Christophe Goset, Agile CRM IT Manager - Crédit Agricole CIB

1. ClientLive
Christophe Goset - 14 novembre 2018

2. Ordre du jour
1. Importance de l’information publique pour une banque
2. Evolution d’un premier outil d’analyse : Panoptes
3. Lien avec le CRM de CACIB : ClientLive
4. Cas d’usage liés à l’exploitation de l’information publique
5. Intérêt(s) des bases graphe
6. Autres cas d’usage

3. Page 3 ClientLive - PanOptes - Novembre 2018
L’exploitation des données s’appuie sur
de nouvelles solutions pour trier l’information
ET l’intelligence collective
Ce qui émerge sur internet chaque minute
“90% de la donnée disponible
dans le monde a été créée dans les deux
dernières années”
(source : IBM)
“19.8%du temps de travail
Soit un jour par semaine consacré par les
collaborateurs à chercher de l’information”
(source: Cotrillresearch)

4. Page 4 ClientLive - PanOptes - Novembre 2018
Pour les banques, l’information est un actif vital
Identifier des
opportunités
commerciales
Conduire des
analyses de
risque
Analyser
son
environnement

5. Page 5 ClientLive - PanOptes - Novembre 2018
PanOptes, une supervision de l’information publique
Avec cette solution, les utilisateurs peuvent rapidement consulter les informations
les plus pertinentes :
 Les articles sont automatiquement classés par entreprise, domaine, sujet, opinion,
sentiment, langage, géographie, etc…
 La base de connaissance s’enrichit des actions des utilisateurs pour fournir des
recommandations.
Capitalisation sur l’intelligence collective
Sur un
CLIENT
Très bientôt
sur un DOMAINE
ou un SECTEUR

6. Page 6 ClientLive - PanOptes - Novembre 2018
Vidéo Panoptes présentée le 16 mars 2018

7. Page 7 ClientLive - PanOptes - Novembre 2018
I. ClientLive, le CRM de CA-CIB, une autre vision
Un commercial n’a pas les mêmes besoins qu’un analyste des risques

8. Page 8 ClientLive - PanOptes - Novembre 2018
II. ClientLive, le CRM de CA-CIB, une autre vision
Même chose pour un responsable pays ou de secteur

9. Page 9 ClientLive - PanOptes - Novembre 2018
Crédit Agricole CIB, une organisation 3D orientée client

10. Page 10 ClientLive - PanOptes - Novembre 2018
3 personas décrivant les principaux profils rencontrés
Teddy
Ex.“Early detector”
Pauline
Ex.“Sales person”
Alix
Ex.“Editorialiste”
Qui sont-ils ?
Personnes devant trouver de
l’information pertienente le plus
rapidement possible à propos de
leurs datas, secteurs, geographies
à tout moment de la journée.
Qui sont-ils ?
Personnes ayant besoin de la
vision la plus large possible portant
sur des signaux faibles à propos
des datas de la banque.
Qui sont-ils ?
Personnes ayant besoin de trouver
et partager les dernières
informations à propos des datas,
secteurs, geographies, domains,
etc…

11. Page 11 ClientLive - PanOptes - Novembre 2018
Une Architecture Graphe pour plus
de Performance, de Flexibilité et d’Efficacité

12. Page 12 ClientLive - PanOptes - Novembre 2018
I. De l’intérêt des bases graphe : Une meilleure visibilité
Pour les données arborescentes comme sur Panoptes
Et de manière globale pour toutes les données hiérarchiques
Tests
POO
Design
Patterns
C# CQRS
Elastic
Search
TDD
ASP.Net
Web forms
MVC Angular 2 React JS HTML CSS
Javascript
JQuery
Transact
SQL
DTSX Cube
SQL avancé
(réplication
&co)
3 2 3 1 1 2 3 3 1 1 3 3 3 3 2 2
2 2 2 1 0 2 1 3 2 0 2 2 2 0 0 0
3 3 3 3 1 1 3 3 3 1 3 3 3 0 0 0
3 3 3 2 0 3 1 2 1 0 3 2 2 0 0 0
SQLConception Web
Un lookup versus un clic…

13. Page 13 ClientLive - PanOptes - Novembre 2018
II. De l’intérêt des bases graphe : Une meilleure maintenabilité
Du fait de la reduction du code nécessaire.
Exemple de code TransacSQL
SELECT DISTINCT
dataId,
dataName,
parentId,
iif(S.Name='Validated by hierarchy', 'ValidatedByAdataManager', S.Name) as status
FROM (
SELECT
cast(C.IdTechdata as varchar(32)) AS dataId
,C.Name AS dataName
,iif(C.idTechParentdata is NULL, Null , cast(C.IdTechParentdata as varchar(32))) AS parentId
,MAX(SH.ChangeDate) as changeDate
FROM data C
INNER JOIN [StateHistory] SH on SH.IdTechTarget=C.IdTechdata
INNER JOIN [State] S on S.IdTechState=SH.IdTechState
WHERE
S.[IdTechStateMachine]=15
GROUP BY C.IdTechdata, C.Name, C.IdTechParentdata
) Grouped
INNER JOIN [StateHistory] SH on SH.IdTechTarget=Grouped.dataId
INNER JOIN [State] S on S.IdTechState=SH.IdTechState
WHERE
Grouped.changeDate=SH.ChangeDate
ORDER BY dataId
Exemple de code CYPHER (Neo4J)
MATCH(c:data)
OPTIONAL MATCH(p:data)<-[r:HAS_PARENT_data]-(c)
RETURN
c.id AS dataId,
c.name AS dataName,
p.id AS parentId,
filter(l in labels(c) where l<>'data')[0] as status
ORDER BY c.id

14. Page 14 ClientLive - PanOptes - Novembre 2018
II. De l’intérêt des bases graphe : Une meilleure performance
Du fait de l’organisation des données en mémoire.
Le code SQL précédent met ainsi 4 fois plus de temps
sur la même volumétrie (50.000 éléments retournés),
et parfois bien plus…
Des ratios 10 à 40 ont été régulièrement observés sur des volumétries
plus importantes (million d’éléments traités).
Des cas de time-out en SQL ont également été solutionnés.

15. Page 15 ClientLive - PanOptes - Novembre 2018
Une autre utilisation des bases graphe
Vision de l’architecture modulaire du CRM

16. Page 16 ClientLive - PanOptes - Novembre 2018
II. Une autre utilisation des bases graphe
Vision de l’architecture modulaire du CRM

17. ClientLive
Contacts :
Philippe.moquin@ca-cib.com
gautier.sartorius@ca-cib.com
christophe.goset@ca-cib.com