Il y a quelques années, le monde des ordinateurs et de la technologie est entré dans une nouvelle ère cognitive – une ère qui met l’accent sur l’intelligence artificielle, ou la capacité des ordinateurs et des programmes à prendre des décisions, à apprendre et ainsi à acquérir de l’expérience pour des cas futurs. Lors de nombreux panels, il était évident que les participants n’étaient pas sûrs de la possibilité de l’intelligence artificielle avec les ressources actuelles, mais ils ont également entendu la question de savoir pourquoi la technologie cognitive est si importante pour le monde actuel. La réponse réside dans le fait que les attentes vis-à-vis de la technologie augmentent chaque jour, que les attentes vis-à-vis de la technologie n’ont jamais été aussi élevées et que le monde change en réalité à la vitesse à laquelle la technologie évolue. En regardant du point de vue de l’utilisateur individuel, on peut voir qu’au travail, mais aussi à la maison, l’utilisateur s’attend à un accès rapide aux informations dont il a besoin. L’option où les utilisateurs ont des vies professionnelles et privées complètement séparées devient de plus en plus rare, et on peut dire que ces deux concepts fusionnent en regardant la vie d’un professionnel de l’informatique. Un individu doit en savoir plus, comprendre plus et être capable de faire plus pour progresser en tant que travailleur, mais aussi en tant que personne. Et pour que tout cela soit possible, la technologie doit nous offrir de telles opportunités, plutôt que d’être un frein.
Seulement votre Jarvis
Jusqu’à présent, les utilisateurs finaux ont dépendu de leur département informatique ou de leur entreprise pour leur fournir des rapports prêts à l’emploi selon leurs souhaits. La préparation des données et la recherche sont des processus non structurés et ingrats. Il est facile de voir quel facteur affecte quel résultat et ainsi de filtrer les données pour obtenir la solution la plus précise. Cependant, cela ne signifie pas nécessairement que c’est la meilleure solution. La meilleure solution est lorsque toutes les données sont prises en compte dans l’analyse et lorsque la solution émerge comme un produit de toutes les données pour un seul. Et pour cela, l’aide d’un programme est nécessaire car pour la plupart, il est tout simplement impossible de saisir toutes les connexions au sein des vastes quantités de données d’une entreprise. C’est là que l’importance de programmes comme Watson Analytics entre en jeu.
>>>PHOTO : Megatrend et IBM – sans stockage rapide, il n’y a pas d’intelligence artificielle
L’avantage commercial de Watson Analytics et d’outils similaires est qu’ils accélèrent le temps nécessaire pour commencer l’analyse et permettent à l’utilisateur d’utiliser ce temps pour une véritable analyse au lieu de le passer à la préparation des données, à la recherche de connexions, etc.
En plus d’offrir un ensemble complet d’outils d’analyse en libre-service, Watson Analytics aide à préparer les données pour l’analyse, répond aux questions possibles des utilisateurs avant même que l’utilisateur ne pense à les poser, et répond également à des questions auxquelles l’utilisateur ne savait même pas qu’il pouvait obtenir une réponse. L’avantage commercial de tels outils est principalement que Watson Analytics accélère le temps nécessaire pour commencer l’analyse et permet à l’utilisateur d’utiliser ce temps pour une véritable analyse au lieu de le passer à la préparation des données, à la recherche de connexions, etc. Maintenant, l’utilisateur a plus de temps pour se concentrer sur la compréhension de certaines données et connexions et sur la compréhension de l’ensemble de l’entreprise et des facteurs qui affectent l’entreprise.
La partie principale qui donne à l’utilisateur un avantage par rapport à d’autres outils est que Watson Analytics fonctionne sur le principe du superordinateur Watson. L’utilisateur pose des requêtes en langage naturel, et Watson Analytics répond avec des représentations visuelles et des suggestions sur ce qu’il faut faire ensuite. Et que pourrait-il y avoir de mieux que lorsque, lors d’une tâche difficile, votre meilleur ami peut devenir un programme informatique comme Jarvis d’Iron Man l’était dans de nombreux cas.
