Analytics augmentés : définition générale et académique
La définition la plus simple des analytics augmentés, c’est l’utilisation du machine learning (ML) et du natural language processing (NLP) pour une meilleure compréhension des analytics. L’IA va aider à générer des conclusions utiles à partir des données, tout en améliorant le partage des données et plus généralement la Business Intelligence.
Le terme “augmented analytics” a été utilisé pour la 1ere fois par Gartner dans l’edition 2017 des “Technologies émergentes : hype cycle”. Puis, en octobre 2018, le cabinet d'analystes consacre un rapport complet au sujet “Augmented Analytics Is the Future of Data and Analytics”.
Enfin, le rapport 2019 Gartner Magic Quadrant for BI & Analytics confirme définitivement que les analytics augmentés seront devenus incontournables d’ici 2025.
Ce que “AUGMENTED ANALYTICS” signifie vraiment.
Concrètement, qu’est ce que les analytics augmentés signifient dans la réalité quotidienne d’une entreprise ?
Il faut d’abord comprendre le problème que se proposent de résoudre les analytics augmentés. Il faut comprendre pourquoi tirer des conclusions utiles à partir des données reste un challenge pour la plupart des entreprises. Tout le monde s’accorde sur le fait que les données de l’entreprise sont un levier formidable pour la croissance et les revenus de l’entreprise. Les analytics sont essentiels.
Le problème, c’est plutôt que les chiffres en eux-même ne servent absolument à rien !
Savoir que votre revenu a diminué de 4% en septembre ne vous aide pas à comprendre POURQUOI. Il va falloir essayer de comprendre cette baisse en analysant tous les facteurs liés : budget de campagne, web analytics, réseaux sociaux… Puis il va falloir replacer tous ces chiffres dans leur contexte et identifier des leviers d’action. Il faut donc pouvoir tirer rapidement des conclusions à partir de la data (ou insight, comme disent les Anglais) , et surtout des leviers immédiatement actionnables.
Le deuxième problème, c’est que les data-scientists et les analystes sont particulièrement difficiles à recruter et plutôt chers à conserver. Et lorsque l’équipe data est formée, elle doit travailler main dans la main avec les experts business, pour être certaine que les conclusions qu’elle tire des données aient un sens .
Ce que proposent les analytics augmentés pour l’avenir
“Les analytics augmentés vont changer de manière fondamentale l’expérience utilisateur,” précise Rita Sallam de chez Gartner. “En fait, on peut déjà dire qu'un tableau de bord ne sera plus le premier moyen d’accès aux données. Lorsque vous avez des insights automatiquement générés dans un contexte utilisateur propre, qui sont transmises et expliquées en langage naturel, il est possible d’offrir une expérience personnalisée à l’utilisateur” ... et de rendre le tableau descriptif obsolète, CQFD.
askR.ai est un data-assistant NLP, disponible 24/24 sur vos donnée business. (En savoir plus : askR.ai)
>>> le cas du NLP
En proposant de transcrire les requêtes des utilisateurs en requête SQL, le NLP va permettre aux utilisateurs de simplement formuler leur demande et de recevoir une réponse immédiatement compréhensible.
Cette technologie a un gros potentiel de simplification des requêtes, allégeant le besoin de formation en gestion et exploration de data, et en élargissant le spectre d’utilisateurs business potentiel des données. Une manière intuitive, simple et efficace d’accéder à ses données.
