DataGalaxy c’est un collectif de professionnels capables de nous accompagner et de répondre à nos exigences variées. Dans cette optique, c’est une plateforme vivante et animée par sa communauté d’utilisateurs faisant régulièrement des retours sur leurs problématiques data gouvernance.
Overview
Altima Assurances, compagnie d’assurance anonyme et filiale de la MAIF, assure les risques non-vie, principalement pour les particuliers en auto et multirisque habitation. Altima soutient la stratégie du Groupe MAIF qui vise à renforcer sa capacité d’innovation et à répondre aux opportunités de partenariat.Contexte du projet
À l’origine du projet, des challenges inhérents au secteur de l’assurance, caractérisé à la fois par une forte concurrence et une réglementation stricte. Altima Assurances cherchait à améliorer sa capacité d’être conforme aux normes réglementaires, notamment celles de la directive Solvabilité 2, qui exigeaient une qualité de données optimale.
Les enjeux stratégiques étaient multiples, notamment :
- Garantir la conformité réglementaire, en particulier la qualité des données et les rapports soumis aux autorités de contrôle
- Améliorer l’expérience client pour rester compétitif sur le marché de l’assurance
- Prendre des décisions informées
- Gérer les risques et prévenir les fraudes, pour assurer la pérennité de l’entreprise
Altima Assurances a donc commencé un projet “Qualité des Données”, avec l’accent sur la conformité réglementaire. Les principaux objectifs de ce projet étaient :
- La mise en place d’un répertoire de données conforme aux normes de Solvabilité 2
- Le développement de data governance et de la modélisation des flux des données
- L’implication de l’ensemble des acteurs de l’entreprise dans une approche data-driven.
- L’intégration à long terme de l’ensemble du système d’information d’Altima, avec un data catalog comme plateforme centrale et partagée.
Démarche d’implémentation du Data Knowledge Catalog
Altima a retenu la solution DataGalaxy pour deux raisons principales :
- La richesse des fonctionnalités de DataGalaxy, qui couvraient l’ensemble des besoins d’Altima pour la gestion des données.
- L’interface intuitive de DataGalaxy, qui a permis une prise en main rapide et une utilisation agile de la plateforme pour toute personne au sein de l’entreprise, quel que soit son niveau de compétence technique.
L’implémentation de DataGalaxy s’est déroulée en 3 étapes :
- Une équipe projet Qualité des Données de trois personnes à temps plein a été constituée, comprenant une pilote, un Business Analyst et un consultant spécialisé en organisation et transformation.
- Les données ont été réparties en lots afin de répartir la charge de travail de manière progressive
- En parallèle, l’équipe a joué un rôle de coordination et d’évangélisation auprès des collaborateurs d’Altima sur la qualité des données.
Une approche en mode agile a permis une implémentation progressive et méthodique de DataGalaxy, adaptée aux besoins spécifiques des équipes data et métiers, tout en assurant une implication efficace de l’ensemble de l’entreprise dans le projet.
Utilisation et solutions apportées par DataGalaxy
Conformité réglementaire améliorée
Centralisation des données
Vision claire et détaillée
Gestion des risques et prévention des fraudes
Les + de DataGalaxy selon Altima Assurances
- Les équipes DataGalaxy qui sont très réactives, toujours à l’écoute des demandes d’évolution, et capables de répondre aux besoins et aux exigences.
- Une solution complète, facile à déployer, avec des mises à jour régulières
- Une plateforme vivante animée par une communauté d’utilisateurs qui donnent des retours et remontent des problématiques et des besoins.
- La capacité de DataGalaxy à répondre aux différents profils, qu’ils soient très techniques ou pas du tout.
Avec DataGalaxy on va être en mesure d’avoir au sein d’un même outil les données qui vont êtres structurées, centralisées et partagées entre les différents acteurs de l’entreprise. Depuis le début du projet, on a pu implémenter au cours des travaux dans DataGalaxy des dizaines de milliers de données. Par ailleurs des centaines de flux et de traitements ont été modélisés dans l’outil.
Stack technologique
MySQL
SQL Server
MongoDB