Pourquoi votre startup a besoin de la science des données

Décembre
19, 2019

6 min de lecture

Les opinions exprimées par les contributeurs de Entrepreneur sont les leurs.

Présenté par

C'est officiel: la science des données n'est plus réservée aux entreprises technologiques. Du traitement éthique des animaux de ferme à l'optimisation du sommeil et à la mode, Zank Bennett, PDG de Bennett Data Science aide les entrepreneurs à utiliser l'intelligence artificielle dans un large éventail d'industries. En travaillant avec de grandes et petites entreprises, Bennett rend la technologie complexe facile à utiliser, de sorte que même les entrepreneurs ayant peu d'expérience en technologie peuvent exploiter la puissance de l'IA. J'ai récemment discuté avec Bennett pour plus d'informations sur la façon dont les entreprises peuvent tirer parti de la science des données et en récolter les fruits.

Pourquoi les entrepreneurs devraient-ils utiliser la science des données, même si leurs startups ne sont pas axées sur la technologie?

Pour que les entreprises réussissent de nos jours, elles doivent vraiment réussir la personnalisation, et les entrepreneurs obtiennent cela plus que la plupart. Lorsque les entrepreneurs créent des entreprises, l'une des premières choses auxquelles ils pensent est de savoir comment ils peuvent servir leurs clients, mais quand vient le temps de mettre à l'échelle ce que le client veut, il devient très difficile de conceptualiser comment un humain ferait cela. C'est là que les machines entrent en jeu. La personnalisation à grande échelle est ce que nous voyons le plus chez les entrepreneurs. Avec la vente au détail, par exemple, nous travaillons à créer des modèles qui prédisent ce que les gens veulent en fonction de la façon dont ils parcourent les produits. Nous prenons donc un flux de produits et examinons les attributs de ce que les gens consultent et mettons cela ensemble avec ce que d'autres personnes ont parcouru avec des préférences similaires. Avec cela, nous pouvons faire des recommandations vraiment éclairées. Combien d'attributs différents peut-on distinguer d'une chemise ou d'un accessoire? Comment pouvons-nous mettre les choses ensemble et [feature] le marquage automatique et toutes ces choses différentes dont les entreprises ont besoin et veulent?

Connexes: La science des données est-elle l'élément essentiel de l'entrepreneuriat? [19659006] Comment décririez-vous la personnalisation du point de vue de la science des données?
La personnalisation consiste à prendre un produit que nous pensons que quelqu'un veut, à le mettre devant cette personne et à gagner. Et comment on fait ça? Comment allons-nous saisir le produit et le montrer à la personne? Récemment, j'ai vu des entreprises qui disent offrir une personnalisation, et ce qu'elles font vraiment, c'est qu'elles segmentent l'audience en un petit groupe. Le premier groupe avec lequel jouer est le sexe, alors peut-être que vous vous segmentez par âge, et maintenant vous avez quatre groupes différents. Ce n'est pas de la personnalisation, c'est de la segmentation. Bien sûr, cela commence à évoluer vers la personnalisation, mais ce n'est pas très informé. Ce n'est pas ce que nous pourrions appeler une utilisation intelligente des données.

Lorsque nous commençons à devenir plus prédictifs plutôt que descriptifs, nous commençons à examiner les comportements passés et comment ils prédisent les comportements futurs. C'est là que le travail vraiment intéressant se produit dans l'espace de recommandation, ou même dans l'espace de classification, où nous pourrions avoir un utilisateur à bord avec nous et l'utilisateur remplit un tas d'informations, puis immédiatement nous pouvons traiter le client différemment en fonction de la façon dont nous prévoyons que le client va agir à l'avenir.

Il y a vraiment une grande différence entre simplement couper les utilisateurs et dire: "Oh, nous allons traiter ces quatre segments différemment et deviner ce qu'ils pourraient vouloir et affiner cela "et faire une segmentation intelligente basée sur les actions réelles que les clients ont effectuées dans le passé et en disant:" Je vois que nous avons certains segments, nous avons certains attributs. Nous pouvons les brancher sur un modèle qui va prédire ce que quelqu'un voudra dans cette situation. "

Comment un entrepreneur peut-il réussir à implémenter la science des données dans son entreprise?
La première chose est d'intégrer la science des données au sein des équipes. Je ne pense pas que la science des données devrait être cette chose autonome. Je pense que cela devrait être très bien intégré dans le marketing, les ventes, les produits, etc. Il y a maintenant cette idée dans certaines entreprises que nous donnons aux scientifiques de données l'accès à cette grande masse de données et les laissons aller, et c'est très inefficace. En fait, les scientifiques des données pour une application donnée n'ont pas besoin de données dans de nombreux formats différents. Au lieu de cela, nous pouvons fournir un lac de données qu'un scientifique des données peut utiliser jour après jour, 80% du temps. Il ajoute une efficacité massive à une équipe.

La prochaine chose est de s'assurer que les scientifiques des données peuvent déployer leurs modèles et avoir beaucoup de soutien pour le faire. Ces éléments d'infrastructure font partie de ce que nous appelons un pipeline. Les données entrent et vont à la science des données pour faire quelque chose de magique, et elles sortent et se déploient. Cette partie magique au milieu est souvent celle qui prend le moins de temps.

Connexes: Comment la science des données peut vous aider à développer votre entreprise plus rapidement

Pensez-vous que la science des données peut réellement créer plus d'emplois dans une entreprise au lieu de remplacer le travail humain?

Avec la science des données, nous pouvons automatiser des tâches qui peuvent être effectuées beaucoup plus rapidement et de manière beaucoup plus efficace. Lorsque nous réduisons les coûts pour une entreprise, il me semble qu'elle peut évoluer autrement. Je pense qu'il y aura plus d'emplois car nous rendrons les entreprises plus efficaces, pas moins. Parce que lorsque nous augmentons la rentabilité, les entreprises dépensent toujours pour croître. Ils ne mettent pas seulement l'argent dans leurs poches. Je pense que c'est une idée fausse, en particulier avec les startups. La raison pour laquelle les startups collectent des fonds est de croître, pas simplement de les économiser. S'ils deviennent plus rentables, ils sont capables de dépenser cet argent pour plus de ressources, et je pense qu'à terme cela créera plus d'emplois.

Quelle est la prochaine étape avec la science des données?
Je pense que la science des données sera beaucoup mieux comprise, et nous supprimerons ce titre de data scientist et le remplacerons par des titres beaucoup plus descriptifs comme ingénieur en apprentissage automatique ou statisticien ou ingénieur en données. Je pense que ce terme général de la science des données doit disparaître pour que nous puissions être plus descriptifs. Je pense également qu'il doit être mieux intégré aux entreprises. La science des données perdra cette idée que c'est ce groupe autonome qui pourrait venir aider n'importe qui, et je pense qu'il sera convoité comme quelque chose qui peut vraiment aider le produit ou les ventes ou le marketing – mais en tant que membre de ces groupes, pas seul

Je pense que nous allons voir des changements massifs dans le traitement du langage naturel et la façon dont nous pouvons résumer le texte et la façon dont nous pouvons utiliser le langage pour communiquer. J'espère vraiment que les voitures autonomes sont quelque chose que nous avons tôt ou tard, et je pense que cela nous aidera beaucoup en termes d'efficacité. Certaines applications avec vision par ordinateur sont tout simplement incroyables de nos jours, de la façon dont nous l'utilisons avec la mode à la façon dont nous aidons les voitures à se conduire. Et à mesure que cela s'améliore et progresse, je pense que notre monde va vraiment changer.