De la BI dopée à l’IA

Par Frédéric Mercier, Data Science et IA Segment Leader, IBM France

Posons d’abord les concepts.

La Business Intelligence – BI – permet à un utilisateur métier de visualiser et analyser des données pour partager une information à d’autres utilisateurs. Un cas assez typique : le tableau de bord que le responsable commercial consulte pour identifier les tendances d’évolution du chiffre d’affaires, les produits qui ont les meilleurs résultats.

De façon très simple, on peut dire que l’Intelligence Artificielle est la capacité à simuler l’intelligence humaine grâce à la technologie informatique. On parle aussi d’intelligence augmentée parce que l’objectif est davantage d’accroitre l’intelligence humaine que de la remplacer.

Comment l’IA peut alors améliorer la BI ?

1.Transformer les opérationnels en experts de la donnée

Traditionnellement, les opérationnels comme les commerciaux, les responsables de magasins, les managers opérationnels, les acheteurs, les patrons de ligne de production reçoivent un rapport ou un tableau de bord qui leur permet d’accéder aux résultats que des responsables IT ou des analystes ont préparés pour eux. L’information contenue dans ces rapports a été conçue pour répondre à des questions récurrentes. Si cet opérationnel a besoin d’une information qui n’est pas présente dans le rapport ou le tableau de bord, il faut qu’il en fasse la demande et attende le retour. Grâce aux techniques d’interrogations en langage naturel proposées par certaines solutions BI actuellement disponibles sur le marché, il est possible que le chef de rayon interroge directement le système et obtienne rapidement l’information qu’il cherche (à condition que la donnée soit présente en amont). De ce fait, il n’est plus nécessaire que le Directeur Financier demande au contrôleur de gestion la tendance sur tel poste de coût : il pose la question lui-même sans expertise IT ou connaissance du modèle de données.

2.Explorer les données

Via l’intelligence augmentée, le système BI va appliquer des algorithmes sur les données. Ces algorithmes vont calculer les corrélations entre indicateurs et caractériser les données. Grâce à cette intelligence augmentée, le système offre des pistes d’analyses complémentaires à l’utilisateur. Prenons l’exemple d’un utilisateur qui demande la performance de tel secteur d’activité à une période donnée. Le système peut, à partir de là, lui proposer de voir la performance de ce secteur d’activité par profil de client, par exemple.

L’intelligence augmentée se matérialise aussi sur les suggestions de représentations des données. Tel type de graphique ou visualisation sera plus ou moins pertinent en fonction de la demande.

3.Le système apprend des habitudes de l’utilisateur

 Ici, on parle bien de système apprenant « machine learning ». Plus l’utilisateur interagit avec les données, plus le système propose des corrélations pertinentes.

L’exemple le plus simple : sur une courbe d’évolution des ventes, le système projette les mois à venir en tenant compte des tendances du passé.

4.Préparation des données pour l’analyse

 Il n’est pas toujours possible pour un utilisateur d’interroger le jeu de données adéquat pour répondre à son besoin. L’utilisateur peut avoir besoin d’enrichir son tableau de bord par des données qui n’ont pas été préparées en amont. Un exemple tout simple : le système BI est branché sur les données historiques et l’utilisateur a les données de budget dans un autre fichier. L’intelligence augmentée est là pour accélérer la jonction entre les données du passé et les données budgétaires pour calculer plus rapidement le taux d’atteinte du budget.

L’IA en BI simplifie le processus de nettoyage et de préparation des données. Grâce à la préparation automatisée, vous pouvez passer de la mise à disposition des données à leur utilisation en quelques minutes plutôt qu’en heures ou en jours.

5.Gain de productivité

Gartner a prédit en 2019 que, d’ici 2021, 75% des rapports préfabriqués seront remplacés ou améliorés par l’intelligence augmentée. Dans cette course mondiale de l’économie de la data, grâce à la détection des tendances et des corrélations dans les données et en suggérant des pistes d’analyse complémentaires, l’intelligence augmentée dans la BI permet de gagner du temps, croitre en productivité et potentiellement identifier des problèmes avant qu’ils ne surviennent.

En conclusion

l’Intelligence Augmentée dans une solution de BI permet de dégager plus de temps pour l’analyse et la réflexion, temps préalablement consacré à la préparation des rapports statiques ou la mise en œuvre des données dans la solution BI.

L’avenir de l’ingénierie logicielle est le Deep Learning, qui comprend l’incroyable puissance de l’IA en BI. Au cours de la prochaine décennie, il sera partout, dans tout ce que nous utiliserons. A certains égards, cet avenir est déjà là.

L’IA est désormais un différenciateur essentiel entre les entreprises.

 

 

Leave a Reply