Notre positionnement de base en tant que Anallyse Intégrée Le fournisseur est à la fois ce qui se rapproche le plus de la réalité de notre clientèle et est aussi source de confusion d'une certaine manière, car il y a tellement de chevauchements de mots et de différences énormes dans le monde de l'analyse des données qui ne peuvent pas toujours être parfaitement capturées avec des mots simples.
Le problème de vocabulaire ne se limite pas à la partie « Embedded » d'Embedded Analytics. C'est la nature de l'intégration avec le système hôte, qu'il s'agisse de l'image de marque, de la sécurité des données ou de l'automatisation des processus. C'est la partie « Analyse » qui peut signifier beaucoup de choses, notamment étant donné qu'elle est adjacente à « Analyse ».
L'objectif de cet article est de rassembler ces mots de manière contextuelle tout en les différenciant afin de vous aider, en tant qu'entreprise dont le produit doit intégrer des analyses, à naviguer dans cet espace. Nous n'avons pas l'intention d'être exhaustifs mais de vous ouvrir l'esprit aux similitudes et aux différences entre tous ces mots.
Terminologie couverte
- Visualisation des données : représentation graphique des données, c'est-à-dire des graphiques, des tableaux, des widgets, des gadgets, etc.
- Sémantique des données : modélisation de la logique métier cachée dans le modèle de données pour permettre d'exprimer des requêtes commerciales
- Business Intelligence : résultats de l'analyse des données présentés dans un format de rapport numérique
- Analytique : analyse informatique de données ou de statistiques
- Données et informations exploitables : exécution d'une action informatique basée sur l'analyse des données et/ou la visualisation des données.
- Analyse des produits : analyse des performances et de l'utilisation d'un logiciel
- Science des données : techniques mathématiques pour analyser les données, c'est-à-dire méthodes statistiques, algorithmes d'apprentissage automatique, etc.
- Big Data : capture, stockage et analyse d'un volume important, de données diversifiées et en évolution rapide
- Intelligence artificielle : intelligence quasi humaine démontrée par des machines
- Sécurité des données : protection des données numériques et séparation selon les domaines de responsabilité de l'utilisateur final.
Et enfin, Analytique intégrée (BI intégrée/Business Intelligence) : intégration des résultats d'analyse et de science des données dans un logiciel/application/système via Data Viz et Actionable Insights que les utilisateurs finaux peuvent utiliser, tout en garantissant la sécurité des données. Consultez notre page Analyse Intégrée pour voir comment nous procédons chez icCube.
Terminologie de l'industrie du logiciel
L'accent mis par l'industrie du logiciel sur les données n'est pas nouveau. En 1958, IBM a commencé à parler de systèmes de Business Intelligence. Consultez les historique complet de BI. Au fur et à mesure de l'évolution de l'industrie, des méthodes et des applications de niche sont apparues avec leurs propres terminologies. Explorons certains d'entre eux ici.
Sémantique des données
Extrait de l'article Modèle de données sémantique — Wikipédia nous lisons :
UNE modèle de données sémantique (SDM) est un haut niveau description et formalisme de structuration de bases de données basés sur la sémantique (modèle de base de données) pour les bases de données. Ce modèle de base de données est conçu pour saisir une plus grande partie de la signification d'un environnement d'application que ne le permettent les modèles de base de données contemporains.
Entre les données sources sous leurs différentes formes et formes et l'analyse et la visualisation, une couche doit définir la logique logique qui fait sens entre les éléments de données. Un exemple de cette tâche consiste à utiliser Analyses basées sur OLAP, voir également le même sujet sous un autre angle également dans notre propre article à ce sujet ici.
De nombreux types de visualisation existent : graphique à barres, graphique linéaire, nuage de points, graphique à secteurs, graphique à colonnes, graphique à aires, graphique à barres empilées, graphique Mekko, graphique à secteurs, graphique à bulles, graphique en cascade, graphique en entonnoir, carte thermique, diagramme de Gantt, Treemap, Donut Chart, Sankey Charts pour n'en nommer que quelques-uns.
Exemple : couche sémantique icCube
Visualisation des données
Extrait de l'article Visualisation des Données et des Informations — Wikipédia nous lisons :
Visualisation des données et des informations (données viz/vis ou info viz/vis)[2] est la pratique de conception et en créant des outils faciles à communiquer et à comprendre graphique ou visuel représentations d'une grande quantité[3] d'une complexité quantitative et qualitative données et information à l'aide d'éléments visuels statiques, dynamiques ou interactifs.
