El rápido crecimiento de los vehículos conectados ha provocado un aumento exponencial de los datos disponibles en el sector de la movilidad. El valor real de esta información depende de la capacidad de transformarla en decisiones operativas eficaces y tomadas en el momento oportuno.
En este contexto, Targa Platform, una plataforma industrial en nube, cumple un papel relevante ya que se alimenta de datos que se han recopilado durante más de 15 años. A través de este entorno virtual de datos de vehículos y de movilidad inteligente los operadores de movilidad pueden recopilar, estructurar y analizar datos heterogéneos para digitalizar sus procesos operativos o desarrollar nuevas estrategias de negocio.
Este artículo explica cómo funciona la plataforma, desde el momento en el que se recopilan los datos en bruto hasta que se convierten en resultados aplicables, y las tecnologías que hacen posibles estas capacidades.
- Cómo funciona Targa Platform: de los datos a la acción
- Las tecnologías que soportan la plataforma de Targa
Cómo funciona Targa Platform: de los datos a la acción
Targa Platform tiene una estructura que guía a las empresas desde el momento en el que se obtienen los datos hasta que se convierten en medidas ejecutables, por lo que transforma la información en decisiones operativas concretas.
Todo empieza con los datos, que no proceden de una única fuente.. En el ecosistema de la movilidad, la información procede de múltiples fuentes y describe distintos aspectos del mismo vehículo, de su uso y su contexto operativo. Por separado, estos datos tienen un valor limitado. Sin embargo, cuando se combinan y analizan durante un período de tiempo, permiten comprender los eventos y sirven para tomar decisiones de una forma eficaz
¿De dónde provienen los datos? Targa Platform recopila información de múltiples fuentes que se agrupan en dos categorías: datos generados directamente por los vehículos y datos que enriquecen el contexto operativo según el segmento de negocio.
Los datos de sensores se recopilan a través de dispositivos conectados que están instalados en los vehículos:
- Cajas aftermarket y dispositivos OEM: funcionan como registradores de datos del coche o registradores de datos del vehículo que capturan los parámetros de las unidades de control electrónico mediante OBD y CAN-BUS.
- Dashcams inteligentes: se utilizan para detectar eventos críticos y recopilar datos que permiten analizar la forma de conducir.
- El smartphone como sensor: recopila los eventos del coche y monitorizae el uso del vehículo mediante dispositivos móviles. Esto es algo relevante para los seguros y las aplicaciones de forma de conducción.
Los datos específicos del sector por segmento, se utilizan para interpretar los datos del vehículo dentro de distintos modelos operativos:
- LTR (alquiler a largo plazo): información de centros de entrega de vehículos, talleres y redes de servicio.
- STR (alquiler a corto plazo): datos relacionados con estaciones de alquiler, instalaciones de turnaround y logística de vehículos.
- Flota: información sobre ubicaciones de la empresa, destinos de entrega, hubs operativos y patrones de uso.
- Seguros: condiciones meteorológicas (p. ej., alertas de granizo), datos contractuales para análisis de riesgo, patrones históricos de uso e indicadores de uso anómalo para la prevención del fraude.
Estas fuentes de información también contribuyen a mejorar los modelos de IA desarrollados por Targa Telematics. De este modo, los datos de vehículos conectados se convierten en un activo estructurado de información, listo para transformarse en conocimiento y acciones operativas.
¿Cómo se convierten los datos en acciones? Los datos son realmente valiosos cuando, además de proporcionar información, ayudan a tomar y ejecutar decisiones. Esta transformación requiere de un proceso estructurado que convierte datos en bruto en conocimiento veraz, contextualizado y ejecutable.
En primer lugar, Targa Platform recopila los datos de todas las fuentes disponibles. A continuación se armonizan para eliminar las diferencias de formato, frecuencia y origen. Después, la información se agrega para identificar patrones, anomalías y eventos relevantes. Es en esta fase, cuando los datos se enriquecen con el contexto operativo, los registros históricos y datos de terceros, lo que permite una interpretación clara dentro del marco de un negocio específico. Por último, la información se almacena como parte de una base de datos estructurada y fiable que se emplea para analísis avanzados, Inteligencia Artificial y automatización.
Este proceso permite evolucionar de una simple monitorización a una intervención proactiva y específica.
¿Qué se puede hacer con los datos de vehículos conectados? Los datos de vehículos conectados permiten dos capacidades principales impulsadas por IA: IA Agéntica y AI Insigths. Representan diferentes formas en las que la Inteligencia Artificial ayuda a tomar decisiones. en función de la frecuencia, el tipo de activador y el nivel de implicación humana.
IA Agéntica: decisiones frecuentes y en tiempo real
Las funcionalidades de automatización se refiere a las decisiones operativas que se toman con frecuencia, a menudo cientos o miles de veces al día. Se activan por eventos específicos y el sistema las puede gestionar de forma íntegrabajo supervisión humana (Human in the Loop).
En este contexto, los datos se analizan en tiempo real mediante modelos de IA, Machine Learning o reglas deterministas. La plataforma telemática evalúa cada evento en base a los datos históricos y patrones de comportamiento. En función de ese análisis, determinaautomáticamente si debe activarse una acción.
Entre los ejemplos concretos están:
- Detección de robos: monitorización continua de vehículos para identificar anomalías y activar procesos de recuperación.
