Qu'est-ce que la Business Science Tableau ?

Chez Tableau, nous réfléchissons à des manières d'inciter davantage de personnes à utiliser les données dans leur travail au quotidien. C'est lorsqu'un utilisateur peut réfléchir avec ses données, c'est-à-dire que son analyse consiste essentiellement à poser des questions et à trouver des réponses au lieu de devoir utiliser des logiciels complexes ou acquérir des compétences, qu'il peut libérer pleinement tout son potentiel et obtenir des résultats exceptionnels. Pourtant, il existe un fossé entre ceux qui s'appuient sur les données, et le type d'analyse sophistiquée nécessaire pour prendre les meilleures décisions sur la base de ces données.

Nous voulons combler ce fossé en lançant une nouvelle approche analytique : La Business Science Tableau. La Business Science met la puissance de la data science à la portée des utilisateurs qui en ont besoin.

L'utilisation de l'IA, du machine learning et d'autres méthodes statistiques pour résoudre des problématiques métier a jusqu'ici été largement l'apanage des data scientists. De nombreuses organisations ont mis en place de petites équipes de data science, qui se focalisent sur des problématiques essentielles spécifiques et adaptables à grande échelle. Pourtant, de nombreuses décisions métier s'appuient sur l'expérience et les connaissances, en plus des données, et pourraient tirer un grand avantage de techniques analytiques plus sophistiquées.

Nous voyons ici une occasion de démocratiser les fonctionnalités de la data science, pour que la précision et le contrôle ne soient plus un frein à la rapidité des résultats, et d'encourager l'action tant que les insights sont toujours pertinents. Chez Tableau, l'idée de l'analyse a toujours été de laisser les utilisateurs enchaîner les questions, explorer des hypothèses et tester leurs idées. Aujourd'hui, nous allons plus loin en permettant à davantage d'utilisateurs de mener leur réflexion à l'aide d'une IA pratique et éthique, qui intègre les prédictions aux problématiques qu'ils doivent gérer. 

En proposant une IA transparente et des outils analytiques prédictifs aux analystes et aux utilisateurs métier, la Business Science leur permet de prendre des décisions plus rapidement et plus sereinement, tout en étendant les cas d'utilisation analytiques et en approfondissant leur compréhension de leurs données.

Qu'est-ce que la Business Science Tableau ?

La Business Science est une nouvelle approche analytique basée sur l'IA. Elle permet aux utilisateurs experts dans leur domaine de prendre des décisions plus avisées en toute confiance, sans sacrifier la rapidité et le contexte métier à la précision. Les solutions de Business Science sont rigoureuses et précises, mais donnent également aux décideurs davantage de flexibilité lorsqu'il s'agit de déterminer les éléments dont ils ont besoin dans leurs scénarios. Les utilisateurs peuvent contrôler différents aspects, notamment les données d'entrée, la sélection de variables ou la définition de seuils. Les experts métier peuvent tout aussi bien profiter d'une expérience entièrement automatisée ou intervenir dans la création de modèles pour y apporter leurs modifications. En permettant au plus grand nombre d'utiliser une IA sans codage et sous gouvernance, notamment les prédictions, la planification par simulation et la création guidée de modèles, les équipes métier sont en mesure de réaliser davantage d'analyses en toute autonomie.

La Business Science démocratise les fonctionnalités de data science et aide les experts à comprendre les éléments clés d'un modèle sans devoir apprendre à utiliser les outils de data science traditionnels. En s'appuyant sur ces expériences guidées par l'IA, les équipes peuvent appliquer leurs analyses sophistiquées à un plus grand nombre de problématiques et prendre des décisions encore plus rapidement et rigoureusement, tout en conservant la possibilité de faire appel à leur discernement. Il n'est pas tant question d'affiner des modèles ultra-précis, mais plutôt de guider les utilisateurs dans la bonne direction. 

Après tout, ces utilisateurs sont généralement experts dans des domaines complexes et imprévisibles. Il est donc essentiel de faire appel aux connaissances de ceux qui comprennent le mieux le fonctionnement de leur domaine de spécialité. À ce titre, la Business Science joue un rôle crucial pour aider ces utilisateurs experts à gérer des problématiques uniques plus efficacement qu'une équipe de data science qui n'aurait pas les ressources nécessaires.

À qui s'adresse la Business Science Tableau ?

La Business Science s'adresse à ceux qui disposent du contexte nécessaire pour comprendre leur métier, ses éléments clés et les données à même de les aider à trouver des solutions. La Business Science ne nécessite pas d'être expert en création, déploiement et surveillance d'algorithmes. En aidant les professionnels métier et les analystes à tirer parti des prédictions et des insights générés par les modèles de machine learning, sans devoir maîtriser Python, les statistiques ou apprendre à affiner un algorithme, vous leur donnez les moyens de devenir data-driven.

