Como a Mobway transforma milhões de dados automotivos em informações confiáveis em segundos na AWS

Por Andresa Viana, Arquiteta de Soluções para Startups da AWS; Felipe Trindade, CTO e Co-Fundador da Mobway e Matheus Lenzi, CIO e Co-Fundador da Mobway.

No universo da gestão de frotas, os dados são tão importantes quanto os próprios veículos. Porém, transformar milhões de eventos telemáticos em informações confiáveis e acionáveis é um desafio complexo.

Os veículos conectados de fábrica geram dados continuamente, que possuem formatos distintos, nomenclaturas próprias e diferentes níveis de qualidade, variando de acordo com a montadora, o modelo e o ano.

Para resolver esse desafio, a Mobway desenvolveu uma plataforma de processamento de dados em streaming baseada nos serviços da AWS. A solução é capaz de receber, pseudonimizar, padronizar, limpar, enriquecer e disponibilizar informações automotivas em tempo real.

A plataforma foi construída seguindo os princípios do AWS Well-Architected Framework, permitindo escalabilidade e governança desde a fundação da infraestrutura.

O resultado é uma arquitetura de baixa latência: os dados consolidados chegam aos gestores de frota em menos de 40 segundos, do recebimento do sinal à disponibilização

Sobre a Mobway

A Mobway atua como um motor de inteligência veicular, integrando montadoras e frotistas por meio da conectividade veicular nativa e uma plataforma baseada em nuvem. Fundada em 2021, a startup desenvolveu uma solução sem hardware orientada ao princípio de privacy-by-design (privacidade desde a concepção).

O modelo dispensa a instalação de equipamentos físicos nos veículos, pois a Mobway utiliza conexões diretas e homologadas com os fabricantes para extrair telemetria em tempo real.

Ao longo de sua trajetória, a Mobway validou sua arquitetura no mercado automotivo por meio de provas de conceito com grandes montadoras, frotistas e provedores de serviços de telemática (Telematics Service Providers, TSPs) no Brasil, consolidando em 2024 uma colaboração técnica com a AWS, com o apoio da equipe de AWS for Automotive, para sustentar a escalabilidade de sua infraestrutura.

O desafio

As empresas que operam frotas precisam de visibilidade operacional e devem responder rapidamente a perguntas críticas, como:

• Onde estão meus veículos agora?
• Existe algum comportamento de risco acontecendo?
• Os motoristas estão utilizando as melhores práticas de direção?
• Existe oportunidade de redução do consumo de combustível?
• Há necessidade de manutenção preventiva?

Embora pareçam simples, essas perguntas dependem de uma cadeia complexa de processamento de dados na retaguarda. Para ajudar a respondê-las com precisão e velocidade, a Mobway precisava construir uma solução com estas capacidades:

• Processar milhões de eventos diariamente.
• Suportar múltiplas fontes de conectividade simultâneas.
• Padronizar dados heterogêneos de diferentes fabricantes.
• Manter a qualidade dos dados recebidos.
• Preservar a segregação lógica entre os clientes.
• Enriquecer eventos com contexto operacional.
• Disponibilizar informações em tempo real.
• Manter alta disponibilidade e escalabilidade.

No fundo, todos esses requisitos convergem para um único objetivo: entregar ao gestor de frota um dado confiável e pronto para decisão em segundos, independentemente de qual montadora o originou.

Para superar essa complexidade, a Mobway projetou um pipeline de dados elástico, capaz de processar altos volumes de forma contínua e com mínima sobrecarga de infraestrutura, sustentando a operação de forma confiável mesmo sob picos de volume.

A solução

Para atender a esses requisitos, a Mobway adotou uma arquitetura orientada a eventos utilizando serviços gerenciados da AWS.

