Depuis les 2 dernières années, le monde professionnel regarde avec un grande attention tout ce qui concerne l’Intelligence Artificielle (IA) et le Big Data. Les entreprises ont maintenant compris tout ce que pouvaient leur apporter ces technologies, mais la majorité d’entre elles s’imagine tout de suite concevoir des applications métiers intégrant des algorithmes prédictifs développés par des Data Scientists. Cependant, il est indispensable au préalable d’avoir une organisation centrée sur ses données, de bien les explorer et de les comprendre avant de pouvoir les exploiter. Si certains annoncent le Machine Learning comme le remplaçant de la Business Intelligence, il s’agit plutôt de deux approches différentes qui devraient se compléter et non se substituer.
Qu'est-ce que la Business Intelligence ?
La Business Intelligence (ou BI) est appelée en français « informatique décisionnelle ». Il s’agit de solutions centrées sur les données de l’entreprise qui offrent aux métiers une aide à la décision grâce à des tableaux de bord, suivis d’activité ou rapports analytiques. Depuis quelques années on parle même de Modern BI, à savoir une business intelligence plus tournée vers les métiers et moins centrée sur l’IT, et c’est à celle-ci que nous faisons référence.
Comment ? Elle englobe l’ensemble des méthodes de collecte, de traitement et de visualisation des données de l’entreprise afin d’offrir une vision et du recul aux décideurs sur leurs activités. Elle fournit aux métiers des outils afin que les informations qui leur sont les plus pertinentes leur parviennent. Elle désigne à la fois l’infrastructure, les applications mais aussi les pratiques qui permettent l’accès à ces informations. L’amélioration et l’optimisation des performances de l’entreprise par l’aide décisionnelle est ce qui en résulte.
En pratique, cela commence par l’extraction de données de différentes sources (site web, base de données, fichiers Excel…). Ces données sont ensuite préparées (nettoyage, restructuration, formatage…) afin d’être présentées aux décideurs de façon adaptée et interactive pour leur donner du sens. Il peut alors s’agir, comme précisé précédemment, de tableaux de bord, graphiques, schémas ou encore de rapports paramétrés. La dernière étape consiste donc à mettre à disposition ces éléments aux services concernés (Finance, Marketing, Ressources Humaines…) par le biais d’un système sécurisé.
Présente depuis une vingtaine d’années déjà, la business intelligence s’est démocratisée suite à ses résultats dans le domaine de la relation client et donc à la mise en lumière de sa valeur commerciale. Or, de nombreuses entreprises hésitent encore à l’implémenter et préfèrent sauter le pas et se diriger vers des applications et projets avec ce qui est aujourd’hui en vogue : l’intelligence artificielle. Mais ce qu’elles ont tendance à oublier, c’est que cela nécessite d’abord d’être Data driven. Il faut au préalable centraliser ses données et les collecter afin qu’elles servent à tous. En quoi la Modern Bi aide à tout cela ? Elle est une première étape dans la connaissance et l’exploitation de ses données qui facilite le passage vers des technologies plus complexes comme celles de Machine Learning.
Qu'est-ce que le Machine Learning ?
On dit souvent que l’Intelligence Artificielle comprend comme champ d’études le Machine Learning, et ce dernier comprend le Deep Learning. Le Machine Learning est donc une sous-catégorie de l’IA. Cependant, pour faire la distinction simplement, le but de l’IA est d’apprendre à une machine à avoir un comportement « intelligent », celui du Machine Learning est de permettre à une machine d’apprendre et d’évoluer de façon autonome grâce à un processus systématique.
Si le Machine Learning rencontre aujourd’hui un énorme succès, les premiers algorithmes ont pourtant fait leur apparition dans les années 50. La différence avec aujourd’hui est que l’évolution rapide au sein de la discipline a amené de nombreux cas d’usage qui ont incité les entreprises à y regarder d’un peu plus près. En effet, cette science moderne permet de dégager des tendances et de faire des prédictions à partir de données. Les cas d’usage sont donc nombreux : réduction du taux d’attrition, segmentation de marché, prédiction de ventes, détection de fraudes ou encore maintenance prédictive.
