Le cycle de vie de la science des données, également appelé pipeline de la science des données, comprend de cinq à seize (selon la personne à qui vous demandez) des processus continus qui se chevauchent. Les processus communs à la définition du cycle de vie quasi générale sont les suivants :

• Capturer : il s'agit de la collecte de données brutes structurées et non structurées à partir de toutes les sources pertinentes via à peu près n'importe quelle méthode, de la saisie manuelle et la capture de données Web à la capture de données à partir de systèmes et d'appareils en temps réel.
• Préparer et entretenir : cela implique de mettre les données brutes dans un format cohérent pour les modèles d'analyse ou d'apprentissage automatique ou d'apprentissage en profondeur. Cela peut inclure tout, du nettoyage, de la déduplication et du reformatage des données à l'utilisation d'ETL (extraction, transformation, chargement) ou d'autres technologies d'intégration de données pour combiner les données dans un entrepôt de données, un datalake, ou un autre magasin unifié à des fins d'analyse.
• Prétraiter ou traiter : ici, les spécialistes des données examinent les biais, les modèles, les plages et les distributions de valeurs dans les données pour déterminer l'adéquation des données à une utilisation avec des algorithmes d'analyse prédictive, d'apprentissage automatique et/ou d'apprentissage en profondeur (ou d'autres méthodes analytiques).
• Analyser : c'est là que se produit la découverte : là où les spécialistes des données effectuent des analyses statistiques, des analyses prédictives, des algorithmes de régression, d'apprentissage automatique et d'apprentissage en profondeur, etc. pour extraire des informations à partir des données préparées.
• Communiquer : enfin, les informations sont présentées sous forme de rapports, de graphiques et d'autres visualisations de données qui facilitent la compréhension des informations et de leur impact sur l'entreprise pour les décideurs. Un langage de programmation de science des données tel que R ou Python (voir ci-dessous) comprend des composants pour générer des visualisations ; les spécialistes des données peuvent également utiliser des outils de visualisation dédiés.

Les spécialistes des données doivent être capables de construire et d'exécuter du code afin de créer des modèles. Les langages de programmation les plus populaires parmi les spécialistes des données sont des outils open source qui incluent ou prennent en charge des capacités statistiques, d'apprentissage automatique et graphiques prédéfinies. Ces langages comprennent :

• R : un langage de programmation open source et un environnement pour développer des calculs statistiques et graphiques, R est le langage de programmation le plus populaire parmi les spécialistes des données. R fournit une grande variété de bibliothèques et d'outils pour nettoyer et préparer les données, créer des visualisations, mais aussi pour former et évaluer les algorithmes d'apprentissage automatique et d'apprentissage en profondeur. Il est également largement utilisé par les universitaires et les chercheurs en science des données.
• Python : Python est un langage de programmation de haut niveau à usage général, orienté objet, qui met l'accent sur la lisibilité du code grâce à son utilisation généreuse et distinctive des blancs. Plusieurs bibliothèques Python prennent en charge les tâches de science des données, notamment Numpy pour la gestion de grands tableaux dimensionnels, Pandas pour la manipulation et l'analyse des données et Matplotlib pour la création de visualisations de données.

Pour consulter une analyse approfondie des différences entre ces approches, consultez « Python vs R : quelle est la différence ? »

Les spécialistes des données doivent maîtriser l'utilisation des plates-formes de traitement des mégadonnées, telles qu'Apache Spark et Apache Hadoop. Ils doivent également maîtriser une large gamme d'outils de visualisation de données, y compris les outils graphiques simples inclus avec les applications de présentation d'entreprise et de tableur, les outils de visualisation commerciaux intégrés tels que Tableau et Microsoft PowerBI, et les outils open source tels que D3.js. (une bibliothèque JavaScript pour créer des visualisations de données interactives) et des graphiques RAW.

cloud computing apporte de nombreux avantages de la science des données à la portée même des petites et moyennes entreprises.

La base de la science des données est la manipulation et l'analyse d'ensembles de données extrêmement volumineux ; le cloud permet d'accéder à des infrastructures de stockage capables de gérer facilement de grandes quantités de données. La science des données implique également l'exécution d'algorithmes d'apprentissage automatique qui nécessitent une puissance de traitement massive ; le cloud met à disposition le calcul hautes performances nécessaire à la tâche. Acheter du matériel équivalent sur site serait beaucoup trop cher pour de nombreuses entreprises et équipes de recherche, mais le cloud rend l'accès abordable avec une tarification à l'utilisation ou par abonnement.

