Uniformiser des données provenant de plusieurs sources
Entreprise
Notre client oeuvre dans le domaine de la revente de véhicules usagés. Joueur majeur de l’industrie, l’entreprise utilise une plateforme web pour monitorer et évaluer les véhicules sur le marché.
Défi
Normaliser les informations présentées et le format de présentation des véhicules disponibles pour faciliter la prise de décision.
Considérant qu’il y a entre 3 et 4 millions de véhicules qui sont sur le marché chaque année, le monitoring de tous les véhicules disponibles et identifier les bonnes opportunités représente un défi en soi.
Les véhicules présents sur la plateforme proviennent de sources multiples. Chaque fournisseur ayant son propre système de classification et d'identification de véhicules, les informations reçues par notre client ne sont donc pas homogènes et diffèrent tant sur le plan de la nomenclature, des éléments de description et du format de présentation.
Faire le lien avec les données du client :
Dans le cas de notre client, un niveau de complexité supplémentaire est ajouté car ils ont développé leurs propres critères et vocabulaire pour évaluer le potentiel des véhicules disponibles afin que les données soient comparables..
Solutions
Avec l'aide de modèles basés sur la reconnaissance de langage naturel (NLP) et de Large Language Model (LLM) comme GPT3.5 les outils développés par Explorai visaient à :
Colliger l'information sur les véhicules disponibles provenant de plusieurs sources différentes
Uniformiser les données de chaque véhicules et associer les attributs avec ceux que le client utilise à l'interne pour évaluer leur potentiel commercial.
Résultats
Une meilleure expérience client grâce à une présentation uniformisée de données provenant de sources diverses permettant une meilleure comparaison des véhicules, peu importe leur provenance.
Des prises de décision plus éclairées grâce à des données présentées en fonction des besoins de l'utilisateur (attributs, vocabulaire et classification)
