Mise en place d’une architecture hybride avec anonymisation des données et modèle de machine learning sur la segmentation client

  • Practice
  • Équipe

1 Architecte, 1 Sr Data Engineer, 1 Sr Data Scientist

  • Environnement technique
1
approche hybride de l’utilisation du cloud validant ces différentes exigence
1
solution qui rempli l’ensemble des critères de réussite établis pour le PoC
CHALLENGES
  • Le client désirait la mise en place d’une architecture lui permettant d’utiliser la puissance de calcul du cloud afin de faire tourner des modèles de machine learning.
  • La sécurisation de la confidentialité des données est un des axes importants de la mission.
SOLUTION
  • Solution BI a proposé une architecture hybride (cloud et on-premise) afin de pouvoir tirer profit de la puissance de calcul du cloud lors de l’entraînement des modèles de machine learning et de préserver les investissements déjà réalisés en on-premise.
  • Solution BI a conseillé le client sur le choix des différents composants à utiliser côté plateforme Azure afin d’assurer un usage optimal des ressources et permettre de répondre au niveau de complexité scripts de machine learning.
  • La confidentialité des données a été rendu possible à travers la désensibilisation des données, la non-persistance de celles-ci sur le cloud (paramétrage du temps de persistance donné à la main du client).
BÉNÉFICES
  • Le client a pu valider une approche hybride de l’utilisation du cloud validant ces différentes exigences (sécurité, conformité, confidentialité, etc.).
  • La solution a rempli l’ensemble des critères de réussite établis pour le PoC.
  • Le client est maintenant prêt pour une utilisation à l’échelle de différents UseCase Datascience.