De la bio-informatique au marketing prédictif

Publié par Anne ANDRIANARIMANANA le

De la bio-informatique au marketing prédictif

Ou La Data Science en mode Agile

En 2014, le New York Times engageait un chercheur en biologie au poste de Chief Data Scientist. Un choix surprenant ? Disons plutôt éclairé et avant-gardiste. On retrouve aujourd’hui nombre de méthodes et algorithmes issus de la bio-informatique dans des domaines tels que la détection de fraude dans la banque, le marketing prédictif dans le retail, la logistique prédictive, la détection de menaces cyber…

Forgés par la quête du Graal

Les bio-informaticiens auraient-ils trouvé la formule magique de la data science  ? Non, cependant, ils ont développé des méthodes et des qualités universelles qui leur permettent aujourd’hui de briller dans de nombreux contextes. Afin de comprendre les origines de cette innovation, retournons 20 ans en arrière…

À l’époque, l’objectif numéro 1 de la biologie était de réussir à séquencer et analyser le génome humain dans son ensemble, le tout avec une puissance de calcul ridicule par rapport à ce dont nous disposons aujourd’hui, et un coût pharaonique. C’était en quelque sorte un des premiers projets de “Big Data”. Face à ce challenge, les chercheurs ont dû alors développer des qualités particulières et de nouvelles méthodes aujourd’hui transposées en Data Science moderne :

  • Explorer et développer une compréhension fine des enjeux et des données disponibles

  • Mettre en place des cycles de développement-test-validation rapides des modèles (les calculs pouvant prendre jusqu’à plusieurs semaines, voire années selon la taille des données). Il est nécessaire de procéder par itérations pour valider et optimiser les modèles avant de « passer en production ».

  • Enfin, évaluer la qualité des modèles : en sélectionnant les indicateurs pertinents, en validant sur des datasets indépendants, etc.

Autant d’étapes et de qualités associées fondamentales pour la réussite de tout projet data, quel que soit le domaine « technique » : marketing, logistique, assurance, cybersécurité…

La diversité et l’agilité comme facteur clé de succès

La bonne nouvelle, c’est que ces qualités ne sont pas réservées aux bio-informaticiens, chercheurs ou autres data scientists. C’est même souvent le contraire.

Qui mieux que le métier pour comprendre les données disponibles et les enjeux business  ? Qui mieux que la DSI pour faciliter les cycles de test-validation et réduire les temps de calcul  ?

Nous irons même plus loin en disant qu’il est primordial que tous ces profils soient impliqués à toutes les étapes des projets de Data Science. La diversité engendre l’émulation, l’émulation favorise l’idéation, l’idéation permet l’innovation.

Cette diversité permet aussi de maintenir une cohérence avec les objectifs métier et les contraintes techniques.

De plus, notre conviction est d’appliquer les grands enseignements de la méthodologie de développement agile aux projets data  : inclure toutes les parties prenantes régulièrement, procéder par itérations courtes et incrémentales, valider et améliorer à chaque étape.

La Data Science, ce n’est pas uniquement une affaire d’algorithmes, c’est aussi une méthode et un état d’esprit, et les bio-informaticiens l’ont bien compris.

Marius CONJEAUD

Diplômé de Centrale Paris en 2014, Marius s’est lancé dans l’entrepreunariat avec la création de plusieurs start-ups dans le domaine de la data appliquée au monde du Retail puis de la LegalTech.

Ayant rejoint EVA Group en 2018, il accompagne aujourd’hui nos clients dans leur transition vers le Cloud. Son domaine de prédilection est la valorisation des données.

Catégories : EVATECH