Les avancées des systèmes de traitement du langage naturel permettent à chacun d'interroger naturellement les données.
Le natural language processing (NLP, ou traitement automatique du langage naturel) combine l'informatique et la linguistique pour aider les ordinateurs à comprendre le langage humain. Aujourd'hui, les fournisseurs de solutions BI offrent une interface de traitement automatique du langage naturel dans leurs visualisations. Ainsi, les utilisateurs peuvent interagir naturellement avec leurs données, en posant des questions telles qu'elles leur viennent à l'esprit et sans nécessairement avoir une connaissance approfondie de l'outil BI.
Dans le contexte de la BI moderne, le langage naturel sert à assister la conversation analytique. Il s'agit d'une discussion entre l'humain et le système au sujet des données. Le système puise dans le contexte de la conversation pour comprendre l'intention de l'utilisateur et faire progresser le dialogue. Ainsi, l'expérience conversationnelle paraît plus naturelle. Par exemple, lorsqu'une personne a une question supplémentaire au sujet de ses données, elle n'a pas à reformuler sa question pour l'approfondir ou clarifier une ambiguïté. Vous pouvez par exemple demander à un outil BI de « trouver les tremblements de terre importants en Californie », puis lui demander « et au Texas ? » sans avoir à mentionner les tremblements de terre à nouveau.
Le machine learning permet aux systèmes d'améliorer leur connaissance d'un domaine au fil du temps. Cet apprentissage est alimenté par les des données de l'entreprise et le type de questions posées par les utilisateurs. Vidya Setlur, responsable du développement pour l'équipe en charge du langage naturel chez Tableau, explique : « Éviter les impasses est l'une des caractéristiques clés de la conversation analytique. On doit pouvoir poser une question, obtenir un résultat et rebondir sur cette première question.
Le langage naturel permet également aux utilisateurs de poser des questions en s'appuyant sur une visualisation de données. Ryan Atallah, ingénieur logiciel chez Tableau, nous donne un exemple : « Imaginons que je demande à mon outil BI de me sortir des informations sur des épidémies et qu'il m'affiche une visualisation. Je peux alors lui demander de me donner des détails sur un pic représenté en orange. C'est une question supplémentaire, mais pas au sujet de mes données. Elle relève des encodages des visualisations ». Et lorsqu'une visualisation n'est pas pertinente dans le contexte de la question suivante, le système offre une alternative.
Le langage naturel représente un changement radical de la façon dont vous pouvez interroger vos données. Lorsqu'interagir avec une visualisation devient aussi naturel qu'avec un interlocuteur, l'utilisateur moyen peut explorer des zones du pipeline analytique qui étaient autrefois accessibles uniquement aux data scientists et aux analystes spécialisés. Il n'est plus limité par ses compétences analytiques, mais par la portée de ses questions. Les utilisateurs expérimentés peuvent également répondre à des questions plus complexes plus rapidement et proposer des fonctionnalités de tableau de bord plus attrayantes à leurs interlocuteurs. En gagnant du terrain dans le secteur de la BI, le langage naturel fera tomber les barrières qui limitent l'adoption de l'analytique dans les entreprises et contribuera à placer les données au cœur de la culture du travail.