La science des données est un domaine en pleine croissance. À cause des nombreux termes et du jargon liés aux domaines de l’entreprise, des analyses des données, de la science des données, de l’intelligence d’affaires, de la gestion des performances, de l’apprentissage automatique et de l’intelligence artificielle, il faut parfois dépenser beaucoup de temps et d’énergie pour comprendre comment tout fonctionne.
La façon la plus simple d’expérimenter et de comprendre ces domaines qui se chevauchent est en imaginant les activités opérationnelles selon une ligne du temps simple :
Maintenant
Passé – Présent – Futur
L’intelligence d’affaires : se pencher sur le passé
L’intelligence d’affaires / « Business Intelligence » (BI) est le processus d’analyse et de rapport des données historiques de l’entreprise. La BI peut aussi convenir aux étapes préliminaires de la science des données, puisqu’elle consiste en une analyse des données passées et une extraction d’informations utiles. Les activités opérationnelles impliquant la BI comprennent :
- Rapports conventionnels et rapports visuels
- Tableaux de bord et visualisations interactives
La BI permet aussi d’analyser ce qui se passe dans votre entreprise maintenant selon la fréquence à laquelle vos données opérationnelles sont actualisées. De plus, les évaluations stratégiques éclairées de l’entreprise basées sur des rapports visuels et des tableaux de bord peuvent être utilisées par les utilisateurs finaux comme les gestionnaires ou les cadres. Les conclusions des activités mentionnées ci-dessus pourront améliorer la planification future, mais, en vérité, cela ne comprend souvent aucune analyse prédictive.
Gestion des performances : se pencher sur le futur
Un rapport ou un tableau de bord reflète toujours les données passées, alors ces termes seront liés aux données passées. Les activités de gestion des performances ou de prévisions, toutefois, sont axées sur le futur, et devraient donc se trouver complètement à droite de la ligne du temps, sans être trop éloignées non plus, puisqu’elles appartiennent aussi au domaine d’activités de l’entreprise et doivent donc rester dans la zone où d’activités commerciales et les activités en matière de données se croisent. Les activités opérationnelles impliquant la gestion des performances comprennent :
- Budgétisation
- Prévisions
- Scénarios de simulation (« what-if scenarios »)
Les professionnels de l’industrie font souvent référence aux domaines de l’entreprise et des données en tant qu’analyse des données et analyse de l’entreprise. Donc, la gestion des performances, la budgétisation et les prévisions ne sont pas entièrement prédictives.
Analytique avancée
L’analytique avancée est un terme de marketing créé pour faire référence à un type d’analytique qui est complexe à gérer. C’est un terme subjectif qui peut décrire n’importe quelle partie de l’analyse de l’entreprise, l’analyse des données, l’analyse prédictible, la science des données et l’apprentissage automatique, ou une combinaison de ces domaines.
Science des données : la base des analyses prédictives
Quelle est la place de la science des données? La science des données dépend entièrement de la disponibilité des données, mais pas toujours de l’entreprise. Elle comprend une partie de l’analyse des données, surtout la partie qui utilise des outils complexes de mathématiques, de statistiques et de programmation. La science des données est le domaine où se rejoignent l’analyse des données et l’analyse de l’entreprise, comprend une modélisation avancée pour faciliter la prédiction des résultats opérationnels avec un degré de confiance et peut aussi être un outil pour communiquer ces résultats aux fins de prise de décision grâce à la visualisation. Certaines utilisations opérationnelles de la science des données comprennent :
- Déterminer les clients à appeler
- Prédire la demande et le prix pour les produits
- Prédire le meilleur emplacement de vente au détail
- Prédire la raison pour la réadmission d’un patient
Apprentissage automatique : des prédictions pour le présent et le futur
Les machines qui peuvent apprendre de manière autonome et prédire des résultats, même si elles ne sont pas programmées dans ce but, sont au cœur de l’apprentissage automatique et de l’intelligence artificielle (IA). L’IA est un terme générique tandis que l’apprentissage automatique est une branche de l’IA.
L’apprentissage automatique sert à créer et à mettre en place des algorithmes qui permettent aux machines de recevoir des données et d’utiliser ces données pour analyser des modèles, faire des prédictions et offrir des recommandations. C’est une approche de l’IA. Effectivement, l’apprentissage automatique est la seule façon dont l’humain s’est approché de l’IA jusqu’à maintenant.
L’apprentissage automatique serait impossible sans données, donc il fait partie du domaine de l’analyse des données. De plus, l’apprentissage automatique s’étend jusqu’au présent de la ligne du temps. Les professionnels de l’industrie utilisent de plus en plus l’apprentissage automatique dans le milieu de l’intelligence d’affaires, par exemple pour un tableau de bord en temps réel. Nous tentons de comprendre comment les outils d’apprentissage automatique nous aideront à améliorer l’exactitude de nos analyses, même lorsqu’aucune analyse prédictive n’est utilisée. Certaines activités opérationnelles courantes de l’apprentissage automatique comprennent :
- Rétention et acquisition des clients
- Détection des fraudes
- Diagnostic et prévention des maladies
Conclusion
Les domaines de l’analyse de l’entreprise, l’analyse des données, la science des données et l’apprentissage automatique s’entrecroisent parfois. Cet article fournit une description de haut niveau de ces disciplines et de la façon dont elles s’entrecroisent dans une entreprise.
Aimeriez-vous découvrir comment la science des données et l’apprentissage automatique pourraient améliorer votre entreprise? Contactez-nous en nous envoyant un courriel au info@newintelligence.ca et l’un de nos experts sera ravi de discuter de vos projets d’analytique.
