Usage métier de la donnée

Les statistiques descriptives, la visualisation des données, les traitements des données manquantes ou aberrantes, la mise au format, la préparation des “Reference Data Sets” sont les principales étapes préparatoires au traitement de la donnée pour un usage métier. Cette expertise va de pair avec la maîtrise d’outils professionnels de data visualisation (Qlik Sense, Power BI, Tableau, Spotfire, SAS Visual Analytics, Dash) et de préparation et manipulation de données (Dataiku, Talend, Alteryx).

Chez Nexialog, nous mettons l’accent sur la préparation des données en formant tous nos consultants data aux outils de préparation de données et de data visualisation.

Lorsqu’ils arrivent en clientèle, nos consultants disposent des certifications à l’outil Dataiku qui, en plus de proposer un outil de préparation des données puissant, est une véritable plate-forme de développement et déploiement des solutions data.

L’étape machine learning répond au besoin d’utilisation de la data pour prédire certains phénomènes (déclenchement d’une garantie d’assurance, estimation d’engagement, estimation d’un risque, estimation des sorties d’un modèle) à partir de bases de données d’observations, en prenant en compte notre connaissance du contexte métier et la nature des données. Les facteurs expliquant le phénomène et intégrés au modèle de prédiction doivent être interprétables. On parle d’apprentissage supervisé.
De même l’apprentissage semi-supervisé ou non supervisé sont des méthodes de plus en plus utilisées dans les projets de science des données.

Notre démarche intègre la totalité du cycle de vie du modèle, d’une part la phase de développement mais aussi la validation et le suivi (monitoring) de la performance du modèle. La production d’indicateurs de performance des modèles et la mise en place de procédures de mise à jour, d’ajustement, voire de refonte des modèles sont d’une nécessité absolue pour sécuriser l’usage des modèles et garantir leur valeur ajoutée dans le temps.

Notre expertise en data visualisation nous permet d’accompagner nos clients sur une meilleure exploitation de leurs données pour plus d’efficacité opérationnelle ou un meilleur pilotage stratégique ou business. Nous utilisons pour ce faire des outils de datavisualisation (Qlik, Power BI, Tableau, Spotfire, SAS Visual Analytics, Dash) et de Data Exploration (Dataiku, Alteryx, SQL, Python, R, SAS).

Les outils de datavisualisation sont toujours développés dans une optique d’application métier. A destination des clients, des équipes métiers, du management, des organes de contrôle ou des régulateurs, ces outils ont vocation à améliorer ou accélérer la prise de décision et à sécuriser la conduite de l’activité par l’usage de différents livrables :

• Développement d’indicateurs
• Monitoring
• Dashboard
• Reporting

L’expertise automatisation / robotisation consiste à automatiser des tâches de contrôle, de reporting ou des manipulations de données.
Le MLOps permet aux modèles statistiques et de machine learning, ainsi qu’à tous les types d’utilisations des données (reporting, dashboarding…) de générer rapidement de la valeur métier. Les modèles doivent être déployés et surveillés en continu ; le processus MLOps permet, entre autres :

• Industrialisation et automatisation du déploiement
• Mise en production rapide
• Capacité à réutiliser des modèles
• Surveillance et actualisation continuelles des modèles au fil de la dérive des données (« data drift ») avec dispositif de remontées d’alertes.

La maîtrise de plateformes permet de réaliser les développements et de passer à l’industrialisation de manière fluide. Ainsi les data scientists et les développeurs peuvent travailler ensemble avec une fluidité permettant de passer les modèles et analyses en production avec plus de facilité et de rapidité.

Nos consultants disposent également de l’expertise métier nécessaire à la bonne valorisation des projets data.