Le Big Data est la nouvelle réalité de l’économie numérique et doit être considéré par les entreprises dans un cadre de création de valeur. S’approprier la data, c’est laisser le champ libre à des opportunités semblant infinies.

Comment s’approprier et utiliser la data afin de se préparer au futur qui sera davantage axé sur ce point et répondre aux différents enjeux ?  Réponse dans notre article.

Les enjeux du Big Data

Des données qualitatives

Différents enjeux peuvent être soulevés avec l’émergence du Big Data.

La qualité des données, par le biais de l’identification et le nettoyage de la données est essentiel en Big Data.

Avec l’immensité des données, les erreurs au niveau des bases de données doivent être rectifiées du fait d’erreurs humaines notamment, afin de répondre aux standards exigés.

Pour faire face à ces problèmes, des actions de gouvernance de données peuvent aussi être réalisées pour qualifier la pertinence de chaque data et laisser ensuite place à des outils de correction automatique.

La gestion des données en Big Data

Les données sont omniprésentes et se présentent sous différentes formes : chaque base a son format. Le Big Data est davantage une affaire de traitement que de volume, selon certains experts.

Des solutions de gestion et de traitement automatisé existent et sont essentiels pour favoriser l’intelligence de la donnée, comme le fait d’analyser la donnée en temps réel.

Big Data et protection des données

Une grande majorité des données collectées par les entreprises à des fins stratégiques sont des données d’ordre privé et provenant directement des comptes utilisateurs.

L’utilisation de ces données se fonde sur une relation de confiance entre l’entreprise et ses clients. Le Big Data s’appuie sur une dimension de sécurité primordiale.

Comme le rappelle le Règlement européen sur la protection des données en Europe, l’entreprise se doit de “sécuriser les données personnelles contre tout traitement non autorisé ou illégal, mais aussi contre la perte accidentelle, la destruction ou l’altération des données personnelles en mettant en œuvre les mesures de sécurité physique, technique et organisationnelle appropriées ».

A l’ère du tout numérique, les procédés d’anonymisation et de protection des données personnelles sont au cœur des préoccupations et représentent des enjeux considérables en matière de liberté et de questions économiques.

Un enjeu de taille est relatif à l’utilisation que les entreprises feront de la data et au respect envers l’humain qui est derrière. La donnée doit accompagner intelligemment les entreprises et doit être un vecteur de création de lien avant tout.

Big Data, systèmes utilisateurs et cybersécurité

Profils et systèmes utilisateurs

La survie de nombreuses sociétés Internet est corrélée à des profils utilisateurs précis et complets. Des success stories d’entreprises peuvent être citées à titres d’exemples en matière d’exploitation de profils comme Amazon et Alibaba. Ces firmes ont notamment eu recours à l’apprentissage machine pour filtrer les comportements de navigation de leurs utilisateurs, les modifications de paniers, et la mise en évidence des articles précédemment achetés.

Des systèmes de recommandation ont été développés en interne, annonçant certains produits à certains clients sur la base des données recueillies qui visent à accroître les taux de clic et de ventes.

Concernant les entreprises de ventes de biens de consommation, elles disposent peut-être de moins de data sur le comportement de l’utilisateur. En revanche, elles disposent d’informations utilisateur et de données de transaction, généralement plus fiables.

Cybersécurité et Big Data

Selon un sondage gouvernemental réalisé par MeriTalk le 20 novembre 2018, 90% des entreprises interrogées pensent que le Big Data peut être un moyen de réduire les failles des systèmes d’information et 84% de ces structures ont déjà utilisé le Big Data pour bloquer les cyberattaques.

Traditionnellement, les technologies et les outils utilisés pour prévenir les attaques informatiques ont été davantage réactifs que proactifs. L’efficience des entreprises a été remise en cause à travers de nombreuses fausses alertes. Ces outils traditionnels ne sont pas adaptés au niveau de la bande passante afin de répondre aux grands volumes de données.

