CDAO France Schedule

• Cultiver un environnement qui valorise l'apprentissage à partir des erreurs et encourage les concepts nouveaux
• Créer un précédent en montrant que le progrès est essentiel à l'avancement, en motivant le personnel à explorer les possibilités et en accueillant favorablement les perturbations constructives
• Créer une entreprise tournée vers l'avenir et la technologie en communiquant efficacement les avantages  d'un paysage en mutation afin d'assurer l'engagement total des employés
• Mettre en place de solides pratiques de gouvernance des données pour garantir la qualité, la sécurité et la conformité des données
• Investir dans l'infrastructure technologique appropriée et la rendre accessible aux employés

• Examiner votre infrastructure et vos systèmes de données actuels afin d'identifier les forces, les faiblesses et les domaines à améliorer
• Évaluer si une architecture de données en nuage ou sur site est plus adaptée à votre entreprise, car les solutions en nuage sont évolutives et rentables.
• Mettre en œuvre des mesures robustes de sécurité des données, y compris le cryptage, les contrôles d'accès et les audits réguliers pour assurer la conformité avec les réglementations pertinentes (par exemple, GDPR, HIPAA).
• Planifier la circulation des données entre les différents systèmes, applications et bases de données au sein de votre architecture
• Maintenir une documentation complète de votre architecture de données, y compris les schémas, les flux de données et les configurations

• L'affiliation du marketing à l'assurance intégrée, pour trouver des moyens d'attirer une nouvelle génération
• Identifier les services à valeur ajoutée que la génération Z privilégie et comprendre les raisons de ses préférences
• Explorer les avantages potentiels des initiatives de gamification pour les assureurs et identifier les leaders du secteur dans ce domaine
• Adapter les stratégies des canaux de distribution à l'évolution des préférences des clients.
• Exploiter le métavers pour améliorer efficacement l'expérience client

Panélistes: 

Julia Malysheva, Head of Digital, Group Motul SA  

Charaf El Hami, Global Head of Data Management, Amundi Asset Management 

•  Maximiser le potentiel de vos données grâce à des analyses avancées pour comprendre et fournir aux clients ce qu'ils désirent précisément.
• Créer des produits personnalisés et intégrés pour saisir les opportunités dans le paysage évolutif de la distribution
• Mettre l'accent sur l'expérience client et allouer des ressources pour améliorer l'optimisation du parcours, renforcer votre réputation et améliorer les taux de fidélisation des clients.
• Évaluer les facteurs de risque en temps réel, aider les organisations à mieux gérer leurs portefeuilles et à réduire l'exposition aux actifs à risque.
• Identifier rapidement les activités et les transactions frauduleuses en analysant les données des transactions et le comportement des clients

Sponsorisé par ... 

• Optimiser et simplifier le flux de travail pour déployer des modèles d'apprentissage automatique, réduire les goulets d'étranglement et améliorer l'efficacité opérationnelle globale
• Utiliser l'automatisation pour gérer les tâches de routine telles que le prétraitement des données, l'entraînement des modèles et le déploiement, ce qui permet aux professionnels des données de se concentrer sur des aspects plus stratégiques et créatifs de l'analyse des données.
• Mettre en œuvre des environnements cohérents et reproductibles pour le développement et la production, afin de réduire les problèmes de compatibilité et d'assurer des transitions en douceur.
• Renforcer la sécurité et la confidentialité des données en mettant en œuvre des contrôles d'accès et des protocoles de cryptage robustes, garantissant ainsi la conformité avec la réglementation sur la protection des données.
• Développer une stratégie claire et organisée de gestion du cycle de vie des modèles, y compris des plans de retraite pour les modèles obsolètes afin d'éviter l'encombrement et de maintenir l'attention sur les modèles pertinents

• Mettre en place des outils et des plateformes d'accès aux données conviviaux qui permettent aux utilisateurs non techniques d'extraire et de manipuler facilement les données
• Proposer des programmes de formation complets pour doter les employés des compétences nécessaires en matière d'analyse des données
• Investir dans des outils de reporting en libre-service qui permettent aux utilisateurs de créer leurs propres rapports et tableaux de bord sans assistance informatique.
• Lancer des programmes et des initiatives de maîtrise des données afin de sensibiliser les employés à la valeur des données et à la manière de les utiliser efficacement.
• Définir des indicateurs clés de performance (ICP) pour mesurer le succès des initiatives de libre-service, tels que le nombre de requêtes en libre-service, la satisfaction des utilisateurs et l'impact sur la prise de décision

Panélistes : 

