de 60 cas d’usage du CDH (ventes, entretien, supply chain, etc.) ont été mis en place et exécutés sur Snowflake en seulement 18 mois.

Chaque outil intégré dans le CDH doit respecter le framework de gouvernance de BMW, ainsi que sa politique de stockage et de gestion des données. Snowflake n’a pas échappé à cette règle.

« Dans notre framework de gouvernance, toutes les données sur notre plateforme doivent être transparentes », confie Khalid Al-Khalili. « Si un data steward autorise l’accès à un jeu de données sur un système, cette autorisation doit également s’appliquer aux autres plateformes, que ce soit AWS ou Snowflake. »

En pratique, cela signifie que Snowflake doit être en mesure de lire et d’écrire des données partout dans le CDH, ainsi que de consulter les identités sur les systèmes internes de BMW et dans AWS. Si ce niveau d’intégration sur l’ensemble du parc de données pouvait sembler inatteignable, BMW a su incorporer Snowflake dans son écosystème multifournisseur complexe avec une relative simplicité, en 18 mois. Pour ce faire, le groupe a fait appel à une équipe de seulement six spécialistes Snowflake dédiés pour épauler leurs homologues au sein de l’équipe CDH. 

Grâce à leurs efforts, Snowflake, qui avait déjà prouvé ses capacités d’intégration avec d’autres technologies, prend désormais en charge plusieurs autres outils régulièrement utilisés chez BMW. « Nos utilisateurs doivent pouvoir bénéficier d’une expérience parfaitement fluide », ajoute Ruben Simon. « C’est possible grâce aux capacités de calcul que nous fournit Snowflake. C’est ce qui nous a fait comprendre que Snowflake serait un partenaire idéal, car nous pouvons stocker nos données sur AWS, Iceberg ou n’importe où ailleurs et quand même exploiter les capacités de calcul de Snowflake. »

Pour BMW Group, le CDH est encore loin d’être abouti. Ainsi, le groupe prévoit de combiner les données structurées et non structurées, de trouver des cas d’usage appropriés de l’IA générative et de passer à une structure de traçabilité ouverte.

Il prévoit également d’intégrer une fonctionnalité multicloud au cœur du CDH, tout en veillant à respecter son framework de gouvernance des données. Les capacités d’intégration transparente de Snowflake auront un rôle à jouer pour soutenir les charges de travail les plus intensives du constructeur automobile, où que ses données soient stockées.

« Nous nous sommes toujours efforcés de ne pas dépendre d’un seul fournisseur », explique Ruben Simon. « Nous avons été impressionnés par Snowflake, qui est capable de s’intégrer même à nos outils open source. Malgré les contraintes de notre infrastructure existante, Snowflake a prouvé sa valeur grâce à ses intégrations flexibles. »