BI et Data science orientée métier : 2 approches complémentaires

Les similarités entre la BI et la science des données (« data science ») orientée métier sont nombreuses ; ce sont des différences que la plupart des gens ont du mal à discerner. Le but à la fois de la BI et de la science des données centrée business est de convertir les données brutes en informations exploitables (« insights ») que les gestionnaires et les dirigeants peuvent utiliser pour la prise de décisions métier.

La BI et la science des données orientée métier diffèrent dans leur approche. Bien que la BI puisse utiliser des méthodes prospectives telles que la prévision, ces méthodes sont générées en faisant de simples inférences à partir des données historiques ou actuelles. De cette façon, la BI extrapole à partir du passé et du présent pour déduire des prédictions sur l’avenir. Elle cherche dans des données passées ou présentes des informations pertinentes pour aider les opérations de BPM et de supervision et pour aider les gestionnaires dans la prise de décision à court et à moyen terme.

En revanche, les praticiens de la science des données centrée métier cherchent à faire de nouvelles découvertes à l’aide de méthodes mathématiques ou statistiques avancées pour analyser et générer des prédictions à partir de vastes quantités de données business. Ces idées (insights) prédictives sont généralement pertinentes pour l’avenir à long terme de l’entreprise. Les data scientists orientés métier tentent de découvrir de nouveaux paradigmes et de nouvelles façons de regarder les données pour fournir une nouvelle perspective sur l’organisation, ses activités et ses relations avec les clients, les fournisseurs et les concurrents. Par conséquent, le data scientist orienté métier doit connaître l’entreprise et son environnement. Il doit avoir des connaissances métier afin de déterminer dans quelle mesure une découverte est pertinente pour un secteur d’activité ou l’organisation dans son ensemble. Autres différences entre la BI et la science des données centrée métier :

• Les sources de données : La BI utilise uniquement les données structurées des bases de données relationnelles, alors que la data science orientée métier peut utiliser des données structurées et non structurées, comme les données générées par les machines ou dans les conversations sur les médias sociaux.
• Les outputs : les produits BI comprennent des rapports, des tableaux de données et des tableaux de bord d’aide à la décision, tandis que les produits de la data science centrée business impliquent soit des analyses du tableau de bord ou un autre type de visualisation de données avancé, mais rarement des rapports de données tabulaires. Les data scientists communiquent généralement leurs résultats par des mots ou des visualisations de données, mais pas des tableaux et des rapports. C’est pour cette raison que les ensembles de données sur lesquels les scientifiques travaillent sont généralement plus complexes que ce qu’un chef d’entreprise typique serait en mesure de comprendre.
• Les technologies : La BI fonctionne avec des bases de données relationnelles, des entrepôts de données, OLAP (Online Analytic Process) et les technologies ETL, alors que la science des données centrée business va souvent hors des données des systèmes de données-ingénierie qui utilisent Hadoop, MapReduce, Spark, Storm ou le traitement parallèle à grande échelle.
• Expertise : La BI repose fortement sur l’IT et l’expertise de technologie business, alors que la science des données repose sur l’expertise dans les statistiques, les mathématiques, la programmation et le business.

Mardi 19 janvier – 11h00

Les plateformes de traitement Big Data distribuées