Karim Loudec, Former Group Chief Data Officer, Servier  

•  Nommer des champions ou des ambassadeurs des données au sein des différentes équipes qui peuvent fournir des conseils, partager les meilleures pratiques et encourager les approches basées sur les données
• Fournir une visibilité sur les sources de données, les méthodes de collecte et les étapes de traitement
• Partager l'importance des fondements des données (par exemple, l'exactitude et l'intégrité) tout en encourageant activement l'expérimentation de techniques et de résultats avancés (par exemple, ML/AI)
• Équiper votre équipe d'outils d'analyse conviviaux qui leur permettent d'explorer les données, d'extraire des informations et d'expérimenter des modèles ML/AI traditionnels sans nécessiter d'expertise technique.
• Adapter les programmes de formation aux besoins individuels

Intervenants : 

Sponsorisé par Tricentis 

Charles-henri Robiche, IOT Centre of Excellence Manager, L'Oréal 

• Mettre en œuvre un plan solide de gouvernance des données permettant aux organisations d'établir et d'appliquer des politiques et des normes en matière de données, garantissant ainsi une utilisation efficace et productive des données
• Adopter un programme de qualité et d'observabilité des données pour garantir l'exactitude et la fiabilité de leurs données, minimiser le risque de temps d'arrêt dû à une mauvaise qualité des données et favoriser une intégrité inébranlable des données, renforçant ainsi la confiance dans la prise de décision.
•  Évaluer l'intégration évolutive des données pour faciliter le mouvement transparent et évolutif des données entre les systèmes, réduire la probabilité de perturbations pendant les transferts de données, y compris les solutions de réplication automatisée des données, assurer la disponibilité des données et minimiser le risque de temps d'arrêt en cas de défaillance du système
• Favoriser une plateforme de préparation des données en libre-service permettant aux utilisateurs de nettoyer et de préparer les données de manière autonome, réduisant ainsi la dépendance vis-à-vis du service informatique et accélérant les processus afin d'éviter les temps d'arrêt

Intervenants : 

Sponsorisé par Fivetran 

Xuan- Son Nguyen, Head of Data Engineering and Analytics, Direction générale des Finances publiques  

Wassim Bouaziz, Directeur Data Intergration, Pierre Fabre 

• Relever les défis liés aux systèmes obsolètes et à la rareté des données pour une prise de décision éclairée
• Adopter la flexibilité peut permettre d'améliorer les services, de minimiser les temps d'arrêt et, dans certains secteurs, de contribuer à sauver des vies
• Progresser vers des systèmes partiellement ou totalement autonomes pour faciliter l'analyse avancée
• Incorporer des algorithmes d'apprentissage automatique et d'intelligence artificielle dans vos analyses en temps réel afin d'obtenir des informations prédictives et prescriptives
• Utiliser des outils de visualisation des données en temps réel pour représenter les informations d'une manière visuellement accessible pour les rapports en temps réel

• Mettre en œuvre des outils de gouvernance des données pour réduire le risque d'exposition ou d'altération des données non autorisées
•  En utilisant des outils de gouvernance des données pour établir des normes de qualité des données et des mécanismes de contrôle, vous pouvez vous assurer que les données sont exactes et fiables pour les rapports réglementaires
• Dans les secteurs où le consentement des données est essentiel (par exemple, GDPR), les outils de gouvernance des données peuvent aider à gérer et à suivre le consentement des utilisateurs, en garantissant que vous disposez des autorisations nécessaires pour collecter et traiter les données personnelles
• L'adaptation de votre architecture de données pour inclure des mécanismes de cryptage permet de protéger les données sensibles, ce qui est souvent une exigence de conformité
• L'utilisation d'une architecture de données appropriée vous permet de retracer la source des données et leur cheminement, afin d'obtenir des données claires et vérifiables

Panélistes : 

Aurelie Le Cain, Head of Data for Smart Eyewear, ESSILORLUXOTTICA  

Pierre Fisz, Head of Data AI for the Group Financial Direction, Société Générale 

• Reconnaître l'importance de la protection de la vie privée des consommateurs et de la personnalisation pour fidéliser la clientèle.
• Comprendre la nécessité de trouver un équilibre entre la protection de la vie privée et la personnalisation pour maintenir la confiance.
• Mettre en œuvre des pratiques transparentes en matière de confidentialité des données afin de communiquer clairement la manière dont les données des clients sont utilisées.
• Obtenir le consentement explicite des clients avant de collecter et d'utiliser leurs informations personnelles
• Adopter des principes de protection de la vie privée dès la conception afin d'intégrer des considérations relatives à la protection de la vie privée dans les produits et services

