Nos Références

  • RATP

    Approches BigData pour la régulation

    Mise en place d’un POC pour l’analyse des données de géolocalisation des bus et la détermination de nouveaux modèles de régulation. Etudes des impacts de la météo, des événements spéciaux, [etc.] sur la vitesse de progression et sur les temps de parcours. Mise en place d’une solution de détection automatique des parcours et des points de contention du trafic.


  • Generali

    Appréhension des risques et des incertitudes

    En partenariat avec Actuaris, Generali a demandé à DataStorm de formaliser les champs de pertinence des outils d’appréhension des risques utilisés par le secteur de l’assurance. Trois champs d’impact sont concernés : l’allocation stratégique d’actifs, où le nouveau contexte de taux bas pourrait limiter la pertinence des méthodes stochastiques usuelles ; le pilotage prudentiel, où la porosité entre risque de modèle et modèle de risque nécessite de mieux caractériser la marge d’erreur des outils réglementaires ; et les solutions d’assurance et de prévention, où la transposition d’une vision assureur à une vision assuré pourrait exiger un changement de paradigme.
    Dans ce cadre, DataStorm participe à la chaire PARI


  • RTE

    Projet DATALAB

    Dans le cadre de son projet SMARTLAB, RTE a souhaité bénéficier de l’expertise du GENES et de l’infrastructure BigData sécurisée mise en œuvre par le CASD pour expérimenter les solutions de gestion massive de données afin de croiser l’ensemble de ses données patrimoniales (ensemble des équipements du réseau haute tension), l’ensemble de ses données systèmes (ensemble des signaux de tension et puissance et des données externes (météo, sols, réseaux routiers et ferrés, etc.) pour mesurer l’apport en vue des programmes de maintenance prédictive. Le système mis en place a permis de développer un prototype exploitant un volume important de données (plus de 3 années d’historique) sous les technologies Hadoop, HBASE, R, Shiny, QGIS. Ce prototype est accessible à distance de manière ultra sécurisée au travers des SD-BOX fournies par le CASD, ce qui permet à des consultants et chercheurs externes à RTE d’y accéder.


  • Nell’Armonia

    Compression de signal et maintenance prédictive (détection de signaux faibles)

    Dans le cadre de l’optimisation de sa solution de supervision, Nell’Armonia a fait appel à l’expertise des chercheurs en statistiques et machine Learning de Datastorm pour d’une part mettre en place des algorithmes de compression de signal et d’autres part proposer des méthodes de clustering en vue de la détection de signaux précurseurs de pannes logicielles (maintenance prédictive). Les travaux de nos chercheurs, associés à un groupe de travail d’étudiants de l’X ont permis l’intégration de nouveaux algorithmes dans le solutions commercialisées par notre client.


  • ERDF – Audit

    Audit d’une méthode de contrôle du réalisé des effacements diffus

    Ce projet a consisté à auditer un modèle mis en place par les ingénieurs d’ERDF pour estimer les effacements réalisés par les opérateurs d’effacement dans le cadre de la nouvelle règlementation NEBEF. L’audit réalisé a permis à ERDF de faire valider sa méthode auprès de la Commission de Régulation de l’Energie qui en a accepté la mise en œuvre expérimentale.


  • MMA

    Expertise en modélisation des risques sur les évènements rares

    Les Mutuelles du Mans Assurances ont sollicité DataStorm pour accompagner les équipes de leur département Actuariat dans leur montée en compétences sur les techniques de modélisation des risques associés aux évènements rares. Pour cela, nous avons fait intervenir un professeur des universités qui, après avoir analysé les besoins en modélisation et récupéré des échantillons de données auprès des équipes MMA, a passé 2 journées de travail avec les actuaires de MMA pour leur montrer comment appliquer les techniques de modélisation des queues de distribution.


  • ERDF

    Partenariat Scientifique

    Dans la suite logique de l’audit réalisé mi 2013, ERDF a souhaité conclure un partenariat scientifique de long-terme avec DATASTORM pour bénéficier de l’expertise des chercheurs du groupe. Ce partenariat s’articule autour des problématiques de modélisation des courbes de charges des clients résidentiels, notamment dans le cadre de la mise en place de NEBEF et des marchés de capacités.


  • CERENICIMO

    Scoring du marché de l'immobilier géré

    Ce projet consiste à accompagner un opérateur de commercialisation de programmes immobiliers gérés pour mettre en place des scores d’évaluation de la performance patrimoniale d’une part et d’estimation des risques d’exploitation d’autre part des programmes commercialisés. Ce projet a été réalisé par une équipe pilotée par un chef de projet Datastorm et composée de deux chercheurs du CREST-ENSAI (un économiste et un statisticien) et d’un étudiant de l’Université de Rennes en stage chez DATASTORM pour une durée de 6 mois. Le projet a permis de mettre en place des scores pertinents pour anticiper les évolutions relatives locales du marché immobilier et de produire un outil directement exploitable par les équipes de Cerenicimo.


  • Ademe

    Tableaux macro-économiques.

    L’ADEME a sollicité DATASTORM pour l’établissement de tableaux macro-économiques sur un pays émergent (la Chine) en vue de l’élaboration d’un modèle de calcul des émissions de polluants unitaires par secteur d’activité en tenant compte des émissions réalisées sur les produits intermédiaires importées depuis ce pays et entrant dans la fabrication des produits manufacturés en France.

    Le point délicat de cette approche est que les pays émergents ne publient pas de chiffre de production, et encore moins de chiffres de consommations intermédiaires, sur les nomenclatures européennes d’activité (NACE). Pour répondre donc à la demande de l’ADEME, DATASTORM a monté une équipe composée d’étudiants de l’ENSAE intervenant au travers de la Ensae Junior Etudes et d’un chercheur du CREST-ENSAI qui les guide dans la réconciliation des nomenclatures.