Edouard Beaucourt, Directeur France et Europe du Sud, Tableau
Le machine learning sera le meilleur allié de l'analyste
Si les scénarios apocalyptiques liés à l'intelligence artificielle et au machine learning ont le vent en poupe, il faut se tourner vers le métier d'analyste pour en voir les implications concrètes. Le défi de l'analyste réside dans sa double-compétence : pouvoir effectuer des tâches opérationnelles, telles que l'analyse, le tri et l'interprétation des données, et avoir une réflexion stratégique. Le machine learning, de par son aspect évolutif, fait gagner un temps considérable à l'analyste. Plus besoin, par exemple, de parcourir d'importants volumes de données pour rendre compte des conséquences d'un changement de prix de l'impact d'évènements extérieurs sur les ventes.
Les calculs identifiés comme chronophages pour l'analyste peuvent être effectués en quelques secondes seulement grâce au machine learning. L'analyste peut alors se consacrer pleinement à la réflexion stratégique. Il faut bien comprendre, cependant, qu'il n'est utile que si les résultats sont clairement définis.
Par ailleurs, alimenter la machine en données ne suffit pas à produire des résultats utiles. Seul un être humain peut déterminer si le contexte fourni est suffisant. Le machine learning peut donc avoir pour vocation d'aider l'analyste à être plus performant, plus précis, et à contribuer davantage à la réussite de son entreprise.
L'IA ouvrira l'entreprise à de nouveaux champs de compétences
La manipulation des données, jusque-là réservée aux utilisateurs expérimentés et aux professionnels de l'IT, est en train de se démocratiser et de s'étendre à d'autres disciplines.
Les plateformes technologiques deviennent plus faciles à utiliser, laissant l'opportunité à des profils plus variés de s'exprimer et amenant une nouvelle manière de traduire l'analyse des données. Une nouvelle génération d'analystes voit le jour, capable à la fois de manipuler les données mais aussi de les interpréter et de s'en servir au sein de leur entreprise.
Chez Nissan, cette ouverture s'est concrétisée par l'embauche d'une anthropologue pour analyser l'interaction homme-machine, et résoudre les problèmes subsistant dans des environnements où cette interaction a lieu. Les anthropologues, par leur approche à la fois historique, sociale et culturelle des individus, peuvent déceler les influences qui régissent notre rapport aux machines. Comprendre ces influences permet de mieux prédire les comportements. Une acuité précieuse dans des secteurs où les entreprises s'adressent au grand public : dans le domaine de l'automobile, l'anthropologie permet de savoir quelle instruction donner à une voiture intelligente pour qu'elle prenne les bonnes décisions en toute situation.
Les données servent également à améliorer la communication interne : dans d'autres entreprises, les compétences littéraires sont mises à profit pour élaborer du storytelling autour des données. Mises en scène, les données permettent ainsi de replacer les évènements dans leur contexte, et de les lier à la réflexion et aux décisions stratégiques. Grâce à l'IA, l'analyse et l'interprétation des données ne nécessiteront plus des compétences spécifiques pour être appliquées au mieux. Elles pourront s'enrichir de compétences toujours plus variées, et gagner en efficacité.
Le search avance à pas de géant grâce au traitement du langage naturel
Alexa, Siri, Cortana et maintenant Google Home posent les bases du search de demain, qui apprendra progressivement les goûts et les besoins des personnes pour y répondre au mieux. Couplé à l'analyse visuelle des données et au mobile, le search constituera un outil indispensable pour se tenir au fait des dernières évolutions d'une activité, et ce même en étant en déplacement. Il ne sera pas inhabituel pour un PDG de demander à son terminal mobile des informations aussi pointues que le total des ventes, d'en extraire les commandes des trente derniers jours, puis de regrouper les résultats par service.
Gartner prévoit d'ailleurs, d'ici les cinq années à venir, que la moitié des requêtes analytiques seront générées via le search, le traitement du langage naturel ou la voix. Pour les développeurs et les ingénieurs, priorité sera donnée à l'optimisation du machine learning, afin que l'IA puisse prendre en compte l'environnement humain et gagner en discernement. Tout le monde ne posant pas une question de la même manière, ce progrès passera nécessairement par une bonne compréhension des workflows.
Biographie d'Edouard Beaucourt
Edouard Beaucourt a rejoint Tableau en 2013 en tant que directeur commercial Grandes entreprises. Depuis 2015, il occupe le poste de Directeur Régional France et Europe du Sud et est à la tête du bureau de Paris. Auparavant, il occupait le poste de responsable commercial territorial du secteur des outils d'analyses professionnels chez IBM. Il a également travaillé au service commercial de Clarity Systems, Microsoft et Hyperion Solutions.
