#DATA : 7 sujets chauds pour 2020

Nouvelle année, nouvelles tendances… Quels sont les sujets Data à suivre de très près en 2020 ? Business & Decision vous explique tout en images. Découvrez la nouvelle édition des 7 sujets chauds Data de l’année ! Au programme : Intelligence artificielle, Business Intelligence, Data Virtualisation, Machine Learning, DataOps, Gouvernance des données, Data éthique / IA éthique… C’est parti ! Très belle année à tous 🙂

1. Intelligence Artificielle

Généraliser l’adoption de l’IA dans l’organisation

L’IA produit une valeur et un pouvoir de transformation inégalés.

Sa généralisation dans l’organisation est l’enjeu numéro 1 dans les mois à venir.

Infrastructure, architecture, DataOps, socle de données, gouvernance et automatisation constituent les principaux axes.

Le véritable enjeu est humain, et nécessite une organisation, de la conduite du changement, de la formation et de l’acculturation.

2. Business Intelligence

Le Décisionnel de demain se construit aujourd’hui

Le Décisionnel connaît un renouveau technologique et fonctionnel.

Centré sur l’utilisateur, il fournit une expérience d’accès aux données en autonomie, depuis l’exploration et la préparation des données, jusqu’à leur visualisation.

Connecté au reste du SI, il exploite les données de sources multiples, et sa gouvernance en optimise l’exploitabilité.

Dopé par les performances et la souplesse du Cloud, ce nouveau Décisionnel dope l’efficacité opérationnelle des organisations.

3. Virtualisation des données

L’architecture agile pour casser les silos

La virtualisation permet de rendre les données accessibles sans les dupliquer ni les déplacer.

Multi-sources, multi-technologies, multi-cloud, la virtualisation crée un accès standard et universel aux données.

Ses cas d’usage sont infinis : lutte contre la fraude, protection des données, analytique à la demande, optimisation des ressources cloud, gestion des risques, mise en conformité, croisement de sources de données, reporting en temps-réel, data science, Logical Data Warehouse…

La virtualisation est une approche innovante pour accélérer la mise à disposition des données et casser les silos d’information.

4. Machine Learning / Deep Learning

Exploiter les algorithmes pré-entraînés

Les algorithmes d’IA les plus avancés sont développés en Deep Learning et entraînés avec des montagnes de données.

Cette puissance devient accessible à tous, intégrée dans les outils de traitement de données et sur les marketplaces d’algorithmes.

Ces algorithmes pré-entraînés peuvent s’adapter à des problématiques spécifiques par transfert d’apprentissage.

Ces mécanismes entraînent une diffusion rapide et à moindre coût de l’IA dans les organisations.

5. DataOps

Les produits Data et IA passent à l’échelle

Le DataOps a pour objectif de fluidifier le processus d’industrialisation des produits Data et IA.

Cette approche mixe méthodologie, organisation et technologie pour optimiser la chaîne de production des projets.

En rapprochant les équipes métiers, data, et IT, le DataOps définit un cadre de travail collaboratif et agile.

Les entreprises qui passent leurs projets Data et IA à l’échelle placent le DataOps au cœur de leur fonctionnement.

6. Gouvernance des données

Construire le catalogue des données

La gouvernance, c’est la maîtrise et l’exploitabilité du patrimoine des données de l’entreprise.

Le catalogue des données documente et partage les connaissances, tout en instaurant un mode collaboratif.

Le catalogue des données est au cœur de la réponse à apporter au RGPD et à certains règlements sectoriels.

La maîtrise du patrimoine des données est indissociable du succès des stratégies Data et IA.

7. Data Éthique | IA Éthique

Les deux visages d’un futur responsable

L’éthique est à placer au cœur de l’IA par toutes les organisations.

Le RGPD a posé les bases de la protection des données personnelles, mais n’est pas suffisant pour définir une IA digne de confiance.

Les efforts sont à concentrer sur la responsabilité, l’élimination des biais, la transparence et l’explicabilité des algorithmes.

Quelques préconisations : Chief Ethics Officer, Ethics-by-design, Code de conduite, Audit des algorithmes, Supervision humaine.