La prolifération des données de toute sorte et les progrès de l'analyse prédictive font miroiter de nouvelles opportunités dans les institutions financières. Hélas, les ressources capables de les exploiter sont rares et la pénurie de spécialistes promet de perdurer… En automatisant une partie de leur rôle, Context Relevant propose une solution.
Il faut savoir que les fameux « data scientists » passent beaucoup de temps à des tâches peu productives, bien qu'elles soient indispensables à la création des résultats qu'on attend de leur part. Extraction et intégration de données issues de multiples sources, filtrage et échantillonnage pour pouvoir étalonner les recherches sur des volumes « raisonnables », conception et test des modèles mathématiques afin de déterminer les plus pertinents… font partie de ces étapes chronophages mais nécessaires.
Le rôle de la technologie de Context Relevant est justement de les prendre en charge et de les exécuter en une fraction du temps nécessaire aux analystes, avec leurs outils actuels. Elle s'appuie pour cela sur des approches d'apprentissage automatique (« machine learning ») et des modèles comportementaux pré-définis. Elle est capable de traiter des volumes (virtuellement) illimités d'informations de tout type, mixant par exemple des données de transactions et des traces de parcours client sur un site web.
Ainsi armés, nos « data scientists » vont pouvoir bénéficier des capacités du logiciel à détecter des motifs récurrents et en déduire rapidement les caractéristiques les plus importantes des données qu'ils utilisent dans la mise au point de leurs modèles d'analyse. Ces derniers sont testés en temps réel, puis, le cas échéant, améliorés automatiquement en fonction des problèmes qui auront été détectés et optimisés progressivement par l'application de modifications incrémentales.
Il faut savoir que les fameux « data scientists » passent beaucoup de temps à des tâches peu productives, bien qu'elles soient indispensables à la création des résultats qu'on attend de leur part. Extraction et intégration de données issues de multiples sources, filtrage et échantillonnage pour pouvoir étalonner les recherches sur des volumes « raisonnables », conception et test des modèles mathématiques afin de déterminer les plus pertinents… font partie de ces étapes chronophages mais nécessaires.
Le rôle de la technologie de Context Relevant est justement de les prendre en charge et de les exécuter en une fraction du temps nécessaire aux analystes, avec leurs outils actuels. Elle s'appuie pour cela sur des approches d'apprentissage automatique (« machine learning ») et des modèles comportementaux pré-définis. Elle est capable de traiter des volumes (virtuellement) illimités d'informations de tout type, mixant par exemple des données de transactions et des traces de parcours client sur un site web.
Ainsi armés, nos « data scientists » vont pouvoir bénéficier des capacités du logiciel à détecter des motifs récurrents et en déduire rapidement les caractéristiques les plus importantes des données qu'ils utilisent dans la mise au point de leurs modèles d'analyse. Ces derniers sont testés en temps réel, puis, le cas échéant, améliorés automatiquement en fonction des problèmes qui auront été détectés et optimisés progressivement par l'application de modifications incrémentales.
La startup vise de nombreux domaines d'application pour sa plate-forme – optimisation de la relation client, gestion des ressources humaines, stratégies de tarification… – mais le secteur financier figure en première ligne. Outre l'inévitable cas d'usage dans la détection de fraude, une institution serait actuellement en cours d'évaluation du produit sur l'analyse de la valeur d'obligations en fonction des autres valeurs du marché et des risques sur les sous-jacents, le tout en temps réel.
Alors que les « big data » et l'analyse prédictive sont en passe de déclencher une véritable « ruée vers l'or » dans les banques (et compagnies d'assurance), l'adoption de l'apprentissage automatique afin de soulager la pression qui pèse sur les épaules des rares spécialistes de la donnée semble séduire : 27 mois après sa création, les fondateurs de Context Relevant affirment que les plus grands acteurs de Wall Street s'intéressent à son offre. Il est vrai qu'entre les promesses de la théorie et le passage à la pratique, nombre de décideurs se trouvent aujourd'hui désemparés…
Alors que les « big data » et l'analyse prédictive sont en passe de déclencher une véritable « ruée vers l'or » dans les banques (et compagnies d'assurance), l'adoption de l'apprentissage automatique afin de soulager la pression qui pèse sur les épaules des rares spécialistes de la donnée semble séduire : 27 mois après sa création, les fondateurs de Context Relevant affirment que les plus grands acteurs de Wall Street s'intéressent à son offre. Il est vrai qu'entre les promesses de la théorie et le passage à la pratique, nombre de décideurs se trouvent aujourd'hui désemparés…
Aucun commentaire:
Enregistrer un commentaire
Afin de lutter contre le spam, les commentaires ne sont ouverts qu'aux personnes identifiées et sont soumis à modération (je suis sincèrement désolé pour le désagrément causé…)