Comment mettre en place des solutions d’analyse avancée ?
Temps de lecture : 5 minutes
Publié le 15 décembre 2017
La puissance du cloud et de ses espaces de stockage et de traitement quasiment illimités encourage la démocratisation du machine learning. Pour les entreprises et les organisations, c’est une opportunité unique. Elles peuvent désormais mettre en place des outils de prévision du comportement client, de recommandations en temps réel, de détection des tentatives de fraudes ou encore de maintenance prédictive. Comment ? Découvrez les différentes briques de la plateforme data de Microsoft. Extraits d’un webinar que vous pouvez également visionner ici.
Pour concevoir un nouveau service, on part en général d’un problème métier initial. Dans les secteurs de la vente et du marketing, il pourra s’agir de la fidélisation client ou de la gestion de la fraude (Comment savoir que cette transaction venue d’un pays lointain n’est pas frauduleuse ?). La recommandation est également une fonctionnalité essentielle pour les retailers (à titre d’exemple, le géant Amazon annonce avoir augmenté ses ventes de 20 à 30% grâce à la recommandation), tout comme l’analyse de l’attrition (churn analysis), c’est-à-dire le fait de déterminer le meilleur moment pour proposer une promotion à un client afin de le conserver… Voire le fait de se demander s’il est même pertinent de chercher à le conserver. Dans le secteur de l’industrie, les services d’analytics peuvent permettre d’optimiser les opérations et processus. Par exemple, en ayant la capacité de dépêcher un technicien sur un site avant même que les équipements ne tombent en panne.
À lire aussi » ThyssenKrupp : analytics et réalité mixte à tous les étages
Petite typologie de l’analyse avancée
Quand on parle d’analyse, on pense d’abord à l’analyse décisionnelle (ou business intelligence) et donc à une forme d’analyse descriptive, qui vise à utiliser les données pour décrire les circonstances actuelles ou passées afin d’analyser différents évènements.
Il est également aujourd’hui possible d’effectuer des analyses en temps réel afin d’être en mesure de déclencher des actions immédiates. Dans un environnement de plus en plus concurrentiel, ce type d’analyse représente une demande toujours plus forte de la part des entreprises, qui ont besoin d’aller de plus en plus vite.
Autres types d’analyses, l’analyse prédictive, qui consiste à se baser sur des données pour prédire un résultat futur et l’analyse prescriptive, qui s’appuie sur des scénarios hypothétiques pour trouver la meilleure combinaison en réponse à résultat futur attendu. Pour les entreprises, c’est la possibilité de mettre en place de nouveaux business models fondés sur la prédiction. Un assureur auto pourra ainsi concevoir un nouveau dispositif de tarification, calculé en fonction du comportement du conducteur (pay as you go).
Depuis quelques mois, Microsoft propose deux types de solution : SQL Server 2016, qui permet d’effectuer des analyses avancées directement dans le serveurs, et Cortana Analytics Suite, une suite complète, conçue pour aider les entreprises à tirer de l’intelligence de leurs données, que ces dernières viennent de capteurs, d’un CRM ou d’applications business.
Un peu de technique : comment fonctionne Cortana Analytics Suite ?
Cortana Analytics Suite peut répondre à toutes les formes d’architecture : récupérer des informations en temps réel d’un côté, stocker sur le long terme pour un traitement à froid de l’autre. On y trouve tous les services liés à la gouvernance de l’information, du stockage à l’analyse. Tous sont en mode PaaS, voire SaaS pour la partie restitution, et peuvent donc être embarqués très rapidement. On cumule ainsi le côté prêt à l’emploi du PaaS et les bénéfices du cloud, notamment le stockage illimité, indispensable lorsqu’on ne maîtrise pas à l’avance le volume des données que l’on va récupérer.
Les modules dédiés à la gestion de l’information permettent de récupérer des évènements sous forme de données brutes, mais aussi d’apporter de l’intelligence, par exemple, en calculant la moyenne d’une metrics en temps réel, ou de transférer les données au travers de différents pipelines.
Une fois l’information générée, elle peut être stockée avec SQL Azure, un service PaaS qui ne nécessite pas l’installation d’une machine virtuelle, avec Azure Data Lake (un réservoir de données non structurées dans leurs formats natifs, utile pour stocker des data sans savoir à l’avance ce que l’on va en faire), avec le service de stockage big data HDInsight ou encore avec Azure SQL Data Warehouse, qui permet de stocker et de traiter des volumes de données massifs et qui est scalable à l’infini.
Les parties machine learning et analyse avancée se font grâce à d’autres modules prêts à l’emploi. Azure Machine Learning permet ainsi de créer les modèles, de transformer et d’évaluer les données. Couplé à du streaming de données, il permet d’améliorer les modèles indéfiniment, pour arriver au risque 0 de la prédiction. Azure Stream Analytics permet d’exécuter en temps réel des analyses avancées hautement parallèles. Les solutions de streaming open source comme Spark and Storm sont également supportées, pour vous permettre de développer vos propres algorithmes d’analyse avancée, avec une marge virtuellement illimitée.
Transformer la donnée en action intelligente
Enfin, pour les parties visualisation et outils clients, il est possible d’utiliser la plateforme de reporting Power BI mais aussi n’importe quel site que vous créerez vous-même pour répondre à des besoins spécifiques, ou encore Excel. Ce dernier permettant en effet de créer des rapports complexes et interactifs, avec des fonctionnalités comme Power Pivot, Power Query, PivotTable…
Par ailleurs, Cortana Analytics Suite inclut, entre autres, des API d’intelligence perspective. Après la souris et le tactile, l’intelligence perspective permet d’explorer de nouveaux modes d’interactions en analysant la vision, le visage, le discours, les textes ou même les émotions des utilisateurs. Des innovations qui sont le fruit de plusieurs années de travail pour les data scientists de chez Microsoft. Un exemple ? TwinsOrNot.net, un site développé en quelques heures grâce à l’API Face, est capable de déterminer si deux visages pris en photo sont ceux de jumeaux, ou non.
L’API Emotion permet, elle, de détecter la joie, la tristesse, l’insatisfaction, ou encore la colère sur un visage. On peut imaginer l’utiliser dans le cadre d’une file d’attente, pour repérer les clients les plus énervés ! Et le principe est le même pour l’analyse de texte, afin, par exemple, de déterminer si des tweets sont positifs ou négatifs. Ces API facilement consommables, et proposée sur un modèle freemium (gratuit jusqu’à un seuil donné), peuvent ainsi permettre d’optimiser un certain nombre de scenarios business !
Souvent, les projets démarrent avec un seul module, de machine learning par exemple, puis d’autres besoins, liés au stockage ou à la transformation des données, se font sentir. Cortana Analytics Suite, est un ensemble d’outils complémentaire dans lequel vous pouvez piocher ce qui vous conviendra le mieux, ou que vous pouvez utiliser de bout en bout, en fonction de ce que vous recherchez !
