Le traitement des données est au coeur de la stratégie des entreprises. Gérer, stocker, redistribuer les informations sont autant d’étapes cruciales dans la création de valeur des entreprises. Petit tour d’horizon des tendances data qui méritent réflexion pour 2019.

(Et pour approfondir le sujet, découvrez aussi l’infographie Gartner Magic Quadrant BI & Analytics 2019)

1 - Généralisation du Machine Learning.

Le Machine Learning est de mieux en mieux appréhendé en entreprise. On comprend de mieux en mieux comment il peut décharger l’humain de tâches répétitives. Le rapport Gartner Magic Quadrant 2019 BI et Analytics précise que d’ici la fin de 2022, les tâches manuelles de gestion des données seront réduites de 45% grâce à l'ajout de ML et à la gestion automatisée.

“Les tâches manuelles de gestion des données seront réduites de 45% grâce à l'ajout de ML et à la gestion automatisée.”

Le deep learning va également permettre une meilleure détection des patterns : les prédictions vont s’affiner et la prise de décision de plus en plus s’automatiser…

2 - Humanisation de l’ Intelligence artificielle.

Cette meilleure capacité de prédiction amenant à l’automatisation des process de décisions ne va pas sans méfiance. La difficulté à justifier de résultats issus d’un apprentissage complexe représente un frein : cette opacité peut être une vraie source de méfiance pour les métiers. Il faut donc clarifier les objectifs et s’appliquer à décrire le plus pédagogiquement possible le travail effectué par l’IA et la méthode suivie par celle-ci …

Implanter durablement l’IA, c’est permettre aux métiers de mieux la comprendre pour se l’approprier. Mais c’est aussi lui donner, par exemple, un aspect plus familier : une interface conversationnelle permet d’obtenir des informations dans un contexte habituel, celui du jeu questions/réponses.

3 - NLP : Offrir une expérience conversationnelle grâce à la génération de requête data en langage naturel.

Pas de doute, cette tendance s’affiche en tête des classements pour 2019 ! Le Natural Language Processing, c’est à dire la capacité de comprendre le langage humain, Pour exemple, vous la retrouverez chez Smartview, ou chez Tableau.

La recherche en NLP était annoncé par Gartner en 2018 comme une des tendances phares de l’année, ce que les versions bêtas sortis par certains grands éditeurs de BI ont confirmé. (A ce propos, vous pouvez lire par exemple cet article sur le chatbot de Qlik)

Le NLP permet de comprendre les questions des utilisateurs et de sortir à la demande un tableau, un chiffre, un graphique… En dehors des barres de recherche NLP intégrées aux logiciels BI évoqués plus tôt, il existe des acteurs indépendants qui peuvent être directement intégrés à une base de donnée, quelque soit le type de données. C’est notamment le cas d’askR.ai, qui ne dépend d’aucun logiciel.

4 - Self-Service Data : passer de la data à l’action, plus facilement.

Pour 56% des Chief Data Officers, démocratiser la data à travers les différents services est le chantier prioritaire des 3 prochaines années.* (en savoir plus ici)

Pourquoi cette prioritisation ? Pourquoi ne pas penser d’abord qualité ou protection ? Parce que la présence d’un CDO implique évidemment que différents chantiers data sont en cours et coordonnés dans le même but. Les données doivent avant tout favoriser et accélérer la prise de décision pour créer de la valeur.

La data en libre service, c’est permettre aux utilisateurs d’accéder immédiatement à des données pertinentes : tableaux de bord, reporting, chatbot… Une information recherchée et instantanément trouvée est bien plus significative pour un utilisateur que la même donnée reçue passivement à un autre moment !

Une information recherchée et instantanément trouvée est bien plus significative pour un utilisateur que la même donnée reçue passivement à un autre moment !

5 - Data Curator : une mission incontournable, surtout sans CDO.

Vous connaissez déjà les métier de Data Scientist ou de Data Analyst : chargés de l’analyse profondes de données, ils ont pour objectif de créer des modèles ou de déceler des tendances. Le Data Curator, lui, est un intermédiaire entre les équipes de recherches et les équipes métiers : il doit rassembler, mettre en forme, sensibiliser à l’utilisation des données.

Intermédiaire et facilitatrice, la Data Curation est déjà apparue dans les entreprises, mais prend de l’ampleur au point de devenir une fonction à part entière. Le DC doit veiller aux chantiers de fond sur la qualité des données et les meilleures pratiques, mais aussi coordonner les efforts des Data Scientist en fonction des questions métiers.

Sans être encore tout à fait un métier à part entière, ce genre de missions fait déjà partie des tâches quotidiennes de beaucoup d’équipes… et continue de prendre de l’ampleur.

6 - Le Cloud, de plus en plus essentiel.

La migration vers le Cloud s’est accéléré ces dernières années, et cette transformation reste un enjeu essentiel dans la chaine de valeur des données dans l’entreprise. On voit émerger de nouveaux modèles, comme le cloud hybride combinant cloud privé et cloud “public”. Il s’agit à la fois d’améliorer la capacité de stockage mais aussi l’accessibilité des données puisque les plates-formes d’analyse de données reposent désormais sur des modèles en SaaS pour plus de flexibilité et de scalabilité.

Josh Parenteau, directeur de la veille stratégique chez Tableau, précise bien que « la migration vers le cloud booste l'agilité et offre de nouvelles possibilités d'application de la BI et de l'analytique.»

Cet article est extrait de “BI : quelles innovations pour les métiers à l’ère du Big Data ?”

* Infographie Informatika “ Un CDO, pour quoi faire ? “