DATAFAB

Analytique

API

Applications

Dataviz

Infrastructure

Institutionnels

Consultants/SSII

Intégrateurs

Datafab conseille et accompagne la révolution digitale au travers de démarches centrées sur les données.

Elle développe son expertise sur l’accompagnement des directions techniques et métiers dans la mise en œuvre de projets stratégiques, qui mettent la donnée au cœur de l’organisation et des business models.

En outre, Datafab déploie des partenariats privilégiés, notamment avec Elastic. Elle dispose du plus haut niveau de partenariat, et se positionne ainsi comme étant leur unique Advanced Partner en France.

L’EXPERTISE DATA

Datafab active les données pour améliorer les services et donc accélérer la transformation numérique de ses clients. Datafab a développé son expertise dans 4 domaines Data centric :

• Data & Analytics
• DevOps
• Architectures Back-End
• Cybersécurité

En inventant le Data Boost Camp, Datafab a mis son expertise au profit d’étudiants en fin de cursus, en leur proposant, pour sa première édition, deux jours de formation sur Spark. L’occasion de faire découvrir et apprendre par l’expérience et la mise en pratique.

L’ESPRIT Datafab

L’organisation agile de Datafab, basée sur le développement de l’autonomie et l’intelligence collective, permet à chacun d’atteindre son plein potentiel pour atteindre les objectifs communs, dans le respect des valeurs qui rassemblent les collaborateurs :

Liberté : d’entreprendre, d’apprendre, de progresser. Chez Datafab chacun est libre d’approfondir son expertise dans la direction qu’il souhaite.

Éthique : la data avec respect des limites de chacun et de la vie privée de tout le monde. Une part de l’activité consacré à des projets éthiques.

Challenge et créativité : parce que Datafab adore les nouvelles aventures et inventer son propre futur.

EXEMPLES DE PROJETS DATA RÉALISÉS PLATEFORME ARCHITECTURE BIG DATA

Une des principales et plus anciennes banques d’investissement françaises avait pour objectif de mettre en place un moteur de règles sur des données bancaires. Celui-ci devait être capable de traiter en moins de 6 heures un mois de données (jusqu’à 3 To). S’agissant du premier projet réglementaire utilisant des technologies Big Data, il fallait prouver la robustesse et la compétence de développement/déploiement de ces nouvelles technologies.

En moins de 6 mois, Datafab a apporté son expertise en conception d’architecture Big Data, sur un cluster Hadoop (Hortonworks), en utilisant Spark 1.6 en Scala, pour permettre le développement de l’orchestration des différentes tâches à effectuer via Oozie, avec la remontée des logs et des résultats de traitement dans Elasticsearch. La restitution des résultats a été faite dans un système Legacy basée sur Teradata.

DEEP LEARNING & DATA ENGINEERING

Un des premiers groupes européens de services financiers souhaitait anticiper des incidents en production sur des applications clients critiques et pouvoir, à terme, préciser la root-cause du problème à venir.

L’enjeu principal était de démontrer la pertinence des techniques deep learning sur ce cas d’usage tout en réussissant à mettre en production le projet dans un environnement Big Data. Cela impliquait une expertise mathématique et statistique, mais également une maîtrise technique de l’intégralité de la stack Big Data en production. De plus, cela nécessitait la création d’un modèle mathématique basé à la fois sur des logs techniques et sur des indicateurs métiers des différentes applications.

Pour déployer ce projet, Datafab a utilisé des technologies comme Kafka et Spark Structured Streaming dans un premier temps pour collecter et préparer la donnée. Ensuite, un service temps réel a été déployé en Python pour pouvoir scorer de manière non supervisée le comportement des applications avec H2O et TensorFlow. Enfin, ont été restitués aux équipes techniques les différents scores sur des dashboards interactifs et en temps réel comme Kibana et Shiny. Le résultat pour le client est un projet robuste et scalable de bout en bout.

DATA GOUVERNANCE

La mission de Datafab chez un régulateur européen a été une mission d’audit du patrimoine data et de valorisation de ce patrimoine. Elle s’inscrit dans une problématique de bonne gouvernance des données dans un contexte très réglementé.

L’objectif client était de mettre à jour sa connaissance de l’ensemble des données entrantes, des processus de transformation les concernant, et enfin des modalités de leur utilisation. Dans un deuxième temps, le régulateur attendait des recommandations quant à une solution pouvant permettre une bonne gestion de ce patrimoine.

L’expertise de Datafab a permis de mettre en évidence 2 types d’informations entrantes, d’usage bien distinct : des informations financières sous la forme de rapports très normés et des informations signalétiques beaucoup plus libres et évolutives. Pour cela, a été suggérée l’utilisation de 2 solutions NoSQL pour chacun de ces types : respectivement une base document (MongoDB) et une base graphe (Neo4j). Datafab a ainsi pu démontrer l’intérêt, pour pouvoir valoriser efficacement ces 2 types d’informations, de bien les synchroniser tout en respectant leurs propriétés.

Enfin, un travail d’étude du marché des solutions éditées de Data Gouvernance a été entrepris dans le contexte spécifique de la régulation prudentielle des services financiers d’un Etat.

DÉTECTION DE FRAUDES GRÂCE À L’INTELLIGENCE ARTIFICIELLE

L’amélioration de l’expérience client, par des prestations, services et outils, est devenue une priorité chez ALD Automotive, filiale du groupe Société Générale spécialisée dans la location longue durée et la gestion de parc automobile.

La direction technique du Groupe ALD Automotive a mis à disposition de Datafab un historique de facturation sur les trois dernières années (devis, montant des réparations, détails des interventions, etc.), en y attachant des informations relatives aux ateliers de réparation automobile (identifiants uniques, zones postales, etc.), aux véhicules (marque, année de construction, kilométrage), aux fournisseurs.

Le but de l’intervention de Datafab était de mettre en place une IA pour analyser ces jeux de données et détecter les factures frauduleuses (escroqueries), et donc d’aider le personnel du Groupe à valider/refuser/négocier les accords émis principalement par les garagistes.

À long terme, cette IA permettra d’identifier précocement les signes suspects et activités inhabituelles. Cette analyse prédictive détectera les comportements frauduleux de manière automatisée pour réagir au moment où la fraude est suspectée.