Transport

Conception du Data Hub et implémentation

Un opérateur de transport avait multiplié les initiatives Data sans résultat. Aucune centralisation, aucune culture Data, des projets avortés. Nous avons repris le sujet de zéro : stratégie, infrastructure, cas d'usage concrets et acculturation des équipes. En sortie : un DataHub opérationnel, 4 dashboards en production et 7 modèles de Data Science déployés.

Problématique

Le client sortait de plusieurs initiatives Data avortées. Les données restaient dispersées dans des systèmes non connectés, aucune infrastructure centralisée n'existait, et surtout : la direction et les métiers avaient perdu confiance dans la capacité de la Data à produire des résultats concrets. Le défi n'était pas uniquement technique il fallait à la fois construire l'infrastructure, livrer des résultats visibles rapidement pour restaurer la confiance, et poser les bases d'une culture Data-Driven qui n'existait pas dans l'organisation.

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 sommes intervenus sur l'ensemble du spectre Data de la stratégie à l'industrialisation avec une approche en deux temps : des quick wins pour démontrer la valeur, puis un déploiement structurel sur l'ensemble des sujets Data.

Étape 1 — Audit et stratégie Data. Évaluation de la maturité Data de l'organisation, inventaire des technologies existantes, cartographie des bases de données groupe et étude d'impact sur le SI. Définition de la stratégie Data, rédaction des cahiers des charges pour les outils (ETL, hébergement type Snowflake, outils d'analyse) et benchmark des solutions.

Étape 2 — Conception et construction du DataHub. Architecture de l'infrastructure sur AWS, définition de l'écosystème Data, mise en place de l'environnement. Développement et industrialisation des pipelines d'ingestion en Spark et Scala. Mise en place de l'écosystème DevOps.

Étape 3 — Déploiement des cas d'usage BI. Analyse des besoins métiers, cartographie des données et référentiels, mise en place de Power BI et Tableau. Livraison de 4 dashboards en production : scorecard conducteurs et managers, fréquentation des réseaux, management dashboard pour le COMEX.

Étape 4 — Développement et industrialisation de 7 cas d'usage. Data Science Classification automatique d'incidents (NLP), maintenance prédictive sur le matériel roulant (Time Series), détection et lecture de plaques d'immatriculation (Computer Vision), analyse de sentiment sur les réseaux sociaux et questionnaires de satisfaction, et prédiction de churn client.

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.