fbpx

Birst Smart Analytics : L’utilisation de l’intelligence artificielle pour opérationnaliser la BI

Comment fournir plus d’informations à un plus grand nombre de personnes ? L’opérationnalisation de la BI et de l’analyse – c’est-à-dire le fait de mettre la puissance des données entre les mains de tout le monde dans l’entreprise, pas seulement des analystes et des spécialistes des données – a toujours été un réflexe qui se répète pour Brad Peters, co-fondateur de Birst.

Selon une étude du Groupe Eckerson, lorsqu’une organisation déploie un système de BI et d’analyse, environ 10 % des employés possèdent les compétences nécessaires pour produire des informations à partir des données d’entreprise et les transmettre aux décideurs.
Cela signifie qu’une grande partie de l’organisation dépend de quelques experts pour exploiter les données afin de prendre des décisions. Voyez-vous le goulot d’étranglement ?

Mais il y a d’autres goulets d’étranglement. Pour répondre à des questions commerciales encore plus complexes ou pour prédire de précieuses opportunités commerciales, les spécialistes des données doivent appliquer des algorithmes avancés qui nécessitent une expertise hautement spécialisée. Et les scientifiques des données peuvent représenter moins de 1 % des utilisateurs d’une organisation.

Et si nous mettions la puissance de la science des données entre les mains de chaque utilisateur professionnel directement, en éliminant ces goulots d’étranglement ?
Avec l’annonce de Birst Smart Analytics , c’est exactement ce que nous faisons. Un utilisateur métier sélectionne simplement un KPI d’intérêt et les algorithmes d’apprentissage machine s’exécutent automatiquement sur tous les points de données, qui sont liés pour générer les principales raisons pour lesquelles un KPI a tendance à la hausse ou à la baisse. Les principaux facteurs qui influent sur le KPI sont automatiquement présentés dans un tableau de bord facile à comprendre, axé sur les résultats et personnalisé, afin que l’utilisateur puisse facilement interpréter les résultats et prendre la meilleure ligne de conduite.

J’ai discuté avec Brad Peters, cofondateur de Birst et premier vice-président et directeur général de l’Analytique et de la BI chez Infor, pour nous présenter la vision et l’histoire uniques de Birst en matière d’apprentissage machine afin de créer un système décisionnel plus intelligent et automatisé.

  1. Lorsque vous avez fondé Birst, vous aviez une vision de ce que pourrait être la BI. Avec l’IA comme prochaine vague de perturbation dans la BI, en quoi cela a-t-il changé ou renforcé votre vision ?

Lors de la création de Birst en 2004, l’idée était d’informer le plus grand nombre possible de personnes au sein d’une organisation, de sorte que même les personnes qui ne sont pas des analystes puissent utiliser les données pour prendre des décisions. Notre objectif était correct, et nous avons commencé à intégrer l’automatisation de l’apprentissage machine dans le produit. Nous avons commencé par le raffinement automatisé des données (ADR), qui automatise la création de données analytiques prêtes ou la préparation intelligente des données. Parallèlement, nous nous sommes également concentrés sur la création d’un service de BI et d’analyse robuste et évolutif dans le Cloud Computing afin de répondre à la large gamme d’exigences de reporting des entreprises.

Aujourd’hui, plus de 14 ans plus tard, nous avons l’impression d’avoir construit un solide produit d’analyse en tant que service avec de nombreuses fonctionnalités “intelligentes”, dont l’ADR. Notre prochaine version ” intelligente ” porte sur la découverte de données avancées, qui s’aligne sur ce que nous nous étions initialement fixés : mettre l’analyse entre les mains d’un plus grand nombre d’utilisateurs.

Nous sommes particulièrement enthousiastes à l’idée de lancer Birst Smart Analytics, car c’est notre vision originale de l’entreprise, il y a 14 ans, lorsque nous avons créé une solution brevetée d’apprentissage automatique pour l’analyse automatique au nom d’une personne qui possède une partie de l’entreprise afin qu’elle puisse obtenir un aperçu très personnalisé et de grande valeur à grande échelle. Malheureusement, le marché n’était pas prêt pour cela à ce moment-là ou n’était pas prêt à faire confiance à une machine pour générer des informations personnalisées pour la prise de décision.

2. Birst était à l’avant-garde de l’automatisation avancée et de l’apprentissage machine. Birst possède même des brevets pour la préparation intelligente et la visualisation des données. Comment cette nouvelle version de Smart Analytics in Birst permet-elle de tirer parti ou d’étendre ces brevets ?

