Des vérifications manuelles à la couverture en temps réel : construire les tableaux de bord de suivi de la livraison de contenu de la Société N.

À propos du Client

La Société N est un fournisseur mondial de premier plan d'actualités et d'informations économiques. La Société N agrège du contenu provenant de plus de 30,000 sources dans le monde, une échelle cohérente avec les plus de 34,000 sources sous licence externe que le Groupe des Opérations de Contenu était chargé de surveiller sur l'ensemble du portefeuille de produits de la Société N.

Contexte Sectoriel

Le problème central résolu par ce projet, distinguer les véritables défaillances de livraison des variations normales du comportement d'une source de données, se situe au cœur de ce que l'industrie technologique appelle aujourd'hui l'observabilité des données et l'AIOps. Les analystes du secteur décrivent 2026 comme l'année où les outils d'observabilité passent de seuils statiques fondés sur des règles à des modèles d'apprentissage automatique qui apprennent automatiquement le comportement normal de chaque source de données et signalent les écarts sans configuration manuelle, avec un temps moyen de détection désormais mesuré en minutes. Le système d'Iknow de 2013 a atteint un résultat similaire des années plus tôt grâce à la découverte statistique de schémas plutôt qu'à l'apprentissage automatique. En dérivant le schéma de livraison propre à chaque source de contenu, son volume attendu et ses seuils statistiques de son comportement historique, la plateforme a remplacé la surveillance uniforme par des attentes propres à chaque source et calculées dynamiquement, le même principe sous-jacent qui anime aujourd'hui la génération actuelle de plateformes d'observabilité dopées à l'IA.

Situation Actuelle

Les Opérations de Contenu ne pouvaient plus suivre le volume de sources sous licence dont elles avaient la charge. La surveillance manuelle signifiait qu'un spécialiste interrogeait la base de données sous-jacente de chaque source jusqu'à huit fois par jour, une approche qui évoluait linéairement avec le nombre de sources mais pas avec la taille de l'équipe. Début 2013, le Groupe surveillait activement moins de 10 pour cent de ses sources de contenu sous licence, et des articles publiés provenant de sources non surveillées disparaissaient dans l'ensemble des lignes de produits de la Société N.

• Effondrement de la couverture. La croissance des sources sous licence avait dépassé les effectifs stables des Opérations de Contenu au point que moins de 10 pour cent des sources étaient activement surveillées début 2013.
• Un processus fondamentalement non extensible. La surveillance manuelle exigeait que les spécialistes interrogent individuellement la base de données de chaque source, jusqu'à huit fois par jour, un flux de travail qui ne pourrait jamais suivre le rythme de milliers de sources.
• Aucune définition cohérente du "retard". Les sources de contenu allaient des publications quotidiennes aux sources arrivant à des dates calendaires précises, en passant par des parutions trimestrielles ou semestrielles, rendant impraticable un seuil fixe unique de retard ou de contenu manquant sur l'ensemble du portefeuille de sources.
• Un impact visible pour les clients. Les articles manquants provenant de sources non surveillées affectaient négativement les produits de la Société, dégradant l'expérience client et générant un volume croissant de réclamations.

• Concevoir et déployer un système automatisé capable de surveiller 100 pour cent des sources de contenu sous licence de la Société N.
• Fournir une visibilité en quasi-temps réel sur la ponctualité des livraisons de contenu et les livraisons manquantes.
• Prendre en charge plusieurs vues de la performance des livraisons au niveau du spécialiste individuel, du centre d'opérations et du Groupe.
• Intégrer une capacité d'analyse prédictive à la plateforme de surveillance.

Comment Iknow a Structuré le Travail

Iknow a combiné une ingénierie des exigences structurée avec une méthodologie de découverte de schémas fondée sur les données: d'abord définir exactement ce que les Opérations de Contenu devaient voir et faire, puis construire le moteur statistique et la logique d'alerte nécessaires pour rendre possible, à grande échelle, une surveillance en quasi-temps réel propre à chaque source.

