Malgré toutes les discussions sur la façon dont l’IA et l’apprentissage automatique transformeront les entreprises, nous avons à peine effleuré la manière dont la science des données peut aider les entreprises au quotidien. C’est parce que les personnes qui proposeront les applications les plus efficaces pour la science des données – les experts du domaine – ne sont pas encore impliquées.
A propos de l’auteur
Andrew Beers est directeur de la technologie chez Tableau.
Chaque jour, d’innombrables décisions commerciales sont prises, qui gagneraient grandement à être basées sur les données. Cependant, nous ne pouvons pas nous attendre à ce que tout le monde devienne un data scientist. Nous devons rendre l’analyse des données plus accessible et exploitable pour les personnes, il suffit d’aider les employés à prendre des décisions plus rapides et plus éclairées. Un meilleur accès aux données permettra aux experts métier de parcourir le dernier kilomètre de l’analyse plus rapidement et avec plus de confiance, en utilisant leur jugement pour faire le reste du chemin.
Sommaire
La science des données est centralisée et déséquilibrée
Pour être transformatrices, les organisations ont besoin d’agilité et cela vient de prendre les bonnes décisions rapidement. Mais les quantités infinies de données qui entrent actuellement sont trop lourdes à gérer pour de nombreuses organisations. Au mieux, les organisations disposent d’un petit nombre d’experts en données hautement techniques qui soutiennent de grandes équipes dans l’ensemble de l’entreprise. Souvent, ces experts en données sont au maximum pour travailler sur des problèmes de la plus haute priorité, mais les gens de toute l’entreprise ont toujours besoin d’aide pour résoudre des problèmes contextuels qui nécessitent une certaine science des données mais ne justifient pas – ou ne peuvent pas attendre – un data scientist. Cela signifie que des décisions commerciales critiques sont prises quotidiennement et ne sont pas prises en charge par l’équipe de science des données centralisée.
À quoi ressemblerait plus de science des données en entreprise ?
Par exemple, adopter une approche du marketing et des ventes basée sur les données avec notation des opportunités, prédiction du délai de clôture et de nombreux autres cas d’utilisation liés au CRM sont très précieux pour l’entreprise. Les fabricants et les détaillants peuvent bénéficier de modèles basés sur l’IA pour la distribution et l’optimisation de la chaîne d’approvisionnement, la prévision de la demande des consommateurs ou l’exploration de scénarios pour ajouter de nouveaux produits à leur gamme.
Les ressources humaines peuvent utiliser des données pour évaluer la probabilité qu’un candidat accepte une offre en analysant les tendances historiques et en tenant compte des connaissances du recruteur sur la façon dont il peut ajuster la combinaison de salaire, d’équité, d’avantages sociaux, etc., en fonction des valeurs du candidat. L’immobilier d’entreprise pourrait planifier où acheter des bureaux à l’aide de la modélisation.
Construire la confiance sans coder
Pour permettre à chaque homme d’affaires d’utiliser les données dans leur vie quotidienne, elles doivent être accessibles sans avoir à apprendre Python, l’apprentissage automatique ou comment régler les paramètres d’un algorithme. Premièrement, nous devons valoriser le rôle que joue l’expérience humaine dans la prise de décision basée sur les données. En règle générale, connaître la bonne question et savoir ce que vous allez faire avec la réponse est plus important que des détails tels que la sélection du modèle.
Les organisations consacrent souvent beaucoup d’efforts à essayer de recruter des « licornes » qui possèdent à la fois une expertise en science des données et une expertise dans le domaine, mais les personnes qui correspondent à cette description sont incroyablement rares. C’est pourquoi nous avons besoin de la technologie pour faire le gros du travail. Nous avons besoin d’outils qui éliminent les obstacles pour les personnes ayant un contexte commercial afin de créer rapidement des modèles et d’appliquer des prédictions. La littératie des données doit juste être assez bonne pour aider les gens à obtenir des données et à obtenir ce qu’elle peut faire pour eux – et la visualisation des données est un excellent point de départ.
La visualisation des données permet une meilleure littératie des données
Il est facile pour les gens de comprendre les données immédiatement lorsqu’ils les voient visuellement, surtout par rapport à l’étude d’un tableau de nombres. Lorsque les données sont sous forme visuelle, il est beaucoup plus facile de voir les valeurs aberrantes, de voir les tendances et de voir les détails de manière riche – pour pouvoir obtenir des réponses plus rapidement. Une visualisation réfléchie et bien conçue des données peut allumer une ampoule dans la tête de quelqu’un. Cela présente d’énormes avantages lorsqu’une équipe comprendra des personnes possédant un large éventail de compétences en matière de littératie des données. C’est un niveleur, qui accélère la compréhension des données pour tout le monde, alimentant une prise de décision plus rapide.
La démocratisation de l’accès à l’analyse des données conduit à des décisions commerciales plus rapides et plus éclairées, et permettra aux entreprises de se préparer pour l’avenir. Avec des expériences d’IA guidées entre les mains d’experts du domaine, les équipes peuvent appliquer des analyses avancées à davantage de problèmes commerciaux et prendre des décisions importantes plus rapidement et avec plus de rigueur, tout en s’appuyant sur leur jugement humain. Il ne s’agit pas de peaufiner des modèles super précis mais de guider les personnes les plus proches du problème dans la bonne direction. Nous devons enseigner à tout le monde la maîtrise des données de base et accepter que la science des données pour les experts métier n’a pas besoin d’être incroyablement précise.
