Ascension du « citizen data scientist » :comment l'apprentissage automatique humanisé augmente l'intelligence humaine

IDC estime que le volume de données dans le monde devrait augmenter de 61 % entre 2018 et 2025 – pour atteindre finalement 175 zettaoctets – dont une grande partie est générée par les entreprises. Alors, comment peut-on en tirer parti pour optimiser les processus métier, améliorer les opérations quotidiennes et éclairer la prise de décision ?

La réponse réside dans les plates-formes d'apprentissage automatique humanisées, selon Mind Foundry directeur de recherche Nathan Korda, qui rend les capacités avancées d'apprentissage automatique accessibles aux propriétaires de problèmes métier, permettant ainsi l'essor du « citoyen des données ».

Trop de données, trop peu de temps

Aujourd'hui, de nombreuses entreprises ont du mal à analyser et à extraire toute la valeur de la richesse des données générées et collectées quotidiennement. Le défi qui incombe aux propriétaires de problèmes commerciaux, qu'il s'agisse d'un cadre dirigeant, d'un analyste ou même d'un responsable des opérations, est de savoir comment comprendre efficacement leurs données pour générer davantage de valeur commerciale et optimiser les processus.

Ils peuvent avoir des feuilles de calcul pleines de données et utiliser des modèles de données simples pour extraire une valeur limitée, mais comment peuvent-ils aller plus loin ? La réponse réside dans une plus grande accessibilité de l'apprentissage automatique via des plates-formes centrées sur l'utilisateur. Pour la première fois, cela permet aux propriétaires de problèmes commerciaux (ceux qui ont une connaissance approfondie de problèmes spécifiques et de leur impact sur les opérations) de connecter des capacités avancées d'apprentissage automatique à la valeur commerciale.

Les avantages sont accessibles à tous

L'apprentissage automatique a traditionnellement été considéré comme nécessitant des ressources, du temps et une expertise technique importants, ce qui inclut souvent l'embauche de scientifiques des données - un domaine hautement spécialisé où la demande de talents dépasse actuellement l'offre. Au-delà de cela, les data scientists sont souvent trop séparés d'un problème métier pour le contextualiser et comprendre l'impact total qu'il a sur les opérations.

Entrez les scientifiques des données citoyennes - des employés n'exerçant pas dans des rôles dédiés à la science des données ou à l'analyse, qui peuvent utiliser une plate-forme d'apprentissage automatique humanisée pour explorer leurs données et déployer facilement des modèles pour libérer la valeur qu'elles contiennent. Grâce aux plates-formes centrées sur l'utilisateur, les employés actuels peuvent accéder à la technologie d'apprentissage automatique sans avoir besoin de formation spécialisée. Il s'agit d'une étape importante pour permettre aux propriétaires de données de maîtriser rapidement leurs propres données et d'effectuer des opérations à grande échelle, sans investissement ni expertise importants.

Au niveau de l'entreprise, cela met des solutions avancées d'apprentissage automatique entre les mains des petites et moyennes entreprises et de leurs employés, qui peuvent manquer d'expertise en science des données. Mais l'accessibilité accrue de l'apprentissage automatique génère également de nouvelles opportunités pour les scientifiques des données, leur permettant de se rapprocher des problèmes commerciaux et de concentrer leurs compétences sur l'innovation pour les projets de transformation numérique.

Nouvelles capacités commerciales – à grande vitesse et à grande échelle

Une plate-forme d'apprentissage automatique offre aux scientifiques des données citoyens une plus grande accessibilité aux capacités requises pour préparer et visualiser rapidement les données, puis créer, déployer et gérer un modèle approprié. Qu'il s'agisse de suggérer des actions pour nettoyer et formater correctement les données ou de recommander le modèle le plus approprié pour un ensemble de données, une plateforme humanisée est conçue pour guider les utilisateurs tout au long du processus du début à la fin.

Un aspect essentiel de cette approche est de réduire le volume des tâches de préparation de données banales. Pensez aux processus métier qui sont répétitifs et impliquent une analyse régulière des données de manière similaire, comme les prévisions budgétaires. Au lieu d'immobiliser les ressources de la haute direction pendant plusieurs semaines pour finaliser les budgets en fonction des résultats commerciaux attendus, les responsables peuvent utiliser une plate-forme d'apprentissage automatique intuitive pour identifier et configurer rapidement un modèle pouvant être réutilisé pour réviser les budgets chaque année, ce qui réduit considérablement le temps investi dans ce processus va de l'avant.