A plataforma é dividida em quatro grandes camadas de processamento:

• Ingestão de dados: recebimento e pseudonimização dos eventos vindos das montadoras.
• Processamento de dados em streaming: padronização e limpeza em tempo real com Apache Flink.
• Armazenamento de dados: persistência dos dados brutos e limpos no data lake.
• Consumo e enriquecimento: disponibilização dos dados usando webhooks (tempo real), APIs (dados históricos) e consultas para auditoria, além do enriquecimento com contexto operacional.

A figura a seguir apresenta o diagrama de arquitetura simplificada da solução. A infraestrutura opera em múltiplas contas AWS e foi desenhada para sustentar o fluxo contínuo dos dados.

Figura 1: Diagrama de arquitetura simplificado da plataforma da Mobway na AWS

Ingestão de dados

O fluxo começa quando um veículo conectado envia eventos de telemetria para a plataforma da Mobway por meio da montadora.

Esses pacotes de dados podem conter centenas de informações de diagnóstico e condução, como:

• Localização GPS
• Velocidade
• Ignição
• Odômetro
• Nível de combustível
• Pressão dos pneus
• Alertas de falha
• Mais de 200 outros parâmetros veiculares

A plataforma encaminha os eventos para o Amazon API Gateway, que atua como proxy da solução. Além de simplificar a integração com diferentes montadoras e provedores de conectividade, o Amazon API Gateway centraliza o controle de segurança. O serviço viabiliza a implementação de mecanismos de autenticação, autorização, limitação de requisições (rate limiting) e monitoramento contínuo, permitindo que apenas fontes homologadas transmitam dados.

Ao chegar, e antes de ingressarem no fluxo de processamento, todos os dados passam por uma etapa de pseudonimização, realizada por uma função no AWS Lambda. Os identificadores únicos do veículo, como o número do chassi (VIN, do inglês Vehicle Identification Number), são substituídos por identificadores internos.

O mapeamento entre o VIN original e seu identificador pseudonimizado é armazenado no Amazon DynamoDB, que alia a alta velocidade de leitura e escrita ao isolamento lógico dos dados sensíveis. Orientada pelo privacy-by-design, essa segregação apoia a aderência da infraestrutura à Lei Geral de Proteção de Dados (LGPD) e ao General Data Protection Regulation (GDPR), preservando a segurança e a utilidade da informação e cumprindo um requisito de segurança das montadoras para integração.

Esse padrão de arquitetura viabiliza o desacoplamento entre os sistemas de origem e a infraestrutura interna de processamento. Os provedores de dados interagem com um único gateway, o que aumenta a governança e permite à Mobway evoluir seus componentes internos sem gerar impacto nas integrações existentes.

Ao final dessa etapa, os eventos são publicados no Amazon Kinesis Data Streams, dando início ao processamento em tempo real.

Processamento de dados em streaming

Após a ingestão, os eventos são publicados no primeiro de três streams de dados do Amazon Kinesis Data Streams, que atuam como a camada central de eventos da plataforma. Essa arquitetura de múltiplos streams permite o desacoplamento entre os estágios de transformação e possibilita múltiplos consumidores simultâneos sem impacto na origem.

Em paralelo, dois pipelines do Amazon Data Firehose persistem os dados no data lake, construído sobre o Amazon Simple Storage Service (Amazon S3): um salvando os dados brutos (para auditoria e reprocessamento) e outro salvando os dados já limpos (para consumo analítico e enriquecimento).

A Mobway implementou dois fluxos sequenciais de transformação no Amazon Managed Service for Apache Flink: Padronização e Limpeza.

Padronização dos dados

Cada fabricante automotivo possui sua própria forma de representar informações. Um mesmo evento pode chegar como:

• “speed”: 22,22 m/s
• “vehicle_velocity”: 80.00 km/h
• “velocidade”: 49.71 mph

Para resolver esse problema, o primeiro fluxo do Flink atua como um tradutor, transformando eventos brutos em um modelo canônico único. Essa etapa é responsável por:

• Normalização de nomenclaturas
• Conversão de unidades
• Validação de formatos

Ao final, os dados padronizados são publicados em um segundo stream de dados do Amazon Kinesis Data Streams, que alimenta o próximo estágio. Os clientes passam a consumir exatamente o mesmo padrão de dados, independentemente da fonte.

