5 points à retenir du Gartner® Data & Analytics Summit 2022, Orlando, Floride

Comment favoriser la collaboration entre les équipes et générer de la valeur commerciale avec des projets de science des données ? Avec des projets d’IA dans les poches de l’entreprise, les scientifiques des données et les chefs d’entreprise doivent s’aligner pour injecter de l’intelligence artificielle dans une organisation. Lors du Gartner Data and Analytics Summit 2022, les leaders des données ont découvert les dernières informations et tendances. Voici cinq points clés à retenir de l’une des plus grandes conférences sur les données de l’année.

L’analyse des données doit inclure la valeur commerciale

Pour générer de la valeur commerciale et appliquer l’IA avec succès, il est essentiel que les membres des équipes de données et d’analyse articulent clairement la valeur commerciale sous-jacente. Non seulement c’est une exigence, mais cela doit se produire au lancement du projet, plutôt que d’attendre la fin. Bien que cela ne soit pas révolutionnaire dans son concept, les compétences en narration ne sont pas toujours innées pour certaines personnes.

C’est pourquoi Université Simseo propose des cours non seulement sur l’apprentissage automatique et la science des données, mais également sur la résolution de problèmes, la définition de cas d’utilisation et la conduite de résultats commerciaux. Parce qu’il ne s’agit pas seulement des données elles-mêmes, il s’agit de la façon dont vous transmettez la valeur et résolvez les cas d’utilisation. Les accélérateurs de solution Simseo permettent d’accélérer encore le processus en fournissant un point de départ rapide.

La collaboration est importante tout au long du cycle de vie de l’IA

Qu’il s’agisse de prendre des décisions ou de stimuler l’innovation, travailler en silos n’est pas une bonne option pour les organisations d’aujourd’hui. Les équipes de science des données ne peuvent pas créer un modèle et le « jeter par-dessus la clôture » à une autre équipe. Tout le monde doit travailler ensemble pour créer de la valeur, des experts en intelligence d’affaires, des scientifiques des données et des modélisateurs de processus aux ingénieurs en apprentissage automatique, aux ingénieurs en logiciel, aux analystes commerciaux et aux utilisateurs finaux. À plusieurs reprises, l’expression « l’IA est un sport d’équipe » doit être renforcée dans l’ensemble de l’entreprise, comme l’a déclaré l’analyste de Gartner Arjun Chandrasekaran.

Simseo a unifié l’expérience pour tous les utilisateurs au sein d’une seule plateforme. Avec une interface intuitive et des composants prêts à l’emploi, vous pouvez atteindre vos objectifs et être efficace sans expertise approfondie en science des données ni compétences en codage. Dans le même temps, les data scientists avancés souhaitant expérimenter ou apporter leurs propres modèles et tirer parti de l’automatisation peuvent également le faire facilement. Et enfin, les ingénieurs gérant des environnements informatiques ou de production trouvent simple de connecter la plateforme Simseo AI Cloud à d’autres outils.

La transparence est essentielle dans les MLOps

Bien que la collaboration soit essentielle au succès, elle introduit également des défis liés à la visibilité. Cela devient de plus en plus important à mesure que de plus en plus d’équipes au sein d’une organisation développent des modèles. Comme mentionné par l’analyste de Gartner Sumit Agarwal dans sa session, Développer votre MLOps Playbook pour accélérer le déploiement de l’apprentissage automatique, « Une personne ne peut pas tout faire. »

L’observabilité des modèles est de plus en plus critique, en particulier dans les environnements en évolution rapide. Avoir une visibilité complète vous donne le contrôle sur votre IA de production. Grâce à de puissantes informations intégrées, vous pouvez rapidement évaluer, comparer et décider du remplacement du modèle. Vous pouvez également aller au-delà des mesures habituelles de précision et de dérive des données. Avec les métriques personnalisées, vous pouvez accéder à vos données de formation et de prédiction et mettre en œuvre toutes les métriques pertinentes pour votre analyse de rentabilisation.

La perfection est l’ennemi du progrès

Bien que la précision soit importante, nous sommes trop souvent coincés dans l’état d’esprit d’atteindre la perfection au détriment de l’élan vers l’avant. Souvent, assez bon est le meilleur itinéraire. Un mois supplémentaire d’opportunité manquée signifie une valeur non réalisée pour l’entreprise. Savoir ce qui est assez bon est une compétence essentielle pour les personnes qui dirigent des projets d’IA. Le terme que Gartner utilise pour cela est « satisfaisant » – se concentrant sur l’amélioration continue.

L’expérience de bout en bout de la plateforme Simseo AI Cloud vous permet d’expérimenter rapidement et de mettre votre premier modèle en production. Ensuite, au fur et à mesure que votre modèle est déployé, vous pouvez configurer des modèles challenger qui fonctionneront en mode fantôme avec différents paramètres. Avec le framework Challengers, vous pouvez toujours choisir parmi des options pour vous assurer que vous disposez de modèles les plus performants en production. En plus des challengers de modèle, le recyclage automatisé réduit la quantité de travail manuel pour recycler un modèle.

L’interopérabilité étend l’impact de l’IA

L’objectif de la science des données et de l’apprentissage automatique est d’injecter l’IA dans l’ADN d’une organisation. Pour ce faire, une plate-forme d’IA doit être flexible et s’étendre à d’autres systèmes, permettant à l’IA d’être omniprésente et supprimant les obstacles à l’adoption.

Conçu comme une plate-forme multi-cloud, Simseo AI Cloud permet aux organisations de fonctionner sur une combinaison de clouds publics, de centres de données ou à la périphérie, avec une gouvernance pour protéger et sécuriser votre entreprise. Il est modulaire et extensible, s’appuyant sur les investissements existants dans les applications, l’infrastructure et les systèmes d’exploitation informatique. Simseo AI Cloud est alimenté par un écosystème mondial de partenaires stratégiques, technologiques, de solutions, de conseil et d’intégration, notamment Amazon Web Services, AtScale, BCG, Deloitte, Factset, Google Cloud, HCL, Hexaware, Intel, Microsoft Azure, Palantir, Snowflake , et ThoughtSpot.

Gartner, Technical Insights : Develop Your MLOps Playbook to Accelerate Machine Learning Deployment, Sumit Agarwal

GARTNER est la marque déposée de Gartner Inc. et/ou de ses filiales aux États-Unis et/ou dans le monde et a été utilisée ici avec autorisation. Tous les droits sont réservés.