Les infrastructures cloud sont accessibles de n'importe où dans le monde, ce qui permet à plusieurs groupes de spécialistes des données de partager l'accès aux ensembles de données avec lesquels ils travaillent dans le cloud, même s'ils se trouvent dans des pays différents.

Les technologies open source sont largement utilisées dans les ensembles d'outils de science des données. Lorsqu'elles sont hébergées dans le cloud, les équipes n'ont pas besoin de les installer, de les configurer, de les maintenir ou de les mettre à jour localement. Plusieurs fournisseurs de cloud proposent également des kits d'outils préemballés qui permettent aux spécialistes des données de créer des modèles sans codage, démocratisant davantage l'accès aux innovations et aux connaissances que cette discipline met à disposition.

Il n'y a pas de limite au nombre ou au type d'entreprises qui pourraient potentiellement bénéficier des opportunités créées par la science des données. Presque tous les processus métier peuvent être rendus plus efficaces grâce à l'optimisation basée sur les données, et presque tous les types d'expériences client (CX) peuvent être améliorés grâce à un meilleur ciblage et à une meilleure personnalisation.

Voici quelques cas d'utilisation représentatifs de la science des données et de l'IA :

• Une banque internationale a créé une application mobile offrant des décisions immédiates aux demandeurs de prêt à l'aide de modèles de risque de crédit basés sur l'apprentissage automatique et d'une architecture de cloud computing hybride à la fois puissante et sécurisée.
• Une firme d'électronique développe des capteurs ultra-puissants imprimés en 3D qui guideront les véhicules autonomes de demain. La solution s'appuie sur des outils de science des données et d'analyse pour améliorer ses capacités de détection d'objets en temps réel.
• Un fournisseur de solutions d'automatisation des processus robotiques (RPA) a développé une solution d'exploration de processus métier cognitive qui réduit les temps de traitement des incidents entre 15 % et  95 %  pour ses entreprises clientes. La solution est formée pour comprendre le contenu et le sentiment des e-mails des clients, en dirigeant les équipes de service pour hiérarchiser ceux qui sont les plus pertinents et les plus urgents.
• Une entreprise de technologie des médias numériques a créé une plate-forme d'analyse d'audience qui permet à ses clients de voir ce qui intéresse les téléspectateurs, car ils se voient proposer une gamme croissante de chaînes numériques. La solution utilise des analyses approfondies et un apprentissage automatique pour recueillir des informations en temps réel sur le comportement des téléspectateurs.
• Un service de police urbain a créé des outils d'analyse statistique des incidents pour aider les agents à comprendre quand et où déployer des ressources afin de prévenir le crime. La solution basée sur les données crée des rapports et des tableaux de bord pour augmenter l'appréciation de la situation pour les agents de terrain.
• Une entreprise de soins de santé intelligente a développé une solution permettant aux personnes âgées de vivre de manière autonome plus longtemps. En combinant des capteurs, l'apprentissage automatique, l'analyse et le traitement basé sur le cloud, le système surveille les comportements inhabituels et alerte les proches et les soignants, tout en se conformant aux normes de sécurité strictes qui sont obligatoires dans le secteur de la santé.

IBM Cloud offre une infrastructure de cloud public hautement sécurisée avec une plate-forme full-stack qui comprend plus de 170 produits et services, dont beaucoup ont été conçus pour prendre en charge la science des données et l'IA.

La science des données IBM et le portefeuille de produits du cycle de vie de l'IA repose sur notre engagement de longue date envers les technologies open source et comprend une gamme de fonctionnalités qui permettent aux entreprises de libérer la valeur de leurs données de nouvelles manières.

AutoAI, une nouvelle fonctionnalité de développement automatisé puissante dans IBM Watson Studio, accélère la préparation des données, le développement de modèles et les étapes d'ingénierie des fonctionnalités du cycle de vie de la science des données. Cela permet aux spécialistes des données d'être plus efficaces et les aide à prendre des décisions plus éclairées sur les modèles les plus performants pour les cas d'utilisation réels. AutoAI simplifie la science des données d'entreprise dans n'importe quel environnement cloud.

La plateforme IBM Cloud Pak for Data fournit une architecture de données et d'informations entièrement intégrée et extensible construite sur la plate-forme de conteneurs Red Hat OpenShift qui s'exécute sur n'importe quel cloud. Avec IBM Cloud Pak for Data, les entreprises peuvent plus facilement collecter, organiser et analyser les données, ce qui permet de diffuser des informations issues de l'IA dans toute l'organisation.

Vous voulez en savoir plus sur la création et l'exécution de modèles de science des données sur IBM Cloud ? Lancez-vous gratuitement en créant un compte IBM Cloud dès aujourd'hui.