Activités et Décisions Clés

• Exigences et Cas d'Usage. Iknow a mené plusieurs sessions de recueil des exigences avec le personnel des Opérations de Contenu, développé des cas d'usage propres aux Opérations de Contenu et produit un document d'exigences métier avec des descriptions fonctionnelles détaillées et des maquettes filaires pour chaque tableau de bord proposé.
• Découverte de Schémas. Iknow a analysé les données historiques d'arrivée du contenu et développé des algorithmes pour déterminer le schéma de livraison le mieux adapté à chaque source, identifiant et attribuant finalement plus de 775 schémas distincts, regroupés en schémas par jour de la semaine, par date calendaire précise et par période plus longue, comme les parutions trimestrielles ou semestrielles, ainsi que les heures moyennes d'arrivée, les quantités d'articles attendues et les seuils d'alerte dérivés statistiquement pour chaque source.
• Moteurs de Livraison Attendue et d'Alerte. L'équipe a construit un moteur de calcul des livraisons attendues qui génère les livraisons anticipées de chaque source pour une date donnée, et un moteur d'alerte en temps réel qui compare les livraisons attendues aux livraisons réelles toutes les une à deux minutes, en notifiant au Spécialiste des Opérations de Contenu assigné les retards, les livraisons manquantes ou les écarts de quantité hors des seuils attendus.
• Construction de la Plateforme et des Tableaux de Bord. Iknow a conçu l'architecture et construit l'univers BI, une nouvelle base de données et les applications de support, ainsi que 12 tableaux de bord, puis a mené des tests d'acceptation utilisateur et affiné les tableaux de bord sur la base des retours directs des utilisateurs.
• Habilitation. Iknow a préparé un guide utilisateur et dispensé une formation aux utilisateurs finaux dans les trois centres d'opérations mondiaux des Opérations de Contenu.

Parties Prenantes et Collaboration

Iknow a travaillé directement avec la direction et le personnel spécialisé du Groupe des Opérations de Contenu dans les trois centres d'opérations mondiaux de la Société, en appliquant la connaissance détaillée de l'infrastructure technique de la Société N acquise lors de ses missions antérieures sur la Plateforme d'Acquisition et d'Enrichissement de Contenu pour accélérer la conception et l'intégration.

Définir la "Normale" pour des Milliers de Sources Différentes

Un seuil fixe unique de retard ou de contenu manquant ne pouvait pas fonctionner pour des sources aux cadences de publication fondamentalement différentes. Iknow y a répondu en construisant une méthodologie de découverte de schémas qui dérivait le schéma de livraison propre à chaque source et ses seuils statistiques de son comportement historique, produisant plus de 775 schémas distincts plutôt qu'une règle uniforme.

Atteindre 100 Pour Cent de Couverture Sans Ajouter d'Effectifs

Les Opérations de Contenu ne pouvaient pas résoudre le problème en recrutant davantage. Iknow y a répondu en automatisant l'ensemble du flux de surveillance (mises à jour quotidiennes des schémas, calculs des livraisons attendues pour le lendemain et moteur d'alerte en temps réel actualisé toutes les une à deux minutes), de sorte que ce soit le système, et non du personnel supplémentaire, qui absorbe la croissance des sources sous licence.

Résultats Opérationnels

• Déploiement d'un système de surveillance et d'alerte offrant une couverture en quasi-temps réel de toutes les sources de contenu sous licence de la Société N, contre moins de 10 pour cent avec l'ancien processus manuel.
• Livraison de 12 tableaux de bord donnant aux spécialistes individuels, aux centres d'opérations et à la direction du Groupe des Opérations de Contenu des vues adaptées de la performance des livraisons, actualisées toutes les une à deux minutes.
• Construction d'une logique d'alerte dynamique par source couvrant les retards, les livraisons manquantes et les écarts de quantité, dérivée de plus de 775 schémas de livraison identifiés.

Résultats Stratégiques et Organisationnels

Les Spécialistes des Opérations de Contenu sont passés de l'interrogation manuelle des bases de données à la résolution de véritables problèmes de livraison avec les fournisseurs d'information, la surveillance manuelle n'étant plus nécessaire. Les indicateurs de satisfaction client se sont améliorés à mesure que les lacunes dans la couverture du contenu se réduisaient, et la Société N a acquis un modèle de surveillance capable d'évoluer avec la croissance continue des sources sous licence sans augmentation proportionnelle des effectifs des Opérations de Contenu. Cela a étendu à un nouveau domaine opérationnel très visible le même partenariat technique qui avait déjà modernisé la Plateforme d'Acquisition et d'Enrichissement de Contenu de l'entreprise.

Délai d'Impact

Iknow a livré la plateforme complète de surveillance, d'alerte et de tableaux de bord dans le cadre de la mission de 12 mois, faisant passer les Opérations de Contenu d'une couverture de surveillance à un chiffre à une visibilité en quasi-temps réel sur l'ensemble de leur portefeuille de contenu sous licence.

Compétences Clés

• Informatique décisionnelle et analytique
• Intégration de systèmes
• Architecture cloud et hybride
• Conception de tableaux de bord et visualisation de données

Méthodes et Cadres

• Ingénierie des exigences et développement de cas d'usage
• Méthodologie statistique de découverte de schémas
• Conception itérative pilotée par les tests d'acceptation utilisateur

Technologies et Outils

• SAP BusinessObjects Business Intelligence Platform (Dashboards, Web Intelligence, Universe)
• Microsoft SQL Server et SQL Server Integration Services (SSIS) pour l'ETL
• Cloud privé virtuel Amazon Web Services, intégré aux centres de données sécurisés de la Société N