En 2019, la demande des entreprises en matière d'analyse des données en temps réel (ou presqu’en continu) a augmenté. Ce besoin s’accentuera cette année, ce qui incitera les éditeurs à ajouter de nouvelles fonctionnalités et à élargir leurs offres.
Les données jouent plus que jamais un rôle déterminant dans les opérations quotidiennes et la prise de décision. Quel que soit le secteur d’activité, l’analyse de la data permet d’améliorer l’expérience client et donc le chiffre d’affaires.
Quelques tendances clés, pour l'analyse des données, se dégagent en 2020.
1Des traitements de plus en plus rapides
La demande d'analyses en temps réel, ou quasi en temps réel, exigera des processeurs et des traitements en mémoire encore plus performants. Les entreprises veulent pouvoir répondre instantanément aux activités de vente en ligne, aux alertes concernant leurs infrastructures de production ou aux changements soudains des marchés financiers et des portefeuilles.
Seul bémol, une possible augmentation des tarifs. Le site DigiTimes, qui cite des sources en provenance de Taïwan, évoque une augmentation progressive qui pourrait atteindre les 40 % cette année. Selon DRAMeXchange, après la hausse de 10 % de décembre, il faut s'attendre à une progression des prix de 10 % sur l'ensemble du premier trimestre 2020...
2Des traitements en langage naturel
Les applications vocales et l'analyse n'ont pas beaucoup évolué ces dernières années. La capture de différentes intonations et des accents plus ou moins prononcés représentaient des défis. Mais l’intelligence artificielle a permis récemment de progresser.
Cette amélioration devrait être utile dans des environnements où il est indispensable de donner rapidement des ordres et d’échanger des informations. C’est le cas dans la logistique avec les commandes mains libres.
3L’analyse des graphiques
Les tableurs ont joué un rôle essentiel dans l'engagement des entreprises dans l'analyse. Même si cette méthode conserve de nombreux adeptes et partisans, elle apparait de moins en moins adaptée au contexte actuel.
Avec l'analyse des graphiques, les entreprises pourraient plus facilement déterminer les connexions entre de nombreux points de données et accélérer les prises de (bonnes) décisions.
4 L’analyse augmentée
Les services informatiques et les spécialistes de la data devraient cette année s’appuyer sur différents niveaux d’analyse. Il y aura toujours une base de l'analyse rudimentaire, puis la possibilité d'optimiser cette analyse avec des requêtes de données générées par le Machine Learning (ML).
L'IA et l'apprentissage machine augmenteront – sans la remplacer - la créativité humaine en termes de formulation de requêtes analytiques uniques. Parce que l'IA/ML peut percevoir rapidement des modèles répétitifs, elle peut être en mesure de fournir plus rapidement certaines informations commerciales.
L'analyse augmentée s’appuie sur l'utilisation de technologies statistiques, l'apprentissage automatique et le traitement du langage naturel pour améliorer la performance de la gestion et de l’analyse de la data.
55.L’analyse prédictive
L’an passé, les entreprises ont continué à utiliser l'analyse pour comprendre les situations historiques et actuelles. Cette année, elles devraient s’orienter vers des analyses plus prédictives. L’objectif sera d’évaluer les conditions économiques futures, les zones de risques, les tendances climatiques, l'entretien des infrastructures et les besoins d'investissement.
6 L’automatisation des données
Les « données sales » sont chronophages et couteuses. Les organisations s’orienteront de plus en plus vers l’automatisation du traitement (et de leur préparation en particulier) des données pour accélérer leurs prises de décision.
L’objectif premier sera d'automatiser les processus de collecte et de préparation des données afin d'économiser 80 % du temps que les data scientist consacrent à ces tâches. Cet usage de l’intelligence artificielle leur permettra de se concentrer sur des missions plus stratégiques et créatives.