Pour toutes les activités qui commencent à partir de données massives et aboutissent à de nouvelles connaissances, l'acte d'analyse consiste à réduire la complexité sans perdre le sens du processus. La représentation visuelle est idéale pour équilibrer le sens et la complexité, que l'utilisation de rapports, de tableaux de bord ou de widgets soit fonction du cas d'utilisation spécifique.
De nombreux types de visualisation existent : Graphique à Barres, Graphique Linéaire, Nuage de Points, Graphique à Secteurs, Graphique à Colonnes, Graphique à Aires, Graphique à Barres Empilées, Graphique Mekko, Graphique à Secteurs, Graphique à Bulles, Graphique en Cascade, Graphique en Entonnoir, Carte Thermique, Diagramme de Gantt, Treemap, Donut Chart, Sankey Charts pour n'en nommer que quelques-uns.
Exemple : Tableau de bord icCube
Business Intelligence
Extrait de l'article Informatique Décisionnelle— Wikipédia nous lisons :
L’informatique décisionnelle (en anglais business intelligence (BI)1 ou decision support system (DSS)) est l'informatique à l'usage des décideurs et des dirigeants d'entreprises. Elle désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données, matérielles ou immatérielles, d'une entreprise en vue d'offrir une aide à la décision et de permettre à un décideur d’avoir une vue d’ensemble de l’activité traitée.
Il s'agit d'un terme générique qui couvre presque tous les produits qui partent des données et aboutissent au niveau de la présentation, visuelle ou autre.
Analytique
Lecture Analytique — Wikipédia nous apprenons :
L'analytique est l'analyse informatique systématique de données ou statistiques.[1] Il est utilisé pour la découverte, l'interprétation et la communication de modèles significatifs dans données. Cela implique également l'application de modèles de données pour une prise de décision efficace. Il peut être utile dans des domaines riches en informations enregistrées ; l'analyse repose sur l'application simultanée de statistiques, programmation informatique, et recherche opérationnelle pour quantifier les performances.
Nous ne limitons donc pas ici l'application en silo vertical mais la couche logicielle utilisée pour contribuer au résultat final. Nous parlons d'implémentations d'algorithmes basés sur les mathématiques pour extraire le sens des données. La mise en œuvre réelle peut être B2B, SaaS, sur site, entièrement automatisée, avec ou sans visualisations.
Données et informations exploitables
On peut lire dans Informations exploitables - TechTarget:
Les informations exploitables sont des conclusions tirées de données qui peuvent être transformées directement en action ou en réponse. Les données qui sous-tendent les informations peuvent être structurées ou non-structurées, quantitatif ou qualitatif.
Nous allons donc au-delà de l'extraction de sens et de la visualisation pour inciter l'utilisateur final ou même un processus automatisé à agir directement en cas de besoin.
Bien que les informations exploitables donnent l'impulsion à une action, des personnes ou des processus sont nécessaires pour exécuter les actions.
Exemple : ICCube intégré avec des actions dans le système hôte
Analyses de produits
Extrait de l'article Analyse des produits par rapport à l'analyse intégrée nous lisons :
L'analyse des produits vous aidera à surveiller votre utilisation du SaaS et l'engagement envers les produits en interne, tandis que l'analyse intégrée apportera la valeur de votre SaaS en tant que fonctionnalités analytiques à vos clients
Dans ce cas, nous sommes donc passés d'un terme générique à une application de niche étroite regroupant des produits, des technologies et des méthodologies plus larges.
Exemple : Google Analytics et outils similaires
Terminologie scientifique et technologique
Sous les modules logiciels centrés sur les données les plus utiles se trouve un cadre théorique basé sur des méthodes mathématiques simples ou extrêmement complexes. Explorons certaines des terminologies utilisées.
Science des données
Lecture Science des données — Wikipédia nous apprenons :
La science des données est un domaine interdisciplinaire qui utilise les mathématiques, les statistiques, le calcul scientifique, les méthodes scientifiques, les process, les algorithmes et les systèmes informatiques automatisés pour extraire et extrapoler des connaissances à partir de grandes quantités de données brutes structurées ou non 1,2,3.
Il s'agit donc du domaine d'étude général de la recherche de sens à partir de données.
Vous pouvez trouver des exemples pratiques dans notre propre article de blog sur La Science des Donnlées.
Exemple : Régression linéaire multiple
Big Data
Big Data— Wikipédia nous dit ce qui suit :
Le big data /ˌbɪɡˈdeɪtə/1 (litt. « grosses données » en anglais), les mégadonnées2,3 ou les données massives2, désigne les ressources d’informations dont les caractéristiques en termes de volume, de vélocité et de variété imposent l’utilisation de technologies et de méthodes analytiques particulières pour créer de la valeur4,5, et qui dépassent en général les capacités d'une seule et unique machine et nécessitent des traitements parallélisés.