Les outils analytiques du Big Data représentent une opportunité majeure pour toute entreprise maîtrisant les technologies modernes en matière de sécurité de données. Ils offrent également aux professionnels de la cybersécurité la capacité d’analyser différents types de données en provenance de sources hétérogènes tout en réagissant en temps réel.

Le Big Data est aujourd’hui un vecteur permettant l’optimisation des stratégies de vente et de marketing à l’appui des données des clients récoltées.

Nos formations Apollo en Big Data 

Cet article Big Data : enjeux, systèmes utilisateurs et cybersécurité est apparu en premier sur Apollo Formation.

La notion naît dans les années 1950, dans l’ouvrage Computing Machinery and Intelligence du mathématicien Alan Turing. Le « Test de Turing » consiste à entrer en interaction à l’aveugle avec un autre humain, puis avec une machine programmée pour formuler des réponses sensées. La machine réussit le test et peut être qualifiée d’intelligente si le sujet n’est pas capable de faire la différence.

Champs d’application de l’intelligence artificielle

Toutes les grandes entreprises dans le milieu de l’informatique s’intéressent au cas de l’intelligence artificielle (exemples : Google, Microsoft, Apple, IBM,…) et cherchent à l’intégrer à un domaine particulier. Ces entreprises ont mis en place des réseaux de neurones artificiels composés de serveurs et permettant de traiter de lourds calculs au sein de bases de données très conséquentes. Dans le cadre de ce type d’intelligence, un contrôle rigoureux des avancées et de leurs conséquences potentielles est nécessaire.

L’intelligence artificielle annonce la nouvelle révolution technologique avec des enjeux économiques et sociétaux essentiels. Elle s’est très promptement retrouvée au cœur de la stratégie des géants du digital, que ce soit chez les GAFA ou les BAT (Baidu, Alibaba, Tencent) !

L’intelligence artificielle se retrouve implémentée dans un large champ d’applications.

• les jeux de réflexion/stratégie (échecs, go…)
• la recherche mathématique
• la finance
• la médecine
• la perception/interprétation (reconnaissance faciale, compréhension des langues…)
• la robotique

Intelligence artificielle, Silicon Valley et start-up

La nouvelle révolution technologique

Pourquoi parle-t-on de “nouvelle révolution technologique” ? Pourquoi les entreprises veulent intégrer cette intelligence dans leur modèle ? Notre réponse.

Les géants de la Silicon Valley ont réalisé des investissements massifs ces dernières années dans l’intelligence artificielle du fait d’un bénéfice économique immédiat. En guise d’exemple, le filtrage des images violentes sur internet est réalisé à l’appui de la reconnaissance visuelle. L’intelligence artificielle made in Google implante chacun des services, chacun des produits, en passant notamment de Google Photos à Google Home. Le rachat de startups ou entreprises prometteuses, dont la technologie s’appuie sur une forme d’intelligence artificielle, fait partie intégrante de la stratégie des géants de la Silicon Valley.

L’impact de la Silicon Valley sur l’intelligence artificielle

Dans ce cadre, les géants américains se sont accaparés d’un nombre conséquent de talents en matière d’intelligence artificielle. Cela est par exemple le cas du Français Yann LeCun, recruté à la tête du Facebook AI Research en 2013. Globalement, outre ces talents, ces firmes cherchent à acquérir des actifs technologiques, des positions sur des marchés émergents, afin de prendre l’avantage sur les nouveaux secteurs qui vont être dopés à l’intelligence artificielle.

