Data Intelligence
Nos missions Data Intelligence, par secteur
Data Platform sur Microsoft Fabric ou Snowflake, data visualisation avec Power BI, IA sur vos données : quelques réalisations de nos équipes, présentées sans nom de client.
Des plateformes de données aux tableaux de bord
Nos missions Data Intelligence couvrent toute la chaîne de la donnée : cadrage et choix de la plateforme, ingestion et transformation, modélisation, rapports et tableaux de bord, IA, puis accompagnement des utilisateurs. Elles s'appuient sur nos offres Data Platform et Data visualisation.
Pour chaque mission : le problème posé, la solution mise en place et, quand il est connu, l'enjeu pour le client.
Data Platform sur Microsoft Fabric
Services aux entreprises : une Data Platform Microsoft Fabric
- Problème : un environnement décisionnel fragmenté, où les données de l'ERP, du CRM et des applications métiers sont chargées dans une base Oracle.
- Solution : un MVP de Data Platform sur Microsoft Fabric en architecture médaillon (Bronze, Silver, Gold) : notebooks PySpark de transformation et de nettoyage, pipelines d'orchestration, catalogue qui référence les pipelines, les tables produites et les sources, contrôles de qualité des données sur la couche Silver, actualisations planifiées.
- Enjeu : regrouper les données dans OneLake, base commune aux usages analytiques et à l'IA ; standardiser et tracer les transformations ; suivre la qualité des données, les performances et la consommation des ressources Fabric (FinOps).
Groupe industriel diversifié : un pilote Fabric pour la conformité
- Problème : le service conformité doit piloter et contrôler les déclarations de cadeaux et d'invitations. Le groupe veut amorcer sa Data Platform par ce projet volontairement restreint, avec les standards d'une filiale déjà équipée de Microsoft Fabric.
- Solution : une première instance Fabric en architecture médaillon, un entrepôt de données en schéma en étoile, des pipelines d'orchestration et des actualisations automatisées ; un modèle sémantique Power BI en mode Direct Lake, des indicateurs DAX (déclarations, décisions, seuils, valeurs moyennes), plusieurs rapports et une sécurité au niveau des lignes (RLS) selon les profils.
- Enjeu : une réponse opérationnelle immédiate pour le service conformité, première étape vers une plateforme de données complète.
Industrie ferroviaire : des données de production vers Microsoft Fabric
- Problème : centraliser des données industrielles (fichiers CSV de production, base MySQL des capteurs, Oracle) malgré les contraintes entre informatique de gestion et informatique industrielle (IT/OT).
- Solution : une étude de cadrage (cas d'usage, comparaison des modes de transfert : Private Endpoint, passerelle de données, support USB, streaming ; architecture cible, chiffrage et plan de POC), puis la réalisation de trois cas d'usage sur Microsoft Fabric : ingestion depuis Azure Blob Storage, architecture médaillon, notebooks PySpark, pipelines d'orchestration.
- Enjeu : une architecture sécurisée, conforme à la politique de sécurité du système d'information (PSSI).
Cabinet d'expertise comptable : un Lakehouse alimenté automatiquement
- Problème : récupérer automatiquement les fichiers mis à disposition par le logiciel Cegid dans un stockage Azure.
- Solution : un notebook Python qui transfère les fichiers vers un Lakehouse Microsoft Fabric : secrets et principal de service conservés dans Azure Key Vault, appels aux API Cegid pour obtenir les jetons d'accès et lister les fichiers, dépôt dans le Lakehouse ; documentation et formation des équipes techniques.
Autres missions Microsoft Fabric : le cadrage d'une Data Platform dans l'énergie, l'accompagnement d'un acteur des médias et une formation Power BI dans un contexte Fabric pour une maison d'édition.
Data Platform sur Snowflake et Azure
Télécommunications : d'une plateforme on-premise à Snowflake et dbt
- Problème : une plateforme décisionnelle on-premise (SQL Server, SSIS, SSAS, SSRS) à moderniser.