Alternativement, prenez une entreprise de fabrication de pointe qui développe et produit des composants de précision. Ils peuvent avoir des experts en machines avec des décennies d'expérience dans l'industrie et une compréhension approfondie des données produites par les capteurs d'équipement - mais ils ne peuvent pas identifier les modèles et les domaines à optimiser sans une équipe dédiée à la science des données. Grâce aux plates-formes d'apprentissage automatique humanisées, ces experts peuvent saisir, nettoyer et visualiser des données en quelques minutes, puis sélectionner un modèle de données approprié pour découvrir des informations inédites.

L'homme rencontre la machine :des capacités complémentaires

Les plateformes d'apprentissage automatique sont destinées à amplifier les compétences existantes des employés. Ils suppriment une grande partie du temps et des ressources traditionnellement investis dans l'application de l'apprentissage automatique aux données d'entreprise, mais la propriété et le contrôle du processus incombent toujours à l'utilisateur. C'est la clé d'une utilisation réussie de la technologie d'apprentissage automatique.

Les applications d'apprentissage automatique sont excellentes pour l'évaluation et la gestion des risques, et pour faire appel au jugement basé sur les données, mais manquent de l'intuition et de la créativité nécessaires pour contextualiser et résoudre les problèmes des affaires humaines. C'est là que les plates-formes d'apprentissage automatique humanisées tracent la frontière entre les tâches « humaines » et les tâches « informatiques ». Ils prennent en charge les tâches répétitives à forte intensité de main-d'œuvre telles que le nettoyage des données, la découverte de modèles basée sur les données et la validation de modèles, et permettent aux propriétaires de problèmes de concentrer leur temps et leurs ressources plus directement sur le problème métier à résoudre.

En fin de compte, l'ordinateur devra toujours collaborer avec un humain lors de l'application de l'apprentissage automatique. Pour assurer le succès du projet, l'apprentissage automatique doit faire partie d'une équipe humaine, augmentant les compétences, l'intelligence et les capacités humaines. Les humains ont la capacité unique de contextualiser les données et les erreurs associées. Prenons un exemple simple où des codes d'erreur sont présents dans un grand ensemble de données. Une plate-forme d'apprentissage automatique aura du mal à contextualiser cela, mais un humain proche du processus métier peut rapidement fournir une explication, telle que des capteurs hors de portée.

Au-delà des avantages immédiats, les plateformes d'apprentissage automatique résolvent le problème de l'héritage une fois qu'un citoyen data scientist quitte l'entreprise. Ces employés peuvent développer des solutions d'apprentissage automatique pour résoudre des problèmes commerciaux spécifiques, en sachant que ces réalisations seront toujours opérationnelles, intuitives et réutilisables par leurs collègues une fois qu'ils auront évolué.

L'apprentissage automatique est désormais viable pour toutes les entreprises

L'apprentissage automatique est appelé à devenir de plus en plus courant parmi les entreprises de toutes tailles alors qu'elles s'efforcent d'optimiser leurs opérations quotidiennes. N'oubliez pas que les propriétaires de problèmes commerciaux auront toujours une connaissance unique et intime d'un problème spécifique et de sa pertinence par rapport aux priorités commerciales existantes. Pour la première fois, ils peuvent directement identifier et améliorer la valeur de leurs données en exploitant rapidement l'intelligence des machines à grande échelle.

L'application de l'apprentissage automatique aux données n'a plus besoin d'être un projet ardu et consommateur de ressources s'étalant sur plusieurs mois. L'essor des data scientists citoyens offre aux petites et moyennes entreprises d'importantes opportunités d'exploiter rapidement des capacités avancées d'apprentissage automatique afin d'exploiter davantage d'informations et de valeur commerciale à partir de leurs données.

Nathan Korda est directeur de recherche au spin-out de l'apprentissage automatique de l'Université d'Oxford Fonderie de l'esprit .