BIG DATA : Comment Conexance innove en optimisant ses modélisations prédictives avec le Machine Learning

Après le lancement de sa plateforme RTB, Conext Data 1st,  Conexance, expert de la connaissance client et des bases de données mutualisées, met désormais à disposition des annonceurs une toute nouvelle solution basée sur le Machine Learning : Insight Machine Learning

Grâce au premier référentiel Transactionnel & Digital français, Conexance décrypte les parcours d’achat et permet aux enseignes du commerce connecté d’engager leurs clients et de créer une relation où la prédiction du comportement d’achat est fondamentale.

 Pour cela l’entreprise dispose avec ses 350 partenaires Data et enseignes commerciales d’un grand nombre de données comportementales, plus de 900 millions de transactions sur les 25 millions de foyers acheteurs. Cela représente pour chaque modèle statistique 1500 variables comportementales à analyser pour les plus de 2000 modèles réalisés chaque année. Comment optimiser en permanence ses modèles ? Sur quelle architecture travailler pour améliorer les performances ?

Dans ce contexte de complexification des demandes et afin de concilier les besoins de puissance de traitement et d’analyse, Conexance a mis en place une démarche d’évolution de son architecture technique et applicative vers le Big Data en Juin 2014.

 Une première phase du projet s’est attachée à sélectionner la plateforme technique pour héberger les données sur une architecture Hadoop. Conexance a signé un partenariat avec Microsoft pour héberger une partie de ses données « non structurées » sur la plateforme Cloud Azure. La seconde phase du projet s’est orientée vers les aspects « métiers » avec la participation de Conexance au programme de béta-test de la solution PASSAU, depuis septembre 2014.

L’utilisation de la solution Machine Learning de Passau et la mise en place du programme Conex Insight Machine Learning permettent aujourd’hui d’intégrer de nombreuses techniques dans le domaine de l’apprentissage  en combinant plusieurs techniques de modélisation avec les techniques de régression, la régression « Ridge », les types de réseaux de neurones multi couches et perceptron, les réseaux bayésiens, les techniques vectorielles (SVM) et les techniques traditionnelles ou foisonnantes dans le domaine des arbres de décision, enfin la présence d’un moteur de text mining offre la possibilité d’extraire les éléments pertinents dans un Verbatim.

L’utilisation de cette nouvelle approche de modélisation combinant les meilleurs des modèles permet d’observer des  améliorations significatives des scores dans tous les cas, en intégrant de très nombreuses variables à chaque création de score. Une avancée importante comparée à l’approche régression logistique employée jusqu’à lors par le marché.

 « L’approche Insight Machine Learning s’inscrit dans une démarche de qualité et d’équipement en architecture Big Data initiée en 2014. Elle confirme le positionnement de Conexance comme expert de la prédiction et du Big Data. Au moment où le Retail vit sa révolution et se tourne vers le Data Driven Marketing, être au meilleur niveau dans cette discipline est notre enjeu majeur » déclare Didier Farge CEO de Conexance.

«  Résoudre des problématiques complexes avec des données fragmentées, hétérogènes et de plus en plus nombreuses, c’est l’engagement majeur de Conexance. Le partenariat Microsoft Azure et la réactivité des équipes ont incontestablement permis d’avancer vite. L’utilisation des modèles Insight Machine Learning sera progressivement étendue aux clients de la société », déclare René Lefebure Directeur R &D chez Conexance.

Related Topics
Author
By
@coesteve1
Related Posts

Readers Comments


Add Your Comment

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*

In The News

BIG DATA : Comment Conexance innove en optimisant ses modélisations prédictives avec le Machine Learning

9th mars, 2015

Après le lancement de sa plateforme RTB, Conext Data 1st,  Conexance, expert de la connaissance client et des bases de données mutualisées, met désormais à disposition des annonceurs une toute nouvelle solution basée sur le Machine Learning : Insight Machine Learning

Grâce au premier référentiel Transactionnel & Digital français, Conexance décrypte les parcours d’achat et permet aux enseignes du commerce connecté d’engager leurs clients et de créer une relation où la prédiction du comportement d’achat est fondamentale.

 Pour cela l’entreprise dispose avec ses 350 partenaires Data et enseignes commerciales d’un grand nombre de données comportementales, plus de 900 millions de transactions sur les 25 millions de foyers acheteurs. Cela représente pour chaque modèle statistique 1500 variables comportementales à analyser pour les plus de 2000 modèles réalisés chaque année. Comment optimiser en permanence ses modèles ? Sur quelle architecture travailler pour améliorer les performances ?

Dans ce contexte de complexification des demandes et afin de concilier les besoins de puissance de traitement et d’analyse, Conexance a mis en place une démarche d’évolution de son architecture technique et applicative vers le Big Data en Juin 2014.

 Une première phase du projet s’est attachée à sélectionner la plateforme technique pour héberger les données sur une architecture Hadoop. Conexance a signé un partenariat avec Microsoft pour héberger une partie de ses données « non structurées » sur la plateforme Cloud Azure. La seconde phase du projet s’est orientée vers les aspects « métiers » avec la participation de Conexance au programme de béta-test de la solution PASSAU, depuis septembre 2014.

L’utilisation de la solution Machine Learning de Passau et la mise en place du programme Conex Insight Machine Learning permettent aujourd’hui d’intégrer de nombreuses techniques dans le domaine de l’apprentissage  en combinant plusieurs techniques de modélisation avec les techniques de régression, la régression « Ridge », les types de réseaux de neurones multi couches et perceptron, les réseaux bayésiens, les techniques vectorielles (SVM) et les techniques traditionnelles ou foisonnantes dans le domaine des arbres de décision, enfin la présence d’un moteur de text mining offre la possibilité d’extraire les éléments pertinents dans un Verbatim.

L’utilisation de cette nouvelle approche de modélisation combinant les meilleurs des modèles permet d’observer des  améliorations significatives des scores dans tous les cas, en intégrant de très nombreuses variables à chaque création de score. Une avancée importante comparée à l’approche régression logistique employée jusqu’à lors par le marché.

 « L’approche Insight Machine Learning s’inscrit dans une démarche de qualité et d’équipement en architecture Big Data initiée en 2014. Elle confirme le positionnement de Conexance comme expert de la prédiction et du Big Data. Au moment où le Retail vit sa révolution et se tourne vers le Data Driven Marketing, être au meilleur niveau dans cette discipline est notre enjeu majeur » déclare Didier Farge CEO de Conexance.

«  Résoudre des problématiques complexes avec des données fragmentées, hétérogènes et de plus en plus nombreuses, c’est l’engagement majeur de Conexance. Le partenariat Microsoft Azure et la réactivité des équipes ont incontestablement permis d’avancer vite. L’utilisation des modèles Insight Machine Learning sera progressivement étendue aux clients de la société », déclare René Lefebure Directeur R &D chez Conexance.

By
@coesteve1
backtotop