Square

Big Data :Talend aide Crédit Agricole Consumer Finance dans l’exploitation de ses données

Créé le

21.02.2018

-

Mis à jour le

23.03.2018

Comme beaucoup d’autres banques, Crédit Agricole Consumer Finance se trouvait face à une masse de données difficilement exploitables par les différents métiers. « Sofinco Crédit Agricole Consumer Finance a au moins 20 ans et plus de 400 applications différentes qui manipulent des données » explique Pierrick Condette, responsable de domaine Marketing & Données de référence, Services Numériques France chez Crédit Agricole Consumer Finance. « Nous avions besoin d’une plate-forme qui “désilote” l’accès à l’information pour nos différents métiers. Il fallait répondre à la fois aux besoins de business intelligence, de data science [1] , et d’usage opérationnel pour que nos employés partenaires et clients arrivent à la donnée simplement et efficacement. » Pour résoudre le problème, Crédit Agricole Consumer Finance a regroupé depuis deux ans toutes ses données en propre dans un data lake. Celui-ci va chercher via des outils d’analyses web, des données comme le parcours de visite des internautes ou les données des réseaux sociaux (les données des réseaux sociaux émanant des clients sont utilisées avec le consentement de ces derniers pour faciliter le crédit), et également des données en open data. Une fois ce data lake conçu, comment pêcher les bonnes informations pour les besoins de chaque branche de Crédit Agricole Consumer Finance ? C’est ici que la plate-forme Data Fabric de Talend intervient. « Elle est l’outil clé pour que nos développeurs puissent concevoir les différents composants des programmes Big data exploitant notre data lake. Elle permet une intégration beaucoup plus rapide dans nos standards de développement en canalisant le nombre de langages que peut utiliser un développeur. » Pour l’instant, le seul langage disponible avec Data Fabric est Spark, mais au fur et à mesure que la plate-forme évolue, le langage évoluera suivant les besoins, sans avoir à tout redévelopper pour les usages déjà existants. De plus, « Talend a amené une solution qui nous a permis de gérer des cas très compliqués de transformation de données, entre des sources complexes et nos entrepôts de données avec le module Big Data, ce qui nous a évité de faire des développements à la main », constate Pierrick Condette. « Nous avons désormais un pool de 30 collaborateurs qui utilisent Talend dans l’entreprise pour le développement, dont entre 10 et 15 développeurs pour le côté Big Data. Nous avons quatre à cinq nouveaux projets qui arrivent par trimestre sur cette plate-forme. » Concrètement, ces projets concernent le suivi de A à Z des parcours des internautes sur le site Web, du moment où ils cliquent sur une publicité Sofinco à l’acceptation du dossier. Il y a aussi des projets pour enrichir les modèles de scoring et de segmentation pour avoir une plate-forme décisionnelle plus efficace et plus performante.

 

1 Schématiquement, la business intelligence répond à la question « que s’est-il passé ? » ; la data science tente de répondre à la question « que va-t-il se passer ? » (ndlr).

À retrouver dans la revue
Revue Banque Nº818
Notes :
1 Schématiquement, la business intelligence répond à la question « que s’est-il passé ? » ; la data science tente de répondre à la question « que va-t-il se passer ? » (ndlr).