Byte TI a organisé un webinaire, organisé par Aitana et H&K, avec la participation d’Agustín de Lozar, responsable du développement commercial BI d’Aitana et d’Eduardo Cejudo, ingénieur en apprentissage automatique de H&K, qui a commencé l’analyse avancée en aidant à convertir des données dispersées en connaissances utiles et anticipées. Scénarios et décisions des entreprises avec une grande rigueur. Les acteurs insistent sur la qualité, la gouvernance et la culture des données comme bases pour que la technologie génère une valeur réelle.
La rencontre a commencé à expliquer ce qu’est l’analyse avancée. Il présente également un ensemble de techniques qui sont beaucoup plus présentes dans la simple lecture de données historiques. Eduardo Cejudo, ingénieur en apprentissage automatique de H&K, l’a défini ainsi : « L’analyse avancée est un terme très vaste qui englobe diverses techniques, principalement consistant à utiliser des techniques statistiques, des modèles prédictifs, l’apprentissage automatique ou également à apprendre à apprendre automatiquement et à utiliser davantage d’intelligence artificielle. pour accroître la connaissance des données et apoyar la toma de décisiones en las empresas”.
Le pont a souligné que votre valeur n’est pas seulement de décrire ce qui s’est produit, mais d’expliquer ce qui s’est produit, d’anticiper ce qui peut passer et recommander des actions. Dans ses paroles, « aucun seul objet n’est décrit ce qui s’est produit, si ce qui permet d’entendre ce qui s’est produit est une phénoménologie utilisant les données, anticipant ce qui pourrait succéder dans le futur et aussi recommander des actions concrètes ». Cette capacité d’analyse rétrospective prédictive est l’un des événements centraux du webinaire.
Du point de vue du commerce, Agustín de Lozar, responsable du développement des affaires BI d’Aitana, a estimé que l’objectif final est d’améliorer la prise de décision et d’apporter la plus grande profondeur à l’analyse. Il semble que ces outils permettent de « consulter les données de perspectives distinctes » et de rencontrer des patrons et des comportements qui, dans le travail quotidien, peuvent passer par des apercibidos. J’ai également insisté sur le fait que la technologie peut devenir la capacité humaine, sans la remplacer.
Pour illustrer, j’ai pu avoir un exemple pratique : une caisse de vente. Sans analyse avancée, l’explication peut donner lieu à des hypothèses ; Avec des modèles et des outils les plus sophistiqués, il est possible d’identifier si la descendance répond aux clients recherchés, à l’occasion d’un commerce ou d’autres interactions entre variables. Cette différence, expliquée, est celle qui convertit les données en une palanca utile pour le commerce.
Por qué fallan los proyectos
Un des messages les plus répétés de la rencontre est que la technologie n’est pas le principal problème. Eduardo Cejudo a affirmé que « la technologie comme ce n’est pas le problème » et a ajouté que « il existe aujourd’hui des frameworks open source et des solutions d’IA avec beaucoup plus de prix que dans le passé. L’obstacle réel est pour la qualité, l’organisation et la cohérence des données ».
Et comme l’a expliqué Cejudo, « beaucoup d’entreprises disposent de grands volumes d’informations, mais elles apparaissent dispersées dans divers systèmes, avec des incohérences ou sans une définition claire. Cette situation difficile à extrair de valeur et fait que beaucoup de projets ne se poursuivent pas ». À votre avis, les erreurs ne sont pas expliquées par le manque d’outils, mais par une mauvaise sécurité lors de l’adoption : vous devez d’abord comprendre le problème commercial et ensuite choisir la technologie appropriée.
J’ai lu le résumé avec clarté: «Il faut d’abord bien définir et comprendre le problème qui veut résoudre les décisions qui veulent prendre, et ensuite en base pour mettre en œuvre la technologie». C’est également une bonne chose que, sans une stratégie claire, la technologie n’apporte que peu de valeur. À cela s’ajoutent les pièces essentielles comme le régulateur des données et l’adoption réelle par une partie des équipements, car seuls les modèles sont convertis en un moyen efficace pour décider.
Agustín de Lozar a coïncidé avec le diagnostic et a pu faire le point sur la qualité des données. Enregistrez que beaucoup d’entreprises exploitent des entreprises ERP et supposent que les informations qui contiennent sont suffisantes et correctes, mais ce n’est pas toujours le cas. Según a expliqué, « suelen fatar campos, no se registra toda la información o los procesos de negocio no están bien géréados, ce qui détériorera les résultats lorsque les modèles appliqués sont avancés. L’IA, si vous avez de mauvaises données ou pas de champs complets, ne va pas offrir une solution ». Dès aujourd’hui, il est défendu que la préparation des données est un travail préalable imprescindible et que la culture de l’entreprise doit changer pour accompagner cette transformation. « La direction est définie et doit avoir la valeur que vous allez mettre en œuvre », a-t-il souligné, en remarquant que la stratégie doit naître et s’étendre à toute l’organisation.
Culture des données et escalade
La conversation a ensuite suscité une question critique dans de nombreux projets, comme la distance entre la langue technique et la langue commerciale. Agustín de Lozar a défendu que la solution ne pouvait pas être choisie entre une partie et l’autre, mais en combinant les deux. « C’est donc un gagnant-gagnant », a-t-il déclaré, « parce que les équipes dirigeantes doivent comprendre les possibilités et les limites de la technologie, alors que les profils techniques doivent mieux comprendre le commerce ».
Il est également prévu que l’apprentissage doit être progressif. Son idée fut claire : « Aprende a pedir ». Según explicó, conviene construir de petits modèles pour que l’utilisateur de commerce pratique, se familiarise et apprend une formule plus importante pour ses besoins. De cette façon, l’implantation est déjà un exercice purement technique et se transforme en une évolution conjointe entre le commerce et la technologie. À votre avis, cette recherche doit éviter de trouver des solutions que l’utilisateur « ni n’a commandé, ni n’a sollicité, ni ne sait comment fonctionner ».
Eduardo Cejudo a coïncidé avec cette vision et cet ajout qui existe désormais plus de marge pour ce transfert de connaissance dans toutes les directions, car la mise en œuvre consomme moins de temps et moins de ressources avant. En conséquence, les programmeurs peuvent consacrer plus d’énergie à comprendre le commerce afin de répondre aux questions correctes des responsables de la région. Cela améliore la qualité des solutions et réduit la distance entre ce qui est nécessaire et ce qui est construit.
Escalarer l’analyse
Le dernier bloc se trouve au centre des signaux qui obligent une entreprise à ne pas être prête à intensifier son analyse. Il existe plusieurs indicateurs comme les définitions distinctes d’une même donnée entre les départements, la question de l’automatisation, la dépendance des heures de calcul et la responsabilité des responsables clairement liées à la gestion de l’information. De plus, si les décisions sont prises par intuition et sans données, l’adoption sera encore une fois la technologie existante affaiblie.
Agustín de Lozar a renforcé cette idée avec une vision organisationnelle. À ce point de vue, « beaucoup d’entreprises ont accumulé des données sans une stratégie claire et ont réalisé de nombreux projets locaux qui n’ont pas d’impact mondial. Le résultat n’est pas de résoudre tout le problème, mais garantit que chaque initiative a une valeur tangible ».
L’analyse avancée, concluant ainsi, ne fait qu’augmenter lorsqu’il existe une qualité, une stratégie, une gouvernance et une culture corporative contestant l’utilisation des données comme base de décision.
