Lecture 8 minutes
Terminé les “c’est pour bientôt” : l’Intelligence Artificielle est désormais bel et bien présente dans les plateformes de Business Intelligence modernes. Depuis plusieurs années, on en entend parler... Mais aujourd’hui des exemples concrets et opérationnels de l'IA dans le traitement de la data confirment que c’est bien réel ! Synolia, expert Business Intelligence, vous en dit plus sur le sujet.
De nouvelles fonctionnalités orientées IA permettent en effet aux utilisateurs des solutions Business Intelligence de passer à la vitesse supérieure dans leur data analyse, leur prise de décision et d’action. C’est notamment très intéressant pour ceux qui n’ont pas encore passé le cap de la BI et qui ont pris un retard non négligeable en termes de stratégie data.
Qu’attendre de l’IA dans une plateforme Business Intelligence ?
L’utilité des plateformes Business Intelligence pour gagner en performance grâce à la transformation des données d’une entreprise n’est plus à prouver. Depuis plusieurs années, on ne cesse en effet de mettre en avant les nombreux bénéfices d’une stratégie structurée et ambitieuse autour de la data. Toutefois, ce gain de performance peut encore être optimisé sur trois axes :
- Accompagner davantage les utilisateurs, même les plus éloignés de la data, dans leurs analyses pour leur faire gagner toujours plus de temps et les aider à mieux appréhender leur data.
- Faciliter et assister les utilisateurs dans la création et la personnalisation des indicateurs et dashboards, mêmes les moins techniques.
- Simplifier l’accès à des analyses avancées à la demande, selon des critères précis et des envies spécifiques.
Pour répondre à ces attentes, les éditeurs poussent donc encore plus les limites de la Business Intelligence avec des fonctionnalités basées sur l’Intelligence Artificielle. C’est en effet à travers elle que ces optimisations sont possibles. On vous en dit plus sur ces trois axes !
Rendre les utilisateurs "data literate" grâce à l’IA
Garantir l'accès à la data à tous
L’adoption d’une solution Business Intelligence se joue auprès de tous ses utilisateurs, y compris, et surtout, ceux qui n’ont pas l’habitude de manipuler la donnée. Ces utilisateurs qui ne sont pas encore data literate (qui n’ont pas l’habitude de lire, comprendre et communiquer la donnée) se trouvent à tous les niveaux d’une entreprise, de la direction aux opérationnels. Lorsqu’ils prennent en main leur solution Business Intelligence, les possibilités sont tellement vastes et les analyses si nombreuses qu’ils peuvent s’y perdre et de ne pas savoir comment concrétiser leurs demandes d’analyse les plus basiques ou même comment aller à l’essentiel. Une solution : l’Intelligence Artificielle.
Place à l'analyse conversationnelle
Différentes fonctionnalités d’Intelligence Artificielle proposent en effet un accompagnement personnalisé et une assistance dans les analyses. L’une d’entre elles est l’analyse conversationnelle, ou la capacité à poser une question avec ses propres mots à l’IA. Cette dernière se matérialise dans la solution Business Intelligence sous la forme d’un assistant ou chatbot à qui l’on pose sa question. Par exemple, “Quelle est l’évolution de mes ventes cette année ?” ; “Quel est mon top produit en Q3 2021 ?”... Des interrogations auxquelles l’IA répond avec des chiffres et visuels sur la base des données présentes dans l’outil BI.
Des alertes générées automatiquement
Une autre fonctionnalité a vocation à assister les utilisateurs et à leur faire gagner un temps précieux : la génération automatique d’alerte sur la donnée. Il est désormais possible de recevoir une notification sur son smartphone, par mail, dans sa discussion instantanée (Slack, Teams, etc.) lorsqu’un événement précis survient. Par exemple, lorsqu’un produit est en rupture de stock, lorsque des objectifs de vente ou de production sont atteints ou encore lorsqu’un niveau de risque élevé est identifié sur un processus. Ces alertes apportent un gain de performance et de réactivité non négligeable. Elles permettent également de lier plus que jamais analyse de la donnée et prise de décision.
Pour aller encore plus loin, les Intelligences Artificielles sont capables de suggérer des analyses intelligentes des données disponibles sous un angle différent. Ce qui permet de remonter aux utilisateurs des tendances qu’ils n'auraient pas analysées spontanément.
