Cloud réussi : Améliorer les décisions et les prédictions grâce à l’apprentissage automatique et aux lacs de données
juin 4, 2020 / Unisys Corporation
Alors que nous avons observé l’actualité sur la crise de la COVID-19, ce qui est devenu évident, c’est l’importance des données empiriques et des analyses pour informer les citoyens et les gouvernements du monde entier et leur donner les moyens de prendre des décisions politiques et de santé. Johns Hopkins, par exemple, a rapidement constitué un lac de données avec des flux d’informations provenant de pays du monde entier sur les statistiques de la COVID-19. Cela est devenu la pierre angulaire pour le public et les experts à la fois pour surveiller les statistiques quotidiennes du monde entier et la modélisation et les prévisions basées sur l’apprentissage automatique ont aidé des millions.
La beauté des lacs de données réside dans le fait que leur création et leur utilisation ne sont pas limitées par une structuration rigide des données – elles peuvent être ingérées dans leur format natif. Le Cloud rend cela possible grâce à :
- Stockage économique dans le Cloud à la demande
- Outils cloud et plans intégrés pour l’ingestion et le nettoyage des données
- Plusieurs couches de sécurité et de conformité dans le Cloud pour protéger les ressources
- Les outils d’analyse basés sur le cloud les plus récents et les plus innovants
Une fois le lac de données « formé », il est impératif de fournir des mesures de sécurité et de conformité pour protéger à la fois l’intégrité du système et les informations personnelles et les données de propriété intellectuelle. La sécurité du Cloud Data Lake peut être régie et protégée au sein d’un environnement d’isolation dynamique et de chiffrement défini par logiciel. Les normes de conformité (par ex. HIPAA, RGPD, NIST) peuvent être évaluées, surveillées et appliquées à l’aide des meilleurs services et méthodologies basés sur le cloud de leur catégorie.
L’analyse dans le cloud, l’extraction de données et l’apprentissage automatique peuvent ensuite être mis en œuvre pour fournir des informations exploitables. Lorsqu’il s’agit de flux de données pour l’entraînement des modèles d’intelligence artificielle, davantage de flux et de données plus riches produisent généralement plus de corrélations et d’informations. Les sources de données potentielles incluent :
- Entrepôts de données existants
- Données mobiles, Web et réseaux sociaux
- IoT et données des capteurs
- Démographie
- Données de gestion de la relation client (CRM)
Selon un récent rapport d’Aberdeen, les entreprises qui déploient et utilisent des lacs de données ont vu leurs revenus augmenter par rapport aux entreprises qui ne le faisaient pas. IDC prévoit que les dépenses consacrées aux systèmes cognitifs et d’IA atteindront 77,6 milliards $ d’ici 2022.
Dans l’ensemble, toute entreprise peut utiliser les lacs de données et l’IA pour :
Obtenez des informations sur les choix d’innovation. Un lac de données peut aider vos équipes de R&D à tester leurs hypothèses, à affiner leurs hypothèses et à évaluer les résultats, par exemple en choisissant les bons matériaux dans la conception de votre produit, ce qui accélère les performances, en effectuant des recherches génomiques qui mènent à des médicaments plus efficaces ou en comprenant la volonté des clients de payer pour différents attributs de produits ou de services.
Améliorer les interactions avec les clients. Un lac de données peut combiner les données clients d’une plateforme CRM avec l’analyse des réseaux sociaux, une plateforme de marketing qui inclut l’historique d’achat et les tickets d’incident pour permettre à l’entreprise de comprendre la cohorte de clients la plus rentable, la cause de la fidélisation des clients et les promotions ou récompenses qui augmenteront la fidélité.
Amélioration de l’efficacité opérationnelle L’Internet des objets (IoT) introduit davantage de moyens de collecter des données sur des processus tels que la fabrication, avec des données en temps réel provenant d’appareils connectés à Internet. Un lac de données facilite le stockage et l’exécution d’analyses sur des données IoT générées par machine pour découvrir des moyens de réduire les coûts opérationnels tout en augmentant la qualité.
Les entreprises leaders dans les domaines de la santé, de la recherche biologique et pharmaceutique, de la logistique, de la finance et des services ont découvert la valeur concurrentielle et stratégique des lacs de données et des analyses avancées à l’aide de l’apprentissage automatique.
Bien plus que des résultats informatiques
Un client actuel d’Unisys, un grand système universitaire public américain, a commencé une intégration multicloud et multi-campus des données, culminant dans la création d’un lac de données central basé sur le cloud. Ce référentiel de données comprenait une variété de données structurées et non structurées, y compris des données provenant d’outils CRM existants, des informations sur les étudiants et les professeurs, la présence, et les données de performance des tests, et bien plus encore, provenant des + de 500 000 étudiants, enseignants et personnel.
Bien que les résultats informatiques soient remarquables pour ce client, leur lac de données offre des avantages encore plus importants de l’analyse prédictive, comme l’identification des étudiants à risque et l’intervention avant que les mauvaises performances, la présence ou d’autres facteurs n’affectent négativement leurs études et leur réussite académique.
Chez Unisys, nous ne sommes pas seulement des défenseurs des lacs de données et des analyses pour nos clients – nous les utilisons nous-mêmes pour améliorer continuellement nos systèmes, nos services et notre engagement envers les clients. Les lacs de données pour les opérations pilotées par l’IA utilisent des services d’ingestion, de stockage et d’apprentissage automatique basés sur le cloud et englobent à la fois des données historiques et en temps réel. Les sources de données comprennent les outils opérationnels, les bases de données de gestion de configuration (CMDB) et les systèmes de gestion des services informatiques (ITSM). Cela permet de prévoir les tendances et les incidents et d’identifier intelligemment la cause profonde pour fournir un meilleur service à nos clients [Pour un examen plus détaillé de la manière dont les Data Lakes et les opérations pilotées par l’IA peuvent améliorer les expériences dans le cloud, consultez le dernier article de Suzanne Taylor dans le magazine Forbes, CTO d’Unisys pour les technologies émergentes.]
Les décisions et les prédictions basées sur les données à l’aide de l’apprentissage automatique offriront un avantage concurrentiel aux entreprises de tous les secteurs grâce aux services d’IA dans le cloud qui ouvrent la voie à une adoption accrue. N’hésitez pas à vous plonger dans les bonnes barrières de sécurité pour découvrir quelles informations circulent dans votre lac de données.