Tweet
Partager
Envoyer
Cabinet de conseil data cloud et transformation digitale - Micropole

Comment Micropole a accompagné Scor dans l’automatisation, la performance et la gouvernance, notamment à travers le déploiement de Databricks

Retour d’expérience de SCOR, 4ème réassureur mondial et présent dans plus de 160 pays avec 3 500 collaborateurs. Le groupe offre à ses clients une gamme innovante et diversifiée de solutions et de services pour le contrôle et la gestion des risques.

Enjeux

Dans le cadre du redéveloppement du système de gestion de réassurance OMEGA (OMEGA 2.0), l’évolution du reporting s’est imposée comme un axe stratégique pour accompagner les transformations techniques et fonctionnelles.
L’objectif principal était d’adapter le reporting basé sur SAP Business Objects aux nouvelles exigences technologiques et métiers, tout en intégrant les demandes spécifiques des utilisateurs. Les enjeux du projet étaient les suivants :

Grâce à l’expertise de Micropole, nous avons réussi à moderniser notre architecture, automatiser nos processus et améliorer la gouvernance de nos données. Aujourd’hui, nous disposons d’une plateforme agile, performante et évolutive, parfaitement alignée avec nos ambitions stratégiques.
Patrick POUX
Head of IT & Data – SCOR

Méthode

Micropole a accompagné SCOR avec la mise en place d’une méthodologie structurée basée sur les principes de l’agilité, de l’industrialisation des processus et une gouvernance rigoureuse des données afin de livrer des solutions robustes et évolutives, tout en garantissant une adoption fluide par les utilisateurs finaux.

Automatisation de la génération et distribution des reportings

1. Ateliers de cadrage avec les souscripteurs :

2. Développement du projet en mode itératif (Agilité – Scrum)

3. Industrialisation et automatisation :


Modélisation et mise en place des Datamarts

1. Conception et gouvernance des données :

2. Modélisation et implémentation des Datamarts :

3. Intégration continue et validation métier :


Migration vers DB2-Azure et modernisation du Reporting

1. Audit et analyse de l’existant : identification des dépendances critiques entre systèmes, benchmarking des performances pour anticiper les éventuelles régressions…

2. Migration itérative et contrôlée :

3. Montée en compétence et accompagnement des équipes : sessions de formation sur la nouvelle architecture et les bonnes pratiques SQL, documentation complète sur les nouvelles procédures de requêtage et d’optimisation des performances.


Mise en place d’une Data Platform sur Databricks
 

1. Analyse et POC :

2. Industrialisation de la plateforme :

3. Formation et montée en puissance des équipes :

Bénéfices


Perspéctives et prochaines étapes :