Limpeza e qualidade dos dados

O segundo fluxo do Flink consome o stream de dados padronizados e executa processos de limpeza e validação. Entre as regras aplicadas estão:

• Remoção de duplicidades (por exemplo: mesmo “vin” e “date_time”)
• Tratamento de valores inválidos (por exemplo: “odometer”: -10020, “latitude”: 100)
• Correção de inconsistências temporais utilizando janelas de tempo (time windows), como odômetro diminuindo ou grande variação do GPS em milissegundos

Um exemplo prático ocorre no tratamento da velocidade. A plataforma aplica uma regra de faixa aceitável (0 a 400 km/h) e uma restrição de variação brusca (aceleração máxima de 50 km/h por segundo). Os dados que violam essas restrições têm seu valor substituído por null, e a plataforma gera uma flag de auditoria indicando o erro, mas preservando o valor original para o cliente.

Os detalhes técnicos e exemplos completos dos schemas estão disponíveis na documentação oficial do produto da Mobway.

Com isso, apenas informações confiáveis são publicadas no terceiro stream (dados limpos) e disponibilizadas aos sistemas consumidores.

Armazenamento de dados

Enquanto os eventos são processados em tempo real, a plataforma também mantém um histórico completo e seguro no Amazon S3, com o Amazon S3 Intelligent-Tiering habilitado para otimizar automaticamente os custos de armazenamento conforme o padrão de acesso aos dados.

O armazenamento é estruturado em duas zonas principais:

Dados Brutos (Raw): armazena os dados no formato original em que foram recebidos, tendo como única alteração a pseudonimização do número do chassi. Essa camada fundamental permite:

• Auditoria detalhada
• Reprocessamento de eventos
• Rastreabilidade completa

Dados Limpos (Clean): contém exclusivamente os dados já padronizados e limpos pelos fluxos do Apache Flink. Essa camada é ativamente utilizada para:

• Fornecimento de dados históricos ao cliente por meio de API
• Fonte de dados para o processo de enriquecimento operacional
• Base estruturada para business intelligence (BI) e machine learning (ML)

Para sustentar a governança de todos esses componentes, o catálogo dos dados é gerenciado pelo AWS Glue Data Catalog, permitindo o consumo flexível e sob demanda pelo Amazon Athena por meio de consultas SQL padrão.

Consumo dos dados

Após o processamento e armazenamento, com os dados já catalogados e organizados, a plataforma disponibiliza as informações para os clientes de duas formas, atendendo a diferentes necessidades operacionais.

Dados históricos (API): a Mobway expõe rotas autenticadas de uma API REST executada em contêineres no Amazon Elastic Container Service (Amazon ECS) com AWS Fargate, que consulta os dados limpos usando Amazon Athena, e o cliente acessa as informações retroativas aplicando filtros por veículo, período e tipo de dado. O Amazon ECS oferece escalabilidade horizontal automática (Service Auto Scaling), baseada na utilização de CPU e memória. Também adota blue/green deployment com rollback automático, usando as imagens de contêiner armazenadas no Amazon Elastic Container Registry (Amazon ECR), o que reduz o risco de interrupções durante as implantações.

Tempo real (Webhooks): para integração contínua, funções AWS Lambda conectadas ao Amazon Kinesis Data Streams são acionadas automaticamente quando novos eventos consolidados chegam ao stream de dados limpos. Cada função despseudonimização o evento em memória e faz um HTTP POST direto para o endpoint do cliente, autenticado por assinatura Hash-based Message Authentication Code (HMAC). Eventos que não forem confirmados pelo endpoint de destino são reenfileirados e reenviados automaticamente, com back-off exponencial entre as tentativas, até o limite de 24 horas. Após esse período, o histórico permanece acessível pela API.