- Gestión del mantenimiento y del tiempo de inactividad: identificar la necesidad de intervención, programar automáticamente citas entre conductores y talleres, y verificar que el mantenimiento se ha realizado.
- Control de la entrega del vehículo: seguimiento del proceso de entrega desde el fabricante hasta el conductor y resolución de posibles incidencias.
- Asistencia en carretera: detección de averías, evaluación de la necesidad de intervención y envío de asistencia.
En estos casos, la IA Agéntica permite la toma de decisiones a gran escala, reduce los tiempos de respuesta, los errores manuales y la carga de trabajo.
Conocimiento: decisiones estratégicas y periódicas
Además de la automatización, existen funcionalidades basadas en conocimiento, se suelen activar de forma periódica (mensual o trimestral) y están vinculadas a decisiones de negocio menos frecuentes, pero de alto impacto.
En este caso, el sistema no actúa de forma autónoma, sino que proporciona análisis, destaca patrones y recomienda acciones a través de paneles interactivos. Estas capacidades se encuadran en la Analítica Prescriptiva o la Inteligencia de Dominio.
Entre los ejemplos, destacan:
- Saturación de flota: análisis del uso del vehículo para optimizar el tamaño de la flota en diferentes ubicaciones.
- Gestión de la red de talleres: monitorización de la cobertura geográfica, identificación de zonas con capacidad insuficiente o excesiva, y recomendación de nuevas colaboraciones.
- Coaching de conducción: análisis del comportamiento del conductor para identificar patrones seguros o de riesgo y sugerir acciones de formación específicas.
De este modo, la analítica de datos de vehículos para redes de concesionarios, flotas y aseguradoras trasciende los informes estáticos y se convierte en un motor activo de las operaciones, automatiza tareas repetitivas mientras avala decisiones estratégicas con recomendaciones basadas en datos.
Tecnologías detrás de Targa Platform
1. Inteligencia Artificial
Inteligencia Artificial es un componente central de Targa Platform y se aplica en cuatro capacidades clave para respaldar decisiones y procesos de movilidad:
- Describir lo que sucede
La IA reconstruye eventos y procesos, ayuda a entender qué ha ocurrido. Por ejemplo, analiza un accidente o el comportamiento de conducción. - Comprender las causas
El sistema explica por qué ocurrió un evento, identifica las causas que lo han motivado como el estilo de conducción o problemas técnicos. - Predecir lo que puede ocurrir
Al analizar patrones, la IA pronostica eventos futuros, permite acciones proactivas como la prevención de robos o el mantenimiento predictivo. - Recomendar las mejores acciones
La IA apoya la toma de decisiones sugiriendo acciones. Por ejemplo, identifica qué vehículos electrificar o dónde instalar estaciones de carga en función del uso de la flota.
2. IoT
Junto con la IA, el IoT representa la capa tecnológica que permite la recopilación de datos desde vehículos y dispositivos conectados. Como entorno IoT para automoción, Targa Platform reúne datos heterogéneos y no estructurados de múltiples fuentes que describen el mismo fenómeno desde distintas perspectivas.
Operando a escala, la plataforma gestiona datos de millones de vehículos conectados y procesa miles de millones de puntos de datos al día. Los datos se recopilan mediante dispositivos a bordo, incluidos registradores de datos del vehículo, y flujos de datos OEM.
El IoT también incluye capacidades de gestión de dispositivos, como la monitorización de la calidad de los datos, el diagnóstico remoto, la gestión de la conectividad y las actualizaciones de “firmware”. Esto garantiza la fiabilidad y la continuidad del flujo de datos.
Mientras que muchos proveedores se especializan en la recopilación de datos o en su analísis, Targa Telematics combina ambas capacidades en una única plataforma de movilidad: transforma datos complejos en valor operativo.
3. Seguridad
Todos los datos se recopilan, normalizan, analizan y protegen en cumplimiento con la normativa GDPR. La plataforma Targa integra bases de datos geográficas, de mantenimiento, consumo y recarga para generar conocimiento veraz.
Los modelos de IA se entrenan con conjuntos de datos propietarios y contextualizados con técnicas avanzadas, incluido el “edge computing” directamente en el vehículo.
Entre las tecnologías más importantes, se encuentran:
- Algoritmos de Deep Learning, Random Forest y Gradient Boosting
- Procesamiento en edge computing sobre los vehículos
- Pipelines predictivos integrados en paneles operativos
4. Fiabilidad
La plataforma está diseñada para garantizar una disponibilidad alta y la continuidad operativa. Su infraestructura se basa en servidores capaces de manatener las operaciones durante fallos parciales o interrupciones del servicio.
En caso de anomalías o datos poco fiables, el sistema puede aislar los servicios afectados sin que tenga impacto en la operatividad global. Esto garantiza la estabilidad y resiliencia del modelo, además de la operación continua, incluso en escenarios complejos o críticos.
La capacidad de transformar los datos de vehículos conectados en acciones operativas es un habilitador clave de la eficiencia y la innovación en el sector de la movilidad. Al combinar IoT, Inteligencia Artificial, su Data Capital y una infraestructura robusta, la plataforma Targa permite a las empresas gestionar la complejidad de los datos y traducirla en decisiones escalables, automatizadas y basadas en evidencias.
