Notre expertise pour votre innovation

Vos besoins

Vous êtes convaincus de l’intérêt de valoriser vos données (massives) stockées dans vos systèmes d’information. Vous êtes dépourvus de ressource en interne pour exploiter ces données.
Nos experts s’engagent à vos côtés pour identifier et adresser vos besoins.

Nos solutions et savoir-faire

Dcid Consutling a été reconnu par le Ministère de l’Enseignement Supérieur, de la Recherche et de l’Innovation, comme étant un organisme exécutant des travaux de recherche, de développement et d’innovation pour le compte de ses clients et sur la période 2018-2019-2020.

Nous vous apportons notre expertise en statistique, analyse de données, machine learning et intelligence articifielle pour valoriser vos données.
Selon le projet, nous vous restituons des programmes et/ou logiciels à intégrer dans votre SI, des rapports statistiques avec interprétations et recommandations, des supports de dataviz pour vos besoins de communication, etc.
Vous mettez en place et utilisez les solutions fournies pour de la création de valeur immédiate.

Notre expertise repose sur la maitrise d’outils open source fiables et performants (R et Python notamment).
Notre savoir-faire couvre par exemple :

• Pré-traitement des données : nettoyage, redressement, lissage, filtrage, imputation, suppression, etc.

• Fouille de données et extraction de connaissance

• Modélisation, prédiction et détection d’anomalies

• Fouille de texte et analyse de sentiment

• Développement d’outils interactifs et de dataviz

  
  

Votre secteur

La valorisation des données s’adressent à tous les secteurs d’activité et tous les projets ‘data’ qu’ils soient ‘smart’, ‘big’, ‘open’ ou tout simplement ‘small’.

Déroulement d’un projet de data science

Nous intervenons dans l’intégralité du projet, de l’origine (identification du besoin) jusqu’au déploiement et la formation des équipes.

1. Définition du problème : Que veut-on faire ? Quelle est la population cible ? Quelles sont les sujets concernés ? Cette étape aboutit a une étude préalable.

2. Acquisition & Stockage : Quelles sont les données a disposition: internes ou externes ? Collecte et construction des bases de données exploitées par les modèles.

3. Exploration & Transformation : Fiabilisation des données. Elaboration des indicateurs pertinents. Diminution du nombre de variables et du nombre de modalités. Segmentation de la population.

4. Analyse & Modélisation : Description des données. Elaboration des modèles et évaluation de leur performance. Choix des meilleurs modèles.

5. Optimisation & Prédiction : Test et validation des modèles. Construction de nouveaux indicateurs. Prédiction des futures observations.

6. Visualisation & Déploiement : Visualisation finale. Déploiement des modèles dans le SI. Formation des utilisateurs. Suivi et enrichissement des modèles.
   
   

Quelques exemples de réalisation