My Blog

Étiquette : ALTERYX

  • Pourquoi les entreprises ne sont pas prêtes à réussir le déploiement de l’IA générative ?

    IA : un difficile équilibre entre confiance et réalité

    Une étude réalisée par Alteryx

    Une étude réalisée par Coleman et Parks pour Alteryx révèle que la qualité des données en silo reste encore un défi (surmontable) pour les équipes informatiques à travers le monde alors qu’elles préparent leurs piles de données pour l’IA générative.

    Un manque de confiance envers les piles de données

    L’étude souligne un décalage important entre la confiance que les responsables informatiques mondiaux accordent à leurs données et la réalité de leurs piles de données.

    En France, alors que 43% des répondants qualifient la maturité de leurs données comme étant « bonne » ou « avancée » et que 68% ont confiance dans leurs données, un cinquième a tout de même évoqué les défis qu’il restait à relever, notamment les biais de données (26%) et la qualité des données (19%).

    Ces problèmes sous-jacents suggèrent que les bases des piles de données actuelles ne sont pas à la hauteur pour réussir un déploiement de l’IA générative.

    En effet, seuls 10% déclarent disposer d’une pile de données « moderne ».
    Cela pourrait être lié aux trois facteurs cités qui déterminent la structure de la pile de données, à savoir l’architecture informatique, les sources de données et l’expertise technique.

    Des stratégies technologiques rigides

    Cela ne signifie pas pour autant que les entreprises ne cherchent pas à s’améliorer.

    Au niveau mondial, près de la moitié des entreprises (47%) déclarent travailler activement à moderniser leurs systèmes pour améliorer les résultats en matière de gestion des données.

    Il est encourageant de constater qu’au niveau mondial, 23% des répondants souhaitent investir pour obtenir une meilleure qualité des données pour relever les défis technologiques qui bloquent l’adoption de l’IA.

    Toutefois, même si les responsables informatiques du monde entier reconnaissent l’importance d’investir dans de nouvelles technologies, le manque de flexibilité pourrait freiner l’innovation.

    Même si les équipes informatiques sont responsables de leur budget, 56% des répondants en France affirment que si d’autres projets prioritaires se présentent après la répartition du budget, ce dernier ne pourra pas être modifié.
    Ce manque d’agilité est un frein pour répondre à une innovation qui doit être constante, alors même que l’IA évolue rapidement.

    La culture des données n’est pas encore assez intégrée au sein de l’entreprise

    L’étude souligne également que la gestion et l’organisation des équipes chargées des données constituent un obstacle à l’innovation.

    Près de la moitié (46%) des responsables informatiques français indiquent qu’ils ne disposent pas d’une fonction centralisée de gestion et d’analyse des données qui gère les données comme une ressource partagée pour l’entreprise ; Ainsi, plus de la moitié des répondants français (59%) mentionnent des silos de données conservés au sein du service qui les génère.

    Ce constat n’est pas surprenant car l’étude a aussi montré un manque de consensus quant à savoir qui est responsable des données au sein d’une organisation.

    En France, les répondants mentionnent plusieurs fonctions différentes, en tête, le Chief Data Officer (24%), suivi du conseil d’administration (8%) et enfin des cadres supérieurs (4%). Cela suscite des inquiétudes étant donné que l’accès et la gestion des données sont des éléments clés pour une mise en œuvre réussie de l’IA générative.

    « Avec l’IA générative désormais à son apogée en termes de popularité, les dirigeants d’entreprise et les équipes informatiques français doivent garder en tête que les données sont devenues un élément incontournable et décisif pour le succès d’une entreprise, souligne Raphaël Savy, Vice-President Southern Europe chez Alteryx

    Pour réussir dans cette ère d’intelligence automatisée axée sur les données, il est impératif de réunir des piles de données modernes et une main-d’œuvre qualifiée dans ce domaine, afin d’exploiter pleinement les ressources d’automatisation.

    Les piles de données modernes doivent accélérer le traitement des données tout en permettant à tous et pas seulement aux responsables informatiques, de relever les défis de l’entreprise et de prendre des décisions pertinentes. Le véritable indicateur de succès réside dans le nombre d’équipes habilitée à prendre des décisions basées sur les données de manière plus rapide et plus efficace, leur permettant de rester compétitif.

    Pour en savoir plus sur le rapport “Data Stack Evolution: Legacy Challenges and AI Opportunities”,
    téléchargez le rapport complet.

  • Big data Vs Smart data : comment mieux tirer profit de ses données ?

    Big data Vs Smart data : comment mieux tirer profit de ses données ?

     Par Raphaël Savy, Directeur Europe du Sud chez Alteryx

    La donnée a été, sans conteste, le mot de l’année et nul besoin de rappeler son importance pour les entreprises. Grâce à l’essor technologique et l’augmentation du volume de données générées, on ne compte plus les secteurs d’activités qui ont été transformé par le Big Data. Télécommunications, retail, fitness, banque ou encore énergie, le Big Data permet d’analyser des données structurées ou non structurées, afin d’améliorer ses services et augmenter ses revenus.

