Nous pensons que ces accomplissements reposent sur notre capacité à investir sur l’innovation et en évaluer le potentiel d’application pour les métiers de nos clients.

A titre d’exemple, en 2019, nous avons effectué pas moins de 200 créations d’infrastructures dans le cloud :

  • des bases de données SQL et NoSQL : Aurora, MySQL, ElasticSearch, Druid, Apache Kylin…,
  • des clusters hadoop : AWS EMR, GCP DataProc.
  • des solutions de messagerie : Kafka, Kinesis …

Nous avons aussi lancé des services managés :

  • Pour la Data Science : AWS SageMaker, Google Colab
  • Pour l’analyse de données massives : BigQuery, RedShift, Data Studio, Quicksight, Analytics Data Compute d’OVH (https://labs.ovh.com/)

Nous avons 4 motivations principales pour cela :

  1. L’évaluation continue de nouvelles approches pour mettre les technologies Big data au service des cas métier de nos clients,
  2. La formation continue de chaque collaborateur : lui offrir une liberté maximale pour tester, développer, comparer.
  3. La possibilité de réaliser des benchmarks complets pour nos clients avec des stratégies originales ( Nous publierons d’ici peu un article sur ce sujet).
  4. L’anticipation de ruptures technologiques.

Citons à titre d’exemples de ruptures potentielles:

  • Mesurer les possibilités offertes par le Transfert Learning pour créer des IA adaptées à des contextes clients sensibles ou disposant de peu de données d’entraînement
  • Évaluer la maturité du Federated learning pour tirer profit de données sensibles et décentralisées (avec des applications pour les domaines Médicaux, Respect de la vie privée, Monétisation des données…) : http://www.novagen.tech/pysyft-une-bibliotheque-python-pour-lapprentissage-federe/

Ces initiatives nous ont permis de lancer des projets pour nos clients sur des problématiques complexes selon les 4 axes de notre offre :

  • La Data Science,
  • La Data Ingénierie,
  • La Stratégie
  • L’Audit de projets Data.

Data Science :

  • Segmentation de clientèle dans la grande distribution, segmentation de magasins, par une approche de clustering évoquée notamment ICI (Cf .article clustering )
  • Analyse d’images de mode pour tirer des enseignements sur les gammes des concurrents (Deep Learning)
  • Maintenance prédictive par analyse de signaux ( IoT) pour ajuster les interventions sur des appareils de production,
  • Prédiction de demandes de pièces de rechange [Automobile], d’achats de vêtements [Retail],
  • Industrialisation : évaluation des différentes solutions des fournisseurs de cloud et de technologies de Machine Learning, mise en place de projets Data Science. Par exemple avec AWS SageMaker

Data Ingénierie / Audits :

  • Audit de projets Big data / Hadoop,
  • Optimisation de patrimoines applicatifs Big Data : Kafka + Hadoop + Hive + HBase,
  • Création automatisée d’architectures Cloud complètes, de l’acquisition à la valorisation des données.
  • Transpositions d’architectures cloud complexes de AWS vers GCP, automatisées par Terraform

Stratégie :

  • Accompagnement de projets ‘Move To Cloud’
  • Formation aux approches Business Intelligence à l’échelle Big Data

En observant et en croisant les problématiques rencontrées chez nos clients, aussi divers soient-ils, nous faisons émerger des constats qui se matérialiseront très prochainement sous formes d’offres. Nous proposerons des démarches et solutions qui vont accélérer et enrichir les stratégies data de nos clients, avec un focus spécifique sur la qualité de données ainsi que sur la constitution et l’évolution d’un Data Lake dans le cloud.

Par ailleurs, Novagen continuera à activer et développer les partenariats que nous avons noués toutes les fois où ils apporteront la réponse la plus appropriée aux cas que les clients nous soumettent.

2019 nous a permis d’évoluer aussi sur nos implantations de Paris et Lille, avec l’inauguration de nouveaux locaux qui accompagnent notre croissance.

A suivre !!