L'offre R-OPS

Analyse de données “As a Service”

Vos données sont une richesse mais vous ne possédez pas l'expertise nécessaire pour les exploiter de manière optimale ?

Plutôt qu'une énième suite logicielle qui sera bien vite obsolète, R-OPS vous propose d'externaliser de A à Z vos data-sciences.

Nous exploitons pour vous les outils d'analyse les plus avancés et mettons à votre disposition les informations pertinentes sous forme de rapports ou de tableaux de bord intuitifs et interactifs utilisables avec un simple navigateur internet.

Les aspects informatiques et techniques sont transparents pour vous : nous ne parlerons ensemble que de votre métier et de vos objectifs opérationnels.

Exemple de mise en œuvre appliqué à la détection de fraudes

1) Analyse du besoin, étude de faisabilité  (1 à 2 semaines), chiffrage.

La société d’assurances X analyse environ 100 000 demandes de remboursement par an. La fraude coûte cher ; le taux de dossiers frauduleux est estimé entre 3 et 5 %, et chaque fraude fait en moyenne perdre 4000 euros. Faute de temps, les experts détectent actuellement entre 30 à 50 % des fraudes.
La société X souhaite automatiser un premier filtre d’analyse pour concentrer son expertise sur les dossiers à risques.

Les objectifs de performance de la chaîne de traitement, les benchmarks, les modalités de mise en œuvre, les contraintes de confidentialité, sont définis dans cette première phase et serviront de fil rouge pendant toute la durée de vie de la chaîne.

2) Prototypage de la chaîne de traitement, calibration et validation (1 à 3 mois)

Après concertation avec les experts « métiers » l’architecture de la chaîne est définie ; elle comportera un module de pré-traitement, qui fusionnera les données des dossiers avec des données socio-économiques disponibles sur le site open-data. La détection d’anomalies sera effectuée conjointement par un module « règles métier », par un module « machine-learning » et par un module statistique. Un dernier module sera chargé de synthétiser les résultats et de trier les dossiers par niveau de risque décroissant.

Un historique de 170 000 dossiers est mis à disposition, il est scindé en un jeu d’apprentissage et un jeu de test. Les règles « métiers » sont formalisées avec les experts, différents algorithmes de "machine-learning" sont évalués, …

Après trois itérations de mise au point / validation, les performances sur le jeu de test sont satisfaisantes, la préparation au déploiement est entamée.

3) Mise en production.

La chaîne de traitement peut ensuite, pour des raisons de confidentialité, être déployée dans les locaux de l’entreprise. L’analyse est hebdomadaire. L’exploitation et la maintenance sont assurées par R-OPS. L'apprentissage du module « machine learning » est affiné au fur et à mesure que de nouveaux dossiers sont analysés, le retour d'analyse des experts permet d'enrichir la base de règles métier.

Conception de logiciel d'aide à la décision sur-mesure

Les points clés de notre méthode :

  • Une analyse du besoin poussée pour répondre au mieux au besoin et rien qu'au besoin.
  • Des livraisons / validations intermédiaires toutes les deux semaines maximum, pour ne pas s'éloigner du besoin.
  • Utilisation d'algorithmes open-source éprouvés et soutenus par une large communauté.

Exemples d’applications :

- Configuration optimale d’un réseau de communication UHF mobile
- Surveillance du traffic maritime (AIS) et détection automatique de comportements anormaux.
- Planification optimale de missions de drones en guerre des mines.
- Planification optimale d’opérations de maintenance.

Conseil, Etudes de faisabilité, Audit, Formation