Exemple : chez Qlik, l’Insight Advisor converse avec les utilisateurs pour répondre à leurs questions. Il peut soulever des alertes de qualité de la donnée ou bien faire des suggestions d’analyses plus pertinentes à l’utilisateur. Dans un souci de transparence des informations générées par l’IA, l’utilisateur peut identifier les données sources utilisées dans la réponse.
Le machine learning transforme vos utilisateurs en data analystes
Une aide à la création de dashboards
Les fonctionnalités de self-service facilitaient déjà jusqu'à maintenant la création de dashboards et de visuels intuitifs. Mais lorsqu’un utilisateur n'est pas habitué à traiter de la donnée, il peine à savoir quelle mise en forme utiliser pour analyser ses indicateurs. Bonne nouvelle ! Certaines solutions Business Intelligence intègrent déjà depuis plusieurs années des assistants à la génération de dashboards. Ce qui constitue une forme d’Intelligence Artificielle.
L'intégration du machine learning
Sur ce sujet, la nouveauté se trouve du côté de l’intégration de machine learning. En effet, désormais, les utilisateurs peuvent préciser à cet assistant la pertinence ou le mauvais choix des informations qu'il propose. À partir de là, l’IA apprend alors avec eux ce qu’il est le plus intéressant de mettre en relation et peut ainsi proposer au fur et à mesure des analyses toujours plus percutantes. Cet apprentissage à la fois côté IA et côté utilisateur permet de supprimer des barrières techniques qui pouvaient encore en freiner certains utilisateurs dans l’exploitation de tout le potentiel de la BI.
Exemple : chez Qlik, l’Insight Advisor génère automatiquement des graphiques sur les données pour lesquels l’utilisateur indique de ne plus suggérer d'analyse - ou encore, des données qu’il vaut mieux traiter en mesure (donnée de fait) plutôt qu’en axe d’analyse. Plus les utilisateurs pointeront des informations inutiles (“ne plus suggérer”), plus les analyses seront pertinentes et précises pour l’ensemble de la communauté.
Des analyses avancées à la demande
Faciliter l'accès à des analyses complexes
Le dernier pan sur lequel les éditeurs de solution BI sont attendus depuis longtemps concerne les analyses, jusqu’alors réservées à la data science. Par là, on entend toutes les analyses qui nécessitent des logiciels ou des langages de programmation spécifiques (R, Python…) et souvent des algorithmes de calcul très complexes. Il est bien entendu d’ores et déjà possible d’intégrer des modules de ces langages dans la plupart des solutions BI et d’en analyser les résultats, mais impossible de les manipuler sans être un data scientist aguerri.
L'IA au secours des utilisateurs novices
Dans ce contexte, l’objectif de l’IA est d’intégrer des algorithmes de data mining (clustering, réseaux neuronaux, arbre de décision…) ou encore d’analyse prédictive à la demande des utilisateurs, qu’il soit expert technique ou non. De cette façon, n’importe quel utilisateur peut sélectionner un certain nombre de critères (axe temps, type de regroupement, indicateur…) et obtenir facilement des prédictions pertinentes (les ventes sur une gamme de produits pour les x prochains mois) ou encore son clustering en un clic (cf ci-dessous).
Cet axe reste celui sur lequel le plus de travaux prometteurs sont en cours chez les éditeurs pour arriver à des intégrations "complètes". Cependant, des choses très intéressantes sont déjà en place et ce type d’analyse deviendra une norme en BI dans les années à venir.
Exemple : chez Qlik, on le voit sur cet exemple, le clustering permet de segmenter ses produits en trois catégories selon leurs ventes et leurs stocks. On identifie alors aisément en jaune les produits sur lesquels il y a un fort déséquilibre entre stocks et ventes. On peut imaginer ce même type de segmentation sur des ID Client, par exemple, pour définir des groupes de clients VIP en mettant en corrélation volume et fréquence d’achat. Prochaine étape : avec l’acquisition de BigSquid, c’est sur la prédiction que Qlik va mettre la vitesse supérieure en 2022 !
La data par et pour tous
À travers ces cas d’usage, vous percevez mieux comment l’IA est montée en puissance ces dernières années au service de la data analyse. De belles perspectives sont encore à prévoir pour ce nouvel indispensable de la BI rendant les possibilités offertes aux utilisateurs toujours plus grandes.
En attendant les prochaines perspectives de l'IA dans la data, transformez votre finance grâce à la Business Intelligence !
