Découvrez comment faire progresser l'IA agile avec la data science

trois icônes placées autour d'un ordinateur portable

Qu'est-ce que la science des données, et pourquoi est-ce important ?

 

La science des données est le processus qui consiste à utiliser des algorithmes, des méthodes et des systèmes pour extraire des connaissances et des éclairages de données structurées et non structurées. Elle utilise l'analyse et l'apprentissage automatique pour aider les utilisateurs à faire des prévisions, à renforcer l'optimisation et à améliorer les opérations et la prise de décision.

Les équipes science des données actuelles sont censées répondre à de nombreuses questions. L'entreprise exige une meilleure prévision et une optimisation basée sur des informations en temps réel appuyées par des outils tels que ceux-ci.

Le cycle de vie de science des données commence par la collecte de données à partir de sources pertinentes, le nettoyage et la mise en forme de ces données dans des formats que les machines peuvent comprendre. Au cours de la phase suivante, des méthodes statistiques et d'autres algorithmes sont utilisés pour trouver des modèles et des tendances. Les modèles sont ensuite programmés et créés pour prédire et prévoir ; enfin, les résultats sont interprétés.

Les progrès de l'IA, de l'apprentissage automatique et de l'automatisation ont relevé les standards des outils de science des données pour les entreprises. Cela a abouti à la formation d'équipes de science des données - spécialistes des données experts, citizen data scientists, programmeurs, ingénieurs et analystes métier - qui s'étendent sur différentes unités commerciales.

L'opportunité ici est massive. L'automatisation de tâches de science des données fastidieuses telles que la préparation des données et l'habilitation des analystes sans expérience de codage (00:21) pour créer des modèles, maintient l'activité agile et innovante. L'automatisation du cycle de vie de la science des données libère les spécialistes des données experts pour traiter les aspects les plus intéressants et les plus innovants du domaine. L'intelligence humaine - combinée à la technologie des sciences des données et à l'automatisation - aide une entreprise à extraire plus de valeur des données.

Science des données

 

D'ici 2025, 50 % des activités des spécialistes des données seront automatisées par l'IA, ce qui atténuera la pénurie aiguë de talents*. IBM fournit AutoAI pour automatiser la science des données et la gestion du cycle de vie de l'IA.

80%

du temps des spécialistes des données est consacré à la recherche, au nettoyage et à l'organisation des données**

#1

Le spécialiste des données est le poste le plus porteur en 2019***

Pourquoi la science des données est-elle importante aujourd'hui ?

Avec le volume et la variété de données sociales, mobiles et d'unités, ainsi que les nouvelles technologies et les nouveaux outils, la science des données (03:43)  joue aujourd'hui un rôle plus large que jamais auparavant. L'entreprise considère la science des données et l'IA (06:13) comme une stratégie compatible avec la technologie. Pour que la science des données soit efficace, son cycle de vie complet doit non seulement soutenir les analyses traditionnelles, mais aussi travailler de concert avec des applications modernes. Cela signifie que la pratique de la science des données doit évoluer au-delà des tâches routinières et fastidieuses - jusqu'à 85 % du temps d'un spécialiste des données sont consacrés au nettoyage, au façonnage et au déplacement des données d'un endroit à l'autre, souvent pour alimenter l'apprentissage automatique. Cela ne laisse qu'un faible pourcentage de temps pour trouver des modèles et des tendances, pour créer des modèles, pour faire des prédictions et des prévisions, et pour interpréter les résultats.

Heureusement, il y a une solution Le dernier développement de la science des données moderne est une fonction AutoAI qui automatise la préparation des données et les étapes de modélisation du cycle de vie de la science des données. A présent, non seulement davantage de spécialistes des données peuvent utiliser leurs compétences spécialisées comme prévu, mais davantage d'entreprises peuvent bénéficier de la science des données, de la prévision à l'optimisation.