- Solution : une Modern Data Stack : ingestion avec Airbyte dans Snowflake, transformations dbt (modèles incrémentaux, snapshots, tests de qualité), organisation des bases, des schémas et des rôles, choix des entrepôts virtuels, CI/CD avec GitLab ; migration des cubes SSAS vers des modèles sémantiques Power BI qui reprennent la nomenclature d'origine, pour faciliter la migration des rapports.
- Enjeu : une plateforme performante, évolutive et gouvernée, aux coûts maîtrisés (FinOps).
Énergie : optimiser la production de pétrole et de gaz
- Problème : détecter les goulets d'étranglement de la production, et calculer des indicateurs pour réduire le carburant consommé par les plateformes de forage.
- Solution : extraction des données de forage depuis Cognite Data Fusion et WellView, traitements dans Azure Functions et des notebooks Databricks exécutés automatiquement, résultats stockés dans Cosmos DB ou Azure SQL, tests unitaires, d'intégration et de bout en bout.
Presse agricole : plateforme de données et data marketing
- Problème : mieux comprendre le comportement des lecteurs (navigation, abonnements, impact des newsletters) pour les fidéliser et leur proposer de nouveaux services.
- Solution : une plateforme de données sur Azure (Data Factory, Data Lake Storage, Azure SQL, Synapse) déployée avec notre accélérateur Azure, un entrepôt de données modélisé avec les métiers, des rapports Power BI avec sécurité au niveau des lignes, des listes de rétention et de prospection envoyées par Power Automate ; puis une architecture Bronze, Silver, Gold pour des données issues du web et d'API externes, avec des tests automatisés de qualité des données.
- Enjeu : segmenter les exploitations agricoles selon leurs caractéristiques et leurs activités, pour des campagnes commerciales ciblées.
Éco-organisme : le décisionnel migré de SAP BI vers Azure
- Problème : refondre le système décisionnel sous SAP BI et couvrir toutes les activités : observatoires de la qualité et de la reprise, collecte, déclarations, études de gisement.
- Solution : un entrepôt de données Azure SQL alimenté par Azure Data Factory (avec des traitements PySpark sur Databricks), un cube tabulaire Azure Analysis Services et des rapports Power BI ; déploiement continu avec Azure DevOps et Terraform, ateliers métiers et formation Power BI.
Maison d'édition : un entrepôt de données sur Snowflake
- Problème : réunir les données des différents domaines (ventes, achats, stocks) dans un entrepôt de données centralisé.
- Solution : une comparaison des solutions cloud, puis un POC sur Snowflake : schémas en étoile, dictionnaire de données, tables de dimensions et de faits, tableaux de bord Power BI.
Data visualisation et Power BI
Distribution : des rapports marketing vendus par abonnement
- Problème : proposer des rapports marketing à des utilisateurs externes, selon l'abonnement souscrit, et moderniser le reporting Achats sous SAP BusinessObjects.
- Solution : données intégrées dans Snowflake (vues, procédures stockées), modèle sémantique et mesures DAX ; rapports Power BI pour les utilisateurs externes, avec une sécurité d'accès (RLS) et des applications Power BI selon les abonnements ; rapports Achats migrés vers Power BI et rapports paginés ; administration de Power BI Service et formation des équipes métiers.
- Enjeu : monétiser des rapports marketing.
Beauté : 37 rapports paginés pour cinq marchés européens
- Problème : industrialiser la production et la diffusion de rapports hebdomadaires et mensuels d'intelligence marché (Consumer Market Intelligence) pour cinq marchés européens.
- Solution : les règles métier formalisées avec les équipes, 37 rapports paginés développés avec Power BI Report Builder, une segmentation par canal (tous canaux, magasins, digital), des calculs DAX adaptés du mensuel à l'hebdomadaire.
- Enjeu : réduire la charge opérationnelle, fiabiliser les règles métier et garantir une diffusion homogène sur les cinq marchés.
Énergie : des rapports Power BI sur des données AWS
- Problème : concevoir et faire évoluer des rapports Power BI à partir des données hébergées dans le cloud AWS du groupe.
