Data Science

Qu'est-ce que la Data Science ?

La Data Science, ou science des données, est une forme de statistique appliquée qui intègre des éléments de sciences informatiques et de mathématiques pour tirer des enseignements utiles, aussi appelés insights, aussi bien à partir de données quantitatives que de données qualitatives.

Les outils et technologies utilisés en Data Science comprennent des algorithmes et des frameworks de machine learning, ainsi que des langages de programmation et des bibliothèques de visualisations.

Un data scientist combine la programmation, les mathématiques et la connaissance du domaine pour répondre à des questions en s'appuyant sur des données.

Pourquoi la Data Science est-elle importante ?

Les pratiques de la Data Science permettent aux entreprises de rester compétitives et plus productives.

Celles qui donnent la priorité à la Data Science mettent au jour des tendances et des opportunités qui n'auraient pas été décelées si elles n'avaient pas choisi d'exploiter les données à leur disposition. Les insights obtenus grâce à la Data Science peuvent avoir un impact considérable sur les résultats.

La science des données permet de faire émerger des informations utiles en exploitant des jeux de données de toutes tailles. Bien que de grandes quantités de données soient nécessaires pour entraîner les systèmes d'intelligence artificielle (IA), la Data Science est utile même avec de petits jeux de données.

Par exemple, les détaillants avaient l'habitude de prévoir les stocks de leurs magasins en se basant sur les ventes de commerces similaires. Lorsque la pandémie de COVID-19 a entraîné la fermeture des commerces, les détaillants ont dû revoir leurs méthodes de prévision, car la quantité et le type de données disponibles avaient changé.

Lorsqu'il n'y a qu'une petite quantité de données à observer, la Data Science utilise des pratiques telles que l'augmentation des données, la génération de données synthétiques, l'apprentissage par transfert et l'apprentissage d'ensemble pour fournir des informations exploitables.

La Data Science permet également à une entreprise de renforcer sa capacité de résilience. Dans ce monde technologique en perpétuelle évolution, où les choses peuvent changer à tout moment, il faut être capable de s'adapter et de réagir rapidement pour survivre. La Data Science est un allié précieux à cet égard.

De nombreuses entreprises y ont recours, et il existe de nombreux cas d'usage possibles dans les différents secteurs d'activité. Celles qui n'en tirent pas parti risquent de prendre du retard, voire de cesser toute activité.

Cycle de vie de la science des données

Il s'agit d'un processus cyclique. Le cycle de vie peut être décomposé en plusieurs étapes :

Expertise du sujet : à ses débuts, le data scientist doit avoir des connaissances de base sur le sujet ou le problème qu'il tente d'explorer afin de pouvoir poser des questions pertinentes. La Data Science cherche par nature à expliquer pourquoi les choses sont ce qu'elles sont. Une expertise de base sur le sujet fait ressortir la nécessité d'un projet de Data Science et conduit à des décisions plus fiables, s'appuyant sur les données.

Acquisition de données : l'étape suivante consiste à collecter les bonnes données pour mieux répondre à la question posée. Les données peuvent se trouver à différents endroits ou être difficiles d'accès selon les compétences de la personne concernée. Mais le succès du reste du processus de Data Science dépend de la qualité des données collectées lors de cette étape ainsi que de la qualité de leur préparation.

Préparation des données : la préparation des données : est l'étape la plus longue, et sans doute la plus importante, du cycle de vie de la Data Science. Comme le dit l'adage bien connu en informatique, « garbage in, garbage out », si vous fournissez des données de mauvaise qualité en entrée, vous obtiendrez des résultats de mauvaise qualité. Les données doivent être correctement nettoyées et fusionnées avant d'être analysées. Il peut s'agir d'intégrer des sources de données différentes, de traiter les valeurs manquantes et les valeurs hors normes, etc. Au cours de cette étape itérative, le data scientist peut se rendre compte qu'il doit revenir en arrière et recueillir davantage de données.

Exploration des données : l'exploration des données consiste à identifier et à comprendre des tendances dans un jeu de données. Une fois les données nettoyées et exploitables, les data scientists peuvent prendre le temps de se familiariser avec et formuler des hypothèses à tester. Il s'agit d'une autre étape itérative dans un processus itératif, et un data scientist peut avoir besoin de prendre du recul pour effectuer un nettoyage et une fusion supplémentaires en fonction de ses découvertes. Cela implique de revoir les attributs spécifiques de chaque point de données, ou « caractéristique » du jeu de données, et de déterminer si la fusion supplémentaire et les transformations de données ont produit de nouvelles caractéristiques intéressantes. La création de nouvelles caractéristiques dans les données, ce qu'on appelle souvent « ingénierie des caractéristiques », a généralement lieu lors de l'interaction entre les étapes d'exploration et de préparation des données.

Modélisation prédictive et évaluation : après l'exploration, le data scientist peut commencer à entraîner des modèles prédictifs. La modélisation prédictive et l'évaluation peuvent souvent se combiner à l'exploration des données. Dès le début de cette étape, le data scientist est susceptible de remarquer des changements à propos des caractéristiques présentes dans le jeu de données et de revenir encore une étape en arrière pour répéter l'ingénierie des caractéristiques. Il faut évaluer les modèles au fur et à mesure de leur préparation. Un data scientist doit continuer à les tester et à les affiner jusqu'à ce que l'un d'eux lui convienne.

