Directeur, Science des données | Florham Park, NJ
Dave Spingarn est directeur de la science des données chez Dun & Bradstreet, où il a occupé pendant 39 ans un large éventail de rôles couvrant la programmation, l'architecture de solutions et la stratégie de données. Il a joué un rôle clé dans le développement du Linkage Discovery Engine breveté, un système conçu pour découvrir des relations complexes entre les entreprises.
Dans cette séance de questions-réponses, Dave revient sur son parcours de près de quatre décennies chez Dun & Bradstreet, partage son expérience dans les applications informatiques et la stratégie et discute des projets innovants qu'il dirige aujourd'hui.
Dave Spingarn est directeur de la science des données chez Dun & Bradstreet, où il a occupé pendant 39 ans un large éventail de rôles couvrant la programmation, l'architecture de solutions et la stratégie de données. Il a joué un rôle clé dans le développement du Linkage Discovery Engine breveté, un système conçu pour découvrir des relations complexes entre les entreprises.
Dans cette séance de questions-réponses, Dave revient sur son parcours de près de quatre décennies chez Dun & Bradstreet, partage son expérience dans les applications informatiques et la stratégie et discute des projets innovants qu'il dirige aujourd'hui.
J'ai suivi quelques spécialisations à l'école qui ne me plaisaient pas. Finalement, j'ai découvert les applications informatiques, qui sont une approche commerciale appliquée au développement d'applications mettant moins l'accent sur l'informatique, et c'est devenu mon objectif à l'école. J'ai fini par obtenir mon diplôme de l'Université Clarion en Pennsylvanie occidentale et j'y ai passé de si bons moments que j'ai décidé d'y retourner et d'obtenir un MBA dans la même école.
J'ai débuté professionnellement en tant que programmeur dans une petite compagnie d'assurance du comté de Sussex que peut-être 5 personnes dans le monde connaissent aujourd'hui. Peu de temps après, j'ai commencé chez D&B en 1986. Cela fait donc 39 ans au total. J’ai eu plus de rôles ici que je ne peux en compter. Mon premier travail consistait à travailler sur des applications pour ce qui s'appelait à l'époque Receivable Recovery Systems, une entreprise de recouvrement de crédits commerciaux qui a finalement été cédée.
Au fil des années, je me suis éloigné du travail de développement pour me tourner vers l'architecture de solutions, ce que j'ai fait pendant environ 19 ans. À ce moment-là, l’opportunité s’est présentée de passer de la technologie à une stratégie axée sur les hiérarchies et les liens, les relations entre les entreprises.
Cela découle de l’objectif de la stratégie DUNS Right : axée sur la manière dont nous pourrions construire davantage sur les marchés clés du monde entier. Comment pouvons-nous obtenir davantage de données, les faire mûrir, les intégrer dans des hiérarchies basées sur la propriété majoritaire, des arbres généalogiques mondiaux et des relations de liaison alternatives ? Il a été reconnu qu’il existe des données qui n’étaient pas utilisées et que nous pourrions exploiter pour déduire ou découvrir des relations entre les entreprises. Nous avons proposé cette idée et le responsable des données de l'époque a déclaré que non seulement nous devrions la développer, mais que nous devrions la breveter sur un certain nombre de marchés mondiaux.
Mon travail actuel porte sur la résolution d'identité, qui consiste à rapprocher les informations des clients sur les entreprises avec les données de D&B sur ces mêmes entreprises. Dans une approche traditionnelle, des questions de jugement sont impliquées et la nécessité de donner la priorité à un ensemble d'indices (comme un numéro d'enregistrement ou une adresse) par rapport aux autres. Mais parfois les données peuvent être contradictoires. D&B a de l'expérience dans l'utilisation de plusieurs indices pour faire correspondre les données client à un numéro DUNS et classer les résultats : il s'agit de notre produit Optimizer. Ce sur quoi nous travaillons actuellement : nous avons la capacité d’effectuer plusieurs passes de correspondance en parallèle avec diverses combinaisons d’indices issus de la demande du client. Il s'agit d'un type de Match Intelligence : le client a la possibilité de spécifier ce qui compte le plus pour lui, ses données et son cas d'utilisation, et d'adapter la fonctionnalité de correspondance à ces préférences de manière dynamique. Nous sommes actuellement en attente de brevet pour cette technologie.
1Processus et système d'apprentissage récursif multidimensionnel utilisés pour découvrir des relations dyadiques complexes ou des relations avec plusieurs contreparties (Lien : US00000010019681B220180710)