Windward é uma empresa internacional de inteligência preditiva centrada no tráfego marítimo. A nossa plataforma serve de balcão único para todas as necessidades do domínio marítimo, riscos para as embarcações, etc., etc.
A solução de Windward funde IA, grandes dados e conhecimentos marítimos para permitir aos clientes e parceiros compreender o ecossistema marítimo e o seu impacto mais amplo na segurança, finanças e negócios, e, ao fazê-lo, permite-lhes tomar decisões orientadas pelos dados.
Clientes comerciais e governamentais vêm até nós e ajudamo-los a analisar e a produzir conhecimentos sobre os seus navios, analisando múltiplos pontos de dados, que alimentamos com os nossos sofisticados modelos de inteligência artificial.
Os nossos clientes comerciais incluem agentes de seguros que querem conhecer os riscos das suas embarcações no contexto de acidentes e de baixas marítimas. Compilamos esta informação através de bancos que financiam negócios entre diferentes entidades comerciais, e mais recentemente expandimos as nossas ofertas para dar visibilidade ao frete marítimo a transitários e outros proprietários de carga, o que ajuda a prever a ETA de quando as suas mercadorias chegarão ao porto.
Para as entidades governamentais, realizamos avaliações de “risco de segurança nas fronteiras”, nas quais identificamos embarcações que não estão a operar em nenhuma capacidade económica, para apontar os transportadores suspeitos para estes organismos governantes para que se mantenham atentos, permitindo-lhes proteger melhor as suas águas e fronteiras de ameaças marítimas.
Olhando para o nosso produto de Visibilidade de Carga Marítima, que acabámos de lançar. Estamos a implementar tecnologia de ponta para resolver um problema realmente complexo que o mundo tem vindo a lidar há muito tempo, e mais recentemente este problema tem estado no centro de múltiplas crises de mercado. O problema na previsão da ETA para navios de carga e contentores é que muitos aspetos têm a ver com a hora de chegada de um navio de carga e de um contentor.
As tecnologias que existiram na última década são decentes, mas não são suficientemente boas para este tipo de problemas. Isto porque a tecnologia necessária para consumir as camadas de dados, e os dados públicos da web, que estão envolvidos em dar plena visibilidade às atividades marítimas, ainda não estava disponível no mercado, mas agora o está.
Windward escolheu uma tecnologia chamada Aprendizagem Profunda para alimentar a nossa plataforma. Assim, utilizamos uma rede neural que sabe essencialmente como interagir com as diferentes fontes de dados e combiná-las para chegar a uma única conclusão. Neste caso, a hora prevista de chegada do navio ao porto de destino.
Concentrando-se unicamente no modelo ETA, porque a totalidade da nossa operação é bastante complexa. Os dados básicos da camada que estamos a utilizar são as transmissões de embarcações que enviam constantemente sinais para vários recetores em todo o mundo, a cada minuto, para manter um registo do paradeiro da embarcação.
Utilizamos estes diferentes vendedores para mapear a localização destas embarcações utilizando os dados de transmissão que nos fornecem ao minuto. No âmbito das coisas, estamos tipicamente a olhar para centenas de milhões de transmissões de navios por dia.
Mas quando tentamos prever a hora de chegada do navio a um porto, temos de considerar diferentes fontes de dados, tais como dados públicos na internet, e uma das fontes de dados mais importantes na internet para este fim são os horários dos navios afixados ao longo dos diferentes sítios web das transportadoras marítimas. Esta informação inclui a última localização conhecida do navio, o seu paradeiro atual, bem como a hora prevista de chegada ao porto.
Os dados de fonte aberta da web são tão importantes para Windward porque estamos a utilizar esses sítios web de portadores para alimentar os nossos algoritmos de modo a prever automaticamente esses ETAs, e ajudar as empresas a concentrar-se noutros aspetos das suas operações.
Pode imaginar um navio porta-contentores como um autocarro, e o autocarro recolhe pessoas de diferentes estações. Agora, imagine que cada pessoa no autocarro tem a sua própria previsão de quando chegará ao destino. Nesta analogia, as pessoas são os sítios web das transportadoras.
Portanto, não basta perguntar a uma só pessoa quando pensa que vai chegar. Precisamos de perguntar a várias pessoas e depois calcular a média para torná-la pistas. Por conseguinte, é importante utilizar diferentes fontes de dados na internet, e não apenas uma.
Para coletar os dados públicos da web que alimentam os nossos algoritmos, utilizamos o Coletor de Dados de Bright Data para puxar automaticamente os dados da web dos diferentes sítios web das transportadoras marítimas, e temos vindo a utilizar esta solução há já alguns meses.
Durante o breve tempo em que temos trabalhado juntos, eu acho que o que conseguimos foi muito produtivo e conduzido com rápida execução, abordando formalmente as nossas necessidades como empresa.
Além disso, se alguma vez tivermos um obstáculo na nossa coleta de dados na web, o pessoal de apoio da Bright Data também reagiu, e estava consciente de como resolver os problemas, resolvendo-os imediatamente ou dentro de um prazo razoável.
Assim, para mim, pessoalmente, sinto a confiança de trabalhar com Bright Data.