    Afin de répondre aux besoins de leurs clients, les entreprises doivent donc optimiser leurs stratégies et processus et tirer profit des données dont elles disposent. Pour y parvenir,
    les organisations optent désormais pour des stratégies data driven, où la qualité de la donnée est aussi importante que la quantité : le Big Data doit devenir le Smart Data.

    Data scientist : le métier du 21e siècle ?

    Pour cela, elles sont nombreuses à rechercher, désespérément, des experts afin d’évaluer et analyser cet amas inépuisable d’informations. Les offres d’emploi de data scientist ou
    data analyst fleurissent depuis quelques années. En avril dernier, la plateforme Joblift a dévoilé une étude sur le marché de l’emploi des data scientists en France. Après avoir analysé plus de 14 millions d’offres d’emploi au cours des deux dernières années, elle a constaté que près de 5 824 d’entre elles concernaient une recherche de data scientist, soit une hausse mensuelle moyenne de 5 %. Quelle que soit la quantité de données que possède une entreprise, ces données peuvent être complètement inutiles si personne ne peut les traiter ou encore les évaluer. Une fois ces étapes effectuées, encore faut-il que les résultats obtenus soient interprétés afin de faciliter la prise de décision. Enfin, ces résultats doivent être partagés au reste des équipes et des instructions doivent être données à ces dernières pour qu’elles puissent les exploiter au mieux. Tel est le rôle du data scientist, ce qui explique son importance grandissante.
    Pour preuve, le magazine Harvard Business Review l’a reconnu, en 2012, comme étant « l’emploi le plus sexy du 21e siècle ».

    Néanmoins, le travail quotidien de ces scientifiques spécialisés dans la donnée est loin d’être glamour. Leur journée se résume à des réunions pour : identifier et indiquer quelles données sont pertinentes pour l’entreprise ; sélectionner quels outils utiliser ; déterminer où et comment stocker les données et enfin, concevoir des algorithmes. Enfin, l’entrée en vigueur du RGPD en mai dernier a pour objectif de protéger les utilisateurs et leurs données. Si les particuliers ont désormais le choix de partager, ou non, leurs informations personnelles, la nouvelle réglementation responsabilise surtout les professionnels. Charge à eux, de proposer des offres et services plus personnalisés, en exploitant au mieux les données auxquelles ils ont accès.

    Du Big Data vers la Smart Data 

    Le Big Data implique la collecte de données complexes sur 5 dimensions : le volume, la variété, la vélocité, la véracité et enfin la valeur commerciale. Ces dimensions décrivent la quantité et le type de données recueillies et à quel moment, ainsi que leur importance et pertinence par rapport aux enjeux de l’entreprise.

    En revanche, le Smart Data va un cran plus loin et consiste à extraire de l’ensemble des données collectées, les informations les plus pertinentes pour l’entreprise afin de pouvoir faire des prédictions. Pour résumer la Smart Data correspond à : Big data + sémantique + qualité des données + sécurité + protection des données = données de qualité et sécurisées. Cette formule souligne l’importance du Big data comme la matière première à partir de laquelle la Smart Data est extraite.

    Prenons l’exemple d’une gare. Toutes les données collectées à l’intérieur et autour de la station telles que les informations sur les heures d’arrivée et de départ des trains, les travaux d’entretien ou encore la météo représentent le Big Data. La Smart Data se traduira, par exemple, par le fait d’anticiper les annulations de trains dues aux conditions météorologiques. Concrètement, cela reviendrait à savoir combien de passagers seraient concernés si un train est annulé à cause de la météo et comment la compagnie ferroviaire peut y faire face. Les data scientists peuvent ainsi déterminer, à l’avance, quelle pourrait être la meilleure solution pour chaque problème.

    Une étude du MIT indique que le Big Data confère un avantage compétitif aux grandes entreprises par rapport aux PME/TPE. Ce fossé continuera à se creuser, notamment grâce aux nouvelles technologies, qui permettront aux grands groupes de drainer plus de données. Ils pourront ainsi créer des offres personnalisées, améliorer l’expérience client, proposer une meilleure qualité de service, lutter contre les fraudes ou encore résoudre certains problèmes efficacement et rapidement. Heureusement, le constat n’est pas aussi fataliste dans les faits. Des entreprises telles que Airbnb, Uber ou encore Amazon (start-up à leur début), ont su, grâce à l’innovation technologique et une offre adaptée aux besoins des utilisateurs, se démarquer face aux acteurs traditionnels. A travers ces exemples, on se rend compte que de fantasme il y a encore quelques années, le Big Data est donc devenu un enjeu crucial pour toutes les entreprises…