La volumétrie des données est telle qu’elle dépasse les capacités d’analyse des être humains. La transformation numérique des métiers par la data impose une plus grande collaboration entre humains et machines pour tirer de la valeur des données et automatiser les analyses.
Un nombre croissant d’entreprises mettent l’accent sur l’accélération de leur transformation numérique par l’exploitation des données. Selon l’étude Executive Horizons d’HEC, 89 % des participants affirment qu’une gestion efficace des données jouera un rôle de plus en plus important sur le long terme pour la survie des entreprises.
Toutefois, toutes ces modifications impactent en profondeur le fonctionnement des entreprises d’un point de vue structurel. En effet la quantité de données à analyser apporte son lot de difficultés pour les spécialistes des données, les utilisateurs étiers mais aussi les équipes de direction.
Pour les accompagner, les technologies d’automatisation telles que l’intelligence artificielle (IA) et le Machine Learning (ML) viennent en support de la gestion des données pour la rendre “augmentée”, dans le but d’optimiser et d’améliorer les processus de gestion.
Cette mutation est en passe de devenir un facteur de croissance essentiel pour les entreprises qui s’orientent vers une exploitation sans cesse plus intensive des données. Elle peut avoir un impact extrêmement positif, par exemple pour la gestion des données en général, et de référence (Master Data Management) en particulier, mais aussi pour les initiatives de gestion des métadonnées et de gouvernance.
Plus d’automatisation dans la gestion de données
L’automatisation des tâches liées à la gestion des données permet notamment de surmonter les défis liés à la taille ou la complexité des travaux qui auraient dû être réalisés manuellement, et d’élargir ces initiatives aux données les moins structurées. Applicables à l’ensemble des données, l’automatisation trouve ses principaux cas d’usage dans la classification des métadonnées, dans l’aide à la saisie, et dans la mise en qualité des données.
Pour les solutions de gestion de données de référence (MDM), l’augmentation apporte des bénéfices non négligeables en éliminant de nombreuses opérations à faible valeur ajoutée. À mesure que les solutions s’intègrent aux processus des entreprises, un nombre croissant de collaborateurs deviennent en partie responsables du contrôle et de l’entretien des données de référence. Si une part substantielle de leur travail, et de leur valeur ajoutée, repose sur la prise de décision humaine qui ne peut être réduite de cette manière dans son intégralité, une large partie de ce travail peut être automatisé. La gestion des données de référence augmentée tient la promesse d’automatiser ces tâches redondantes.
Selon Gartner, l’automatisation pourraient entrainer une diminution des tâches manuelles de la gestion des données de l’ordre de 45 % en 2022.
Autonomie et décision éclairée parmi les principaux avantages
Les technologies « augmentées » s’appuient sur les données, mais aussi sur les métadonnées et les liens et références complexes qui existent entre les données. Elles permettent de détecter les relations et corrélations existant entre les ensembles de données ou de métadonnées pour fournir aux entreprises des enseignements pouvant déboucher sur des actions concrètes, par exemple pour l’optimisation des infrastructures, ou pour améliorer la qualité et la valeur des données:
Dans le domaine de la qualité, les problèmes et anomalies sont rapidement détectés et résolus. Les processus fournissent simultanément les enseignements grâce auxquels des mesures proactives peuvent être suggérées et envisagées. Cet ensemble génère in fine de la valeur pour les entreprises en leur permettant de prendre plus rapidement des décisions des données de confiance. D’un autre côté, l’automatisation et l’augmentation utilisant les métadonnées permet l’optimisation des outils et infrastructures stockant et traitant les données, par la mise en place d’un architecture de type Data Fabric.
Collaboration entre l’humain et la machine
De manière générale gestion des données augmentée permet à tous les utilisateurs qui travaillent avec la donnée et la métadonnée de gagner en autonomie, quel que soit leur niveau de compétences en informatique, tout en permettant aux spécialistes de consacrer davantage de temps à la vision d’ensemble plutôt que de devoir gérer les opérations techniques au quotidien.
Comme pour de nombreuses technologies de pointe, les êtres humains continuent de jouer un rôle central concernant les opérations et la maintenance de l’environnement technologique. Toutefois, combiner intelligence humaine et artificielle permet de créer davantage de valeur. Dans le cas de la gestion des données, elle garantit une précision, une performance et une évolutivité opérationnelle adéquate et efficace.
___________________
Par François-Xavier Nicolas, Chief Product Officer, Semarchy
À lire également :
Il faut secouer les données endormies pour réveiller la valeur.
MDM versus PIM : un faux débat ?
Différencier un Data Hub, un Data Warehouse et un Data Lake