Data Science : Les 10 points clés pour réussir

L’édition 2016 du Congrès Big Data Paris fut incroyable et a rencontré un franc succès ! Un événement qui m’aura par ailleurs permis de vous rencontrer, d’échanger avec vous, et d’animer l’atelier « Les 10 points clés de la Data Science ». Après l’article « Big Data : mes retours d’expériences concrets » de Mick Lévy, je vous propose à mon tour de revenir sur l’atelier que j’ai animé lors du Big Data Paris et d’en visualiser la vidéo dans cet article.

Didier Gaultier - Atelier Data Science - Big Data Paris 2016

Didier Gaultier – Atelier Data Science – Big Data Paris 2016

 

Data Science : quels facteurs décisifs de succès ?

Vous avez été plus de 150 à assister à mon atelier dédié, et je sais que certains d’entre vous regrettent de ne pas avoir pu y participer. N’ayez toutefois aucun remords, la vidéo de l’événement est désormais disponible ci-dessous.

 


Atelier « Data Science : retours d’expériences concrets » – Big Data Paris 2016

 

Petit rappel sur la présentation de l’atelier :

Comment réussir un projet Data Science ? Retours concrets d’expérience sur les projets Data Science dans des environnements Big Data.

Vous entendez beaucoup parler de Big Data et Data Science, mais vous vous demandez finalement en quoi un projet Data Science diffère d’un projet de Data Mining, et surtout qu’est-ce que cela peut vous apporter ? Quels sont les facteurs clés de succès et les points de vigilance ?

Au cours de cet atelier, nous avons donc listé ce que je considère comme les 10 facteurs clé de succès pour un tel projet. Il y a déjà quelques semaines, suite à mon article sur la méthode CRISP, vous avez été très nombreux à réagir extrêmement positivement, et vous m’avez posé beaucoup de questions. Je n’ai d’ailleurs pas encore pu répondre à la totalité de vos sollicitations suite à cet article. Cependant, la vidéo de l’atelier pourra, je l’espère, répondre à de nombreuses questions qui m’ont été posées.

Au-delà de la méthode CRISP, cette conférence couvre aussi des notions bien plus larges, comme les contraintes métier, techniques, culturelles, humaines, organisationnelles, et financières liées à la Data Science.

 

Les 10 facteurs clés pour mener son projet Data Science vers le succès

  1. La Data Science est une démarche qui va au delà d’un simple projet
  2. Utiliser la méthode CRISP
  3. Ne pas partir sur une architecture Big Data si votre projet ne le nécessite pas
  4. Ne pas hésiter à choisir plusieurs outils (et langages) si besoin
  5. L’importance du dialogue avec les métiers
  6. On ne peut prédire que ce que l’on mesure
  7. Les données doivent être disponibles, complètes et documentées
  8. Il faut être en capacité de « Montrer » et « d’expliquer » les résultats en utilisant la DataViz
  9. Utiliser conjointement Statistiques et machine learning
  10. Prévoir des « Quick Wins » tout au long de la démarche

 

Discutons-en !

N’hésitez pas à me solliciter pour en savoir plus… Contactez-moi pour en parler !

One Comment

  1. Bogdan Corut 13 avril 2016 Répondre

    Merci Didier d’avoir publié sur facebook ton exposé ! J’espère d’avoir l’occasion d’en parler plus sur Data Science des que ton agenda te permettra.
    Avec toute mon amitie,
    Bogdan

    Cell: 0611775254

Laissez un commentaire

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

*