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.
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.
