Nous pouvons vous accompagner durant une ou plusieurs phases de votre projet Data


Illus_rubrique-03-01

IMAGINER

Il s’agit, de manière concrète et rapide, d’imaginer les premiers use cases métier en s’inspirant du Design Thinking.

 

Phase de divergence.

Durant cette phase, l’objectif est de générer un maximum d’idées en stimulant le potentiel créatif des participants.

 

Phase de convergence.

Elle vise à sélectionner les meilleures idées en faisant appel à la logique, au pragmatisme et à la critique constructive afin de sélectionner les use cases candidats à un Proof Of Concept.

 

KPIs.

La définition de critères objectifs et non falsifiables de mesure du succès des Business Case permet ensuite de quantifier la valeur métier créée.  

 

 

illus2_Divergence-14

Illus_rubrique-03-03

MATERIALISER

La phase de prototypage permet de confronter les idées à la réalité du terrain.

Construire votre équipe.

Pour créer une Data Factory opérationnelle, vous devrez constituer une équipe réunissant plusieurs compétences avec au minimum un administrateur, un Data Scientist, un Data Engineer, un expert métier et si possible un expert Data Visualisation et un Product Owner.

Mettre en place une démarche agile.

La qualité exploratoire d’une Data Factory implique un mode de fonctionnement souple pour que les use cases puissent évoluer au cours du temps tout en définissant un cadre de travail pour l’équipe par le biais des KPIs préalablement définis.

Mettre en place un DataLake.

Le caractère ubiquitaire et volumétrique des données à collecter et à analyser nécessite une approche de centralisation de celles-ci afin de les croiser et les enrichir tout en s’affranchissant des systèmes de production déjà en vigueur.

illus4_datalake-05-01

Illus_rubrique-03-02

EXPLOITER

Maintenant que les équipes ont identifié les use cases et regroupé les données pertinentes, il est temps de les exploiter.

Réaliser les POC.

Une phase de pré-processing des données consiste à comprendre les données, explorer celles qui sont exploitables par le biais de statistiques puis de préparer (nettoyer) afin de maximiser les chances de réussite. Enfin, il est temps de valoriser les données pour dégager de la valeur métier grâce à des techniques issues du Machine Learning. Le processus de réalisation des POC est un processus itératif visant à améliorer les résultats obtenus en fonction des KPIs.

 

Passer en Production.

Lorsque les POC sont probantes, il s’agit d’industrialiser les phases de préparation, validation, transformation, conversion, agrégation et présentation des données de manière planifiée, coordonnée, automatisée et monitorée.

 

illus1_intro-06





Votre nom*

Votre société*

Votre e-mail*

Votre téléphone

Votre message

* Champs obligatoires

Annuler

Nous Contacter