Si les scénarios apocalyptiques liés à l'intelligence artificielle et au machine learning ont le vent en poupe, il faut se tourner vers le métier d'analyste pour en voir les implications concrètes. Le défi de l'analyste réside dans sa double-compétence : pouvoir effectuer des tâches opérationnelles, telles que l'analyse, le tri et l'interprétation des données, et avoir une réflexion stratégique. Le machine learning, de par son aspect évolutif, fait gagner un temps considérable à l'analyste. Plus besoin, par exemple, de parcourir d'importants volumes de données pour rendre compte des conséquences d'un changement de prix de l'impact d'évènements extérieurs sur les ventes.
Les calculs identifiés comme chronophages pour l'analyste peuvent être effectués en quelques secondes seulement grâce au machine learning. L'analyste peut alors se consacrer pleinement à la réflexion stratégique. Il faut bien comprendre, cependant, qu'il n'est utile que si les résultats sont clairement définis.
Par ailleurs, alimenter la machine en données ne suffit pas à produire des résultats utiles. Seul un être humain peut déterminer si le contexte fourni est suffisant. Le machine learning peut donc avoir pour vocation d'aider l'analyste à être plus performant, plus précis, et à contribuer davantage à la réussite de son entreprise.
L'IA ouvrira l'entreprise à de nouveaux champs de compétences
La manipulation des données, jusque-là réservée aux utilisateurs expérimentés et aux professionnels de l'IT, est en train de se démocratiser et de s'étendre à d'autres disciplines.
Les plateformes technologiques deviennent plus faciles à utiliser, laissant l'opportunité à des profils plus variés de s'exprimer et amenant une nouvelle manière de traduire l'analyse des données. Une nouvelle génération d'analystes voit le jour, capable à la fois de manipuler les données mais aussi de les interpréter et de s'en servir au sein de leur entreprise.
Chez Nissan, cette ouverture s'est concrétisée par l'embauche d'une anthropologue pour analyser l'interaction homme-machine, et résoudre les problèmes subsistant dans des environnements où cette interaction a lieu. Les anthropologues, par leur approche à la fois historique, sociale et culturelle des individus, peuvent déceler les influences qui régissent notre rapport aux machines. Comprendre ces influences permet de mieux prédire les comportements. Une acuité précieuse dans des secteurs où les entreprises s'adressent au grand public : dans le domaine de l'automobile, l'anthropologie permet de savoir quelle instruction donner à une voiture intelligente pour qu'elle prenne les bonnes décisions en toute situation.
Les données servent également à améliorer la communication interne : dans d'autres entreprises, les compétences littéraires sont mises à profit pour élaborer du storytelling autour des données. Mises en scène, les données permettent ainsi de replacer les évènements dans leur contexte, et de les lier à la réflexion et aux décisions stratégiques. Grâce à l'IA, l'analyse et l'interprétation des données ne nécessiteront plus des compétences spécifiques pour être appliquées au mieux. Elles pourront s'enrichir de compétences toujours plus variées, et gagner en efficacité.
Le search avance à pas de géant grâce au traitement du langage naturel
Alexa, Siri, Cortana et maintenant Google Home posent les bases du search de demain, qui apprendra progressivement les goûts et les besoins des personnes pour y répondre au mieux. Couplé à l'analyse visuelle des données et au mobile, le search constituera un outil indispensable pour se tenir au fait des dernières évolutions d'une activité, et ce même en étant en déplacement. Il ne sera pas inhabituel pour un PDG de demander à son terminal mobile des informations aussi pointues que le total des ventes, d'en extraire les commandes des trente derniers jours, puis de regrouper les résultats par service.
Gartner prévoit d'ailleurs, d'ici les cinq années à venir, que la moitié des requêtes analytiques seront générées via le search, le traitement du langage naturel ou la voix. Pour les développeurs et les ingénieurs, priorité sera donnée à l'optimisation du machine learning, afin que l'IA puisse prendre en compte l'environnement humain et gagner en discernement. Tout le monde ne posant pas une question de la même manière, ce progrès passera nécessairement par une bonne compréhension des workflows.
Biographie d'Edouard Beaucourt
Edouard Beaucourt a rejoint Tableau en 2013 en tant que directeur commercial Grandes entreprises. Depuis 2015, il occupe le poste de Directeur Régional France et Europe du Sud et est à la tête du bureau de Paris. Auparavant, il occupait le poste de responsable commercial territorial du secteur des outils d'analyses professionnels chez IBM. Il a également travaillé au service commercial de Clarity Systems, Microsoft et Hyperion Solutions.