Les grandes questions liées à la science des données

  • Quels sont les milliers de clients que nous allons perdre et pourquoi ?
  • Où devrions-nous mettre en place un autre kiosque ou un nouveau magasin ?
  • Quels sont les employés les plus performants que nous risquons le plus de perdre ?
  • Si nous déterminons les prix des produits différemment, allons-nous économiser les coûts ?
  • Mon équipe offre-t-elle les bonnes solutions aux bonnes personnes ?

→ Lire le rapport sur les scénarios d'utilisation de l'IA

→ Regarder le webinaire sur le programme IA (lien externe à IBM)

 

Réussir grâce à la science des données

Voici quelques exemples d'utilisation des données par les entreprises pour obtenir un avantage concurrentiel :

Expérience client

Un grand fournisseur de technologie de centre d'appels utilise des données pour réimaginer l'expérience du centre d'appels et obtenir des informations précieuses de la part des clients.

Soins de santé de prévention

Une clinique de soins d'urgence s'est tournée vers les spécialistes des données pour aider les fournisseurs à faire une surveillance active et à prendre des mesures préventives, afin d'améliorer la survie des patients.

Gestion des risques

Si le modèle d'une banque manque de précision, cela peut avoir des conséquences désastreuses. Une grande banque a utilisé la science des données pour renforcer l'atténuation des risques et réduire le risque du modèle.

Sécurité et fiabilité

L'un des principaux constructeurs automobiles mondiaux a utilisé la science des données pour comprendre le comportement des conducteurs et concevoir des véhicules améliorés, plus sécurisés, plus fiables et plus personnalisés.

Fidélisation des clients

Un grand distributeur britanniqueutilise la science des données pour extraire des informations exploitables, optimiser les promotions et augmenter les dépenses supplémentaires de plus de 15 millions de détenteurs de cartes de fidélité.

Produits et offres associés

IBM Watson Studio

IBM Watson ® Studio fournit des outils permettant de travailler plus facilement et en collaboration avec des données pour créer et entraîner des modèles à grande échelle. Il vous offre la flexibilité de créer des modèles où résident vos données et de les déployer n'importe où dans un environnement hybride, afin que vous puissiez utiliser la science des données plus rapidement.

IBM Watson Visual Recognition

IBM Watson Visual Recognition utilise des algorithmes d'apprentissage en profondeur pour analyser des vidéos et des images de scènes, d'objets et de visages à l'aide d'API Watson. Il accélère le délai d'obtention des résultats grâce à des modèles préalablement formés avec du contenu visuel.

IBM Cloud Pak for Data

IBM Cloud Pak™ for Data vous aide à collecter, organiser et analyser des données avec une plateforme multicloud. Il crée une base d'analyse fiable qui facilite l'accès aux données et vous aide à adapter les informations à la demande avec l'IA.

IBM Decision Optimization

IBM Decision Optimization fournit des outils qui utilisent les sciences mathématiques et numériques pour aider les spécialistes des données à optimiser les décisions d'apprentissage automatique. Les modèles d'optimisation de décision peuvent maintenant être plus facilement déployés en tant que service à l'intérieur de Watson Machine Learning.

IBM Watson OpenScale

IBM Watson OpenScale™ suit et mesure les résultats de l'IA tout au long de son cycle de vie et adapte et régit l'IA en fonction de l'évolution des situations métier - pour les modèles créés et exécutés n'importe où.

Apprentissage en profondeur

Le service d'apprentissage en profondeur au sein d'IBM Watson Studio aide les spécialistes des données à concevoir visuellement des réseaux neuronaux et à ajouter des cycles de formation tout en ne payant que pour les ressources utilisées.

IBM SPSS Modeler

IBM SPSS® Modeler permet à une entreprise d'utiliser la science des données en glisser-déposer pour accélérer la rentabilité des modèles en production.

IBM Watson Studio Desktop

Watson Studio Desktop permet à toute personne de démarrer, de créer des modèles et de les déployer depuis le desktop - n'importe quand, n'importe où.

IBM Watson Machine Learning Accelerator

Watson Machine Learning étend l'apprentissage automatique et le déploiement d'un modèle d'apprentissage en profondeur dans un environnement à service partagé et distribué.

