Webinar Clevy : DATA SCIENCE WORKFLOW, comment réussir un projet d'analyse de données ?
[Webinar] Le mercredi 5 juin 2019 à 14h par Damien Leprovost
Nous sommes très fiers de vous avoir présenté Damien Leprovost, PhD en Computer Science, Lead Data Scientist chez Clevy, le 5 juin 2019 à l’occasion de notre second webinar.
En charge de l’équipe Data et de la politique de données, il est spécialisé dans la fouille de données et l’enrichissement de connaissances à partir de données pas ou peu structurées. Il a présenté un webinar sur le Data Science Workflow, où comment réussir un projet d’analyse de données en entreprise.
Regarder le replay dès maintenant !
Résumé
I- Introduction
De nos jours, de plus en plus d’entreprises se lancent dans l’aventure de la Data Science et de l’Intelligence artificielle, espérant ainsi profiter des avantages des nouvelles technologies de la donnée. Mais que vous souhaitiez réaliser une analyse pour simplement comprendre vos données, ou construire un système reposant sur des données pour piloter des tâche stratégiques, la méthodologie est fondamentale.
En acquérant une connaissance des éléments fondamentaux du workflow de l’analyse de données, il devient possible d’éviter les écueils les plus récurrents dans le domaine, permettant lisibilité et fiabilité du processus ainsi qu’une production plus rapide des résultats.
II- Programme
La Data Science en entreprise
La Data Science, où sciences des données en français, à pour but d’extraire des connaissances à partir de données. Discipline jeune et en pleine essor, à l’intersection des mathématiques, de l’informatique et de l’ingénierie des connaissances, elle connaît aujourd’hui une croissance rapide, du fait d’un contexte technologique extrêmement favorable. Dans cette première partie du webinar, nous avons abordé les raisons de cette évolution, et comment elle se concrétise dans le monde de l’entreprise.
Les profils à impliquer
La définition du profil d’un data scientist, ou de l’ensemble d’une équipe data, est souvent une tâche délicate. Elle est également très variable d’une entreprise à une autre. Maîtriser l’environnement du data scientist et comprendre le profil des intervenants du domaine sont des étapes clés pour réussir à structurer une équipe data efficace. Définir les compétences d’un data scientist, identifier les rôles stratégiques d’une équipe data et réussir l’intégration de cette dernière dans l’entreprise sont autant de points qui ont été abordés dans cette seconde partie.
Le workflow de Data Science
La planification de projet data ainsi que son intégration pleine et entière au sein de la stratégie de l’entreprise sont des éléments cruciaux qui conditionnent sa réussite. Pour ce faire, il est nécessaire de rationaliser la méthode, en proposant un plan de travail à la fois robuste et agile. Dans cette dernière partie, nous avons présenté une architecture type, définissant clairement les étapes critiques du processus d’analyse de données, afin d’assurer la lisibilité du projet, de lever les ambiguïtés, et d’anticiper les défis critiques auquel l’entreprise sera confrontée au cours de son expérience dans le monde de la data.
III- Sommaire
- Le Workflow général
- Les profils à impliquer
- Les étapes principales
- Des défis majeurs
Si vous souhaitez avoir des informations de la part de Damien sur ce sujet, contactez-nous directement à l’adresse: contact@clevy.io