Enriquecimento dos dados

Um evento telemático isolado tem valor analítico limitado: sozinho, um dado como “velocidade: 80 km/h” ou “rotação do motor: 3.000 RPM” é apenas um número, que não revela se há desperdício de combustível, risco de falha mecânica ou comportamento de risco na condução. Esse significado só emerge quando múltiplos eventos são correlacionados ao longo do tempo e cruzados com regras de negócio.

Por isso, a plataforma executa processos de enriquecimento contínuo, justamente para responder às perguntas operacionais essenciais para o gestor de frota (consumo, manutenção e segurança) e transformar telemetria bruta em decisão. Entre os enriquecimentos realizados, destacam-se:

• Consumo de combustível: cálculo de gasto geral e identificação de excessos motivados por motor ocioso, velocidade alta ou má calibragem dos pneus.
• Manutenção preditiva: geração de alertas de baixa vida útil do óleo e auditoria de manutenção com suporte de inteligência artificial.
• Segurança da frota: emissão de alertas de velocidade excessiva e pressão atípica dos pneus.

O resultado é um conjunto de informações consolidadas que entrega inteligência acionável para a tomada de decisão dos gestores de frota.

Segurança como princípio fundamental

Ao lidar diariamente com informações de localização e telemetria de milhares de veículos conectados, a segurança é tratada pela Mobway como um requisito arquitetural prioritário.

A infraestrutura foi construída seguindo as recomendações do AWS Well-Architected Framework, com uma estratégia multi-account que separa ambientes de produção, homologação, auditoria e serviços compartilhados. A separação lógica entre clientes da plataforma (multi-tenant) é aplicada em todas as camadas. O controle de acesso é centralizado por meio do AWS Identity and Access Management (IAM), com princípio de menor privilégio e autenticação multifator (MFA).

A arquitetura foi desenhada para apoiar os requisitos da LGPD e do GDPR, utilizando AWS CloudTrail para auditar continuamente quais serviços executaram cada etapa do fluxo. Isso permite a rastreabilidade completa do ciclo de vida dos dados, evidenciando quando cada informação foi recebida, processada, armazenada e disponibilizada. Os dados são protegidos por criptografia em trânsito, por meio de TLS 1.2 com certificados gerenciados pelo AWS Certificate Manager (ACM), e em repouso, com chaves gerenciadas pelo AWS Key Management Service (AWS KMS).

Com essa postura, a Mobway mantém os padrões de governança exigidos por montadoras e gestores de frotas, com mínimo impacto na escalabilidade e na latência da solução.

Escalabilidade e resiliência

Todo o processamento é executado sobre streams distribuídos do Amazon Kinesis, operando em modo provisionado. Essa escolha arquitetural permite:

• Escalabilidade: a capacidade do stream é organizada em shards. No modo provisionado, a vazão de ingestão acompanha o crescimento da frota pela adição de shards (resharding), enquanto a camada de processamento no Apache Flink escala pela adição de Kinesis Processing Units (KPUs), sem reescrever a aplicação.
• Tolerância a falhas: por padrão, o Amazon Kinesis Data Streams replica cada registro de forma síncrona em três zonas de disponibilidade (AZs) da região, sendo projetado para preservar os dados mesmo diante da falha de uma zona.
• Reprocessamento de eventos: os dados ficam retidos por um período configurável na plataforma da Mobway (um dia), permitindo que os consumidores releiam o stream nesse intervalo para reprocessar eventos após uma correção ou nova regra de negócio.
• Baixa latência: o serviço é projetado para que os registros fiquem disponíveis para consumo em milissegundos após a ingestão.

A plataforma mantém desempenho consistente mesmo durante grandes volumes de transmissão simultânea. O tempo de processamento para 1.200 veículos enviando o mesmo volume de dados (23 tipos de dados a cada 24 segundos), utilizando apenas 1 KPU, varia entre 2 e 9 segundos, com uma média de 5 segundos.

