Think with Google article | Google Talk Series at Vivatechnology 2021 - Data intelligence : transformer data en valeur ajoutée

Vincent : D'après notre expérience, nous pouvons identifier trois domaines principaux dans lesquels nous constatons des retours sur investissement significatifs, bien que cette liste ne soit pas exhaustive.
Le marketing est le premier, en particulier le marketing numérique, grâce à une meilleure allocation des budgets, à l'optimisation des campagnes et à targeting. L'amélioration de ces facteurs peut doubler les ventes.

Ensuite, la chaîne d'approvisionnement, qui devient de plus en plus data-driven. Il est aujourd'hui possible de prévoir plus précisément la demande finale en analysant des signaux qui permettent d'affiner les probabilités, comme les investissements marketing, les contraintes du réseau de distribution ou la météo. Nous estimons qu'une amélioration de 10 points de la prévision peut se traduire par une augmentation de 1% du chiffre d'affaires. C'est ce type de ratio que nous avons constaté chez l'un de nos clients du CAC 40 de l'industrie agroalimentaire, où nous avons amélioré les prévisions de 2 à 10%, selon les business units.

Enfin, les relations avec les clients. Un bon exemple est ce que nous appelons le “conseil augmenté”. Grâce à des systèmes de reconnaissance du langage (Natural Language Processing), il est possible de donner aux opérateurs des centres d'appels des informations pertinentes au cours d'une conversation en temps réel.
Aujourd'hui, les grands groupes se fixent des objectifs ambitieux en matière de programmes de transformation grâce à data et à l'IA, et la crise Covid n'a fait qu'accélérer cette dynamique....

Dounia : Chez Unify, nous développons toute une galaxie de médias, de contenus et de sites de commerce électronique, qui sont autant de sources data en termes de quantité et de diversité (intérêt, intention, sémantique, profil sociologique). Ce data améliore notre connaissance du audience et permet des utilisations internes et externes :

Le véritable défi derrière tout ce travail, au-delà de la collecte du data, est de savoir comment l'utiliser efficacement, de manière contrôlée et responsable, tout en passant à l'échelle supérieure. Pour Unify, cela a signifié la mise en place d'une organisation et d'investissements adaptés à notre ambition et à nos actifs data.

Vincent : Il est vrai que trop peu de projets data atteignent leur plein potentiel. Cependant, au cours des cinq dernières années, un effort important de professionnalisation du data a été réalisé autour de deux concepts clés : “data en tant qu'atout” et “data en tant que produit”.

Data en tant qu'actif signifie gérer son data en tant qu'actif réel. Mais pour cela, il faut d'abord réduire la “dette” qui s'accumule autour du data : la multiplicité des systèmes informatiques complexes qui se superposent au fil du temps, avec des sources de data souvent peu documentées, difficiles d'accès et parfois discordantes.

Pour éliminer cette “dette“, nous devons identifier les domaines data les plus importants et créer des couches organisées qui améliorent la qualité, normalisent et rendent data accessible. De nouveaux profils de “gestionnaires de domaines data” ou de “responsables data” apparaissent, chargés de maintenir et de connecter les sources data afin d'en sécuriser l'utilisation.

Data en tant que produit signifie créer un véritable logiciel qui permet aux entreprises de visualiser, d'utiliser et de manipuler data de manière indépendante. Un logiciel qui doit être intégré dans les systèmes d'information et maintenu dans le temps.

C'est plus difficile qu'il n'y paraît, car cela implique de repenser fondamentalement la manière dont les scientifiques de data travaillent, et nécessite des approches dédiées (telles que MLOps), des propriétaires de produits et des outils pour piloter, orchestrer et maintenir les algorithmes (tels que Vertex, le nouvel outil d'orchestration de Google).

Dounia : Pour être tout à fait franc, le sujet de l'organisation - en particulier data governance - est l'un des plus grands défis que nous ayons à relever, et nous essayons d'avancer en travaillant étroitement avec notre département informatique. C'est d'autant plus difficile qu'avec les projets data, nous voyons souvent les coûts avant les bénéfices.

C'est pourquoi nous avons commencé par les cas d'utilisation les plus susceptibles d'améliorer le chiffre d'affaires d'Unify, en faisant progressivement évoluer les mentalités et en instaurant la confiance. Sans confiance, il n'y a pas de changement.

En fin de compte, ce qui nous a le plus aidés, c'est de disposer d'une expertise interne en matière de data, ainsi que d'une organisation proactive. Nous avons centralisé les outils, les compétences et la base technique.
Maintenant que nous avons atteint la maturité et que nous voyons clairement la valeur ajoutée, nous réalisons que pour continuer à nous développer, nous avons besoin de compétences en matière de qualité, de sécurité et de gouvernance data.

Vincent : Oui, avec la diffusion du artificial intelligence, il faut être particulièrement prudent, car des biais involontaires peuvent survenir lors de l'utilisation du data historique qui est lui-même biaisé.

Par exemple, si la base data d'un établissement de crédit contient plus d'hommes que la base women, un algorithme pourrait interpréter le sexe comme un critère d'éligibilité, ce que personne ne souhaite.
C'est pourquoi les décisions prises par les algorithmes doivent être documentées et contrôlées (explicabilité) afin de s'assurer qu'elles sont conformes au code d'éthique de l'institution, et à l'éthique au sens large.

Sans éthique, il n'y a pas de confiance. Sans confiance, il n'y a pas de changement.