Alors que l' intelligence artificielle (IA) et l'apprentissage automatique (ML) commencent à sortir du monde universitaire pour se tourner vers le monde des affaires, on s'est beaucoup intéressé à la manière dont ils pourraient aider l'intelligence d'affaires (BI). Il y a beaucoup de potentiel dans les systèmes qui utilisent la recherche en langage naturel pour aider la direction à rechercher plus rapidement les informations d'entreprise, à faire des analyses et à établir des plans d'affaires. Un article précédent sur l' intelligence d'affaires «autonome» (BI) mentionnait brièvement deux domaines dans lesquels le ML aidera la BI. Bien que l'interface consommateur, l'expérience utilisateur (UX), les choses, sa visibilité ne sont que la pointe de cet iceberg. Les informations fournies à l'UX sont bien plus significatives.
Bien que cela soit très important, il est encore plus crucial de pouvoir être sûr que les données affichées. L'IA et l'apprentissage automatique peuvent aider à relever ce défi.
Tout commence par les données
Bien que les mainframes existent toujours, l'après-midi de leur mainframe contrôlant toutes les données et informations est révolue depuis longtemps. Bien que les années 1990 aient vu des efforts dans les entrepôts d'informations, les données sont un produit liquide qui existe dans de trop nombreux endroits pour faire de l'entrepôt la «version unique de la réalité» espérée. Le lac d'informations de Now n'est que les stéroïdes en ligne du magasin de données fonctionnel. Cela aide mais ce ne sera plus un référentiel unique que celui des tentatives précédentes pour la même chose.
Les données existent dans de nombreux systèmes et le développement de l'IoT et des systèmes de cloud computing signifie que les données continuent de s'éloigner du cœur de l'informatique sur site. Travailler pour surveiller toutes les informations et déterminer quelles sont les données est un problème de plus en plus complexe.
Par conséquent, l'entreprise a trois problèmes importants avec l'explosion moderne des données:
- Où sont vos données?
- Quelles informations sont suffisamment importantes pour être suivies en tant que conseils?
- Quelles personnes doivent avoir accès à chacune de ces parties des conseils?
Sans résoudre les problèmes, l'entreprise court des risques en raison d'une mauvaise prise de décision basée sur des données inexactes et de réglementations de plus en plus strictes en matière de conformité des données.
Ne partez pas de zéro
Compte tenu de ce défi, une solution est nécessaire. Heureusement, il n'est pas nécessaire de repartir de zéro. Vous trouverez plutôt des techniques dans d'autres domaines d'applications qui peuvent être exploitées et adaptées au problème. Les théories du ML et d'autres applications pourraient être empruntées à différents domaines de l'informatique pour aider à la fois à la conformité et à la prise de décision commerciale.
L'apprentissage automatique fait actuellement des progrès dans la sécurité des réseaux et des applications. Des systèmes d'apprentissage approfondi et formés étudient les transactions pour rechercher des anomalies et identifier les attaques et autres risques pour la sécurité. Dans le même temps, les systèmes de gestion d'actifs ont été poussés par l'explosion des appareils mobiles et la montée en puissance des applications SaaS pour mieux comprendre quels actifs de propriété physique et intellectuelle sont connectés à l'infrastructure et aux réseaux de l'entreprise.
Ces méthodes peuvent être utilisées pour interroger les nœuds du réseau à la recherche de ressources de données afin d'aider à construire un meilleur modèle de métadonnées d'entreprise. Les transactions sur le réseau pourraient être interrogées pour de nouvelles informations et pour une utilisation appropriée.
Gestion des données en libre-service
D'une importance cruciale, le système ML pourrait aider à améliorer l'accès aux informations tout en gérant la conformité. Il est inadéquat en BI pour découvrir les exceptions et identifier les risques. Lorsque l'analyse doit vraiment devenir explicite, un accès plus rapide aux informations est nécessaire.
Dans le modèle actuel, les principes de conformité et les décisions des analystes définissent l'accès d'un travailleur aux bases de données et aux champs spéciaux. Cela limite considérablement le libre-service par le simple fait que nous ne pouvons pas imaginer toutes les demandes à l'avance.
Étant donné que la PNL fournit une méthode simple permettant au personnel de remettre en question les informations commerciales, de connaître les processus commerciaux et également de découvrir de nouvelles connexions entre les données commerciales, il y aura souvent des réflexions basées sur l'intuition et la perspicacité. Un superviseur posera une question sur les relations ou les données qu'il n'a pas envisagées auparavant, demandera des données non encore accessibles ou tentera de s'étendre au-delà des limites de l'information fixées.
Dans la procédure standard, cela signifie que l'enquête est soudainement interrompue, que des courriels doivent être envoyés au service informatique, des discussions doivent avoir lieu, puis les systèmes doivent être ajustés pour permettre de nouvelles directives d'accessibilité.
Un programme ML peut considérablement accélérer ce processus, avec toutes les règles et l'expérience nécessaires pour trouver rapidement de nouvelles données, voir si les données actuelles correspondent aux règles de conformité et accorder un accès immédiat, ou signaler la demande d'inspection immédiate par un responsable de la conformité.
Cette barrière est beaucoup plus complexe que ce qui se passe actuellement avec les modifications de l'UX, mais la lutte est tout aussi importante. Il n'est pas important de savoir avec quelle facilité un gestionnaire peut poser une question s'il n'y a pas de moyen rapide de comprendre où se trouvent les informations pour répondre au problème et de choisir également si l'interlocuteur a le pouvoir de connaître la réponse.
L'apprentissage automatique offre la possibilité de bien mieux gérer les données d'entreprise dans le monde distribué. Bien que l'entreprise cherche des moyens de poser de bien meilleures questions, elle devrait chercher à localiser et à traiter les informations qui fournissent des réponses.