En ce moment, pour aider à la décision et imaginer des actions qui sont supposées conduire au succès escompté, la data science a le vent en poupe. Elle serait certainement moins pertinente sans s’appuyer sur un socle, celui de la business intelligence.
La « data science », c’est-à-dire la capacité d’une organisation à analyser, extraire et mettre en forme des quantités de données pour les mettre en scène de façon visuelle et percutante. Il s’agit de relever et de présenter des tendances orientées vers l’avenir. Une mission que mène un data scientist qui doit élaborer des pistes pour répondre à des interrogations et imaginer des hypothèses d’avenir à partir des données significatives. La data science est réputée comme réactive et elle se place dans l’anticipation.
Sachez qu’il ne faut pas confondre cette science de la donnée avec une autre appelée la « business intelligence » ou BI. Là encore, il s’agit d’analyser les données provenant du big data afin d’aider à la décision. Plus que de profiler l’avenir, la business intelligence se consacre plutôt au passé. Il s’agit d’une sorte de travail d’historien qui permet de bien comprendre le passé en s’appuyant sur des données et de dresser une description précise du passé et du présent.
Les experts en business intelligence peuvent fournir aux data scientists des rapports sur les tendances du moment. Comment ? En collectant les données brutes et en les classant dans une base de données structurée autrement baptisée « entrepôt de données ». Une fois organisées, les données sont présentées sous la forme d’un tableau de bord synthétique. C’est à partir de celui-ci que l’expert va pouvoir, par exemple, vérifier quels sont les projets qui ont connu du succès et analyser leurs données.
Et si la data science a actuellement le vent en poupe grâce à sa capacité à réaliser de la prospective, elle perd beaucoup de pertinence si elle ne s’appuie pas sur les analyses délivrées par la BI.
Car, comme le soulignait justement Victor Hugo, si « l’avenir est une porte, le passé en est la clé ». Autrement dit, la BI doit rester plus que jamais l’assise de la data science. Cette dernière peut alors s’inspirer de l’existant pour mener à bien ses hypothèses.
Dans les deux cas, comme ces données disponibles relèvent du big data, il faut faire appel de plus en plus à une machinerie conséquente dopée à l’intelligence artificielle (IA) et plus précisément au « machine learning ». C’est d’ailleurs le machine learning qui vient ingurgiter les données propres au BI pour que l’IA parvienne à automatiser l’analyse et permettre à la data science d’élaborer ses scénarios. Pour que le personnel de l’organisation puisse s’atteler à la BI de façon autonome, il existe d’ailleurs des solutions, par exemple Power BI de Microsoft, que l’on peut qualifier de self-service, car il n’y a pas besoin d’être un expert en informatique pour traiter les données issues du big data.
Avec Futura