- Solution : données préparées avec AWS Glue, Lambda et S3, exposées dans Athena puis modélisées dans Power BI : suivi des commandes et des factures pour la finance ; rapport d'exploitation pour les clients externes, qui consolide six activités, en rapports paginés envoyés automatiquement en PDF avec leurs annexes par Power Automate ; suivi des émissions carbone des installations énergétiques.
Transport de voyageurs : des rapports de pilotage de l'exploitation
- Problème : suivre les critères contractuels fixés par l'autorité organisatrice des transports, l'activité des agents en gare, les validations et la distribution des titres, et l'activité financière de la DSI.
- Solution : cadrage des besoins et maquettes, pipelines Azure Data Factory (SharePoint, Blob Storage, ADLS Gen2, PostgreSQL), modèle de données, règles métier dans Power Query, traitements Databricks, rapports Power BI et rapports paginés, dataflows, accompagnement des utilisateurs.
Commerce de détail : un modèle Power BI de plus de 80 indicateurs
- Problème : suivre les données des flux de transfert et de la vente au détail.
- Solution : un modèle Power BI de quatre tables de faits et environ 45 dimensions, plus de 80 indicateurs DAX, des rapports conformes à la charte graphique du client, publiés dans une application Power BI.
Santé : le cadrage d'un projet BI
- Problème : définir le périmètre et le besoin cible d'un projet BI.
- Solution : ateliers avec les métiers, documents de cadrage (existant et cible), identification des données à intégrer dans l'entrepôt de données, audit des rapports Power BI à construire, règles de gestion des indicateurs, analyse des contraintes et des risques. Le premier lot du projet est en cours de réalisation.
Logiciel de gestion : des rapports Power BI intégrés dans un ERP
- Problème : afficher des rapports Power BI dans un ERP.
- Solution : Power BI Embedded, avec des scripts qui automatisent le démarrage, l'arrêt et la mise à l'échelle du service.
IA sur vos données
Télécommunications : détecter les anomalies du réseau
- Problème : repérer des anomalies dans les séries temporelles du trafic, sur plus d'un téraoctet de données (plus de 600 millions de lignes).
- Solution : une preuve de concept dans Snowflake : préparation des séries temporelles dans Snowpark Container Services avec GPU, sélection d'un modèle LSTM Autoencoder, déploiement et versionnement dans le Snowflake Model Registry, pipeline d'évaluation et de visualisation des anomalies.
- Enjeu : une utilisation opérationnelle par le centre de supervision du réseau (NOC), pour le suivi en temps réel et la réduction des incidents.
Presse agricole : recommander des articles aux lecteurs
- Problème : recommander des articles à partir du comportement de navigation des lecteurs.
- Solution : segmentation des lecteurs (articles consultés, temps de visite et de lecture, catégories), analyse sémantique des articles (NLP), algorithme de recommandation, architecture de Machine Learning intégrée à la plateforme de données, POC d'un LLM (Llama 2) exécuté localement avec une recherche vectorielle.
Découvrir notre offre IA sur vos données.
Audit, conseil et formation
Nos experts interviennent aussi en audit et en conseil :
- études de migration vers le cloud (Azure Synapse, Microsoft Fabric, Snowflake, architectures hybrides) ;
- audit de la plateforme de données : architecture, modélisation, administration, sécurité ;
- gouvernance de Power BI : bonnes pratiques, sécurité, optimisation des licences (Pro, Premium, Premium par utilisateur) ;
- résolution des problèmes de performance des rapports et de la passerelle de données ;
- cycle de vie des rapports (ALM) : pipelines de déploiement, DataOps.
Ils forment les équipes de nos clients (utilisateurs clés, contributeurs, administrateurs) et animent des formations Power BI et Snowflake pour des organismes de formation. Découvrez notre formation Power BI, en trois niveaux.
Pour aller plus loin
Un projet Data Intelligence ?
Data Platform, tableaux de bord ou premiers cas d'usage d'IA : parlons de votre contexte.