Banque

Conception et industrialisation du SI analytics

Un grand acteur bancaire lançait une nouvelle entité et avait besoin de construire de zéro l'intégralité de sa brique Data et Analytics : infrastructure, pipelines, APIs, modèles de pricing et scoring de crédit automatisé. Nous avons conçu et industrialisé le système, aujourd'hui en production à l'échelle mondiale.

Problématique

Le client créait une nouvelle entité et devait construire son SI Analytics de zéro, dans des délais serrés. L'entité devait permettre à ses clients de visualiser les services et tarifs, de souscrire en ligne et d'obtenir une réponse automatique sur leurs demandes de crédit. Sans Data Lake, sans DataWarehouse, sans pipeline et sans modèle de scoring, rien ne pouvait fonctionner. Le défi : concevoir, construire et industrialiser l'ensemble de la chaîne Data de l'ingestion des données providers jusqu'au scoring en temps réel dans un calendrier compatible avec le lancement de l'entité.

Vue rapprochée d’une coupe transversale colorée d’une géode montrant des couches concentriques de minéraux en jaune, marron, rouge et vert.

Solution

Ce que nous avons construit

Nous avons déployé une équipe de 1 Data Architect, 2 Data Engineers et 1 développeur Full-Stack pour concevoir et industrialiser l'ensemble du SI Analytics sur AWS.

Étape 1 — Architecture Data. Définition de l'architecture cible et construction du Data Lake et du DataWarehouse sur AWS. Choix des briques techniques, mise en place de l'environnement complet et des règles de gouvernance associées.

Étape 2 — Pipelines d'ingestion et transformation. Développement et industrialisation des pipelines d'ingestion en mode streaming et batch. Intégration des données providers, pré-cleaning et transformation pour alimenter les cas d'usage métier en continu.

Étape 3 — Data Catalog et APIs. Développement d'un data catalog pour documenter et rendre les données découvrables, et exposition de l'ensemble des données à travers des APIs pour servir les applications front et les modèles.

Étape 4 — Modèles de pricing et scoring de crédit. Mise en production des modèles de pricing permettant aux clients de visualiser leurs tarifs en temps réel, et développement du système de scoring automatisé pour accorder ou refuser les demandes de crédit instantanément.

Projets dans la même catégorie

Voir tous les projets

Aide à la création de médicaments

Un laboratoire pharmaceutique devait identifier de nouvelles combinaisons moléculaires brevetables à partir de millions de publications médicales. La recherche manuelle avait atteint ses limites. Nous avons construit le système qui a changé la donne.

Application d'optimisation de la Supply Chain

Un acteur de la distribution pharmaceutique devait repenser l'intégralité de sa chaîne d'approvisionnement : assortiment en pharmacie, gestion des stocks et circuits de livraison. La recherche opérationnelle seule ne suffisait plus. Nous avons construit l'application qui a transformé ses opérations.

Détection des tendances sur les réseaux sociaux

Dans un marché où les comportements consommateurs changent plus vite que les cycles de décision, un client avait besoin d'anticiper les tendances au lieu de les subir. Nous avons construit la plateforme qui transforme le bruit des réseaux sociaux en signaux actionnables.

Rendement de parcelles agricoles

La filiale climatique d'un leader français de l'assurance avait besoin de prédire les rendements des champs à l'échelle de l'Allemagne pour tarifer une nouvelle offre d'assurance sécheresse. Les données internes ne suffisaient pas. Nous avons construit les modèles prédictifs qui ont rendu le produit commercialisable.

Plateforme d'analyse de besoins clients

Un grand groupe français cherchait à comprendre les besoins actuels et à venir de ses clients en agrégeant un volume massif de données consommateurs. Après un POC de 8 semaines, nous avons industrialisé une plateforme complète déployée sur l'ensemble des entités France et aujourd'hui en cours d'extension à l'échelle du groupe.

Scoring et analyse de la peau

Un acteur majeur de la cosmétique de luxe avait développé un algorithme de scoring de la peau. Problème : personne ne pouvait vérifier sur quoi l'IA se basait pour poser son diagnostic. Nous avons construit le système de visualisation qui rend les prédictions transparentes et déployable en boutique et sur mobile.