Blog de Amazon Web Services (AWS)

Foot Analytics: optimización y escalabilidad en la analítica de espacios físicos con AWS

Por Miquel Gummà, CEO de Foot Analytics; Marcos Pérez, CTO y socio de Foot Analytics; Ana Díez Medialdea, arquitecta de soluciones en AWS y Marta de Esteban Belzuz, account manager en AWS.

Foot Analytics es la plataforma de inteligencia espacial que permite a las empresas entender, mejorar y optimizar el uso de sus oficinas. Proporciona datos sobre la utilización de los espacios en múltiples dimensiones, permitiendo analizar el uso histórico, medir la ocupación en tiempo real y generar simulaciones y predicciones para la planificación futura.

La solución, aprovecha la infraestructura Wi-Fi existente, utilizando los puntos de acceso como sensores de presencia, sin necesidad de instalar hardware extra. Como partner homologado de fabricantes líderes como Cisco, Aruba y Ruckus, Foot Analytics permite la integración rápida, sin CAPEX (gastos de capital) y cumpliendo con el Reglamento General de Protección de Datos (GDPR).

Ahora Foot Analytics está enfocada a los espacios corporativos, pero su historia comienza en 2013 en el mercado retail, “siendo el equivalente a la analítica web del mundo real”. Desde entonces, apostaron por servicios como Amazon Simple Storage Service (Amazon S3) y Amazon Elastic Compute Cloud (Amazon EC2) para conseguirlo, hasta ahora con un enfoque híbrido, donde mantienen una parte de la infraestructura en un centro de datos externo y otra parte en AWS.

El desafío: la ingesta en alta escala

Los clientes de Foot Analytics abarcan empresas con miles de dispositivos conectados simultáneamente. Por ejemplo, para uno de sus clientes del IBEX 35, genera diariamente 30 millones de señales Wi-Fi. Además, integran datos de sensores ópticos para las salas de reuniones y datos de tipo IoT (Internet of Things) de sensores de bienestar (CO2, temperatura, humedad). Todo esto requiere una arquitectura robusta y escalable, capaz de procesar, almacenar y analizar datos en tiempo real sin interrupciones y, además, capaz de asegurar la disponibilidad de los datos históricos.

La Arquitectura en AWS

Foot Analytics ha desarrollado esta arquitectura basada en capas que se explica a continuación:

Capa de ingesta y almacenamiento

Para garantizar la escalabilidad y confiabilidad de su ingesta de datos, Foot Analytics ha construido una arquitectura basada en:

  • Amazon EC2: utilizan instancias de Amazon EC2 para la ingesta y procesamiento de las señales Wi-Fi en formato push, asegurando la escalabilidad del sistema.
  • Amazon Elastic Container Service (Amazon ECS): múltiples fuentes de datos necesitan ser ingeridas en formato pull, para ello, utilizan un pool de Amazon ECS en el que ejecutan procesos de ingesta 24/7 que consumen datos externos.
  • Amazon Data Firehose: las señales de tipo IoT se ingieren mediante Amazon Data Firehose, asegurando la disponibilidad de los datos, que se procesan y se almacenan en el Data Lake.
  • Amazon S3: para almacenar grandes volúmenes de datos utilizan un Data Lake en Amazon S3 que asegura la durabilidad y accesibilidad de los datos.
  • Amazon DynamoDB: para datos de menor volumen y más heterogéneos, como las señales de los sensores ópticos, se utiliza Amazon DynamoDB. Este servicio ofrece mayor flexibilidad y rapidez de lectura y escritura, gracias a un buen diseño de las particiones.

Capa de cálculo: procesamiento y algoritmos

Actualmente, los procesos en tiempo real se ejecutan exclusivamente en la nube de AWS mediante un clúster de instancias de Amazon EC2 que ejecutan contenedores de Docker continuamente.

La decisión de ejecutar la capa de cálculo en tiempo real en AWS responde a la necesidad de garantizar alta disponibilidad, flexibilidad y escalabilidad: la amplia variedad de instancias disponibles permite adaptar la infraestructura a las necesidades específicas de cada cliente y proceso.

En cambio, la infraestructura de computación batch continúa actualmente en el centro de datos externo.

El objetivo de Foot Analytics es migrar la capa de procesamiento batch del centro de datos externo a AWS, a medio plazo, para permitirles tener una arquitectura más robusta y segura. Para ello, adoptarán un enfoque similar al que ya utilizan en el procesamiento en tiempo real, aprovechando la variedad de servicios que ofrece AWS.

Como ejemplo, como los procesos batch principalmente se ejecutan durante las primeras horas del día, Foot Analytics pretende aprovechar el uso de instancias de Spot de Amazon EC2. Las instancias spot son idóneas para cargas flexibles, que permiten usar computación de AWS con interrupciones, pero con un precio inferior respecto al precio bajo demanda.