Watson Studio Premium

En rassemblant des analyses prédictives et prescriptives dans une plateforme d'analyse et de données cloud-native, IBM permet à une organisation d'accélérer le déléai de rentabilisation avec l'utilisation de la science des données et de l'IA. Watson Studio Premium for IBM Cloud Pak for Data permet de fournir un retour sur investissement substantiel (PDF, 1,6 Mo).

Solutions de science des données pour votre industrie

Santé

Découvrir des éclairages à partir des essais cliniques, des données sur les patients et plus encore :

  • Anticiper les problèmes de santé et aider à sauver des vies avec des alertes
  • Réduire les erreurs de diagnostic
  • Identifier les modèles de symptômes
  • Supprimer le risque des médicaments sur ordonnance

Secteur bancaire

Accélérer le service clients grâce à une application de cloud hybride basée sur l'apprentissage automatique innovant :

  • Permettre aux commerciaux de donner des réponses sur place aux demandes de prêt
  • Créer une appli de notation de crédit mobile
  • Satisfaire les clients et booster les revenus

Fabrication

Soutenir la fabrication autonome de véhicules grâce à la technologie d'apprentissage automatique :

  • Entraîner des capteurs de voitures autonomes avec l'apprentissage automatique
  • Réduire le coût de production à grande échelle
  • Rendre les voitures sans conducteur plus abordables et plus sûres à conduire

Services informatiques

Activer l'automatisation des processus robotisés (RPA) assistée par IA :

  • Aider les employés à se concentrer sur les activités stratégiques
  • Augmenter les investissements RPA avec l'apprentissage Watson Machine
  • Accélérer le développement de la solution RPA de 20 %

Médias / Divertissement

Offrir des informations plus approfondies, plus rapidement, sur les audiences TV grâce à l'apprentissage automatique :

  • Accélérer la compréhension des données d'audience plus complexes
  • Autoriser la mise à l'échelle rapide et facile au fil de l'évolution de la demande
  • Se concentrer sur l'intégration métier

Formation

Tirer parti des données des étudiants, des cv, des sondages, des tests et plus encore :

  • Soutenir la planification personnalisée, le suivi et les conseillers informés par données
  • Identifier les lacunes en matière d'apprentissage
  • Améliorer l'état de préparation des élèves

Exemples de réussites en science des données

Intégrer des outils de science des données en open source tout en répondant aux exigences de sécurité

Gérer le risque du modèle à l'aide de la science des données et de l'apprentissage automatique

Redéfinir l'avenir de l'expérience des fans à l'aide de la science des données et de l'IA

Formation et déploiement de modèles d'apprentissage en profondeur pour les lecteurs optiques hors ligne (OCR)

Rationaliser le processus de modélisation et d'optimisation de l'offre et de la demande

Accélérer le service client et contrôler les risques avec des évaluations rapides du risque de crédit

Lutter contre la criminalité avec la science des données : déployer les ressources appropriées au bon endroit et au bon moment

Maintenir la santé de la faune à l'aide de la science des données et de l'apprentissage automatique

Rendre les usines plus intelligentes en exploitant l'apprentissage automatique pour la gestion de la qualité

O’Reilly : L'IA agile pour l'entreprise

L'IA se traduira par une nouvelle valeur opérationnelle de 13 billions de dollars au cours de la prochaine décennie. Mais il n'existe pas de pratique standard pour la mise en œuvre de l'IA, et il est difficile de réduire le risque d'échec du projet. En savoir plus sur les pratiques d'IA agile et sur la manière de positionner votre équipe pour gagner, grâce aux experts   Carlo Appugliese, Paco Nathan et William S. Roberts.

* "How to choose the right data science and machine learning platform", Gartner Research, mars 2019

** “What Data Scientists Really Do, According to 35 Data Scientists”, Harvard Business Review, Août 2018

*** “Why data scientist is the most promising job of 2019”, TechRepublic, Janvier 2019