Contexte

Lorsqu’une entreprise possède un catalogue de produits de plus de 6000 références caractérisées par plus de 250 variables, mis à jour régulièrement et donc en évolution permanente, la quantité de données liées aux produits ne cesse d’augmenter elle aussi…

Tout comme la quantité d’erreurs ! Une situation critique qui peut mettre à mal toute la chaîne de production et d’approvisionnement des réseaux de distribution.

Objectifs

Taux d’erreur trop élevé dans le référentiel, systèmes de règles de validation Métiers non exhaustives et non évolutives…

Notre client souhaite fiabiliser son catalogue et ainsi réduire les coûts liés aux erreurs. Notre objectif est donc de proposer une solution qui détecte les erreurs du PIM (Product Information Management) et propose des correctifs pertinents sans qu’aucune règle ne soit explicitement écrite.

Approche méthodologique

Comprendre l’existant

Accompagnement sur les choix techniques (bases de données, outils d’analyses…)
Définition d’une architecture évolutive et performante

Apport d’expertise

• Sur l’algorithmie et les solutions de Machine Learning,
• Sur la programmation Python pour développer les modèles et adapter les résultats pour être facilement intégrable dans l’outil
• Sur la conception de visualisation interactive et flexible de la conception (Power BI)

Livrable(s)

• Développement d’algorithmes de détection automatisé des erreurs du référentiel à partir d’algorithmes basés sur de la statistique et sur du machine learning
• Construction d’un outil d’analyse interactif (Power BI) permettant de comprendre les erreurs détectées par les algorithmes : interface interactive utilisable par les métiers (dashboard de synthèse, dashboard de priorisation de la correction, dashboard de détails d’erreur par produit, analyse de corrélation).
• Traitement des faux positifs
• Appropriation de l’outil par les métiers