Notre terrain de jeu

Contexte

Rattaché à l’équipe Platform Data, accompagnement sur l’outillage et les bonnes pratiques MLOps pour les équipes de Data Scientists

Equipe pluridisciplinaire : DevOps, Ops, Data Scientist, Data Architect, Data Engineer

Périmètre : Plus de 20 pays utilisateurs

Intervention

• Développer des modèles analytiques abstraits pour résoudre des problèmes complexes pour l'analyse décisionnelle
• Optimiser et améliorer l'efficacité de calcul des algorithmes et de la conception logicielle
• Exposition à des applications d'analyse / création d'outils d'analyse
• Exploitation des méthodes de datascience et des méthodes de mise à l'échelle associées
• Optimisation de programmes pour améliorer les performances, la vitesse et l’élasticité
• Assurer le nettoyage des ensembles de données
• Création de flux de travail et de modèles reproductibles.
• Suggérer des applications de Machine Learning pertinentes
• Mettre en production les modèles de Machine Learning
• Gérer le cycle de vie des modèles de Machine Learning
• Déploiement de modèles de haute précision en tout lieu.
• Gestion efficace de l’ensemble du cycle de vie de l’apprentissage machine. Système de gestion et de contrôle des ressources d’apprentissage automatique.

Contexte

Au sein de l’équipe IA Banque en ligne, mise en d'une IA permettant la détection de fraudes.

Elaboration de la Roadmap Big Data sur 3 ans

• Collecte, préparation et analyse des données clients afin de développer une solution anti-fraude à base de ML pour aider à l’analyse de nouveaux dossier clients souhaitant entrer en relation avec la banque
• Intégration et visualisation des données dans Neo4J avec des technologies Big Data type : Spark, Kafka

Intervention

• Identification des besoins métiers fonctionnels et techniques
• Collecte de la donnée nécessaire pour analyse et préparation
• Mise en place d’un modèle de Machine Learning
• Définition des process de validation Data Science
• Définition des principes d’exposition des résultats Data Science

‍

Contexte

La plateforme Data (BI & Big Data) a la charge de fournir des services DATA pour les fonctions majeures de l’entreprise.

Elle doit aussi assurer la dimension fonctionnelle du domaine de données "Ventes & Marges"

Intervention

• Gestion du backlog produit, définition des user stories, conduite du sprint planning, animation de l’équipe Agile Concevoir les solutions.
• Guider l'analyse, réaliser le cadrage.
• Réaliser la modélisation des objets métiers du domaine dans le socle Big Data.
• Spécifier les flux d’alimentation et concevoir les expositions (WS et modèles BDD) en collaboration avec l’équipe de Gouvernance.
• Être garant de la qualité du domaine de données Ventes & Marges
• Gérer un portefeuille de projets et le cycle de vie de chaque projet impactant le domaine de données Ventes & Marges
• Reporter l’avancement à la direction du programme

‍

Contexte

Dans le but d'être data driven les équipes métiers ont besoin de réaliser des dashboards / cockpit pour prendre des décisions.

Intervention auprès de la BI Factory

Intervention

• Extraction de données
• Structuration / modélisation dans des datasets
• Prise en main du modèle de données
• Production de dashboards permettant de piloter l'ensemble des activités dans chaque domaine de l'entreprise (produits digitaux, le Ecommerce, process, la supply chain, l'industry ...)
• In fine, transformer une donnée brut en un indicateur
• Compréhension du besoin fonctionnel

‍