YSANCE

 

www.ysance.com

Jean-Marie UZEL

VP Digital Services

Analytique

API

Applications

Dataviz

Infrastructure

Institutionnels

Consultants/SSII

Intégrateurs

Qu’est-ce que la Data Science et quelle est sa place dans l’entreprise ?

Plus aucune activité n’échappe à la dimension digitale et toute activité laisse désormais des traces, des mesures, des impacts, des indices, des informations, bref, des datas. Le Big Data est omniprésent. Les données l’ont toujours été même si leur volume est exponentiel. Mais un changement radical de paradigme s’est opéré : nous sommes aujourd’hui en capacité d’exploiter pleinement le volume toujours plus grandissant de données grâce aux technologies qui offrent des potentiels inédits.

Le monde tel que nous l’avons connu n’est plus. Il faut s’y faire. Mais il faut surtout s’y fier. Et c’est là que la Data Science apparaît, parce que se dessine le rôle d’une nouvelle discipline qui cherche à transformer l’énorme masse d’informations disponibles en intelligence, connaissance, prédiction, prévision. La Data Science est la discipline qui nous permet de garder emprise et contrôle dans ce monde si différent qui se profile et se façonne dès à présent. Dit plus simplement, la Data Science ou science des données est une panolplie de mesures consistant à extraire de l’information d’un ou plusieurs ensembles de données et de l’activer.

La Data Science, c’est d’abord des data scientists. Leur travail consiste à nettoyer et à explorer les jeux de données à travers une méthodologie scientifique de travail, à trouver des corrélations significatives entre les différents jeux de data, et aussi à restituer les résultats obtenus de façon simple et claire, ce qui peut notamment passer par de la visualisation. Mais les activités des data scientists ne s’arrêtent pas à l’utilisation d’algorithmes d’apprentissage automatique avancés. Le data scientist sert aussi d’interface humaine. Il doit s’approprier les enjeux métiers de l’entreprise et être capable de présenter des arguments dans un jargon métier.

L’entreprise, évidemment, est à l’avant-poste de cette révolution pour deux raisons essentiellement. D’abord, parce que ce sont les entreprises les premières qui ont compris la valeur et les avantages concurrentiels que l’on peut tirer de l’intelligence. Il suffit d’évoquer le monde du décisionnel et son histoire pour comprendre que l’essor de la data est éternellement endetté auprès de l’entreprise. La seconde raison est plus terre-à-terre. Ce sont les entreprises qui possèdent la data, elles ont cependant besoin de sociétés expertes pour mettre en évidence des patterns jusque-là méconnus, effectuer des analyses look-alike sur de nouveaux critères issus de phase de features engineering ou encore faire de la prédiction.

La Data Science est l’approche raisonnée et rationnelle dont se dotent les entreprises data centric qui font de la data un pilier central de leur transformation digitale.

 

Quelle est l’intérêt pour une société comme Ysance de proposer une offre de Data Science ?

Proposer une offre de Data Science permet à Ysance de se tenir au plus près des préoccupations et des besoins de ses clients, même si ces besoins ne sont pas toujours consciemment manifestes ou précisément verbalisés ; nous aidons nos clients à « faire » - certes - mais nous remontons également dans la chaîne de valeur de la data en aidant nos clients à comprendre, ou plus exactement, à mieux appréhender ce qu’ils comprennent mais qui paraît abrupte et abscons au premier abord.

Ysance est un acteur reconnu dans le secteur de par ses partenariats multiples avec les sociétés du Big Data, de la Data Integration, de la Data Architecture et de la Visualisation et est donc confronté à un grand nombre de cas d’usages Big Data. En proposant une offre de Data Science, Ysance accompagne désormais ses clients sur l’intégralité de leur parcours Data.

 

Quel type de cas d’usage est fréquemment demandé par vos clients ?

Les cas d’usages abordés par les data scientists d’Ysance sont très variés – de la détection d’outliers, à l’étude de comportement, en passant par de la prédiction temporelle ou de segmentation non supervisée – de même que les algorithmes d’intelligence artificielle qu’ils doivent utiliser. Certains clients souhaitent répondre à des cas d’usages précis alors que d’autres veulent savoir s’il est possible de discerner des schémas au sein de leurs données. Néanmoins, certains besoins sont récurrents.

Nous sommes fréquemment sollicités, par exemple, pour étudier le comportement des utilisateurs à moyen et long terme à partir d’un historique de leurs parcours. Pour établir des prédictions on utilise des algorithmes d’intelligence artificielle d’apprentissage supervisé. On utilise les données historiques des clients (achats en ligne ou en magasin, données de navigations, ...) et on calcule des coefficients de similitude d’un nouveau consommateur avec des consommateurs existants. Grâce à cette démarche nous sommes en mesure de prédire les futures étapes probables du parcours de chaque consommateur et d’apporter à nos clients de la proactivité, de l’agilité. Cela peut se traduire par des recommandations personnalisées qui vont favoriser la rétention et/ou la transformation du consommateur ou anticiper le taux d’attrition. Ces algorithmes étant auto-apprenants, il est ensuite possible de déceler des changements de comportements des consommateurs. Tout cela bien entendu dans le respect de la vie privée.

 

Pouvez-vous citer un exemple d’analyse dans le domaine marketing ?

Les problématiques retail les plus importantes du moment touchent toutes de près ou de loin le parcours d’achat des consommateurs. La mesure et l’analyse du phénomène ROPO (Research Online, Purchase Offline) permet à nos clients d’adapter leur stratégie marketing digitale online et pour les magasins.

Alors que l’analyse des parcours online seuls est relativement standard, la détermination du canal d’acquisition ou le facteur déclenchant un achat magasin se révèle plus délicat, complexe et difficile. Mais l’avènement des technologies Big Data et des méthodes de Data Science change la donne. Via la mise en commun de l’intégralité des sources d’informations d’une entreprise (données de ventes, de navigations, base CRM, ...) dans un data lake unique, il est désormais possible de croiser efficacement des données issues de sources indépendantes et de tirer des enseignements des données ainsi croisées.

La Data Science, via des analyses temporelles sur la navigation en ligne précédant un achat magasin, permet désormais d’estimer raisonnablement le bénéfice réel d’une action marketing digitale et son ROI.

 

Découvrez toute l’expertise Ysance sur notre site : www.ysance.