Opérationnaliser l'analytique

ModelOps : qu'est-ce que c'est ?

La clé pour accélérer le retour sur investissement de votre solution analytique.

Vous peinez encore à créer de la valeur ajoutée après des années d'investissements conséquents dans l'analytique ? Vous n'êtes pas le seul. En moyenne, seulement la moitié des modèles analytiques créés sont déployés en environnement de production. La moitié des équipes, des données et des technologies d'analyse impliquées sont donc exploitées sans résultats. SAS peut vous aider à changer la donne.

Déploiement : la dernière étape du processus analytique

La plupart des problèmes et des retards surviennent pendant la phase de déploiement du cycle de vie analytique. La solution ? Une approche structurée bien définie. 

Assurez-vous que vos modèles analytiques sont conformes à vos exigences métier et IT.

Accélérez le déploiement des modèles.      

Mesurez l'impact et la performance des modèles déployés.  

ModelOps : la solution d'avenir

L'approche globale ModelOps permet de transférer rapidement et itérativement des modèles tout au long du cycle de vie analytique et d'accélérer leur déploiement pour créer la valeur attendue. ModelOps est basé sur l'approche DevOps de la communauté de développeurs d'applications. Mais contrairement à DevOps, qui est exclusivement dédié au développement d'applications, ModelOps permet de transférer des modèles le plus rapidement possible entre les différentes phases (laboratoire, validation, test et déploiement), tout en assurant la production de résultats de qualité. Axée sur la surveillance continue et le recalibrage des modèles, cette approche assure aussi des performances optimales.

Franchir a dernière étape du déploiement

Pour vous aider à franchir le dernier cap du déploiement plus rapidement et vous assurer que vos modèles analytiques créent la valeur attendue, ModelOps désigne les changements de personnes (ou de culture), processus et technologies qui facilitent le développement et le déploiement sans heurts, efficaces et continus de modèles analytiques à fort impact.

Favorisez une collaboration dynamique et améliorez la productivité des équipes en charge des opérations IT et de l'analyse, quel que soit le langage analytique utilisé, les données consultées ou le site de déploiement du modèle.

Unifiez les informations sur les modèles, notamment les métadonnées, le site de déploiement des modèles, ainsi que la performance et la précision des données.

Optimisez le travail à chaque étape pour accélérer l'intégration de vos modèles analytiques dans vos activités quotidiennes.

Prise en main de ModelOps

Engagement culturel

​Passez à un niveau supérieur de collaboration inter-services avec l'objectif commun de produire des modèles analytiques qui créent la valeur attendue. Tous les collaborateurs, y compris les data scientists et les développeurs IT, doivent suivre les mêmes processus, règles et avoir les mêmes attentes vis-à-vis des modèles. Pour cela, il faut unir les différentes équipes qui explorent, créent et déploient l'analytique. Au fil du temps, ajoutez des métriques spécifiques au modèle pour suivre les performances.

Un référentiel centralisé

Les équipes collaboratives interfonctionnelles collectent et stockent des informations sur les modèles et les métadonnées associées dans un emplacement unique. Un référentiel centralisé facilite la mise à l'échelle des modèles analytiques en fournissant un inventaire complet des modèles, y compris leurs fonctions, les données, les modèles champions/concurrents, les versions et les informations sur les derniers utilisateurs. Il facilite également l'évaluation et la surveillance des modèles en production. Enfin, il conserve la propriété intellectuelle, limitant les risques liés à la rotation du personnel.

Automatisation et normalisation

Chaque tâche manuelle automatisée et rationalisée réduit la complexité, la dette technique et les points de défaillance. Pour que l'approche ModelOps apporte les améliorations attendues, l'automatisation et la normalisation doivent inclure la surveillance des performances, la création d'alertes, ainsi que le déploiement et le recalibrage de modèles.

Mise en œuvre de la gouvernance des modèles

Disposez d'une vue globale de vos modèles pour apprécier leurs performances et leur utilisation, sans trop d'interventions manuelles.

Effectuez une comparaison côte-à-côte pour évaluer les modèles champions et challengers. Sélectionnez systématiquement le meilleur d'entre eux, quel que soit le langage utilisé pour le créer.

Assurez-vous que le modèle champion fonctionne de façon optimale en comprenant à quelle fréquence il effectue le scoring des données et quelle version est exécutée. Automatisez la création d'alertes pour savoir quand les performances de référence ne sont plus atteintes afin de procéder facilement au recalibrage, à la révision ou au retrait du modèle, selon les besoins.

Suivez l'historique et la traçabilité des modèles dans les moindres détails, y compris quelles données sont utilisées et dans quelles unités de l'entreprise le modèle est exécuté.

Augmentez votre retour sur investissement avec ModelOps

ModelOps élimine un point de friction dans le cycle de vie analytique pour accélérer la création de valeur à partir des investissements analytiques. Grâce à cette approche, vous pouvez mettre en œuvre vos projets d'analyse et de franchir la dernière étape du processus analytique.

Une gouvernance solide

Préservez le lignage des données et gardez trace des informations pour gouvernance et conformité d'audit.

Un déploiement plus rapide 

Déployez des modèles en quelques minutes au lieu de plusieurs mois, grâce à la collaboration étroite entre les data scientists et les équipes IT.   

Une surveillance continue

Prévoyez d'inclure une démarche de surveillance dans le déploiement des modèles afin que les analystes puissent surveiller les modèles et les recalibrer à mesure qu'ils se dégradent.  

Comment SAS met en œuvre ModelOps

SAS® ModelOps

Relevez les défis liés à l'opérationnalisation de l'analytique avec une solution combinant le logiciel SAS Model Manager et des services de conseil dédiés pour démarrer rapidement votre mise en œuvre et vous appuyer en permanence sur ModelOps, quel que soit le langage dans lequel vos modèles sont écrits.  

Service d'évaluation d'intégrité de ModelOps

Découvrez comment opérationnaliser efficacement l'analytique dans votre environnement. Notre service d'évaluation vous aide à identifier vos points de vigilance et à identifier vos plans d'action, grâce à des recommandations pour créer régulièrement de la valeur avec vos modèles SAS et open source.

Back to Top