Présentation du talk de Frederic Petit. Mettre en place un Datalab, c'est simple, il suffit d'installer un cluster Hadoop ! Et bien non : 3 mois après le lancement de projet, toujours pas d'Hadoop mais des data-scientists heureux et productifs ! La recette d'un bon datalab : étudier les données, assurer leur qualité et qualifier des use cases métier précis.

1. @Madgicweb
#LaDuckConf
Initier un Datalab :
rien à voir avec ce
que j’imaginais !
La Duck Conf – 29/01
#LaDuckConf

2. @Madgicweb
#LaDuckConf 2
Frédéric
@Madgicweb
Responsable du département
ARCHITECTURE & DONNEES
@mutuelleMNT @Groupe_VYV
D’ENTREPRISED’ENTREPRISE

3. @Madgicweb
#LaDuckConf 3
Intelligence artificielle
BIG DATA
DataLake

4. @Madgicweb
#LaDuckConf 4
Des
indicateurs
« Rétroviseur »
au
« prédictif »
Ordonnancé (Mensuel / Hebdomadaire)
Extract-Transform-Load
Intelligence Biologique
Temps réel (Indicateur / Calcul)
Extract-Load-Transform
Intelligence Artificielle

5. @Madgicweb
#LaDuckConf
#OnPremise
Réponses à
l’Appel
d’offre

6. @Madgicweb
#LaDuckConf 6
Sponsoring
#DataLake
#Ingestion
#Cluster
#IA #DataViz
#API
#Streaming
???
MOI SPONSOR

7. @Madgicweb
#LaDuckConf 7
Le maillon
faible
Pourquoi ? Quoi ?
Quel but ?
Avec qui ?
Quelles données ?
Quelle valeur ?
En phase avec la
stratégie ?
Le ROI ?
…
Comment ?

8. @Madgicweb
#LaDuckConf 8
Back to basic
Des bases à
maitriser !
MACHINE
LEARNING
(Apprentissage)
DATA
GOUVERNANCE
Data Mining
(Corrélation)
Data Analysis
(Analyse)
Data Analyitics
(Collecte)
BIG DATA
(Passage à l’échelle)
DATA SCIENCE

9. @Madgicweb
#LaDuckConf 9
C’est parti !!!
Ihssane
RSA
Anne-Marie
Décisionnel
Wiame
Data Scientiste
Brieuc
Data Scientist
Patrice
Décisionnel
Philippe
RDE
DATALAB
…

10. @Madgicweb
#LaDuckConf 10
Définir les
fondamentaux
du Datalab
Former :
Se familiariser avec les outils de « Data
Science » proposés par la communauté
Opensource. Explorer les algorithmes. Coder.
Expérimenter :
Collecter, analyser et estimer l’effort de
traitement des données de l’entreprise (Accès,
qualité, utilité…). Evaluer leurs potentiels.
Valoriser :
Communiquer régulièrement sur la valeur
apportée par nos travaux et nos initiatives.
Développer :
Fonder une communauté pluridisciplinaire
autour de cas concrets estampillés « Data
Driven ».
1
Quel but ?
Quoi ?
Avec qui ?
Quelle valeur ?

11. @Madgicweb
#LaDuckConf 11
Identifier des
cas d’usage
stratégiques
Offres
MNT
Recommandation Attrition Fraude
2

12. @Madgicweb
#LaDuckConf 12
Obtenir
l’outillage
minimum
nécessaire
256 GO RAM
1 To Disque
32 vCPU
R Studio
Jupyter
Spark
CSV
Connecteur BDD
3

13. @Madgicweb
#LaDuckConf 13
Le grand
principe
GO
Sources
Big Matrice
Algorithme
Machine learning
Matrice de normalité et
détection d’atypisme
Local Outlier Factor
(Unspervised /
Dimensionality Reduction)
Variationnal Auto-Encoder
(Supervised / Regression)
Isolation Forest
(Supervised /Classification)
Spectral Ranking Anomaly
(Unsupervised / Clusturing)

14. @Madgicweb
#LaDuckConf 14
Premières
difficultés
• Accessibilité des données
(BASES PROGICIEL, DÉMATÉRIALISATION, RÉGLEMENTATION, …)
• Qualité des données
(GARDAGE IN – GARBAGE OUT)
• Véracité de la donnée
(NON MISE À JOUR, SYSTÈME AUTORITAIRE)
• Historiser les changements des modèles de donnée
(SAVOIR FAIRE UN LIEN D’UNE DONNÉE SUR PLUSIEURS ANNÉES D’HISTORIQUE)
• Disponibilité des intervenants
(LE DATALAB N’EST PAS UN PROJET MAIS UNE EXPÉRIMENTATION)
• Consommer des « Data Set » de plus en plus volumineux
(NOTRE SIMPLE SERVEUR N’EST PAS PÉRENNE)