Il est important de savoir comment poser une question
Cela permet l’analyse tant attendue pour l’utilisateur final qui n’a pas d’expérience dans le travail avec des analyses mais souhaite les réaliser lui-même car il n’a pas le temps ou l’argent pour des analystes. Il n’est pas nécessaire de programmer ou de coder ; l’utilisateur doit simplement savoir comment poser une question. Un avantage pour l’utilisateur commercial est également la navigation dans l’interface, qui aide les nouveaux utilisateurs (en particulier ceux qui ne viennent pas du domaine de l’analyse) à naviguer et guide l’ensemble du processus de création d’analyses et de visualisations. En fait, la seule partie où une aide interne en informatique est nécessaire est la connexion aux sources de données telles que le serveur Cognos ou diverses bases de données pour la sécurité et les données que l’utilisateur n’a généralement pas en dehors du groupe système. Pour les tâches après la connexion initiale, l’utilisateur ne devrait pas chercher d’aide car tout est très simple. Ils peuvent télécharger des données, formater les noms de colonnes ou dépersonnaliser les données selon les règles de confidentialité, immédiatement lors de la formation d’un nouvel ensemble de données ou plus tard si un changement spécifique est nécessaire sur l’ensemble de données avec lequel ils travaillent. La simplicité de la formation et de la préparation des données dans Watson Analytics est une différence significative par rapport à d’autres outils où la préparation des données pour l’analyse commerciale prend plus de temps que tout autre processus.
Prêt pour l’analyse
Et après quelques étapes mentionnées, tout est en fait prêt pour l’analyse. L’utilisateur ouvre l’onglet Discovery sur le portail où tous les ensembles de données dont il dispose sont visibles et commence à analyser soit en cliquant sur l’ensemble de données, soit en posant une requête dans l’espace de questions. Les questions n’ont pas besoin d’être sémantiquement complètement précises car l’outil lui-même examine les termes saisis et recherche une réponse qui satisfait les termes spécifiés. Peu importe que l’on tape, par exemple, ‘Quel est le montant des ventes en 2016 par région et type de produit’ ou ‘montant des ventes 2016 région type de produit’, ils reçoivent généralement les mêmes modèles pour commencer les analyses, donc la logique dans les questions n’est pas cruciale pour la reconnaissance du langage naturel de l’outil. Après avoir reçu les réponses suggérées et initié les analyses, l’espace Discovery s’ouvre sur le côté droit où Watson Analytics suggère de nouvelles questions liées à la question initiale ou celles qui offrent une analyse plus approfondie, en liant à un ou plusieurs attributs selon lesquels l’analyse initiale a été réalisée. Cela permet un passage rapide d’une analyse à une autre et la découverte de nouvelles informations auxquelles l’utilisateur n’avait même pas pensé auparavant.
Et enfin – visualisation
Enfin, nous arrivons aux visualisations, de plus en plus populaires dans le monde de l’analyse, surtout pour les nouveaux utilisateurs commerciaux qui souhaitent plonger dans les eaux analytiques. La création de visualisations est en fait similaire à tout outil de présentation ; les modèles et les couleurs sont très facilement modifiables pour trouver la meilleure visualisation pour l’utilisateur. Le filtrage des analyses sur le tableau de bord est divisé en sections (l’ensemble du tableau de bord et/ou une visualisation spécifique), donc il n’est pas nécessaire de créer un filtre comme dans d’autres outils analytiques, mais seulement de marquer les attributs selon lesquels le tableau de bord doit être filtré. C’est un produit qui peut satisfaire les désirs des utilisateurs commerciaux qui s’intéressent à l’auto-analyse car ils ne veulent pas attendre que leurs analystes fassent tout. Cependant, Watson Analytics n’est ni destiné à remplacer de véritables outils analytiques ni ne devrait l’être – c’est exactement comme il est présenté – un outil d’analyse en libre-service pour chaque utilisateur commercial. Cela doit être bien retenu avant de commencer à concevoir d’énormes projets avec lui.
écrit par FRAN KARLO STRAJHER consultant en solutions commerciales, solutions commerciales Megatrend
