Contexte

La MAIF a ouvert son Datalab à la fin de l’année 2017 pour mener à bien des projets de DataScience et d’innovation. Le Datalab a voulu mettre l’accent sur la production et l’industrialisation de ses travaux, afin de tirer une réelle valeur de ses projets et éviter l’écueil du « Shadow IT » dans les entités qu’elle doit servir.

Saegus a ainsi été sollicité pour cadrer et réaliser ces processus de mise en production et d’industrialisation, mais aussi pour accompagner et acculturer les entités utilisatrices à ces nouvelles méthodes.

Nous avons ainsi pu travailler d’une manière macro en définissant les process, les normes et bonnes pratiques, mais aussi à des niveaux projets, plus micro, où nous avons développé et réalisé les mises en production de modèles prédictifs et de flux de transformation de données.

Réalisations

Pour répondre à ce type de problématique, nous avons réalisé les actions suivantes :

• Création d’un cadre de référence technique (sélection et recommandation d’assemblages technologiques en fonction des uses cases) ;
• Mise en place des normes et bonnes pratiques de développement pour les Data Engineers et Data Scientists ;
• Création de Starter Kit pour les différentes technologies (Starter Pyspark, Starter Python, Starter API prédictive …) ;
• Coaching des Data Scientist sur les projets pour leur appropriation de ces nouvelles normes ;
• Déploiement d’un environnement et des pratiques « Data Ops » sur tous les projets Data ;
• Acculturation et adoption des nouveaux processus aux différentes entités ;
• Utilisation de Git dans les projets.

Bénéfices

• Processus de mise en production

• Meilleure gestion des versions (Git)

• Cycles de vies raccourcis (intégration et déploiement continus)

• Rapidité au démarrage des projets grâce aux Starter Kits

Retrouvez l’ensemble du business case avec des informations complémentaires en le téléchargeant :

Découvrez l’intégralité des expertises de nos experts Data sur médium !