Démocratiser PAML: analyse de données adaptée aux entreprises

Partie 2 de la série en 4 parties “ Analyse prédictive et apprentissage automatique “

Qu'est-ce qu'une entreprise intelligente? C'est le genre de société qui comprend les clients et fournit de meilleurs résultats en utilisant les données et la technologie comme l'analyse prédictive et l'apprentissage automatique (PAML).

Forrester a récemment publié une étude intitulée «. ] Alimenter l'entreprise intelligente avec l'IA, l'apprentissage automatique et l'analyse prédictive . ”Selon cette étude:

“ L'application des capacités PAML est importante pour presque toutes les entreprises; 93% ont déclaré que PAML faisait partie intégrante du succès continu de leur entreprise et 88% étaient d'accord pour dire que la prochaine génération d'applications d'entreprise serait dotée de l'apprentissage automatique et d'autres technologies de l'IA. "

Garder le rythme

Le problème: comment les entreprises suivent-elles la demande interne? Aujourd'hui, presque tous les secteurs d'activité peuvent expliquer comment les solutions PAML peuvent apporter une valeur ajoutée. Maintenance prédictive (réduction des coûts, augmentation de la disponibilité des clients); rapprochement des factures (rationaliser les comptes fournisseurs); détection des fraudes (minimiser les risques, prévenir les fuites) – il ne s'agit que de quelques exemples.

La croissance de la demande semble assez répandue. Comme le montre l'étude, 79% des entreprises constatent une demande croissante de modèles d'apprentissage automatique. Cela stimule la demande de spécialistes des données – qui sont en nombre insuffisant, débordés et qui ont du mal à répondre à la demande.

Un moyen d'aider à résoudre ce problème consiste à automatiser les tâches des spécialistes des données et à fournir une plate-forme qui rationalise le développement et accélère le déploiement. Vous pourrez en apprendre davantage à ce sujet dans les prochains blogs de cette série de mes collègues Mary Carol Madigan et Tina Tang. Ici, je veux prendre un angle différent.

Préemballé pour les entreprises

Si les demandes sont trop intenses pour les spécialistes de l’informatique, pourquoi ne pas les alléger à la source: l’entreprise? Pourquoi ne pas inciter les entreprises de tous les jours à employer PAML pour résoudre leurs problèmes de manière autonome?

Aujourd'hui, la technologie PAML est suffisamment avancée pour être normalisée. Nous pouvons maintenant modéliser les problèmes métier courants à des niveaux d'abstraction suffisamment élevés pour qu'ils puissent être utilisés comme points de départ pour une grande variété de défis communs.

Grâce à des outils intuitifs et aux données appropriées, les analystes métier peuvent utiliser ces modèles (classés par catégorie). types de problèmes qu’ils abordent) pour commencer à réaliser rapidement de la valeur – le tout d’une manière guidée et facile à utiliser, sans avoir à savoir comment utiliser R ou Python. Cela réduit les contraintes imposées aux équipes de science des données, tout en permettant à l'entreprise d'obtenir des résultats.

Évolutivité

Autre problème: même si les équipes de science des données réussissent bien à proposer de nouvelles solutions, il reste encore à les mettre à l'échelle. L’une des conclusions intéressantes de l’étude est que «les professionnels de la science des données pensaient plus souvent que leur entreprise appliquait largement le langage PAML dans différents cas d’utilisation, par rapport aux utilisateurs finaux de l’entreprise ayant indiqué [that] que le nombre de cas d’utilisation du langage PAML était encore relativement faible. Cela montre que les utilisateurs finaux ne voient pas le volume d'applications PAML qu'ils souhaitent, ce qui confirme le besoin de solutions davantage axées sur l'automatisation pour faire face aux problèmes de volume. "

Pour que les technologies PAML alimentent l'entreprise intelligente, elles doivent être mis à profit. Les modèles qui ne sont pas complètement ou correctement déployés ne sont utiles pour personne. En démocratisant PAML au moyen d’outils simples, faciles à utiliser et intuitifs, les utilisateurs et les analystes métier peuvent tirer parti de la technologie prédictive – la faire évoluer pour répondre aux problèmes de l’entreprise et générer de la valeur commerciale.

Capacités essentielles

Nous parlons de solutions fournir un accès aux capacités prédictives via des algorithmes catégorisés dans lesquels la complexité est masquée et la formation de modèle est automatisée. Idéalement, ces solutions devraient avoir au moins trois capacités principales (la dernière représentant une capacité émergente qui est néanmoins essentielle pour la facilité d'utilisation et d'adoption). Agissant presque comme des microservices pouvant être réutilisés dans différents contextes, ces capacités devraient inclure:

• Aperçu automatisé : Il existe de nombreuses données, plus qu'un seul humain ne peut gérer, et de nombreuses tendances identifiés. Grâce à l'apprentissage automatique, ces corrélations et relations peuvent être exposées et présentées aux utilisateurs professionnels afin de découvrir et de comprendre leur signification. Peut-être souhaitez-vous peser la valeur d'une opportunité de vente ou comparer un groupe de clients à un autre. Votre solution PAML devrait avoir la capacité de mettre en évidence les influenceurs et les facteurs déterminants d'un résultat particulier et de vous les présenter à l'aide de visualisations dynamiques facilitant la compréhension. . Où vous concentrez-vous, qui ciblez-vous et comment optimisez-vous votre entreprise pour obtenir le meilleur résultat possible? Une solution PAML devrait aider à présenter les actions prescriptives permettant aux analystes métier de prendre en permanence les mesures nécessaires pour améliorer les processus métier et offrir de meilleures expériences client .

• .Le langage naturel : Les scénarios PAML courants requièrent la capacité chercher. Mais l'emplacement des données ne devrait pas concerner l'utilisateur professionnel. Les langages d'interrogation spécialisés ne devraient pas non plus être autorisés à aggraver le déficit de compétences en données en encombrant les demandes avec l'équipe des données. Les solutions PAML devraient prendre en charge le questionnement en langage naturel afin que les utilisateurs quotidiens puissent en tirer le meilleur parti.

On dit souvent que les données sont le «nouveau pétrole». Comme le pétrole était au 20 ^e siècle. , les données sont fondamentales pour la nouvelle économie numérique. Comme pour le pétrole, les entreprises doivent approfondir ces données pour en extraire de la valeur. C’est ce à quoi les technologies PAML sont conçues – et les entreprises qui peuvent en confier la puissance aux hommes d’affaires ordinaires sont celles qui ont de meilleures chances de réussir dans l’économie numérique.

En savoir plus

Pour une étude approfondie des possibilités intelligentes pour votre entreprise, consultez l'étude Forrester Consulting d'août 2018 intitulée « Alimenter l'entreprise intelligente avec l'IA, l'apprentissage automatique et l'analyse prédictive », commandée par SAP.

<! – Commentaires ->