Comment l'analyse augmentée prépare votre petite entreprise pour l'avenir

S'ils faisaient un film d'horreur pour les petits hommes d'affaires, le méchant ne serait pas un cauchemar avec des couteaux pour les mains ou un hulk brandissant une machette. Ce serait une horloge sans chiffres… juste la phrase « Il est plus tard que vous ne le pensez ».

Bien qu'il soit difficile de croire qu'une personne travaillant 80 heures par semaine ait encore besoin de temps supplémentaire, c'est le cas pour la plupart des entrepreneurs.

Vous n'avez pas le temps de travailler ou de suivre les tendances technologiques qui domineront les dix prochaines années. Heureusement, il existe une tendance qui peut vous aider à résoudre ces deux problèmes : l'analyse augmentée.

Gartner prédit que d'ici 2020, les capacités d'analyse augmentées seront le « principal moteur de nouveaux achats » de logiciels de business intelligence. (Recherche complète disponible pour les clients de Gartner.)

Vos concurrents recherchent déjà des logiciels avec des capacités d'analyse augmentées. Heureusement, vous pouvez aussi.

En investissant dès maintenant dans des outils d'informatique décisionnelle dotés de capacités d'analyse améliorées, vous gagnerez du temps en réduisant les tâches fastidieuses. Vous investirez également dans la technologie perturbatrice de la prochaine décennie avant qu'elle n'ait la chance de perturber le marché.

Je vais également vous donner trois étapes que vous pouvez suivre aujourd'hui pour vous préparer à l'analyse augmentée.

Que sont les capacités d'analyse augmentée ?

Que sont les analyses augmentées et pourquoi sont-elles meilleures que les analyses régulières ?

Les analyses augmentées sont des outils de BI complétés par des algorithmes d'apprentissage automatique (ML). Les algorithmes ML utilisés par l'analyse augmentée sont bons pour automatiser les tâches répétitives (un peu comme les algorithmes ML dans n'importe quel domaine).

Les algorithmes ML sont également bons pour remarquer les modèles et comprendre le langage humain au lieu des langages informatiques tels que SQL, Java ou Ruby on Rails.

Étant donné que les tâches répétitives telles que la préparation des données représentent une bonne partie de la journée de la plupart des analystes, les outils de BI avec analyse augmentée constituent un choix supérieur. Ils effectuent le travail répétitif et chronophage de vos analystes, libérant ainsi l'analyste pour qu'il puisse réellement, eh bien, analyser.

Les outils de BI avec analyse augmentée ont également le potentiel d'étendre l'analyse et la réflexion axée sur les données à plus que vos analystes de données. Une fonctionnalité d'analyse augmentée, appelée requête en langage naturel (NQL), permet aux utilisateurs de poser des questions en anglais simple. En d'autres termes, l'outil de BI ressemble plus à un moteur de recherche qu'à un programme de BI traditionnel et encombrant.

Alors, que peuvent faire ces fonctionnalités pour votre petite entreprise ?

1. L'analyse augmentée élimine les tâches fastidieuses

Cela peut sembler ringard, mais l'analyse augmentée accélère en fait votre avenir.

Le Data Warehousing Institute a constaté que 65 % des personnes interrogées consacrent entre 41 et 80 % de leur temps à la préparation des données.

Avant que vos données ne soient disponibles pour utilisation, les analystes peuvent passer jusqu'à 1 669 heures par an à les préparer (sur la base d'une moyenne de 2 087 heures travaillées par an). C'est beaucoup de temps perdu.

A quoi ressemble cette préparation ? Dans une large mesure, il corrige de petites erreurs (la moitié du temps "Montana" est épelé, l'autre moitié c'est "MT").

La préparation des données augmentée réduit le travail fastidieux de préparation manuelle des données.

Au lieu de passer 70 jours à corriger tous ces "MT" dans vos feuilles de calcul en "Montana", l'analyse augmentée le fera automatiquement pour vous. Vos analystes obtiendront les données dont ils ont besoin et obtiendront les informations en moins de la moitié du temps, ce qui signifie qu'ils passeront plus de temps à réfléchir et moins de temps à travailler sur la fuite des cerveaux.

2. L'analyse augmentée vous aide à poser des questions plus rapidement

En parlant de travail fastidieux, demandez-vous ce qui est le plus rapide :

1. En tapant la phrase "Quel est le prix moyen de cet article ?"
2. Taper la même question en SQL, qui ressemble à ceci :

Croyez-le ou non, voici à quoi cela ressemble de demander le prix moyen d'un article en SQL (Source)

Avec l'analyse augmentée qui a une requête en langage naturel (NLQ), vous pouvez profiter de la première option. Sans ça? Vous serez coincé à apprendre SQL.

NLQ est un terme fantaisiste pour la capacité de poser des questions à votre ordinateur en anglais simple. NLQ peut faire gagner du temps à votre entreprise de deux manières :

• Il est plus facile et plus rapide de poser une question dans un anglais simple.
• Les analyses sont plus accessibles à l'utilisateur professionnel moyen, ce qui libère du temps pour votre personnel d'analyse.

Il est peu probable que les employés du secteur d'activité apprennent SQL. Par conséquent, un système basé sur SQL les effrayera probablement et ce rêve que vous avez d'employés axés sur les données ne se matérialisera pas.

Les logiciels avec NLQ, cependant, sont beaucoup plus faciles à apprendre. Si vos employés savent utiliser un moteur de recherche, ils peuvent apprendre à utiliser leur outil de BI.

3. L'analyse augmentée suggère le bon chemin

L'analyse augmentée ne se contente pas de comprendre les questions en langage courant. Il peut également expliquer les réponses en langage clair.

Cette capacité est due à la génération de langage naturel (NLG), la même technologie derrière NLQ. Les algorithmes NLG qui comprennent vos questions en anglais simple peuvent également détailler les réponses dans une langue que vous pouvez comprendre (ces réponses sont souvent appelées «récits»).

Certains outils d'intelligence d'affaires de pointe offrent des fonctionnalités NLG qui trouvent et expliquent les informations de vos données sous forme narrative.

Par exemple, un outil de BI avec des récits NLG ne pointera pas simplement vers un groupe de points de données et s'attendra à ce que vous l'interprétiez. Au lieu de cela, le programme pointera vers ce cluster et générera une zone de texte indiquant, par exemple, "Ces acheteurs sont des hommes de moins de 30 ans et vivent dans le Midwest".