De l'analytique des clients potentiels à l'attribution de quotas aux équipes des ventes, en passant par la distribution et l'optimisation de la chaîne d'approvisionnement, nous avons pu observer de nombreux scénarios dans lesquels la Business Science se révèle être l'approche qui génère les meilleurs résultats. Les Ressources humaines peuvent avoir recours à la Business Science pour évaluer la probabilité qu'un candidat accepte une offre d'emploi. La Business Science peut également être utile pour déterminer où acheter des espaces de bureaux et étudier le coût du transfert d'effectifs d'un site à un autre. De la mise en place de budgets à l'allocation de ressources, la Business Science est applicable dans de nombreuses situations.

En quoi la Business Science Tableau diffère-t-elle de la data science ?

Si la Business Science utilise certaines techniques de calcul et statistiques de la data science, l'expertise dans un domaine spécifique et la création rapide de valeur jouent un rôle plus important que la rigueur statistique. La Business Science se fonde sur une hypothèse différente de celle de la data science, avec des objectifs différents et des utilisateurs types eux aussi différents.

En data science, le résultat généré est un algorithme de machine learning qui peut être exploité pour améliorer un processus récurrent. La data science cherche souvent à répondre à une question de type « oui/non » ou à déterminer si une prédiction va dépasser un certain seuil. Ainsi, elle est par exemple tout à fait adaptée à la détection des fraudes. Un algorithme est entraîné à repérer les fraudes grâce à des données historiques, en analysant des tendances dans des centaines de milliers, voire des millions d'occurrences, et effectue des prédictions pour déterminer si une transaction est frauduleuse. Et il est essentiel d'affiner un modèle de ce type, car le moindre écart de précision, même d'un dixième de pourcentage, peut se traduire par des millions de dollars de pertes pour une entreprise.

Avec la Business Science, l'objectif est de déplacer un KPI, pas de perfectionner un modèle pour le rendre le plus précis possible. En facilitant un processus de révision-redéploiement plus itératif que les cycles de data science traditionnels, la Business Science devient plus accessible, permettant ainsi aux utilisateurs qui disposent du contexte nécessaire de créer rapidement des modèles et d'utiliser les prédictions. Davantage d'utilisateurs peuvent profiter de ces techniques analytiques sophistiquées pour générer de la valeur et prendre des décisions plus avisées au moment opportun.

Par exemple, un détaillant peut chercher à déterminer quel produit ajouter en magasin pour augmenter ses bénéfices dans une zone géographique donnée. Un expert métier est en mesure de comprendre quels facteurs, comme les relations avec les fournisseurs, les tendances régionales ou d'autres implications qualitatives, pèsent le plus dans ses décisions, alors qu'une machine ne serait jamais capable de comprendre de tels détails. En combinant des qualités comme l'expertise humaine, le discernement et la connaissance du contexte, à la rigueur, l'automatisation et la scalabilité d'insights générés automatiquement, vous serez mieux à même d'aller de l'avant. 

Prenons un autre exemple : si la data science est mieux adaptée à l'analyse de l'efficacité d'un vaccin dans des tests cliniques, la Business Science est plus à même de gérer des problématiques comme la distribution et l'attribution de ces vaccins, car celles-ci sont plus nuancées et s'appuient fortement sur le discernement humain. Pour une comparaison plus imagée, si Vincent van Gogh avait peint La Nuit étoilée en appliquant les principes de data science, la Business Science serait un kit de peinture par numéros de cette œuvre. La data science donne des informations du type « 37.7914° N, 122.3951° O + 2,03 x 10^5 mm vers 44,7° => 37.7932° N, 122.3947° O », tandis que la Business Science donnerait plutôt des indications du type « prenez la troisième à gauche, faites attention en traversant la rue, et vous êtes arrivé au One Market Street. »

En savoir plus sur la Business Science Tableau

Nous sommes ravis de mettre en place ce type d' analytique basée sur l'IA avec le moteur Einstein Discovery de Salesforce dans Tableau. S'appuyant sur une IA transparente et éthique, cette technologie éprouvée donne aux équipes métier une visibilité sur les facteurs clés qui sous-tendent leurs résultats et sur les biais possibles, pour une compréhension plus approfondie et une prise de décision en toute sérénité. De plus, elle s'intègre directement aux workflows métier, permettant ainsi aux utilisateurs de l'exploiter au mieux au sein même de leur environnement de travail.

Vous souhaitez plonger au cœur de la Business Science Tableau ? Lisez notre livre blanc.

Abonnez-vous à notre blog