BLUE DME

Julien CABOT

 

www.bluedme.com

Analytique

API

Applications

Dataviz

Infrastructure

Institutionnels

Consultants/SSII

Intégrateurs

LA PLATEFORME DATA MANAGEMENT & EXCHANGE DE BLUE DME EST UNE SOLUTION METIER PERMETTANT

AUX STATISTICIENS, ACTUAIRES, ANALYSTES RISQUES ET AUX DATA SCIENTISTS DE TROUVER FACILEMENT

LES DONNEES LES PLUS UTILES ENFOUIES DANS VOTRE DATA LAKE ET DANS L’OPEN DATA.

 

Notre plateforme Data Management & Exchange (DME) s’adresse aux Chief Data Officers (CDO)
et aux équipes métiers
pour leur permettre de révéler le potentiel des données internes dans
les différentes entités d’une grande organisation, d’accéder à de nouveaux jeux de données externes pertinents automatiquement, et de développer des mécanismes de valorisation de données
(écosystème de partenaires).

 

Après avoir accompagné de grands acteurs des secteurs banque, assurance, automobile et industrie
dans la mise en place d’offres de services d’analyse prédictive, de machine learning et de modélisations prédictives (optimisation d’algorithmes de pricing, modèles de scoring, etc.), Blue DME a développé
une solution innovante permettant de mettre les données du Data Lake et données internes directement dans les mains des équipes métiers.

Le DME, s’appuyant notamment sur des technologies Hadoop/Yarn, Spark et Elasticsearch, est composé des briques fonctionnelles suivantes :

 

  • Outil de gouvernance pour fédérer les datalakes des entités d’une organisation ou entre organisations (garder une vision centrale fédérée des sources de données anonymisées et permettre de valoriser ses données en interne ou en externe) ;

 

  • Catalogue collaboratif orienté métier et moteur de recherche intelligent de données multi-sources (données internes, de parcours client, open data, scrappées ou données externes payantes
    de partenaires) permettant un fort degré de capitalisation entre utilisateurs (retours utilisateurs, partages, listes thématiques personnalisables) ;

 

  • Outil de sélection unifiée de données pour sélectionner automatiquement les jeux de données pertinents dans le catalogue (améliorer un score, rechercher des variables prédictives) et basculer facilement vers un outil de Data mining ou un studio de Data Science ;

 

  • Solution permettant, aux application analytics métiers en production, d’accéder aux données à jour du catalogue (real time data flow).

 

Le numéro 1 de l’assurance-crédit dans le monde, Euler Hermes, a pu déterminer l’apport des données externes dans la prédiction du risque crédit pour accompagner les meilleures PME et startups européennes. L’équipe datascience d’Euler Hermes a ainsi amélioré ses modèles en utilisant des données open data et des données externes non financières, puis a communiqué les résultats des analyses aux équipes de direction métier.

 

Un autre leader de l’assurance, composé de différentes marques / entités internes, a déployé
la plateforme Data Management & Exchange auprès d’une centaine d’utilisateurs manipulant déjà des données : data scientists, chargés d’étude statistiques, experts des Systèmes d’Information Géographiques, experts risques, experts de la connaissance client, actuaires, etc. Cette entreprise souhaitait que tous ces utilisateurs, dont les acteurs métier, puissent utiliser au quotidien les données externes. La connaissance des données externes (notamment open data) ainsi que de beaucoup de jeux de données internes (exemples : les données de parcours client pour des acteurs autres que les experts connaissance client,
ou les données géographiques travaillées par les experts SIG non utilisées par les autres collaborateurs
du groupe) était bien sûr très diverse pour chaque profil utilisateur. L’objectif était donc bien :

 

  • d’avoir accès à un catalogue de données intelligents avec une dimension collaborative forte pour accompagner les utilisateurs n’ayant jamais utilisé des données externes,
  • et de laisser les profils ayant déjà une expérience utiliser les fonctionnalités les plus avancées (améliorer un score, réaliser un enrichissement) mais aussi partager les retours d’expériences
    sur certains jeux de données.

 

Les utilisateurs au sein de cette société d’assurance peuvent automatiquement trouver les jeux de données pertinents pour leurs objectifs métiers et manipuler aussi bien des données d’un data lake,
que des données open data par exemple. Chaque groupe d’utilisateurs, proche de la notion d’entité métier, est réuni dans un espace de travail pour prendre en compte des contraintes règlementaires ou simplement échanger avec d’autres profils similaires et peut partager des nouveaux jeux de données
au catalogue. La plateforme DME permet de quantifier l’usage des jeux de données et révéler leur valeur : la première étape de la Data Monetization Interne.

 

Le potentiel de valeur pour les organisations commence donc en interne (contribution des entités
à la valeur économie de l’entreprise et partage des jeux de données et expériences) et peut se poursuivre
en externe avec un écosystème de partenaires qui souhaitent collaborer ensemble sur des données
qu’ils souhaitent partager de manière anonymisée.

 

Blue DME a implémenté ces services, principalement pour des entreprises banque / assurance
et automobile, et a amélioré significativement l’efficacité opérationnelle des équipes de data mining
et de data science
(notamment pendant l’étape de data preparation qui occupe plus de 60% de leur temps) et permet aux CDO et DSI de valoriser les investissements réalisés dans leurs data lakes.