Le Machine Learning se base donc sur les statistiques, l’analyse mais aussi la reconnaissance de patterns (motifs). On enseigne, par le biais d’un ensemble de technologies, à une machine à apprendre puis à exécuter des tâches de façon autonome. C’est ce qu’on appelle “automatisation de processus” : la machine se charge des tâches qui sont souvent répétitives de façon autonome, sans besoins d’intervention humaine.
Si ces tâches étaient plutôt « basiques » dans un premier temps, les algorithmes mis en place permettent désormais aux machines d’apprendre des modèles de plus en plus complexes et de traiter un grand nombre d’informations. Comment ? Grâce au Big Data qui a apporté de nouvelles technologies de stockage et de traitement de données. C’est la raison pour laquelle on associe souvent Machine Learning et Big Data, car ils se retrouvent dans la quantité de données à traiter et donc dans les technologies qui permettent de le faire.
Passer de la Modern Business Intelligence au Machine Learning avec la Plateforme DataOps
La business intelligence aide donc à poser les bases pour aller plus loin. Elle est en quelque sorte le premier palier vers la capitalisation de vos données. Mais alors pourquoi ne pas sauter cette étape et directement se tourner vers l’IA ? Car la BI est un sujet « métier » et non à proprement technique comme l’est le Machine Learning. En plus de vous permettre de centraliser vos données, d’avoir une organisation Data Centric et de construire les fondations d’une organisation Data Driven, la Modern BI implique les métiers et leur intégration dès le processus de définition des use cases peut être critique à la réussite d’un projet. Enfin, en lançant une initiative autour de la Modern BI, vous allez pouvoir appréhender les problématiques liées à la mise en place d’un projet data, vous familiariser avec les différentes technologies du secteur, et surtout démonter rapidement de la valeur auprès des métiers.
La Plateforme DataOps de Saagie va pouvoir vous aider et vous accompagner dans votre projet de Modern BI, et donc devenir le lien entre business intelligence et machine learning.
Son environnement collaboratif simplifie l’accès aux données aux différentes équipes. Ainsi, la création de flux de données pour les métiers apporte une aide à la décision et intègre la vision business. La capacité à orchestrer les différentes technologies Big Data entre elles favorise le travail en équipe et permet une mise en production simplifiée de vos cas d’usage. Et tout cela de façon sécurisée et en temps réel. Enfin, la gouvernance des données apporte la caution sécurité et qualité.
Cas concret : la Caisse d’Epargne Normandie
L’objectif était simple : mettre à disposition des agences et de la Direction Régionale des outils d’aide à la décision et KPIs pour faciliter le pilotage des agences. Pour cela, la première étape a été de rassembler les différentes données des 230 agences de la région. De façon concrète, le cas d’usage BI de la Caisse d’Epargne a été ensuite de mettre en place des tableaux de bord communs à toutes les agences. Cela permettait d’une part aux directeurs d’agence de disposer d’outils leur permettant de mieux connaître leur clientèle, mais aussi à la direction régionale de disposer de rapports et d’indicateurs de performance communs à toutes les agences facilitant la compréhension de l’activité de chacune d’elle.
C’est l’étape BI. Elle leur a permis de monter en compétences et de se familiariser avec les technologies Big Data tout en démontrant rapidement de la valeur. Suite à cela, ils ont pu aller plus loin et se tourner vers des use cases plus complexes impliquant du Machine Learning. C’est ce qu’ils ont fait avec la reconnaissance de documents automatisée, en l’occurrence des pièces d’identité, qui leur a permis d’optimiser une partie des processus internes en simplifiant la saisie d’informations clients dans leur système.
Pour résumer, la Business Intelligence consiste à capitaliser sur les données existantes afin de comprendre ce qu’il s’est passé. Cette première étape est primordiale puisqu’elle permet aux entreprises de se réapproprier leurs données en les explorant. Elle peut même s’avérer suffisante selon les problématiques de l’entreprise. Dans le cas contraire, le Machine Learning permet d’aller plus loin par la création d’algorithmes prédictifs. Le principe reste sensiblement le même : s’appuyer sur ses données. C’est l’objectif qui diffère puisqu’il s’agit ici de prédire ce va arriver et donc d’anticiper. Pour faire le lien il existe aujourd’hui de nombreuses solutions dont la Saagie Data Fabric qui pourra devenir le moteur de votre projet.
