Expertises
INGENIANCE Data
Avec l’avènement de l’IOT, le développement des infrastructures open-sources telles que Hadoop/Spark, le perfectionnement de nouvelles techniques de collecte en temps réel, l’émergence du Machine Learning et des algorithmes prédictifs, le Big Data entre dans une nouvelle révolution. Les perspectives sont d’avantage décuplées par le Cloud qui lui offre une évolutivité remarquable en termes de capacité de stockage et de performance.
Chez Ingeniance, nous avons la capacité de vous accompagner sur toute ou partie de votre chaîne de DATA management (compréhension métier, collecte et préparation des données, entraînement de modèles, data visualisation, industrialisation), quelle que soit l’architecture de votre DATALAKE.
Nos expertises et références
Dans son Lab DATA, et guidé par les consultants membres de sa communauté DATA, Ingéniance teste et documente les résultats pour toutes les technologies qui apparaissent prometteuses, ou pour leurs mises à jour.
Le Lab DATA met en lumière des particularités de certaines technologies de stockage de données et propose à la communauté des approches qui améliorent les temps de traitements et l’efficacité opérationnelle.
Référence Client
Secteur : Banque d’investissement
Projet : Les reco. BCBS 239 exigent que les données de risques de marché monitorées soient tracées et expliquées. Le système actuel (base de données relationnelle) ne permet pas d’implémenter cette obligation.
Réalisations : Architecte Big Data
- Veille technique Big Data
- Architecture et conception Datalake
- Mise en place d’un module d’orchestration
- Mise en place d’une usine de build et continuous delivery
Charges en J/H : 430 J/H
Env technique : Kafka, Hadoop, Spark, Oozie, Hdfs, Hbase, Hive, Maven, Jenkins, groovy, Java, ActivePivot, Spring
Avec une communauté forte et active de Data Scientistes, pour la plupart en mission dans des grandes entreprises, Ingéniance a accumulé une capacité unique de recherche de Valeur au sein de datasets complexes. Chaque jour nos équipes détectent chez nos clients des informations pertinentes qui se vont jusqu’à alimenter des algorithmes prédictifs à forte valeur ajoutée.
Références Client
Secteur : Crédit aux particulier
Projet : Au sein du Lab d’une grande institution de crédit, réalisation d’un workflow d’industrialisation pour créer de la « business value »
Réalisations : Data Scientist
- Sensiblisation des différents métiers à la data science (UPM, équipe prod, équipe infra, sécurité, légal) et sensibilisation des Data Scientists à l’industrialisation
- Sizing de la solution pour l’accostage au futur datalake
Charges en J/H : 650 J/H
Env technique : Python, Docker, Kubernetes, GIT, Ansible, Scikit Learn, Numpy, Cassandra, Machine Learning, Nexus, GitLabCI, Sonarqube
Que ce soit par du Machine Learning supervisé ou non supervisé, le Lab Data Ingéniance teste et affine les méthodes les plus innovantes avec pour objectif de permettre à ses ML Engineers d’estimer rapidement la qualité des prédictions et la pertinence des détections de signaux suivant l’évolution des sets de données d’apprentissage.
Références Client
Secteur : Banque d’investissement
Projet : Détection de fraude : étude de l’apport potentiel du machine learning pour la détection d’opérations atypiques pour le département des risques.
Réalisations : ML Engineer
- Cadrage et définition du périmètre technique.
- Mise en place d’un Data Lake et pipeline data.
- Feature engineering
- Elaboration de modèles prédictifs en machine learning.
Charges en J/H : 430 J/H
Env technique : Machine learning, Spark ML, Python, Keras, Jupyter, Scala, Java, Random forest, Clustering
Les missions du Data Analyst au sein du Lab Data ou de Data Hub sont nombreuses. Etudier les données statistiques, construire, interpréter, et diffuser les rapports BI et web analytics, ou encore apprendre à maîtriser les outils d’analyse afin de permettre aux décideurs et clients de suivre les performances de leur gestion internes, soit autant de projets pour lesquels nos clients nous sollicitent.
Référence Client
Secteur : Banque d’investissement
Projet : Hub Data : Analyse de données, conseil dans la valorisation et solution de Data Prep et Data Exposition ; analyse des tendances/dérives/incohérence des incidents
Réalisations :
- Collecte des données (Python, ElasticSearch, Kibana, BDD) ;
- Développement des modèles statistiques ;
- Interprétation des données ;
- Création des tableaux de bord (PowerBI, Tableau).
Charges en J/H : 220 J/H
Env technique : Python, ElasticSearch, Kibana, BDD, PowerBI, Tableau