Il s'agit donc de science des données sur d'énormes ensembles de données, avec des défis liés à la qualité, à la cohérence et à la rapidité des changements.
Exemple : source de données Big Query et similaires
Intelligence artificielle
Lecture Intelligence Artificielle — Wikipédia on voit :
L'intelligence artificielle (IA) est un ensemble de théories et de techniques visant à réaliser des machines capables de simuler l'intelligence humaine1.
À première vue, cela ne semble pas être lié aux autres termes, mais quand on y pense, poser des questions à un système qui comprend le sujet et les données contextuelles nécessaires pour y répondre est exactement l'analyse idéale des rêves. L'intelligence artificielle est une extension de la science des données et du Big Data, que ce soit du point de vue du traitement du langage naturel ou de l'extraction de sens. Pour en savoir plus, consultez LLM : Ayez une discussion métier intelligente avec vos données !.
Exemple : IcCube AI Chat Bot
Sécurité des données
En regardant Sécurité des données — Wikipédia on voit :
En sécurité des systèmes d'information, la sécurité des données est la branche qui s'intéresse principalement aux données, en complément des aspects de traitement de l'information.
Du point de vue analytique, les droits d'accès au niveau des données et la manière dont les utilisateurs peuvent ou ne peuvent pas voir une partie de la réalité sont extrêmement importants, à la fois du point de vue de la réglementation et de la politique de l'entreprise. Il s'agit d'un point clé dans les systèmes intégrables où la couche d'analyse des données doit être synchronisée à tout moment avec la sécurité de l'application hôte, à tout moment. Nous pouvons également noter que lorsque vous effectuez des analyses sur plusieurs bases de données, le fait d'avoir un couche sémantique en dessous, il permet d'aligner les conventions de dénomination et les relations de données à tous les niveaux entre l'hôte et les parties intégrées.
Exemple : autorisations du schéma icCube
Considérations relatives à votre projet d'Analyse IIntégrée
Les fonctionnalités dont vous avez besoin
Lorsque vous explorez vos propres capacités d'analyse de données, vous devrez créer de la valeur à partir de vos données (ou de celles de vos clients) générées sur votre plateforme SaaS. Vous aurez besoin de données, de sémantique, de génération de sens et d'un moyen d'utiliser les résultats. Cela est vrai, que vous analysiez des produits ou que vous souhaitiez obtenir des informations exploitables. (Le Big Data et/ou l'IA ne sont pas obligatoires mais possibles)
Les compétences dont votre équipe a besoin
Votre équipe a besoin d'un large éventail de compétences, qu'il s'agisse de comprendre les activités de vos clients, leurs processus et leurs cas d'utilisation (analytiques), de comprendre ce que les clients finaux veulent faire de leurs données, d'en extraire un sens concret, de présenter des données et de piloter des processus (dans votre SaaS) à grande échelle. Cela ne signifie pas nécessairement que vous ayez besoin de docteurs en science des données ou d'experts en deep learning dans votre groupe de logiciels, mais déterminez clairement qui vous devez créer la valeur que vous souhaitez apporter.
Conclusion
Qu'il s'agisse d'un produit ou d'une technologie, de la science des données, de la position de l'utilisateur et de l'entreprise, de la veille économique, de la visualisation des données, de l'analyse exploitable, de l'analyse des produits, du Big Data, du chevauchement de l'IA. C'est le contexte dans lesquels ils sont utilisés, ce qui les rend différents. Les fonctionnalités dont vous aurez besoin pour chaque cas d'utilisation se chevauchent parfois et diffèrent parfois. Faisons en sorte de ne pas vous noyer dans le jargon et de veiller à ce que les fonctionnalités dont vous avez besoin soient couvertes par la ou les solutions que vous choisissez.
Comment pouvons-nous vous aider ?
Chez icCube, nous développons et aidons les fournisseurs de solutions SaaS B2B à intégrer une plateforme entièrement intégrable qui commence par vos données, vous permet de mettre en œuvre votre science des données, d'en extraire du sens, de visualiser le résultat selon les besoins et permet aux utilisateurs finaux d'agir en toute sécurité directement dans l'application hôte pour corriger les problèmes ou faire avancer les situations... et disparaît complètement de manière fluide pour l'utilisateur final. Forts de nombreuses années d'expérience, nous pouvons vous aider à faire les bons choix pour votre cas d'utilisation spécifique et nous sommes d'accord si ce n'est pas notre choix à la fin de la conversation.
Vous voulez savoir comment nous pouvons vous aider à évaluer les options qui vous permettront de réussir ? Communiquez avec nous — nous serions ravis de discuter !