L’importances des avantages concurrentiels

En plus des avancées scientifiques de l’intelligence artificielle, deux autres facteurs sont à prendre en compte :

• Les progrès du matériel et des processeurs avec leur capacité à traiter un nombre gigantesque de données
• L’apprentissage est crucial pour les intelligences artificielles avec une masse de données de plus en plus importante, qui donne des avantages déterminants aux firmes en question

Digital et intelligence artificielle

De nombreuses start-ups très prometteuses naissent aujourd’hui en se basant sur des modèles et services intégrant l’intelligence artificielle. Cette IA se propage progressivement dans l’ensemble des secteurs économiques en passant des startups aux grands groupes. Cette révolution est plus complexe à mettre en œuvre pour les acteurs traditionnels dont un grand nombre sont aujourd’hui en mutation digitale. Là où il y a du digital, l’intelligence artificielle sera présente. Une stratégie en matière d’intelligence artificielle est la condition sine qua non d’une stratégie élaborée et réussie, à l’avenir.

Des enjeux divers relatifs à l’intelligence artificielle

Les enjeux économiques sont considérables. « Il y a un marché de production intellectuelle, de service, de transformation économique, dont la croissance moyenne est estimée à deux chiffres pour longtemps encore » estime le premier ministre Edouard Philippe. Des conséquences en matière sociale de cette technologie majeure sont à souligner. Cela devrait modifier l’organisation du travail, De nouveaux besoins de formation, d’accompagnement naissent progressivement.

Intelligence artificielle et relation client

A l’ère du numérique et des nouvelles technologies, la relation client est en phase d’évolution continue. L’intelligence artificielle contribue fortement à cette révolution technologique et est la nouvelle tendance de la relation client, avec le machine learning. L’intelligence artificielle des clients permet l’élaboration de stratégies de personnalisation de masse, ainsi que de mieux comprendre les contextes de consommation du client.

Les clients apprécient les solutions d’automatisation qui peuvent simplifier la vie et sont en parallèle davantage exigeants pour les contacts avec un humain. Les bots permettent de renforcer l’autonomie du client et désengorgent les services en réduisant le nombre d’appels entrants. La technologie peut être un support pour le conseiller afin de passer plus rapidement à la résolution du problème. Les conseillers vont devoir être formés à la manipulation de données plus conséquentes, ce qui représente un énorme enjeu.

Les chatbots sont utilisés de manière croissante dans la relation client. Il s’agit de programmes capable de converser avec un internaute. Ce sont donc des supports de conversation et de conversion, permettant un dialogue en ligne et la diffusion d’un message ciblé. Outre ce procédé et après les bots intégrés dans les applications ou dans les messageries instantanées comme Messenger, les voicebots sont en déclic au point d’être en train de devenir le canal privilégié d’une relation client augmentée.

Il faudra aussi compter sur des systèmes de reconnaissance faciale pouvant détecter les émotions du client ou bien l’identifier lors du paiement. Ces systèmes seront intégrés à des bornes vidéo pouvant mettre le client en relation avec un téléconseiller s’appuyant sur les informations fournies par l’IA.

Beaucoup de choses restent à réinventer en matière de relation client, qui s’est appuyé sur un système de réactivité et sur les actions de masse depuis maintenant 30 ans.

Cet article Intelligence artificielle : domaines d’application et relation client est apparu en premier sur Apollo Formation.

Pour celles et ceux qui souhaitent acquérir des compétences concrètes sur le sujet, nous proposons une formation de 5 jours pour débuter en science des données :

Demandez des informations OU Réservez votre formation

Les recherches Google sur le terme « data science » ces 10 dernières années

Il n’existe pas de définition générale et communément acceptée de la Data Science. Des personnes d’horizons différents fourniront des définitions différentes, en fonction du contexte dans lequel elles évoluent.

Avant de nous intéresser aux utilisations concrètes de la science des données, au métier très en vogue de data scientist ou encore à la convergence révolutionnaire entre données massives et intelligence artificielle, prenons les choses par le bon bout et commençons par répondre à la question : qu’est-ce qu’une donnée ?

La donnée est partout

Les données existent sous diverses formes : un nombre, un texte écrit sur une feuille de papier ou stocké électroniquement, une photo, un tweet, etc, etc. Au sens le plus basique du terme, la donnée est une collection de faits bruts, de chiffres, de bits même (1 ou 0, vrai ou faux).

