Les problèmes liés aux silos dans les domaines de l’IT et de la gestion des données sont connus depuis longtemps. Pourtant les entreprises donnent l’impression de tomber de nouveau dans le même piège en ne donnant pas accès à leurs capacités d’Intelligence artificielle (IA) et de machine learning (ML) à l’ensemble de leur structure.
Ainsi, une étude menée par IDC en avril 2020 a démontré que seuls 20 % des acteurs répartissent largement ces capacités au sein de leur organisation.
Les solutions d’analytique qui tirent parti de l’IA et du ML pour améliorer l’expérience utilisateur et les enseignements tirés des données sont en plein essor. De nombreux dirigeants sont conscients que disposer de ces capacités en silos, divisées entre les équipes de Business Intelligence, les empêchera d’accélérer la création de valeur à partir des données.
En effet, 42 % d’entre eux considèrent que généraliser l’utilisation de l’IA et du ML parmi les employés est essentiel pour améliorer les chances de succès des projets d’analytique.
Trois causes principales à la persistance de ces silos
Alors pourquoi ces silos réapparaissent-ils ? Il existe trois raisons majeures à cela. La première réside dans la stratégie de gouvernance des données choisie par les entreprises. Ces dernières optent généralement pour la solution la plus simple qui consiste à définir un nombre limité de personnes en charge de l’accès aux données. Si cette approche garantit la sécurité des données, elle limite la possibilité pour l’entreprise de tirer avantage de celles dont elles ont besoin pour faire fonctionner des outils analytiques avancés qui incluent l’IA et le ML.
Le deuxième défi réside dans le fait qu’il est soit difficile d’extraire les données de certaines sources soit, lorsque la bonne méthode n’est pas utilisée, les données ne sont alors pas aussi utiles qu’elles le devraient. Les systèmes ERP en sont les premiers exemples car ils limitent la capacité pour les utilisateurs métier à extraire les données pour les incorporer dans des solutions analytiques intelligentes, notamment pour une modélisation prédictive.
Enfin, de nombreuses entreprises ne sont pas dotées de compétences suffisamment réparties sur l’ensemble de leur structure pour permettre une utilisation plus démocratisée de l’IA et du ML. Une étude menée par Accenture a révélé que seuls 21 % des employés dans le monde déclarent disposer des compétences nécessaires pour lire, travailler, analyser ou argumenter avec les données de manière efficace. Sans ces compétences de data literacy fondamentales, de nombreux collaborateurs sont incapables de questionner et de tirer parti des enseignements proposés par des solutions intelligentes.
Démocratiser les bénéfices de l’IA et du ML dans le domaine de l’analyse de données
Comprendre d’où vient le problème est déjà un début de solution. Si les responsables IT prennent des mesures fermes dès maintenant, ils peuvent casser ces silos pour que l’ensemble de leur entreprise ait la possibilité d’appliquer l’Intelligence Active. Voici comment les entreprises peuvent surmonter ces défis et en faire profiter l’ensemble de leur organisation :
* Donner aux utilisateurs les moyens d’accéder aux données en libre-service – Près de deux tiers des dirigeants d’entreprises (61 %) déclarent que trouver des sources de données créatrices de valeur est l’un des plus grands défis auxquels ils doivent faire face. Les bénéfices liés à la création d’un catalogue de données sur lequel il est possible d’effectuer des recherches sont alors incalculables. Par exemple, un dirigeant en charge des ventes peut entrer le terme « client » pour visualiser les ensembles de données pertinents, depuis les factures jusqu’aux données relatives au service client La mise en place d’une plateforme SaaS sur laquelle des recherches sont possibles, plutôt qu’un stock de données statique, permet également d’améliorer la gestion de la gouvernance et des autorisations d’accès.
* Libérer le potentiel des sources de données brutes – Les systèmes ERP et CRM contiennent de vastes quantités de données qui sont porteuses de valeur. La capacité à donner accès en quasi temps réel à ces données dans un format optimisé reste un obstacle, qui empêche les DSI et les CDO de les mettre entre les mains des utilisateurs métier. Le processus traditionnel extract, transform, load (ETL) utilisé pour transférer ces données transactionnelles vers des entrepôts de données où elles peuvent être gouvernées, nettoyées et requêtées prend souvent de six à neuf mois, à l’issue desquels la plus grande partie de leur valeur peut être perdue pour l’entreprise. Le passage à l’ELT et l’automatisation du processus de streaming de données avec le Change Data Capture (CDC) permet aux entreprises d’accéder en temps réel aux informations provenant des solutions ERP et CRM. Cela vient également alimenter les moteurs d’analytique avancée et prédictif pour les utilisateurs métier.
* Opter pour des plateformes intuitives – Les plateformes d’analytique augmentée facilitent de manière significative l’accès aux enseignements à partir desquels les entreprises peuvent agir. Les systèmes intelligents peuvent accompagner les utilisateurs dans leur cheminement à la recherche de la bonne information. Par exemple, l’analytique conversationnelle aide les utilisateurs à naviguer parmi les données, tandis que le traitement du langage naturel fait disparaître la barrière du langage et du vocabulaire technique au bénéfice de l’utilisateur.
* Investir dans les compétences des employés – Une étude menée par IDC révèle qu’actuellement, seuls 16 % des collaborateurs dans le monde sont dotés des compétences d’analyse IA et ML. Toutefois, il est encourageant de s’apercevoir qu’une tendance à former davantage de collaborateurs se dégage. Les sondés ont prédit que leur nombre augmenterait jusqu’à atteindre 25 % des effectifs d’ici deux ans, tout en augmentant la proportion d’employés dotés de compétences en data literacy de 45 à 63 %. Il ne faut pas sous-estimer le rôle que joue ces compétences dans la destruction des barrières à la prise de décisions appuyée sur les données. Ces compétences permettent aux utilisateurs de trouver, d’explorer, d’analyser et de questionner les enseignements-clés que génèrent les plateformes IA et ML.
C’est en appliquant l’ensemble de ces bonnes pratiques que les entreprises pourront utiliser les solutions d’analytique reposant sur l’IA et le ML pour accélérer la création d’actions informées et de résultats positifs.
___________________
Par Stéphane Briffod, directeur avant-ventes, Qlik