Capa de visualización: indicadores en tiempo real

La analítica de ocupación no sólo requiere una ingesta y procesamiento eficiente, sino también una interfaz de usuario que permita explorar los datos de forma rápida e intuitiva.

Foot Analytics actualmente utiliza:

  • Amazon CloudFront + Amazon S3: su aplicación web es una Single Page Application (SPA) servida desde Amazon S3 y distribuida globalmente mediante Amazon CloudFront, para asegurar tiempos de carga óptimos en cualquier parte del mundo y también la seguridad del tráfico, al viajar los datos a través de la red privada de AWS.
  • Amazon EC2: utilizan Amazon EC2 para desplegar las APIs privadas y públicas de su aplicación, que se comunican de manera privada con la capa de datos alojada en Amazon Relational Database Service (Amazon RDS).
  • Migración de PostgreSQL a Amazon RDS: inicialmente, la base de datos de visualización estaba alojada on-premise. La migración a Amazon RDS para PostgreSQL ha mejorado la disponibilidad, la gestión de backups y la monitorización, además de garantizar el cumplimiento de normativas de seguridad de los datos.

Capa de monitorización y compliance

Foot Analytics utiliza el conjunto de herramientas de AWS: Amazon CloudWatch, Amazon IAM, AWS CloudTrail, AWS Security Hub y Amazon Inspector para garantizar la seguridad y auditoría de la plataforma, permitiéndoles cumplir con estándares como la certificación ISO 27001 y con el Esquema Nacional de Seguridad (ENS).

Resultados

Foot Analytics ha ido evolucionando su arquitectura en AWS durante más de diez años, siendo capaz de transformar cientos de millones de señales diarias de sus clientes en indicadores clave sobre sus espacios físicos. Foot Analytics es capaz de conectar espacios de oficinas de cualquier tamaño, habiendo conectado campus de más de 50,000 m2, en cuestión de minutos, en remoto y sabiendo que la plataforma está preparada para gestionar cualquier magnitud. Todo ello, de forma ininterrumpida, en tiempo real, con alta disponibilidad y escalando de manera global.

Planes de futuro

  • Amazon Data Firehose: Foot Analytics está migrando la ingesta de datos de señales Wi-Fi a Amazon Data Firehose, lo que les permitirá procesar de forma más eficiente la llegada de datos a su plataforma gestionando la mínima infraestructura necesaria.
  • Migración progresiva a Amazon EC2 Auto Scaling: actualmente Foot Analytics está evaluando la adopción de grupos de auto escalado mixtos en AWS, con el fin de optimizar el uso de instancias de cómputo, combinando instancias on-demand y Spot para reducir costes sin afectar al rendimiento. De esta manera, podrán migrar cargas de trabajo de forma transparente, optimizando costes y mejorando su operación.
  • Herramientas de Inteligencia Artificial (IA) / Machine Learning (ML) e IA Generativa: Foot Analytics está considerando el uso de los servicios de AWS para diferentes casos de IA/ML y IA Generativa:
    1. Uso de Amazon Sagemaker AI para predicción del uso de espacios: Actualmente Foot Analytics gestiona sus propios modelos de ML pero están considerando migrar estos modelos a Amazon Sagemaker AI para reducir las tareas de gestión internas.
    2. Amazon Bedrock: Foot Analytics cuenta con un bot que permite consultar mediante lenguaje natural los datos de uso del espacio. Actualmente están explorando Amazon Bedrock, que les permitirá elegir entre varios large language models (LLMs), para seguir mejorando su bot según sus necesidades.
    3. Agentes de Amazon Bedrock: Foot Analytics está analizando la tecnología Model Context Protocol (MCP). Mediante los agentes de Amazon Bedrock, compatibles con MCP, planean desplegar agentes que puedan interactuar con su sistema de manera sencilla y eficiente.

Sobre los autores

Miquel Gummà, CEO, es ingeniero de telecomunicaciones con una dilatada experiencia en la operadora de telecomunicaciones, decidió fundar junto Akira (amigos desde la universidad) Foot Analytics, para llevar el análisis de ubicación vía WiFi a nivel global a todo tipo de industrias.
Marcos Pérez, CTO y socio de Foot Analytics, es Ingeniero Informático y apasionado de la tecnología al servicio del producto, aplicándolo desde hace más de 8 años en la empresa.

Ana Díez Medialdea es arquitecta de soluciones en AWS. Especializada en Data Analytics y AI/ML, colabora con empresas líderes para impulsar la innovación a través de soluciones de vanguardia en AWS.

 
Marta de Esteban Belzuz es account manager en AWS. Se dedica a ayudar a los clientes a acelerar sus negocios y su proceso de transformación digital en la nube de AWS.