Pourquoi préparer ses données avec de l’exploration et des recommandations de transformation automatiques pour une détection de fraudes plus efficace ?

1. Pourquoi préparer ses données avec de l’exploration et des
recommandations de transformation automatiques pour une
détection de fraudes plus efficace ?
1er Octobre 2019 - Victor Coustenoble

2. THE HYPE
“AI is the new electricity”
—ANDREW NG, STANFORD / BAIDU
Proprietary & Confidential.2 Andrew Ng: “Why AI Is the New Electricity”. Insights by Stanford Business. https://www.gsb.stanford.edu/insights/andrew-ng-why-ai-new-electricity
https://hbr.org/2018/04/if-your-data-is-bad-your-machine-learning-tools-are-useless
… pour lutter contre la fraude
“Machine Learning”
“Big Data”

3. … mais tout le monde a
accès aux mêmes
algorithmes et aux
mêmes plateformes et
puissances de calcul ...

4. Proprietary & Confidential.4
La différence vient des
données

5. “Etes-vous sûr d’exploiter le potentiel et l’ensemble des données dont dispose
votre entreprise ?”
“Vos équipes peuvent-elles travailler en mode agile pour tester de nouvelles
associations et combinaisons de données pour mieux détecter les fraudes ?”
Proprietary & Confidential.5
Orlando, Fla., October 17, 2011, Gartner Says Worldwide Enterprise IT Spending to Reach $2.7 Trillion in 2012, https://www.gartner.com/newsroom/id/1824919John Gantz and
David Reinsel, The Digital Universe in 2020: Big Data, Bigger Digital Shadows, and Biggest Growth in the Far East (IDC, 2012) https://www.emc.com/collateral/analyst-reports/idc-
the-digital-universe-in-2020.pdf

6. Quality data creates a foundation; unique data creates separation
“Poor data quality is enemy number
one to the widespread, profitable use
of machine learning.”
—Harvard Business Review
“So, while there is a visible arms race as
companies bring on machine learning coders
and kick off AI initiatives, there is also a
behind-the-scenes, panicked race for new
and different data.”
—MIT Sloan Management Review

7. Data Platforms
Databases
Log Files
Spreadsheets
IoT Sensors
Apps
80%
Analysis
Enterprise Data Warehouse
AI
Business Intelligence
“It’s impossible to overstress this:
80% of the work in any data project
is in cleaning the data.”
— DJ Patil, Data Jujitsu, O’Reilly Media 2012
Proprietary & Confidential.7
“The hardest part of AI is the data wrangling.”
—SWAMI SIVASUBRAMANIAN, VP AWS MACHINE LEARNING
#reInvent2018

8. Data Platforms
Databases
Log Files
Spreadsheets
IoT Sensors
Apps
Analysis
Enterprise Data Warehouse
AI
Business Intelligence
Proprietary & Confidential.8
DATA WRANGLING
• Donnez aux experts métiers les capacités d'une
exploration visuelle et interactive avec des
recommandations de transformation automatiques
pour faciliter et accélérer la découverte et la préparation
des données.
• Permettre au service informatique de gérer et d'opérer
de manière collaborative les pipelines de
transformations des données créés par des experts
métiers.
• Plate-forme unique à l'échelle de l'entreprise accéder
à de diverses sources de données, pour un grand
nombre d'utilisateurs et de cas d'utilisation.

9. Predictive
Modeling
Business
Intelligence
Data
Onboarding
Risk, Fraud &
Compliance
Audit, Testing
&
Validation
Data Migration
OPERATIONAL
Data Platforms
Databases
Log Files
Spreadsheets
IoT Sensors
Apps
Proprietary & Confidential.9
ValiderDécouvrir Structurer Nettoyer Enrichir Déployer
ANALYTIC
Data Analyst Data Engineer Data Scientist

10. 10 Proprietary & Confidential
Alliance Data
Cardano Risk Management
Alliance Data
Cardano Risk Management
Alliance Data
Cardano Risk Management
Alliance Data
Cardano Risk Management
Clients dans l’assurance

11. 11 Proprietary & Confidential
Retour d’expérience
Pourquoi une solution de préparation de données ?
➔ Démocratiser l’accès à la donnée pour les métiers.
➔ Compléter l’architecture logicielle pour la valorisation des données.
➔ Accélérer les phases de développement des projets.
Utilisations de Trifacta:
• Cas d’utilisation “Décisionnel” : Tableaux de bord et reporting réglementaire pour ACPR.
• Cas d’utilisation “Opérationnel” :
• Surveillance IARD : Découverte + Data Prep + Flux SI Opérationnel.
• Lutte Anti-Fraude IARD : Découverte + Data Prep + Modélisation Métier
avec Transfert vers des partenaires externes.
• Segmentation Marketing : Découverte + DataPrep + Modélisation Métier.
Trop gros volumes pour traitements sur Mainframe => Solution = Hadoop + Trifacta

12. Merci
vcoustenoble@trifacta.com
https://www.trifacta.com/fr
Essayer gratuitement Trifacta
https://www.trifacta.com/start-wrangling