Les données issues du Big Data sont d’origines multiples (vidéos, images, texte…), sans cesse en mouvement et toujours plus nombreuses. Les entreprises, aux prises avec des volumes d’informations colossaux, ont besoin d’analyser leurs données en profondeur pour en exploiter tout le potentiel et résoudre des problématiques complexes.
"La Data Science, grâce à un ensemble de méthodes et de technologies innovantes, explore les informations sur un périmètre très large et offre aux entreprises la possibilité d’anticiper l’avenir."
L’information en temps réel pour une performance optimisée
95% des projets Business Intelligence ont une composante Data Science, pourquoi ?
La BI consiste à regarder les informations, les construire, pour établir des indicateurs de pilotage d’activité pour l’entreprise.
La Data Science permet d’élargir le périmètre d’exploration des données ; mélange disciplinaire entre les statistiques, le développement d’algorithmes et la technologie, elle extrait les informations en temps réel pour permettre à l’entreprise d’anticiper les actions à venir.
Les opportunités d’optimisation de performance sont considérables :
- Accélération de la prise de décision
- Amélioration de l’efficacité des processus
- Développement de nouveaux modèles métiers
L’essor de la Data Science a vu l’émergence de nouveaux experts de la donnée : les Data Scientists.
Data Scientist, l’expert qui fait parler les données
Maître d’œuvre du projet Big Data, le Data Scientist explore les données, les fait parler, établit des relations entre elles et leur donne du sens.
Son rôle : faire émerger de nouvelles analyses et proposer des indicateurs plus pertinents aux entreprises.
Son objectif : permettre aux entreprises de trouver la réponse la plus adaptée à leurs problématiques présentes et futures.
Pour bien comprendre la valeur ajoutée de cet expert de la donnée, prenons un cas d’usage que nous avons rencontré au sein de notre Centre de data services BIAL-R : un client, face à des situations d’impayés récurrentes, avait besoin d’anticiper les risques de contentieux associés, sans pour autant perdre un temps précieux sur ce sujet.
Grâce à son analyse poussée des données, notre équipe de Data Scientists a créé un algorithme permettant aux les acteurs métier de proposer un niveau d’accompagnement aux locataires, afin d’éviter la situation litigieuse.
Les applications concrètes de la Data Science
La Data Science a des applications multiples dans des domaines très variés.
Par exemple, lors d’un achat en ligne, les sites e-commerce nous suggèrent des produits complémentaires et nous proposent ensuite des offres en lien avec nos préférences.
Comment sont-ils parvenus à comprendre pourquoi nous choisissons ce produit plutôt qu’un autre et à mettre en place le moteur de recommandation correspondant ?
Grâce à la Data Science, qui utilise dans ce cas un procédé d’apprentissage automatique appelé Machine Learning. Une autre méthode, le Deep Learning, pourrait bien révolutionner la médecine. Cette technologie a la particularité d’ « apprendre » des données qu’elle analyse, plus elles sont volumineuses, plus les indicateurs issus de ses algorithmes sont précis. Appliquée à l’imagerie médicale, elle permet par exemple d’analyser des millions de clichés de scanners cérébraux, d’identifier les différents types de tumeurs associées, leur gravité, les zones altérées, etc… Un ensemble d’informations qui pourront aider les médecins à poser leurs diagnostics, à envisager les traitements possibles pour leurs patients ou même à anticiper l’apparition d’une affection.
Pour illustration, le projet Semaphore*, consacré à la maladie de Parkinson : une équipe de Data Scientists analyse un volume considérable d’informations (imagerie cérébrale, données cliniques, comportementales) pour permettre, à terme, une identification précoce de cette paralysie agitante et, par conséquent, une meilleure prise en charge du patient.
*(source : sciencesetavenir.fr)