•  Reconsidérer l'approche de votre organisation en matière d'utilisation des données ESG
• Des données analytiques ESG de haute qualité comme avantage concurrentiel dans le secteur des services financiers
• Relever les défis liés aux données ESG et aux problèmes de qualité de l'information
• Collaborer avec des organisations et des groupes sectoriels partageant les mêmes idées pour mener des initiatives ESG de manière collective
• Optimiser l'utilisation des ressources et l'efficacité opérationnelle sur la base des informations ESG

• Cultiver un environnement qui valorise l'apprentissage à partir des erreurs et encourage les concepts nouveaux
• Créer un précédent en montrant que le progrès est essentiel à l'avancement, en motivant le personnel à explorer les possibilités et en accueillant favorablement les perturbations constructives
• Créer une entreprise tournée vers l'avenir et la technologie en communiquant efficacement les avantages  d'un paysage en mutation afin d'assurer l'engagement total des employés
• Mettre en place de solides pratiques de gouvernance des données pour garantir la qualité, la sécurité et la conformité des données
• Investir dans l'infrastructure technologique appropriée et la rendre accessible aux employés

• Examiner votre infrastructure et vos systèmes de données actuels afin d'identifier les forces, les faiblesses et les domaines à améliorer
• Évaluer si une architecture de données en nuage ou sur site est plus adaptée à votre entreprise, car les solutions en nuage sont évolutives et rentables.
• Mettre en œuvre des mesures robustes de sécurité des données, y compris le cryptage, les contrôles d'accès et les audits réguliers pour assurer la conformité avec les réglementations pertinentes (par exemple, GDPR, HIPAA).
• Planifier la circulation des données entre les différents systèmes, applications et bases de données au sein de votre architecture
• Maintenir une documentation complète de votre architecture de données, y compris les schémas, les flux de données et les configurations

• L'affiliation du marketing à l'assurance intégrée, pour trouver des moyens d'attirer une nouvelle génération
• Identifier les services à valeur ajoutée que la génération Z privilégie et comprendre les raisons de ses préférences
• Explorer les avantages potentiels des initiatives de gamification pour les assureurs et identifier les leaders du secteur dans ce domaine
• Adapter les stratégies des canaux de distribution à l'évolution des préférences des clients.
• Exploiter le métavers pour améliorer efficacement l'expérience client

•  Maximiser le potentiel de vos données grâce à des analyses avancées pour comprendre et fournir aux clients ce qu'ils désirent précisément.
• Créer des produits personnalisés et intégrés pour saisir les opportunités dans le paysage évolutif de la distribution
• Mettre l'accent sur l'expérience client et allouer des ressources pour améliorer l'optimisation du parcours, renforcer votre réputation et améliorer les taux de fidélisation des clients.
• Évaluer les facteurs de risque en temps réel, aider les organisations à mieux gérer leurs portefeuilles et à réduire l'exposition aux actifs à risque.
• Identifier rapidement les activités et les transactions frauduleuses en analysant les données des transactions et le comportement des clients

• Optimiser et simplifier le flux de travail pour déployer des modèles d'apprentissage automatique, réduire les goulets d'étranglement et améliorer l'efficacité opérationnelle globale
• Utiliser l'automatisation pour gérer les tâches de routine telles que le prétraitement des données, l'entraînement des modèles et le déploiement, ce qui permet aux professionnels des données de se concentrer sur des aspects plus stratégiques et créatifs de l'analyse des données.
• Mettre en œuvre des environnements cohérents et reproductibles pour le développement et la production, afin de réduire les problèmes de compatibilité et d'assurer des transitions en douceur.
• Renforcer la sécurité et la confidentialité des données en mettant en œuvre des contrôles d'accès et des protocoles de cryptage robustes, garantissant ainsi la conformité avec la réglementation sur la protection des données.
• Développer une stratégie claire et organisée de gestion du cycle de vie des modèles, y compris des plans de retraite pour les modèles obsolètes afin d'éviter l'encombrement et de maintenir l'attention sur les modèles pertinents

• Mettre en place des outils et des plateformes d'accès aux données conviviaux qui permettent aux utilisateurs non techniques d'extraire et de manipuler facilement les données
• Proposer des programmes de formation complets pour doter les employés des compétences nécessaires en matière d'analyse des données
• Investir dans des outils de reporting en libre-service qui permettent aux utilisateurs de créer leurs propres rapports et tableaux de bord sans assistance informatique.
• Lancer des programmes et des initiatives de maîtrise des données afin de sensibiliser les employés à la valeur des données et à la manière de les utiliser efficacement.
• Définir des indicateurs clés de performance (ICP) pour mesurer le succès des initiatives de libre-service, tels que le nombre de requêtes en libre-service, la satisfaction des utilisateurs et l'impact sur la prise de décision

