Les 10 grandes tendances de la BI pour 2018
Les solutions d'aide à la décision évoluent rapidement : il est possible que ce qui fonctionne aujourd'hui ait besoin d'être amélioré demain. Du traitement du langage naturel à l'essor des contrats d'assurance pour les données, des clients et des équipes de Tableau nous ont aidés à identifier les 10 tendances décisives qui feront parler d'elles en 2018.
Les 10 grandes tendances de la BI
Les solutions d'aide à la décision évoluent rapidement : il est possible que ce qui fonctionne aujourd'hui ait besoin d'être amélioré demain. Du traitement du langage naturel à l'essor des contrats d'assurance pour les données, des clients et des équipes de Tableau nous ont aidés à identifier les 10 tendances décisives qui feront parler d'elles en 2018.
Que vous soyez une Data Rockstar, un héros de l'IT ou un dirigeant en train de bâtir son empire BI, ces tendances mettent en lumière les priorités stratégiques qui peuvent vous aider à aller de l'avant.
- N'ayez pas peur de l'intelligence artificielle
- L'influence des arts libéraux
- La promesse du traitement du langage naturel
- Le débat sur le multi-cloud
- L'essor des CDO
- La gouvernance par le crowdsourcing
- L'assurance pour les données
- Le rôle d'ingénieur Data
- Géolocalisation des objets
- L'investissement de l'enseignement
N'ayez pas peur de l'intelligence artificielle
La culture populaire encourage une vision pessimiste de ce que le machine learning est capable de faire. Mais au fil des avancées de la recherche et de la technologie, le machine learning devient rapidement un accessoire essentiel pour l'analyste. En réalité, c'est son meilleur outil.
Supposons que vous deviez observer rapidement les conséquences d'un changement de prix sur un produit donné. Pour cela, vous devez exécuter une régression linéaire sur vos données. Avant Excel, R ou Tableau, tout cela devait être fait manuellement, ce qui prenait des heures. Grâce au machine learning, vous pouvez maintenant voir la consommation pour ce produit en quelques minutes, si ce n'est quelques secondes. En tant qu'analyste, vous n'avez plus à vous préoccuper de cette tâche fastidieuse et vous pouvez passer à la question suivante : la consommation plus élevée pour certains mois est-elle liée à un facteur extrinsèque comme un jour férié ? Un nouveau produit a-t-il été lancé ? Une couverture médiatique a-t-elle influencé l'achat ou la visibilité du produit ? Vous n'avez plus à vous demander si vous avez passé suffisamment de temps à peaufiner votre modèle de régression...
