Par Youssra El Harrab, Responsable Marketing France chez Sinequa*
Avec la croissance exponentielle des quantités de données collectées chaque année, les entreprises font face à de nouveaux défis. Le Big Data est un atout pour nombre d'entre elles, mais il faut tout particulièrement mettre l'accent sur le traitement, l'analyse et la restitution de ces données venues de toutes parts. Les outils de nouvelle génération comme les « insight engines » exploitent des technologies de pointe, - Machine Learning, Natural Language Processing (NLP), Analyse sémantique et statistique, pour ne citer qu'eux - pour offrir aux grandes entreprises une vision à 360° du Big Data.
Analyser et traiter un volume de données et un nombre d'utilisateurs conséquents
Devant les vastes volumes de données auxquels elles font face, les entreprises doivent miser sur les dernières technologies afin d'en tirer le meilleur parti. C'est plus particulièrement le cas pour les grandes entreprises : les informations provenant des applications de comptabilité, de gestion des stocks ou encore de CRM constituent des données précieuses mais souvent délicates à exploiter. Il en va de même pour les données non structurées, c'est-à-dire tous les documents textuels : contrats, rapports, publications scientifiques, emails, images, audio, vidéo, etc.
Tous ces documents, qui existent dans des formats différents, peuvent être traités et analysés par des « insight engines » qui permettent de fournir une information pertinente et présentée de façon claire, structurée et exploitable pour les collaborateurs.
Comprendre l'économie durable pour s'y investir
Constituer rapidement et intelligemment des équipes de travail pour gagner en efficacité
Certains laboratoires pharmaceutiques s'appuient sur le Cognitive Search pour identifier les meilleurs profils et constituer des équipes de travail réunissant les compétences nécessaires pour un projet donné. Ces laboratoires utilisent cette technologie pour dresser le panorama de ce qui a déjà été fait en matière de recherche sur un sujet précis. En effet, en se basant sur les informations issues de publications scientifiques et d'analyses de laboratoire - qui a travaillé sur telle découverte, qui l'a testée, qui a écrit des thèses sur telle molécule, etc. - les laboratoires sont en mesure de constituer des équipes de travail efficaces.
Autre atout du Cognitive Search : la connaissance des besoins clients. Cette technologie, intégrant des algorithmes de Machine Learning, est notamment utilisée par les opérateurs téléphoniques ou les banques pour anticiper des départs potentiels de clients vers les concurrents et activer ainsi les leviers nécessaires. L'analyse des échanges d'emails va ainsi permettre d'assurer la satisfaction d'un client et, potentiellement, de le retenir. Plus globalement, le traitement automatique du langage naturel, associé à des outils de « Text-Mining », joue un rôle majeur dans la détection d'informations pertinentes permettant d'analyser les données et le comportement du client. Il est ainsi possible d'analyser, par exemple une recherche d'information effectuée par un internaute ou des schémas de navigation sur le site web de l'entreprise pour en déduire un besoin ou une attente d'un client.
Aider l'entreprise à accélérer son processus de prise de décision. Dans le cadre de leur transformation digitale, les entreprises ont dû repenser leurs modèles économiques pour gagner ou regagner en efficacité. Pour y parvenir, l'entreprise doit faire appel à toutes les sources de données internes et externes liées à son activité, et combiner les méthodes d'analyse des donnés structurées avec celles des données non structurées. Par exemple, l'analyse des chiffres - qui sont des données structurées - permet à elle seule de juger la performance des différents services et produits d'une entreprise. Mais lorsqu'elle est combinée à l'analyse du comportement des clients - données non structurées - elle permet d'extraire des informations pertinentes sur la façon dont ces produits et services peuvent être améliorés afin de mieux répondre aux attentes des clients. Toutes ces informations en main, l'entreprise peut prendre plus rapidement des décisions lui permettant de fidéliser sa clientèle.
Avec le Cognitive Search, les données de l'entreprise ne sont pas de simples lignes informatiques : les données structurées et non structurées s'enrichissent mutuellement pour offrir une vision globale du marché et de la clientèle. De quoi réussir sa transformation digitale. Finalement, la seule limite du Cognitive Search réside dans la capacité de l'entreprise à en imaginer l'usage.
*Sinequa : Reconnue comme un leader du marché dans le rapport « Magic Quadrant for Insight Engines » de Gartner, Sinequa offre une plateforme logicielle de Cognitive Search & Analytics aux entreprises du Fortune Global 2000 et aux grandes administrations.
Lectures du moment, tribunes d'experts, management et entrepreneuriat...