Valorisez vos données avec le Diagnostic Data AI (Diag Data AI)
Le Diagnostic Data Intelligence Artificielle ou DIAG DATA AI, c’est une prestation d’accompagnement et de conseil délivrée par un consultant Dynacentrix expert en Data Science (PhD ou Master of Science) et Machine Learning.
Comprendre le passé et construire le futur grâce aux données
L’objectif : vous permettre d’identifier de nouveaux axes de croissance et d’innover à partir de l’exploitation des datas générées par votre activité ou celle de vos clients afin de trouver un quickwin et passer en production vos rapports prédictifs. Le Data Scientist peut ainsi passer plus de temps à l’interprétation des données.
Dynacentrix va traduire votre besoin métier en besoin Data Science et évaluera avec vous la présence de tous les éléments nécessaires pour déployer une solution et son QuickWin.
Le Diag DATA AI n’est pas réservé aux Grands Groupes. Il a aussi pour mission d’accélérer la mise en œuvre d’une solution d’Intelligence Artificielle dans les PME-PMI et de permettre la transformation de votre entreprise.
Incitation gouvernementale du Diag DATA AI
(sous réserve d’éligibilité)
Pour les PME de moins de 2000 personnes, Dynacentrix vous aide à monter un dossier de dépenses pouvant aller de 3.000€ à 10.000 € selon l’intensité de la prestation de 3 à 10 jours.
50% du montant TTC est pris en charge par notre partenaire, vous n’avez pas à payer cette partie de la prestation, si votre dossier est accepté.
50% du montant TTC est payé à Dynacentrix. Dynacentrix sera payée directement par le partenaire.
NB : Cet atelier est aussi disponible en formation / coaching et finançable sur votre budget Formation-OPCO.
L’étude préalable de la compréhension du métier est une étape clé pour le succès de votre projet. Malheureusement cette étape pourtant cruciale dans le succès du programme est souvent bâclée ou simplement n’est pas réalisée.
Nous constatons souvent que les dossiers passent directement à la phase collecte des données.
Pourtant en identifiant les objectifs des projets potentiels, la Data Science est le vecteur du succès pour hiérarchiser les objectifs de l’entreprise et trouver le quickwin nécessaire à la mise en production de votre solution Enterprise AI.
Une bonne préparation avec le Diag DATA AI de Dynacentrix, c’est garantir votre réussite.Pourtant en identifiant les objectifs des projets potentiels, la Data Science est le vecteur du succès pour hiérarchiser les objectifs de l’entreprise et trouver le quickwin nécessaire à la mise en production de votre solution Enterprise AI.
Objectif Général du diagnostic – Diag DATA AI
Définir les cas d’usages concret et valider si la donnée et collecté dans sa totalité
Hiérarchiser les projets par intérêts et par ROI potentiel
Validation du jeu de données mis à disposition
Échanges entre l’équipe projet du client et celle de Dynacentrix
• Rencontre entre le client et le/les data scientist qui seront responsable du traitement de la donnée et du développement de l’algorithme ou de la mise en place d’une solution Enterprise AI
• Description précise de la problématique rencontrée par le client et du contexte d’application.
• Explication du protocole de recueil de la donnée et de son schéma de stockage (éventuel pré-traitement de la donnée par exemple).
• Présentation de l’algorithme actuel développé par le client, s’il en existe un, ou la solution actuelle, avec les différents paramétrages testés et retenus.
• Discussion autour des performances de l’algorithme actuel ou de la solution actuelle et réflexion collective afin d’identifier ses faiblesses et d’envisager des pistes d’amélioration.
• Discussion autour des questions soulevées par l’analyse objective des fichiers de données.
• Définition du socle technique nécessaire au bon déroulement de l’atelier Diagnostic Data.
Livrable de l’atelier
• Powerpoint de présentation contenant une première analyse descriptive de l’échantillon de données transmises par le client ainsi que les diverses réflexions et questions amenées par l’analyse du fichier en préparation de l’atelier Data Science as a Service.
• Evaluer les pistes de développement à partir de l’exploitation des data générées par son activité ou celles de ses clients
• Cadrer les conditions de mise en œuvre d’un projet stratégique de rupture : amélioration de l’analyse des risques via une itération statistique
• Définition d’un plan d’action opérationnel pour définir la méthodologie statistique : Random Forests / SVM / Naive Bayes / Boosting/ACP/Plans d’expérience, plus de 400 méthodes Statistiques peuvent être mises en œuvre.
• Préconisation du socle technique – Plateforme (si nécessaire)