Ao escalar para 24.000 veículos (20 vezes mais) e 8 KPUs (8 vezes mais) enviando o mesmo volume de dados, o tempo de processamento se mantém estável, variando entre 3 e 10 segundos. Isso evidencia a capacidade da infraestrutura de escalar de forma elástica sem perdas significativas de performance.

Na entrega final dos dados em tempo real, a plataforma utiliza um webhook acionado por AWS Lambda, projetado com um buffer de agregação que dispara a cada 100 mensagens ou 30 segundos, o que ocorrer primeiro, otimizando a eficiência do envio.

Com o aumento da volumetria, operando com 1.200 veículos simultâneos, o limite do buffer é atingido em menos tempo, o que reduz a latência do webhook para apenas 2 segundos.

Resultados alcançados

Resultados técnicos

A infraestrutura orientada a serviços gerenciados sustenta a operação em escala e a confiabilidade dos dados entregues, como mostram os resultados medidos na própria plataforma:

Figura 2: Tabela de resultados técnicos da plataforma da Mobway na AWS

Impacto no negócio

A arquitetura orientada a eventos na AWS deu a capacidade técnica para a Mobway de escalar de milhares para dezenas de milhares de veículos simultâneos sem qualquer aumento da carga de gerenciamento operacional. A nuvem faz o trabalho pesado de sustentar a volumetria, permitindo que a equipe foque exclusivamente na engenharia e na inteligência por trás dos dados dos veículos.

De semanas para minutos

Em modelos legados de telemetria ainda é utilizado a instalação física de equipamentos nos veículos. Esse processo demanda deslocamento de técnicos, parada da frota, leva semanas para concluir e ainda pode impactar a cobertura de garantia do fabricante.

Com a arquitetura hospedada na AWS, a Mobway supera essas barreiras. A integração e ativação remota dos veículos são realizadas junto com as montadoras diretamente na nuvem, que foi projetada para escalar com o crescimento da frota. O frotista passa a ter acesso imediato à telemetria em tempo real logo após o onboarding na plataforma, que leva aproximadamente 30 minutos.

“O potencial dos veículos conectados vai muito além da telemetria. Quando combinamos conectividade nativa, arquitetura em nuvem e governança de dados, criamos uma base sólida para desenvolver novos serviços digitais e gerar valor contínuo para clientes e parceiros. A colaboração com a Mobway é um exemplo de como a inovação aberta pode acelerar essa transformação.” (Gisele Tonello, Vice President Software Business Unit South America Stellantis)

Escala comprovada

Atualmente, o Brasil conta com cerca de 5 milhões de veículos conectados e, até 2030, estima-se que 95% dos carros vendidos no país serão conectados (fonte: FUNDEP Mover).

A plataforma já provou o conceito em projetos envolvendo clientes com potencial de conversão de mais de 2 milhões de veículos, demonstrando sua capacidade de processar grandes volumes de dados automotivos em tempo real. Esses resultados posicionam a Mobway para acompanhar a rápida evolução do mercado de veículos conectados.

Ao combinar uma arquitetura escalável baseada em serviços gerenciados da AWS com um modelo padronizado de dados, a Mobway está preparada para sustentar esse crescimento, permitindo que novas montadoras, clientes e aplicações sejam incorporados rapidamente, com mínimo impacto na latência, na segurança ou na qualidade das informações.

Próximos passos: da telemetria padronizada aos agentes de IA

A arquitetura que apresentamos aqui não é um ponto de chegada, e sim uma base em evolução contínua. Com uma mentalidade de FinOps, avaliamos constantemente oportunidades de otimizar custos e adequar o processamento à demanda real, estudando opções como o uso de computação serverless nas etapas de transformação e alternativas de streaming gerenciado, sempre preservando os requisitos de qualidade e baixa latência da plataforma.