Lorsque nous avons lancé Birst, nous avons eu l’idée de faire en sorte que le système génère automatiquement le bon ensemble de contenu unique pour chaque utilisateur individuel. Nous avons breveté cette idée initiale, donc avec Birst Smart Analytics, nous utilisons cette même couche d’apprentissage machine pour créer des insights personnalisés à l’échelle. Au lieu qu’un analyste crée un rapport unique pour les masses, chaque utilisateur dispose d’un analyste privé virtuel qui recommande des informations pertinentes pour la tranche d’activité de l’utilisateur.

Il y a quatorze ans, il était difficile pour les clients de comprendre ou de ne pas être prêts à accepter l’analyse générée pour eux par un ordinateur. Faire confiance aux machines à l’époque, c’était de la folie. Heureusement, Amazon, Apple et d’autres fournisseurs qui ont créé des recommandations générées par des machines ont ouvert la voie pour que les gens soient maintenant plus ouverts aux machines fiables. Mais pour la prise de décisions commerciales, il est essentiel de faire preuve de transparence dans l’explication de la façon dont les recommandations sont formulées. Nous pensons que le marché est prêt à travailler avec des machines avec ce type de transparence au lieu d’une approche boîte noire.

3. La BI est essentielle pour l’analyse des données et la présentation d’informations exploitables afin d’aider l’utilisateur métier à prendre des décisions plus éclairées et meilleures. Pour un actif aussi important, pourquoi pensez-vous que l’adoption de la BI est encore faible, et comment le Smart Analytics de Birst change-t-il cette tendance ?

La BI traditionnelle adopte une approche unique, où des tableaux de bord et des rapports interactifs sont produits en masse, laissant à l’utilisateur final le soin de personnaliser ou de visualiser l’information en fonction de sa part de l’entreprise. Lorsque l’utilisateur n’a pas les compétences ou le temps nécessaires pour obtenir les informations pertinentes extraites d’un rapport produit en masse, le système décisionnel est abandonné et les décisions fondées sur des faits ne peuvent être prises.

Avec l’apprentissage machine, l’analyse est personnalisée et présentée automatiquement à chaque utilisateur. Cette approche de personnalisation de masse permet à un plus grand nombre d’utilisateurs d’adopter le système BI car l’information présentée est plus intéressante, pertinente et utile pour la prise de décision.

4. En quoi l’approche de Birst en matière d’intelligence d’affaires est-elle unique par rapport aux autres fournisseurs de BI ?

Les informations automatisées générées par Birst sont plus personnalisées et plus exploitables.

Tout d’abord, nous laissons l’individu décider quelles informations sont pertinentes à analyser sur la base d’une couche sémantique riche et orientée utilisateur qui est mise en réseau au sein de l’organisation. Cette couche sémantique collective, spécifique à l’industrie, est ensuite exploitée par Birst Smart Analytics pour générer des informations nouvelles et pertinentes.

Deuxièmement, les informations sont axées sur les résultats, faciles à comprendre, et elles sont présentées à l’aide de la méthodologie de conception basée sur la valeur de Birst afin que les utilisateurs puissent immédiatement prendre les mesures nécessaires pour améliorer l’entreprise

5. L’IA a le potentiel de perturber le marché de la BI. Quels fournisseurs seront les mieux placés pour tirer parti de cette perturbation ? Quels fournisseurs prendront du retard ?

L’IA devrait être en mesure de parcourir efficacement de vastes ensembles de données au nom de chaque utilisateur individuel afin de trouver les informations uniques pour cette personne.

Nous voyons déjà cette personnalisation unique dans des services comme Siri, mais il ne faut pas la confondre avec l’utilisation de la reconnaissance vocale ou de la génération en langage naturel pour obtenir facilement les informations et les résultats. C’est vraiment à l’algorithme d’isoler et de trouver des idées qui sont uniques et pertinentes pour chaque personne. C’est cette approche qui fera le succès des fournisseurs et où nous pensons que la BI doit aller pour vraiment tirer le meilleur parti des données et de l’adoption.

C’est vraiment à l’algorithme d’isoler et de trouver des idées qui sont uniques et pertinentes pour chaque personne. C’est cette approche qui fera le succès des fournisseurs et où nous pensons que la BI doit aller pour vraiment tirer le meilleur parti des données et de l’adoption.

Article de
Mona Patel works in Birst’s Product Strategy team.