Technologie
En nous appuyant sur un actif géostatistique continûment développé et appliqué depuis plus de 10 ans dans l’industrie des ressources naturelles et en l'enrichissant d'outils issus du machine learning, nous ouvrons la voie à des modélisations locales d'intérêt et de comportement consommateurs jamais réalisées jusqu’à présent.
L'hybridation géostatistique pour réconcilier des données multi-sources
Grâce à nos algorithmes géostatistiques, nous croisons toutes les données entre elles et réalisons une modélisation locale des variables d'intérêt.
Étape 1 - Rassemblement des données
Vos données
CRM, campagnes, enquêtes, etc.
Open data
Bases INSEE, SIREN, etc.
Données récoltées
Réseaux sociaux et enquêtes web large panel (GeoInsights 2021)
Étape 2 - Modélisation géostatistique multi-variables non-stationnaire
10 ans de développement et d’application industrielle, technologie brevetée pour la détermination de paramètres locaux.
Étape 3 - GéoInsights
Le traitement optimal des données spatiales
La géostatistique rassemble des modèles mathématiques et des outils pour analyser et traiter des données géo-référencées de tout type. Depuis de nombreuses années, elle est appliquée avec succès à l’estimation des ressources naturelles (mines, pétrole) à partir de données fragmentaires (sondages). Elle fournit un cadre probabiliste dans lequel les données sont considérées comme une réalisation d’un ensemble de réalisations possibles d’une fonction spatiale aléatoire. Cette dernière étant censée représenter le phénomène étudié. Inférer les bons paramètres du modèle probabiliste est tout l’art du géostatisticien praticien. Le modèle posé, il est ensuite aisé de réaliser des estimations locales à partir des données d’entrée (krigeage).
Données incomplètes sur quelques individus
Données estimées partout et pour divers profils
Pour réaliser des modélisations locales inédites
Chez ShoWhere nous réalisons des investissements importants pour améliorer en permanence nos algorithmes de modélisation locale. Nous collaborons notamment avec des acteurs majeurs de la R&D en géostatistique.
Issue de la collaboration avec Arxitek, l’une des améliorations récemment développée combine des outils de modélisation et d’apprentissage issus du machine learning avec les techniques les plus avancées de la géostatistique (approche SPDE).