Paralelamente, estamos desenvolvendo um produto que integra fontes de dados hoje dispersas nos sistemas dos frotistas, como telemetria, abastecimentos e manutenções. A solução usa agentes de inteligência artificial, hospedados e operados pelo Amazon Bedrock AgentCore, para analisar essas informações de forma integrada e apresentar proativamente oportunidades de melhoria em quatro áreas: custos, manutenção, operação e segurança. Já estamos validando o produto em provas de conceito com clientes, combinando dados dos próprios frotistas e informações fornecidas pelas montadoras por meio da plataforma de conectividade veicular da Mobway, ampliando a visão sobre a frota e apoiando decisões operacionais.

Conclusão

A gestão eficiente de frotas conectadas exige uma base tecnológica capaz de lidar com a imprevisibilidade e a heterogeneidade dos dados em alta escala. Ao estruturar sua operação com uma arquitetura de processamento em streaming, a Mobway superou as barreiras físicas da telemetria tradicional.

Neste post, mostramos como a Mobway combinou serviços gerenciados da AWS para transformar dados brutos de múltiplas montadoras em inteligência acionável em questão de segundos. Três escolhas foram decisivas nessa jornada: padronizar os dados logo na origem, convertendo-os para um modelo canônico único que nos permitiu integrar múltiplas montadoras sem repassar a complexidade ao cliente; tratar o privacy-by-design como requisito desde a ingestão, e não como etapa posterior, simplificando o atendimento aos requisitos da LGPD e do GDPR; e apoiar a arquitetura em serviços gerenciados, o que reduziu a carga operacional e liberou a equipe para focar na inteligência dos dados.

Com dados limpos, padronizados e historizados fluindo continuamente para o data lake, a Mobway está construindo a base para as diversas camadas de valor: modelos preditivos de machine learning para manutenção veicular, detecção de padrões de condução e otimização de rotas com inteligência artificial. Os dados confiáveis são o combustível de qualquer iniciativa de IA, e a arquitetura que apresentamos foi projetada para alimentar esses modelos e, principalmente, as decisões estratégicas dos clientes desde a origem.

Com segurança integrada por design e um pipeline projetado para alta escalabilidade, a Mobway se posiciona para sustentar o crescimento do mercado de veículos conectados no Brasil, oferecendo uma base sólida para a evolução contínua da mobilidade conectada.

Para começar a construir pipelines de dados em streaming no seu próprio ambiente, consulte a documentação do Amazon Kinesis Data Streams, o guia do Amazon Managed Service for Apache Flink e o AWS Well-Architected Framework. Para conhecer outras soluções e casos do setor, acesse a página de AWS for Automotive. Se quiser saber mais sobre a plataforma de conectividade veicular da Mobway, entre em contato com a equipe.

Sobre os autores

	Andresa Viana é Startup Solutions Architect na AWS, com mais de 20 anos de experiência em tecnologia, onde une sólida expertise técnica e sensibilidade humana para impulsionar a inovação no ecossistema empreendedor. Com uma trajetória que passa por desenvolvimento, DBA e arquitetura de dados, possui profundo conhecimento em dados e analytics, ajudando startups a construírem arquiteturas escaláveis e a tomarem decisões orientadas por dados em suas jornadas na nuvem.
	Felipe Trindade é CTO e cofundador da Mobway. Engenheiro eletrônico e mestrando em ciência da computação pela UFSC, com foco na predição de acidentes via telemetria, possui profundo conhecimento em eletrônica de veículos, computação em nuvem, streaming de dados em larga escala e análise de dados.
	Matheus Lenzi é CIO e cofundador da Mobway. Engenheiro eletricista e mestrando em ciência da computação pela UFSC, é focado no perfilamento de condutores utilizando técnicas de machine learning. Especialista em engenharia de dados, back-end e na implementação rigorosa de governança (privacy-by-design) para o mercado automotivo.