Interprétation et déploiement : l'aboutissement de tout ce travail peut être une interprétation des données et des résultats. Le data scientist utilise alors le modèle et toutes les analyses menées tout au long du cycle de vie pour répondre à la question de départ. Le modèle peut aussi être destiné à être déployé pour aider les équipes à prendre des décisions guidées par les données ou à automatiser un processus. Si c'est ce que vous décidez de faire, n'oubliez pas l'étape suivante : la surveillance.

Surveillance : une fois le modèle déployé, il doit être vérifié et entretenu, afin qu'il continue de fonctionner correctement, même s'il reçoit de nouvelles données. La surveillance est nécessaire, de façon à être en mesure d'ajuster le modèle lorsque les données changent en raison de modifications du comportement ou d'autres facteurs.

Répétition : le cycle se répète, que l'objectif final soit ou non l'interprétation immédiate ou le déploiement à plus long terme. Le résultat final de tout projet de Data Science doit être d'apprendre quelque chose de nouveau sur le sujet ou le problème exploré, ce qui permet d'accroître l'expertise et de conduire ensuite à de nouvelles questions plus pointues.

La Data Science dans différents secteurs

Les entreprises utilisent la science des données tous les jours pour améliorer leurs produits et leurs opérations internes. Presque tous les types d'activité, tous secteurs confondus, peuvent en tirer parti.

Voici quelques exemples :

• Un éditeur de logiciels utilise des modèles de recommandation pour établir des correspondances entre les clients éligibles et les produits, nouveaux ou existants, dans le domaine de l'énergie
• Une entreprise de services financiers utilise des modèles de machine learning pour toucher des clients potentiels qui ont pu être oubliés par les institutions bancaires traditionnelles
• Un service d'autopartage utilise des modèles de tarification dynamique pour suggérer des prix aux personnes qui proposent et louent des véhicules
• Un établissement d'enseignement supérieur combine des données provenant de relevés de notes, de résultats de tests standardisés, de données démographiques et autres pour identifier les étudiants qui risquent de ne pas obtenir leur diplôme
• Une entreprise Fintech utilise une combinaison d'outils de recherche de données complexes et d'algorithmes de décision pour déterminer si une personne qui demande un prêt est malhonnête

Découvrez chacun de ces cas d'usage dans ce livre blanc intitulé Data Science en pratique : cinq applications courantes.

Business Intelligence et Data Science

Si la Data Science peut être mise en œuvre pour différents aspects commerciaux, elle a une portée plus large, avec des méthodes plus diverses, que la Business Intelligence (BI).

La Business Intelligence exploite les outils de statistique et de visualisation sur des données structurées traditionnelles pour décrire et présenter les tendances actuelles et historiques dans un format facile à utiliser et à comprendre.

La science des données utilise ces approches ainsi que le machine learning sur des données structurées et non structurées pour examiner de près les relations et découvrir des résultats probables ou des actions optimales.

Alors que la Business Intelligence produit généralement une sorte de rapport ou de tableau de bord destiné à informer un être humain qui prendra la meilleure décision possible, la Data Science fournit des décisions et des actions qui peuvent être exécutées directement.

Qui peut utiliser la Data Science ?

Contrairement à ce que beaucoup pensent, les data scientists ne sont pas les seuls à utiliser la Data Science. En réalité, c'est à la portée de tout le monde. Grâce aux progrès technologiques, la Data Science ne nécessite plus de compétences en codage ou d'expertise en statistiques. Le « glisser-déposer » est une méthode désormais largement acceptée et viable, ce qui permet aux analystes et autres utilisateurs des données de créer et de déployer à leur tour des modèles à grande échelle. Ces « citizen data scientists », ou utilisateurs capables d'effectuer des analyses avancées sans connaître les subtilités des processus en back-end, constituent une catégorie de talents très prisée.

Comme la science des données est très demandée, que les data scientists standard ont souvent des attentes salariales élevées et qu'il y a un risque de pénurie du fait de leur faible quantité, les citizen data scientists ont la cote. Avec les contrôles appropriés en place, ces scientists peuvent grandement accélérer la production de modèles dans n'importe quelle entreprise et contribuer à générer des insights et des revenus qui seraient sinon impossibles.

Comment bien démarrer avec la Data Science

Alteryx Analytics Automation Platform vous permet de créer des workflows automatisés et reproductibles qui peuvent faciliter et optimiser le processus de Data Science au sens large. L'accès aux données, la préparation, la modélisation et le partage des résultats d'analyse se font au même endroit, sur une plateforme facile à utiliser.

Vous pouvez également découvrir comment intégrer Alteryx à Snowflake, un outil de stockage et d'analyse de données basé dans le cloud, grâce à notre Kit de démarrage. Cette intégration permet de tirer facilement profit de l'analytique et de la Data Science dans le cloud.