Big Data, Science des données, aide à la décision en entreprise, business intelligence, data warehouse, reporting, OLAP, web analytics, data visualization, data mining, internet des objets, informatique cognitive, intelligence artificielle...

Abonnez-vous gratuitement à Decideo !


Decideo

 


Les aventures de Wells Fargo dans le Big Data


Rédigé par le 13 Janvier 2014

Wells Fargo & Company qui a été fondée en 1852, est une des plus anciennes sociétés aux États-Unis. C’est aujourd'hui une société de services financiers diversifiée, qui fournit des services bancaires, des assurances, des prêts hypothécaires, des prêts à la consommation, du financement commercial en Amérique du Nord et à l'étranger. L’entreprise est la quatrième banque aux Etats Unis d’Amérique dans le classement par les actifs (23ème dans le monde), et la deuxième en valeur de marché.



Michel Bruley, Directeur Marketing International de Teradata Aster
Michel Bruley, Directeur Marketing International de Teradata Aster
L’objectif de Wells Fargo : « Satisfaire les besoins financiers de ses clients et les aider à réussir financièrement ». En 1995 la société a été la première banque à donner à ses clients l'accès à leurs comptes bancaires via Internet. Aujourd’hui 21 millions de clients de la banque sont actifs en ligne, et génèrent 220 millions de sessions par mois. C’est le canal le plus utilisé par les clients.

Pour supporter ses 84 secteurs d'activité (banque de distribution aux particuliers, services bancaires aux entreprises, prêts, courtage, gestion des risques, traque de la fraude & du blanchiment, …), Wells Fargo a historiquement beaucoup investi dans ses systèmes d’information décisionnels. La société dispose de 4 équipes de support (BI, Data Mining, Entrepôt de données) qui gèrent 6 grands entrepôts d’entreprise (900 T0 au global), beaucoup de petits entrepôts départementaux (de 1 à 10 T0 chacun), de nombreux environnements de fouille de données (300 T0 au global) et d’une solution pour l'analyse des parcours sur le web (12T0).

Dans ce contexte Wells Fargo a essayé de combiner dans des analyses des données structurées et non structurées, et a pu rapidement constater qu’avec ses moyens et méthodes traditionnelles, c’était extrêmement difficile et coûteux. Par exemple le développement d'une application impliquant une demi-douzaine de sources de données structurées et non structurées a été dimensionné à plus de 1700 heures. En effet les données non structurées sont récupérées dans une grande variété de formats, elles doivent donc être d'abord «transformées» pour pouvoir être rapprochées de données structurées, être accessible pour l'analyse, et même dans ce cas SQL peut être extrêmement inefficace en tant que langage d'accès. Wells Fargo en a conclu que sans évolution de la panoplie de moyens décisionnels, ce type d'analyse sera rarement, ou jamais, effectué, l'effort et le coût étant trop élevés.

Pour s’affranchir de cette contrainte, Wells Fargo a décidé de s’équiper d’une plateforme Teradata Aster, pour dans un premier temps prendre en charge les données nécessaires à l’analyse du cheminent des clients sur le web et au reporting correspondant (impact de la recherche payante, des moteurs de recherche, etc…). Cette application a été développée en 370 heures, (320 heures pour développer et coder les structures sous-jacentes et 50 heures pour la version initiale du rapport d’analyse de cheminement).

Dans un deuxième temps la plateforme a accueilli d’autres données et applications, mais a été réservée à de petits groupes d'utilisateurs expérimentés. La solution Aster avec son cadre MapReduce SQL, permet aux équipes analytiques de mettre en œuvre des fonctionnalités de base de données relationnelle avec de puissantes fonctions d'accès aux données non structurées. Les analystes avancés, les développeurs ETL et DBA sont, pour des opérations basiques, généralement immédiatement productifs et deviennent indépendants après quelques jours de formation à cet environnement.

Depuis ses premières expérimentations, Wells Fargo a beaucoup progressé en matière d’analyse de Big Data. La plateforme Aster a été augmentée, et a été complétée avec une plateforme Hadoop. De nombreuses applications ont été développées, actuellement les plus gros développements concernent les thèmes de la fraude à la carte bancaire, de l’anticipation de l’attrition et du « marketing attribution ». Pour ces applications de nombreuses données ont été rapprochées (profils des clients, correspondances et courriels, centre d’appels, comptes rendus de visites, activités DAB/GAB, activités web, questionnaires de satisfaction, campagnes de marketing direct ou de publicité), cet ensemble de données offre des possibilités d’analyse qui vont donner du travail aux équipes de support BI pour plusieurs années.

Pour aller plus loin sur ce sujet vous pouvez utilement suivre la vidéo d’une des sessions de la conférence « TiEcon 2013 » durant laquelle des représentants de Wells Fargo, Disney Interactive, Netflix, et Palantir témoignent de leurs expériences en matière de Big Data.





Nouveau commentaire :
Facebook Twitter

Vous pouvez commenter ou apporter un complément d’information à tous les articles de ce site. Les commentaires sont libres et ouverts à tous. Néanmoins, nous nous réservons le droit de supprimer, sans explication ni préavis, tout commentaire qui ne serait pas conforme à nos règles internes de fonctionnement, c'est-à-dire tout commentaire diffamatoire ou sans rapport avec le sujet de l’article. Par ailleurs, les commentaires anonymes sont systématiquement supprimés s’ils sont trop négatifs ou trop positifs. Ayez des opinions, partagez les avec les autres, mais assumez les ! Merci d’avance. Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Si vous souhaitez poser une question au rédacteur d'un article, contactez-le directement, n'utilisez pas les commentaires.