Plusieurs organisations ont entamé ou devront planifier une transformation numérique afin de tirer pleinement parti des technologies pour améliorer leurs performances, leur compétitivité et leur expérience client. Pour déterminer si l’entreprise s’améliore, cela prend nécessairement des données afin de se mesurer. Les organisations disposent de données provenant de systèmes différents (CRM, ERP, capteurs IoT, réseaux sociaux, etc.). En plus de l’adoption de nouveaux outils technologiques, la transformation numérique implique donc un changement culturel et organisationnel qui permet à l’entreprise de développer une culture de la donnée et d’optimiser la gestion et l’utilisation de ses données.
Plusieurs de ces organisations souhaitent implanter de l’intelligence artificielle (IA) dans leurs processus. Tel que mentionné par l’Institut intelligence et données (IID) de l’Université Laval :
« Sans données, impossible de faire de l’IA. Bien souvent, c’est là que le bât blesse: lorsque les données sont disponibles, elles ne sont pas nécessairement bien organisées, structurées. »
Dans l’organisation c’est l’ingénierie de données qui mettra en place les outils et les solutions techniques nécessaires pour le stockage, l’intégration et la transformation des données pour produire de l’information pertinentes pour supporter l’organisation dans ses décisions.
Cet article est une introduction aux différentes activités réalisées par l’ingénierie de données.
Besoins opérationnels vs informationnels.
L’ingénierie de données doit répondre aux besoins opérationnels et informationnels.
Pour les besoins opérationnels on devra, entre autres, produire des rapports pour supporter les utilisateurs dans leurs activités quotidiennes et cela peut nécessiter l’accès aux données en temps réel ou à une grande fréquence.
Pour les besoins informationnels, une intégration des données historiques et de diverses sources permettra la création de comptoirs d’information contenant des mesures et des indicateurs et ainsi pouvoir suivre et comprendre l’évolution des processus d’affaires de l’entreprise.
Avec une bonne compréhension de nos processus d’affaires, on met la table pour l’apprentissage automatique (machine learning) et l’intelligence artificielle en général.
