Selon une étude menée par PWC en 2016, plus de 2/3 des entreprises françaises ont été victimes de tentatives de fraude depuis 2014.

Alors que 72 % des entreprises estiment que le big data peut jouer un rôle primordial dans la détection des fraudes,  seules 2 % déclarent exploiter les technologies big data et 11 % seulement utilisent l’analyse statistique et les outils de data-mining !

Comment expliquer ce décalage ?

Parmi les sujets abordés pendant cette session : 

  • Pourquoi la sophistication perpétuelle des pratiques de fraude oblige les organisations à constamment innover en matière d'analytique ?
  • Quels sont les leviers pour accélérer le déploiement de ces nouvelles applications ?
  • Quelles sont les recommandations et retours d'expérience des early adopters ayants déja déployé des projets de détection de fraude de nouvelle génération ?

Pour vous fournir des éléments de réponses, nous avons convié deux experts du Big Data et de la détection de fraude :  

Gaëtan Bodmer, associé en charge du Digital chez PwC, viendra décrire comment le machine learning résout les challenges posés par la fraude.

Louis Grange, data scientist en charge de la détection de la fraude chez SendinBlue, expliquera comment ses équipes ont déployé en un temps record des projets de détection de fraude performants.

Programme de la matinée 

  • 08:30 Accueil
  • 09:00 Introduction et contexte par Marc Batty, Dataiku
  • 09:05 « Fraude et Machine Learning : du Prototype à l'Industrialisation » par Gaëtan Bodmer, PWC
  • 09:35 « Retour d'expérience : comment SendInBlue détecte la fraude en temps réel grâce à l'analyse prédictive » par Louis Grange, SendinBlue
  • 10:10 Questions/Réponses

Cet événement s'adresse aux décideurs Data, Analytique, BI, Risques et IT.

Nombre limité de places. Nous nous réservons le droit d'admission.