15. @Madgicweb
#LaDuckConf 15
Premiers
échecs
enseignements
Recommandation
Attrition
Fraude
Choix des algorithmes
Qualité de la donnée
L’intelligence artificielle
ne fait pas tout

16. @Madgicweb
#LaDuckConf 16
• Identifier les données de chaque système applicatif.
• Corréler une même donnée présente dans plusieurs
systèmes applicatifs.
• Analyser les traitements intra-système applicatif afin
d'estimer la fraîcheur de la donnée et l’autorité du
système applicatif sur cette donnée. Lier les données
brutes aux informations générées.
• Estampiller les données (métadonnées) afin de cadrer
leurs utilisations (Ex : RGPD).
• Déterminer les règles d’accès suivant l’appelant et le
traitement.
S’appuyer
sur la
gouvernance
de donnée
Initiative 1

17. @Madgicweb
#LaDuckConf 17
Se focaliser
sur un seul
sujet :
LA FRAUDE
S’appuyer sur les règles de
gestion existantes
Augmenter les performances à
l’aide d’intelligence
Artificielle
Interpréter les résultats,
adapter les processus
d’investigation et améliorer le
dispositif global
1
2
3
>
>
>
Initiative 2

18. @Madgicweb
#LaDuckConf 18
Bilan
Former :
Lancement de la Datalab Academy et
formation des équipes aux fondamentaux de la
« Data Science ».
Expérimenter :
Identification des sources utiles, application
d’une gouvernance de la donnée. Création
d’algorithmes d’extraction, de raffinage et de
traitement de la donnée.
Valoriser :
L’outil facilite l’identification d’atypisme part la
cellule de fraude. Le taux de détection, de
comportements abusifs avérés, augmente.
Développer :
Collaboration forte avec les métiers. (Itératif)
Sensibilisation au travers de présentations.
Quel but ?
Quoi ?
Avec qui ?
Quelle valeur ?

19. @Madgicweb
#LaDuckConf 19
Timeline
Juin Juillet Août Septembre Octobre Novembre Décembre Janvier
< Sensibilisation au BigData
Equipe Décisionnel motivée
COMEX
Approche
#DALAKE
(Data-Platform)
Appel d’offre BigData
Projet de gouvernance de
donnée débuté
COMEX
Approche
#DATALAB
Lancement
du
DATALAB
Identification
des besoins
métiers
Livraison
du serveur
Extraction et raffinage
des données identifiées
pour les cas d’usage
POC Churn
V2
Etude d’algorithme
de Data-Science
&
Datalab Academy
Focaliser sur
la Fraude
Premier
succès.
Présentation
COMEXArrêts
Lancement de la
Data-Platform
DIVE
Gouvernance de donnée
Session
spécifique

20. @Madgicweb
#LaDuckConf 20
Création de la
Data
Platform
Restitution
DataMart Services
Processing Jobs
Datalake Services
Extraction
Sources
Gouvernance
DataLab
HDFS
DIVE*
* Données et indicateurs de la
vie de l’entreprise
Dictionnaire
des données
?

21. @Madgicweb
#LaDuckConf 21
Une approche
Data-Centric
malgré nous
Data is the center of the
universe;
applications are
ephemeral.
Réétudier la conception :
• Formaliser la structure d’un objet métier (création d’un modèle unique
partagé VERSUS un modèle spécifique à chaque système applicatif).
• Identifier chaque fonctionnalité et le système applicatif en charge du
traitement de cette règle métier.
Assurer l’intégrité :
• Gouverner des sources de données faisant autorités sur
l’information afin d’établir une source unique de vérité.
Augmenter sa part de responsabilité :
• Sécuriser l’accès à la donnée.
• Être en capacité de se justifier.
Adapter ses interfaces de restitution :
• Donner l'accès à la donnée sous plusieurs formats et méthodes (Pull,
Push, Evènementiel, Extraction par fichier)
http://datacentricmanifesto.org/

22. @Madgicweb
#LaDuckConf 22
Take Away
Si je pouvais conseiller le
Frédéric que j’étais !
• La plateforme n’est pas la priorité (Mais sans, ça va être compliqué)
• Fait le avec le métier
• Identifie rapidement la matière première dont tu disposes
et sa complexité de raffinage en t’appuyant sur la
gouvernance de la donnée
• Focalise-toi sur un seul sujet afin d’éviter de transformer
tes « data-set » en « data-swamp »
• Ne t’attends pas à un miracle, la data-science c’est pas
magique
• Utilise des méthodes pragmatique car par définition le
« Datalab » expérimente et se trompe@Madgicweb