•  Nommer des champions ou des ambassadeurs des données au sein des différentes équipes qui peuvent fournir des conseils, partager les meilleures pratiques et encourager les approches basées sur les données
• Fournir une visibilité sur les sources de données, les méthodes de collecte et les étapes de traitement
• Partager l'importance des fondements des données (par exemple, l'exactitude et l'intégrité) tout en encourageant activement l'expérimentation de techniques et de résultats avancés (par exemple, ML/AI)
• Équiper votre équipe d'outils d'analyse conviviaux qui leur permettent d'explorer les données, d'extraire des informations et d'expérimenter des modèles ML/AI traditionnels sans nécessiter d'expertise technique.
• Adapter les programmes de formation aux besoins individuels

• Mettre en œuvre un plan solide de gouvernance des données permettant aux organisations d'établir et d'appliquer des politiques et des normes en matière de données, garantissant ainsi une utilisation efficace et productive des données
• Adopter un programme de qualité et d'observabilité des données pour garantir l'exactitude et la fiabilité de leurs données, minimiser le risque de temps d'arrêt dû à une mauvaise qualité des données et favoriser une intégrité inébranlable des données, renforçant ainsi la confiance dans la prise de décision.
•  Évaluer l'intégration évolutive des données pour faciliter le mouvement transparent et évolutif des données entre les systèmes, réduire la probabilité de perturbations pendant les transferts de données, y compris les solutions de réplication automatisée des données, assurer la disponibilité des données et minimiser le risque de temps d'arrêt en cas de défaillance du système
• Favoriser une plateforme de préparation des données en libre-service permettant aux utilisateurs de nettoyer et de préparer les données de manière autonome, réduisant ainsi la dépendance vis-à-vis du service informatique et accélérant les processus afin d'éviter les temps d'arrêt

• Relever les défis liés aux systèmes obsolètes et à la rareté des données pour une prise de décision éclairée
• Adopter la flexibilité peut permettre d'améliorer les services, de minimiser les temps d'arrêt et, dans certains secteurs, de contribuer à sauver des vies
• Progresser vers des systèmes partiellement ou totalement autonomes pour faciliter l'analyse avancée
• Incorporer des algorithmes d'apprentissage automatique et d'intelligence artificielle dans vos analyses en temps réel afin d'obtenir des informations prédictives et prescriptives
• Utiliser des outils de visualisation des données en temps réel pour représenter les informations d'une manière visuellement accessible pour les rapports en temps réel

• Mettre en œuvre des outils de gouvernance des données pour réduire le risque d'exposition ou d'altération des données non autorisées
•  En utilisant des outils de gouvernance des données pour établir des normes de qualité des données et des mécanismes de contrôle, vous pouvez vous assurer que les données sont exactes et fiables pour les rapports réglementaires
• Dans les secteurs où le consentement des données est essentiel (par exemple, GDPR), les outils de gouvernance des données peuvent aider à gérer et à suivre le consentement des utilisateurs, en garantissant que vous disposez des autorisations nécessaires pour collecter et traiter les données personnelles
• L'adaptation de votre architecture de données pour inclure des mécanismes de cryptage permet de protéger les données sensibles, ce qui est souvent une exigence de conformité
• L'utilisation d'une architecture de données appropriée vous permet de retracer la source des données et leur cheminement, afin d'obtenir des données claires et vérifiables

• Reconnaître l'importance de la protection de la vie privée des consommateurs et de la personnalisation pour fidéliser la clientèle.
• Comprendre la nécessité de trouver un équilibre entre la protection de la vie privée et la personnalisation pour maintenir la confiance.
• Mettre en œuvre des pratiques transparentes en matière de confidentialité des données afin de communiquer clairement la manière dont les données des clients sont utilisées.
• Obtenir le consentement explicite des clients avant de collecter et d'utiliser leurs informations personnelles
• Adopter des principes de protection de la vie privée dès la conception afin d'intégrer des considérations relatives à la protection de la vie privée dans les produits et services

•  Reconsidérer l'approche de votre organisation en matière d'utilisation des données ESG
• Des données analytiques ESG de haute qualité comme avantage concurrentiel dans le secteur des services financiers
• Relever les défis liés aux données ESG et aux problèmes de qualité de l'information
• Collaborer avec des organisations et des groupes sectoriels partageant les mêmes idées pour mener des initiatives ESG de manière collective
• Optimiser l'utilisation des ressources et l'efficacité opérationnelle sur la base des informations ESG