C’est le résultat direct d’une mesure ou d’une observation, une valeur assignée à une chose.
Prenez par exemple les tomates sur la photo ci-dessous.

Que peut-on en dire ? Ce sont des tomates. Premier élément, les tomates se mangent et font donc partie de la catégorie des aliments. Nous pouvons déjà placer les tomates au sein d’une taxonomie.

Mais ce n’est pas tout. Nous avons une couleur : « rouges », une condition « fraîches ». Elles ont toutes une taille, il y en a une certaine quantité et elles ont probablement une valeur marchande. Et ainsi de suite.

Les données caractérisent donc même le plus élémentaire des objets. Mais aussi les individus (et c’est ce qui intéresse tout particulièrement les géants du web Google, Amazon, Facebook et consorts). Vous-même, vous avez un nom, une date de naissance, un poids, une taille, une nationalité, une adresse, mais aussi des centres d’intérêts, des habitudes de consommation… Toutes ces choses sont des données.

Pour en donner une première définition, la Data Science permet l’exploitation de ces données. Le but étant de créer une certaine valeur, à partir d’éléments bruts et recueillis sous des formes parfois très hétérogènes.

Donnée ne veut pas dire information, ni connaissance…

Une donnée en tant que telle ne signifie en effet pas grand-chose. En dehors de son contexte, elle n’a quasiment aucune valeur, que ce soit pour un humain ou une machine. Tout son intérêt réside donc dans l’interprétation qui en sera faite, dans le sens qui lui sera attribué. L’objectif est de transformer la donnée en information, puis en connaissance.

La collecte d’une certaine quantité de données, et leur structuration rendent déjà les choses plus intéressantes. Revenons à nos tomates, dont est issu le jeu de données suivant :

Une succession de chiffres et caractères sans signification particulière. Pour devenir informations, les données doivent être extraites, organisées et parfois analysées. Ainsi, après structuration et une certaine mise en forme, nous pouvons conférer un sens à notre jeu de données :

En dehors d’un quelconque contexte toutefois, même réorganisées, la valeur de ces informations reste insignifiante. Il convient alors de les insérer dans un univers logique.

Prenons le prix des tomates. Savoir qu’un kilo de tomates nous coûtera 2€ et 90 centimes n’est pertinent que si l’on compare ce prix à d’autres éléments. Le prix moyen par exemple, qui est de 2€30 en France. Ces tomates sont donc relativement chères. Nous avons désormais une certaine connaissance les concernant.

La connaissance s’obtient ainsi lorsque l’information est extraite, traitée, analysée et comprise. Et c’est là tout l’intérêt de la Data Science.

Pour illustrer ce procédé, Clive Humby, mathématicien britannique et architecte chez Tesco déclarait en 2006 :

« La data est le nouveau pétrole (« data is the new oil »). Les données sont précieuses, mais sans raffinage elles ne peuvent pas vraiment être utilisées. Le pétrole doit être transformé en gaz, plastique, produits chimiques, etc pour créer de la valeur et profiter à une activité rentable. De même, les données doivent être décomposées et analysées pour créer de la valeur »

Si le parallèle avec l’or noir a ses limites (la donnée possède des propriétés intrinsèques et des champs d’application bien plus vastes), il met bien en exergue le processus de transformation que nous évoquions, ainsi que l’importance de la donnée dans l’économie d’aujourd’hui.

Nous verrons en effet dans un prochain article que les progrès technologiques en matière de stockage, traitement ou analyse de la donnée, combinés au phénomène bien connu du Big Data ont induit un changement de paradigme. Les possibilités de création de valeur à partir des données se sont vues décuplées, et la data a acquis un nouveau statut au sein des organisations.

Cet article Qu’est-ce que la Data Science ? Petit guide à l’usage des non-initié·e·s (1/5) est apparu en premier sur Apollo Formation.