Brindar información más rápida sobre emergencias para RapidSOS
.svg)
RapidSOS es una plataforma de seguridad que conecta de forma segura los datos que salvan vidas de más de 540 millones de dispositivos, aplicaciones y sensores conectados directamente al 911 y a los socorristas de todo el mundo. Fundada en 2012, la empresa tiene como objetivo modernizar los sistemas de respuesta a emergencias proporcionando datos específicos sobre los incidentes en tiempo real que mejoren el conocimiento de la situación y reduzcan los tiempos de respuesta en todo el mundo.
The Challenge
En 2024, RapidSOS se propuso actualizar su red troncal de datos para la respuesta de emergencia, pasando de fuentes frágiles y retrasadas a una plataforma confiable y en tiempo real que pudiera integrar señales de Más de 540 millones de dispositivos conectados. Antes del proyecto, la ingestión se extendía Más de 20 tuberías fragmentadas con dependencias enredadas y orquestadores heredados, lo que crea riesgos operativos y frecuentes cuellos de botella. Los conjuntos de datos críticos se actualizaron en cualquier lugar 24 a 72 horas, lo que dejaba a los equipos sin un conocimiento oportuno de la situación cuando los segundos importaban. El acuerdo también dificultaba la incorporación de nuevas fuentes o la expansión a nuevas geografías, y la calidad inconsistente de los datos erosionaba la confianza de las partes interesadas. RapidSOS necesitaba una capa de ingesta única y gobernada con procesamiento de baja latencia, canalizaciones estandarizadas y una capacidad de observación sólida, para que la información vital pudiera llegar actualizada, completa y puntual.
The Solution
Muttdata reconstruyó la red troncal de datos de RapidSOS para ejecutar la ingesta y el análisis de baja latencia a medida que las señales llegan a la plataforma. Nos hemos consolidado Más de 20 tuberías fragmentadas en Flujos de trabajo de Databricks, utilizando Cargador automático para cargas incrementales, Lago Delta la aplicación de transacciones y esquemas para garantizar la coherencia, y las comprobaciones de actualización, las pruebas de calidad de los datos y las alertas integradas. Los archivos sin procesar de llamadas al 911 de los ECC de todos los estados se incorporaron desde el almacenamiento de AWS, se limpiaron, se enriquecieron con nuevos metadatos y se estandarizaron para convertirlos en un Llamadas CDR tabla: reduce el retraso de los datos en un 80% y mejora la confiabilidad.
Además, los módulos se implementaron dentro de los estándares de gobernanza y nube de RapidSOS y se integraron a la perfección con los productos y consumidores de datos existentes. Además de crear el sistema, diseñamos los flujos de trabajo en colaboración con el equipo de RapidSOS, modernizando las operaciones actuales y sentando las bases para los futuros análisis basados en la inteligencia artificial.
Las mejoras logradas a través de nuestra colaboración tuvieron beneficios tanto técnicos como empresariales inmediatos: reducción del retraso en la actualización de los datos:
El tiempo de actualización de la tabla de llamadas se redujo de 1 día a menos de 4 horas, lo que proporcionó a RapidSOS datos de emergencia más actualizados y confiables.
Flujos de trabajo operativos más sólidos: la migración a los flujos de trabajo de Databricks mejoró la resiliencia de la orquestación, redujo las fallas y mejoró la visibilidad a lo largo del ciclo de vida de la ingestión.
Mejora de la gobernanza y la calidad de los datos: implementamos procesos mejorados de validación, monitoreo y seguimiento del linaje de datos, lo que permitió una gobernanza más sólida y una mayor confianza en los resultados de los análisis.
Optimización de costos: la adopción de la computación sin servidor y las iniciativas de dimensionamiento correcto de los clústeres redujeron los costos de procesamiento entre un 5 y un 15% aproximadamente.
Base de datos para futuras iniciativas de IA: con una mejor calidad, tasas de actualización más rápidas y una cobertura de datos más amplia, RapidSOS ahora está en condiciones de escalar el desarrollo de agentes de IA y análisis predictivos.
