Analytique augmentée : guide pour bien choisir sa BI de nouvelle génération
Pour s’y retrouver dans l’analytique augmentée, l’analytique avancée, et l’automatisation du Machine Learning
Introduction
La barrière n’existe quasiment plus entre l’informatique décisionnelle (la BI) et l’analytique. La première générait des rapports quand la deuxième affichait un tableau de bord dynamique, rappelle le Gartner. Aujourd’hui, les deux se confondent. La BI permet d’explorer les données, souvent même en self-service.
Mais en fusionnant, cette Business Intelligence/analytique a aussi fait un grand pas en avant dans l’Intelligence Artificielle, donnant ce que les analystes nomment la « BI Modern ».
Le Machine Learning automatise la préparation des données et va jusqu’à générer lui-même des « insights ». Le NLP comprend les questions en langage naturel (en tout cas en anglais) et synthétise les résultats dans un récit cohérent. Et en parallèle, la BI s’intègre directement dans les applications métiers (et s’y adapte).
Autre champ d’application, le Machine Learning s’applique… au Machine Learning et automatise « l’analytique avancée » (l’Automated Machine Learning). En résumé, les logiciels ouvrent les portes des algorithmes prédictifs aux non-Data Scientists. Et il prémâche le travail des experts de la donnée.
Avec ces évolutions, de nouveaux cas d’usage apparaissent. Et côté éditeurs, on observe un double mouvement : les acteurs traditionnels ajoutent des fonctionnalités « augmentées » à leurs stacks BI (SAP, Oracle, MicroStrategy, Qlik, Tableau, etc.) et de nouveaux entrants viennent les défier – que ce soit de manière transverse ou sur des briques particulières (ThoughSpot, DataRobot, H20.ai pour n’en citer que quelques-uns ou encore Alteryx ou Dataiku avec leurs capacités à simplifier le pipeline analytique).
Difficile de s’y retrouver dans ce foisonnement ?
Ce guide pratique devrait vous aider à y voir plus clair. Il commence par replacer l’analytique avancée dans son contexte, puis il aborde quelques points clefs à prendre en compte dans un choix avant d’illustrer les applications réelles et innovantes que permettent ces nouveaux outils.
Autres guides sur le sujet :
- BI orientée métier : le grand guide de la Data Discovery
- Data Storytelling : comment mettre la donnée en scène pour diffuser la Data Science
1Contexte -
Comprendre ce qu’est l’analytique augmentée
BI : les 3 piliers de l'analytique de 3ème génération
Intelligence Artificielle, ouverture et approche agnostique de la donnée sont les éléments clef des outils BI de nouvelle génération qui, selon Qlik, ont pour but de démocratiser le plus possible l'usage de la donnée jusqu'aux opérationnels. Lire la suite
Le « Dynamic Data Storytelling » au cœur de la nouvelle génération de BI (Gartner)
Analytique « augmentée », « avancée », et « automatisée » sont les nouvelles tendances clefs de la Business Intelligence. Mais l’analytique « dynamique » – dont on dit qu’elle remplacera les traditionnels tableaux de bord – sera certainement la prochaine grande disruption du marché. Lire la suite
BI : qu'ont en commun les leaders du marché ?
Dans son Magic Quadrant 2020, Gartner plébiscite à nouveau PowerBI, Tableau, Qlik et ThoughtSpot, quatre acteurs qui auraient une « vision long terme » très axée sur « l’analytique augmentée » et la Data Science. Lire la suite
Gartner voit le Machine Learning changer la face de l'analytique
Dans son top 10 des prévisions sur l’évolution de l’analytique d’ici 2022, Gartner met en avant l’arrivée à maturité d’une Intelligence Artificielle qui s’infuse désormais dans quasiment tous les outils – de la BI à la gestion des données en passant par l’analytique intégrée. Lire la suite
2Conseils-
Bien choisir et sélectionner sa « BI moderne »
Pistes pour comparer les outils d’analytiques avancées
Le choix d’un fournisseur de BI augmentée et d’analytique avancée peut être difficile tant les offres semblent similaires au premier abord. Voici quelques conseils du Gartner et de Forrester pour mieux sélectionner ses outils. Lire la suite
3Terrain-
Nouveaux cas d’usages innovants
Les différents visages de l'analytique augmentée
Voici les cinq principaux cas d'utilisations actuels de l'analytique augmentée dont votre entreprise pourrait tirer parti. Ils vont de la préparation des données, aux requêtes en langage naturel en passant par l'automatisation et la réutilisation d'analyses. Lire la suite
Analytique en temps réel : les tendances et les cas d’usage à retenir
Alors que de plus en plus d’entreprises adoptent l’analytique en temps réel, de nouvelles infrastructures et pratiques voient le jour. Voici les pratiques les plus marquantes associées aux plateformes d’analyse de données en continu. Lire la suite
Comment l'analytique avancé aide à prendre de meilleures décisions financières
Les DAF et les directions financières commencent à se convertir à l'analytique avancé, à l'analytique prédictif et à la donnée en temps réel pour prendre des décisions plus dynamiques. Lire la suite
Analytique : Betclic parie sur le cloud
Dans l’objectif de migrer son architecture BI et analytique sur le cloud, Betclic utilise les services de Talend Cloud. Le spécialiste du pari sportif effectue des traitements au plus près des données encore stockées sur site, mais les gère depuis le nuage. Lire la suite
Pernod Ricard se distille un savant cocktail de Big Data et d’analytique
Utilisatrices des solutions Qlik de longue date, les filiales françaises Pernod Ricard exploitent l’outil analytique connecté à la plateforme Big Data du groupe. Un mariage réussi dans lequel la brique Snowflake monte en puissance. Lire la suite
Machine Learning : du rugby à la Formule 1
Six nouveaux « F1 Insights » arrivent à partir de juillet pour les spectateurs de Grands Prix. AWS profite de cette collaboration avec la Formule 1 pour appliquer ses outils prédictifs, comme il l’a fait avec le Tournoi des VI Nations en début d’année. Lire la suite