Avec les kits de démarrage EluciDATA, découvrez le potentiel de l’innovation en données pour votre entreprise

En collaboration avec le groupe d'utilisateurs EluciDATA, différents scénarios d’utilisation industrielle concrète ont été identifiés dans les domaines « profilage et recommandation d’entités » et « analyse prédictive et prévisions ». Pour chacun de ces scénarios, un kit de démarrage est en cours d’élaboration. Il entend illustrer le potentiel de l’innovation en données pour un scénario spécifique, de façon à aider les entreprises à entamer plus rapidement l’innovation en données. Par exemple, un kit de démarrage centré sur la « prévision des demandes de ressources » est déjà disponible.

La quantité de données disponibles est toujours plus élevée et les technologies destinées à leur exploitation mûrissent de jour en jour. Bien que les opportunités qu’offrent les données soient multiples et unanimement reconnues, leur potentiel est toujours sous-exploité dans la plupart des entreprises. C’est la raison pour laquelle Sirris a lancé, il y a deux ans, le projet EluciDATAvisant à accélérer l’innovation en données. Ce projet entend aider les entreprises à exploiter leurs données en analysant les besoins et les défis collectifs et en recherchant des solutions au moyen de technologies existantes. La pertinence du projet est attestée par l’intérêt substantiel dont bénéficie le groupe d'utilisateurs. Rassemblant plus de 30 entreprises issues des domaines les plus divers (p. ex. fabrication, énergie, mobilité ou marketing), il comprend à la fois des détenteurs de problématiques et des fournisseurs de technologies

Deux domaines essentiels

Dans la première phase du projet, nous avons défini les besoins et les défis auxquels sont confrontées les entreprises du groupe d'utilisateurs. Sur la base de ces enseignements, deux domaines essentiels dans lesquels l’innovation en données pourrait s’avérer déterminante ont été identifiés :

  • profilage et recommandation d’entités se concentre sur le regroupement d’entités (p. ex. utilisateurs, machines, actifs, etc.) selon des caractéristiques similaires, puis l’extraction de recommandations utiles à partir de ces profils.
  • analyse prédictive et prévisions, dans lequel les données historiques issues d’un monitoring antérieur sont analysées en vue de prédire l’avenir. Ce domaine comprend aussi l’identification de schémas récurrents dans les données, ainsi que les comportements inattendus (p. ex. défaillance d’une machine, baisse d’activité physique en cas de surveillance de paramètres de santé, etc.). 

Kits de démarrage

En collaboration avec le groupe d'utilisateurs, divers scénarios d’utilisation industrielle concrète ont été identifiés dans chacun de ces deux domaines. Pour chaque scénario, un kit de démarrage va être mis au point dans le courant des deux prochaines années. Ces kits de démarrage entendent illustrer le potentiel de l’innovation en données pour un scénario spécifique, de façon à aider les entreprises à entamer plus rapidement l’innovation en données

À titre d’exemple, un kit de démarrage centré sur la prévision des demandes de ressources est disponible. Il est pertinent pour un certain nombre d’entreprises dans des domaines divers :

  • Prévision des besoins en stationnement ou de la densité du trafic dans un quartier, de manière à contrôler le trafic de façon intelligente (p. ex. déviation vers des itinéraires ou des emplacements de parking alternatifs).
  • Prédire la consommation d’une batterie sur la base des conditions d’utilisation, de façon à faire une suggestion intelligente des moments de rechargement ou à passer en mode à basse consommation.
  • Estimer le coût des consommables (électricité, gaz, encre, papier, etc.) sur la base des données d'utilisation, de façon à les livrer au moment opportun ou à réduire leur coût total.

Dans de nombreux domaines, systèmes et applications, les ressources sont peu nombreuses. Savoir à l’avance quelle sera la demande de ces ressources peut aider à les planifier et à garantir qu’une quantité suffisante soit disponible en cas de besoin, ainsi qu’à éviter les contre-mesures coûteuses en cas de pénurie. 

L’objectif global de ce kit de démarrage consiste à démontrer comment prévoir la demande d’une ressource spécifique à un moment précis dans le futur. Il illustre le processus complet de transformation des données brutes en une prévision précise à l’aide de divers outils logiciels et bibliothèques publiquement disponibles. L’opération se déroule en plusieurs étapes :

  1. Identification des sources de données pertinentes : dans la plupart des cas, les entreprises collectent des données simultanément à partir de différentes sources. À la première étape de ce kit de démarrage, nous expliquons comment identifier les sources pertinentes pour la prévision de la demande de ressources et comment combiner les données à partir de plusieurs sources hétérogènes.
  2. Exploration des données et extraction de caractéristiques : La deuxième étape du processus consiste à explorer les caractéristiques des données, de façon à déceler des schémas, tendances ou anomalies intéressants. Dans le kit de démarrage, plusieurs façons d’y parvenir sont expliquées à l’aide d’exemples. Sur la base des observations qui en résultent, des fonctionnalités sont définies, c.-à-d. des caractéristiques des données qui sont utiles pour prévoir la demande de ressources (p. ex. la consommation de la journée ou de la semaine précédente, les habitudes du consommateur, etc.).
  3. Analyse et évaluation des données : les caractéristiques définies servent à alimenter un algorithme qui met en œuvre un modèle de prédiction. Le kit de démarrage présente plusieurs modèles possibles et explique comment évaluer la qualité des prédictions qui en résultent. 

Outre le kit de démarrage relatif à la prévision des demandes de ressources, plusieurs autres kits sont disponibles ou en cours de mise au point.

  • L’analyse des interactions entre un utilisateur et un produit spécifique, de façon à extraire des recommandations et à améliorer le support utilisateur.
  • Amélioration de la qualité par l’optimisation dynamique des réglages d’une machine.
  • Techniques de visualisation (avancée) de données.
  • Ingénierie de caractéristiques, expliquant le processus de transformation des données et d’extraction de leurs caractéristiques distinctives les plus pertinentes.  

En complément à ces kits de démarrage, nous proposons diverses sessions de formation interactives sur ces thèmes. Vous trouverez plus d’informations dans notre agenda, où vous pourrez également vous inscrire.

Vous aimeriez explorer le potentiel de l’innovation en données dans le contexte de votre entreprise à l’aide des kits de démarrage ? Contactez-nous pour en savoir plus.