Récemment, j'ai fait une présentation au Sommet des données intelligentesun événement virtuel organisé par IDevNews. J'ai été rejoint par SoftwareAG, MapR, entre autres, et l'un de nos partenaires technologiques, Reltio. Cet événement en ligne opportun était axé sur tout ce qui concerne l'IA/ML, les données, l'IoT et d'autres technologies modernes, et ce fut un plaisir d'y participer.
Lors de ma présentation, "Self-Service Big Data and AI/ML. Réalité ou mythe ?" j'ai expliqué comment de plus en plus d'organisations s'appuient sur les données et les exploitent pour obtenir les informations dont elles ont besoin pour prendre des décisions clés telles que le lancement de produits au bon moment, l'anticipation des besoins de leurs clients et l'entrée réussie sur de nouveaux marchés. Le fait d'être axé sur les données peut procurer un avantage concurrentiel qui se traduit par des revenus. "D'ici 2021, les entreprises axées sur la connaissance voleront 1,8 billion de dollars par an de revenus aux concurrents qui ne sont pas axés sur la connaissance", selon Forrester. Toutefois, pour devenir une entreprise axée sur les données, il faut responsabiliser les employés, et pas seulement le service informatique, lorsqu'il s'agit d'utiliser des technologies telles que le Big Data, l'intelligence artificielle (IA) et l'apprentissage machine (ML).
Voici quelques-uns des points à retenir de ma présentation :
- La transformation numérique est freinée par les plateformes héritées - La plupart des organisations sont en cours de transformation numérique, mais la technologie les freine. A étude de Vanson Bourne a révélé que les principaux obstacles à la transformation numérique sont 1) la complexité liée à l'utilisation de plusieurs technologies, 2) le manque de ressources et 3) la dépendance à l'égard des technologies de base de données existantes. Un iPaaS est conçu pour résoudre de nombreux défis liés aux données auxquels les organisations sont confrontées dans leur quête d'amélioration de l'expérience des clients, des partenaires et des employés et d'amélioration de la performance financière. Par définition, un iPaaS connecte différents points finaux tels que les applications, les données, l'IoT et les processus, y compris les sources de données sur site/existantes, de sorte que les informations précieuses ne résident pas dans un silo. Idéalement, l'iPaaS est intuitif et facile à utiliser afin que les employés ayant des compétences variées puissent être productifs rapidement.
- Le Big Data s'accompagne de problèmes encore plus importants Le Big Data, une technologie prometteuse pour le stockage des données nécessaires à l'analyse, s'accompagne de problèmes encore plus importants. Par exemple, une enquête de enquête Gartner a révélé que 90 % des projets de lac de données sont retardés et dépassent le budget, tandis que 60 % échouent complètement. De nombreuses entreprises transfèrent leurs données sur site vers le site cloud afin de réduire leurs coûts d'investissement, mais elles constatent rapidement que leurs coûts d'exploitation restent inchangés. Pourquoi ? Parce qu'il faut des personnes aux compétences spécialisées pour gérer le développement de Spark, sans parler du temps nécessaire à la configuration et à la mise en route et à l'arrêt des clusters de traitement, qui peuvent être fréquents. Ces organisations ressentent également la pénurie de talents et la frustration de ne pas pouvoir permettre à une grande partie de l'organisation d'accéder au lac de données en raison du manque de compétences.
- L'apprentissage automatique ne devrait pas être réservé aux scientifiques des données - De plus en plus d'organisations réalisent que l'analyse descriptive ne suffit pas et exploitent l'apprentissage automatique pour l'analyse prédictive et prescriptive. Cependant, elles sont incapables de construire et de déployer avec succès des modèles basés sur l'apprentissage automatique en raison d'une pénurie mondiale de Data Scientists et d'un manque de données utiles. Pour résoudre ce problème, ils ont besoin d'un paradigme sans code qui permette aux analystes et aux développeurs de préparer toutes les données qu'ils ont amassées en quelque chose d'accessible et qui puisse être utilisé pour former le modèle à l'aide de différents algorithmes de ML. Les algorithmes montreront les résultats et le modèle le plus précis pourra être utilisé pour prédire des événements lorsque des données de la vie réelle lui seront fournies.
Si vous voulez savoir comment votre entreprise peut tirer parti du Big Data et construire des modèles de ML et plus encore, le tout sans une seule ligne de code, voici quelques ressources pour vous aider à démarrer :
- Guide de l'acheteur pour l'intégration moderne des applications et des données
- Soulager la douleur du Big Data : Architecture moderne des données d'entreprise
- Accroître la valeur de Microsoft Dynamics CRM
- Guide de comparaison entre SnapLogic et Mulesoft
