Rechercher
Contactez-nous Suivez-nous sur Twitter En francais English Language
 

De la Théorie à la pratique











Abonnez-vous gratuitement à notre NEWSLETTER

Newsletter FR

Newsletter EN

Vulnérabilités

Se désabonner

Mauvais usage des données : un manque à gagner

juin 2019 par Zachary Jarvinen, Head of Technology Strategy, AI and Analytics, chez OpenText

Les données rendent possible la prise de décision assistée par ordinateur, l’automatisation, l’optimisation des activités, et elles aident à préparer les entreprises à leur transformation numérique. Pourtant, à l’échelle internationale, 60% des décideurs liés aux données et à l’analytique affirment que leur entreprise dispose de 100 téraoctets de données ou plus, et qu’ils peinent à faire face à cette surabondance d’informations. Des études ont montré que 80% des données dans le monde ne sont pas structurées et demeurent coincées dans des systèmes de gestion d’informations d’entreprise (EIM). Ces données comprennent les informations produites en continu par diverses sources, telles que les réseaux sociaux, l’IoT et autres outils intelligents, les e-mails, les messages vocaux, les présentations, les dépositions légales, les pages Web, ou encore les vidéos.

Le contenu non structuré, seul ou associé à des données structurées, peut être utilisé pour affiner la stratégie d’une entreprise. Toutefois, les entreprises sont actuellement confrontées à un défi majeur : celui de comprendre la complexité et le volume des données qu’elles génèrent et comment les utiliser.

Libérer la valeur des données non structurées

Les données non structurées générées chaque jour à l’intérieur et à l’extérieur des entreprises contiennent des informations spécifiques uniques et précieuses car elles peuvent être utilisées pour trouver les clés des moteurs d’activité actuels et à venir. Les ignorer représente un manque à gagner, les entreprises passant à côté d’informations exploitables pouvant permettre des résultats tangibles. En s’y prenant bien, les entreprises peuvent transformer cet amas de données poussiéreuses en informations enrichies, et prendre des décisions tout en réduisant les coûts et en gardant une longueur d’avance sur la concurrence.

En effet, les données peuvent être collectées, intégrées dans des applications, appliquées à des algorithmes, échangées grâce au deep learning et des tendances permettant d’améliorer la prise de décision peuvent être découvertes. Par exemple, les secteurs à forte intensité d’actifs peuvent utiliser leurs données pour la maintenance prédictive et la planification des ressources. Les données peuvent fournir des informations sur l’analyse du recrutement aux services des ressources humaines afin de leur permettre d’engager le meilleur candidat pour chaque poste. L’utilisation d’algorithmes peut également les aider à trouver des moyens de retenir les meilleurs talents en se basant sur la mesure du potentiel.

Mais pour que les entreprises puissent prospérer dans le paysage numérique, elles doivent se baser sur les outils adéquats pour faire émerger des différents canaux, et accéder aux tendances les plus profondément enfouies dans les réseaux de l’entreprise. Grâce aux progrès dans les domaines du text analytics et du machine learning, les entreprises sont davantage en mesure de tirer parti du contenu non structuré et ne sont plus obligées de s’en remettre uniquement à leur intuition.

Intelligence artificielle : pour de bons résultats, il faut les bons outils

Cela ne fait aucun doute : l’intelligence artificielle (IA) est en train de changer le monde, à commencer par les entreprises, y compris dans les secteurs qui s’appuient le plus sur les documents papier, tels que la santé, les administrations publiques et les banques. Les utilisations pratiques de l’IA, telles que le text mining et la capture augmentée, permettent aux entreprises de donner vie à leurs données, quelle que soit leur source.

Le text mining est un processus qui permet à une machine de lire des données textuelles non structurées, qui contiennent généralement un contexte et des informations plus précieux que ceux des données structurées. Grâce à cette technologie, les machines peuvent apprendre non seulement à identifier les mentions de personnes, de lieux, d’objets ou d’événements, mais aussi à lire les textes et à attribuer un ton émotionnel à chacune de ces mentions. Prenons l’exemple du secteur financier : des analyses sophistiquées permettent aux banques et aux organismes financiers d’identifier et de comprendre les tendances, telles que les plaintes courantes relatives aux produits ou les questions fréquemment posées.

La capture augmentée par l’IA va encore plus loin en capturant et en interprétant le contenu des documents, qu’il s’agisse de documents papiers ou numériques. Elle utilise ensuite l’IA pour lire et comprendre les contenus, les classant ainsi plus efficacement, de sorte qu’ils puissent être automatiquement acheminés vers les bonnes personnes, avec le bon niveau de priorité et en respectant le caractère sensible des informations concernées. Par exemple, les entités gouvernementales et les grandes entreprises ont du mal à faire face à l’immense quantité d’informations entrantes dans le cadre d’opérations essentielles, telles que l’intégration, la facturation, les réclamations, ou la correspondance client. Mais ces outils réduisent largement le besoin d’interventions manuelles fastidieuses et sujettes aux erreurs.

En utilisant les bons outils, les entreprises peuvent avoir une visibilité sur ce qui importe aux clients au moment T et identifier de nouvelles catégories de produits ou opportunités commerciales. En déployant ces utilisations pratiques de l’IA et de l’analytique, les entreprises se focaliseront moins sur les données que sur les informations qu’elles contiennent, ce qui est désormais une nécessité absolue pour faire face à la concurrence à l’ère de la révolution numérique.




Voir les articles précédents

    

Voir les articles suivants