De nombreux fournisseurs de logiciels vous incitent à adopter leurs outils afin de parler à vos données, mais la plupart d’entre eux rendent cet échange très difficiles. Pourquoi ?

Parce que vous ne parlez pas vraiment à vos données, vous codez.

Imaginez qu’au lieu de coder des règles pour vos données, vous puissiez simplement demander ce que vous voulez :

  • Parmi les prêts accordés par notre division financière, quels sont ceux qui sont en défaut le plus rapidement ?
  • Est-il plus économique pour nous de fabriquer ce produit en interne ou de faire appel à un fournisseur externe ?
  • Comment pouvons-nous réduire le nombre de demandes de prêt que nous refusons en raison de données erronées ?

Parler à vos données devrait être aussi facile que de parler à votre équipe et écrire des règles pour vos données ne devrait pas signifier apprendre à coder un autre outil de base de données – et c’est pourquoi vous devez être sûr que votre solution de mapping de données offre une réelle interface en langage naturel.

Voici les quatre raisons pour lesquelles écrire vos règles en langage naturel est supérieur au codage de vos règles.

1 : Rien à apprendre, vous êtes prêt à commencer

Lorsque vous écrivez vos règles en langage naturel, il n’y a rien à apprendre : si vous savez écrire, vous pouvez écrire la règle.

Lorsque vous n’avez pas besoin d’apprendre à coder des règles pour vos données, vous gagnez du temps et de l’argent. Il n’y a pas de formation à suivre, pas de temps à consacrer à l’apprentissage et pas de calendrier à bloquer pour que les équipes se familiarisent avec l’utilisation d’un nouvel outil. L’intégration est plus rapide et le délai de création de valeur est accéléré.

L’une des raisons pour lesquelles Global Data Excellence offre systématiquement un délai de rentabilisation rapide est sa capacité à utiliser le langage naturel. Lorsque les clients peuvent écrire leurs règles sans avoir besoin de suivre une formation approfondie et sans avoir à apprendre à coder, le temps de valorisation après l’investissement dans la technologie DEMS est généralement mesuré en quelques jours ou semaines.

 

2 : le langage naturel signifie parler votre langue

 

Les plus grandes entreprises du monde sont internationales et, même si l’anglais est la lingua franca du monde des affaires, la plupart des employés seront plus à l’aise pour s’exprimer dans leur langue maternelle.

Pour qu’une interface en langage naturel fonctionne pour une équipe internationale, elle doit fonctionner non seulement en anglais mais dans toutes les langues. Un utilisateur à Paris doit pouvoir écrire des règles pour les données en français, un utilisateur à Berlin doit pouvoir écrire des règles en allemand et un utilisateur à Tokyo doit pouvoir écrire ses règles en japonais.

Et la solution doit être capable de comprendre chacune de ces règles de manière native – sans plugin supplémentaire ni connexion API à un outil de traduction tiers.

La solution DEMS de Global Data Excellence fonctionne dans toutes les langues. Les utilisateurs peuvent rédiger des règles dans leur langue préférée et les utilisateurs d’une même entreprise peuvent travailler dans différentes langues sans que cela n’ait d’incidence sur l’efficacité du logiciel.

 

3: Le langage naturel s’accompagne d’une intelligence contextuelle

 

Les règles codées sont précises, mais cette précision peut avoir un coût. Le logiciel renverra les données et les réponses que le code exige, mais il se peut que ce ne soit pas les réponses que le décideur recherche.

Les règles en langage naturel, quant à elles, peuvent déterminer le contexte d’une règle et renvoyer intelligemment les réponses et les données recherchées. Qui plus est, cette intelligence contextuelle devient de plus en plus intelligente avec le temps. Tout comme un moteur de recherche apprend à connaître vos préférences de recherche, votre emplacement, votre langue préférée et vos centres d’intérêt au fur et à mesure que vous effectuez des recherches, l’intelligence contextuelle d’une solution comme DEMS s’améliore et se développe au fur et à mesure de son utilisation.

L’intelligence contextuelle de DEMS offre aux utilisateurs la capacité d’adapter ces connaissances à un environnement différent de celui dans lequel elles ont été développées. Tout comme les humains sont passés maîtres dans l’art d’utiliser le contexte pour enrichir leur langage dans une conversation, DEMS contextualise les règles en langage naturel écrites par les utilisateurs.

 

4 : Oubliez l’investissement dans les formations sur les algorithmes

 

Une alternative aux règles de codage des données de l’entreprise consiste à adopter une intelligence artificielle ou un Machine learning. Le Machine learning peut aider une entreprise à établir des tendances, à extraire des informations et à soutenir la prise de décision – mais il y a un hic : les algorithmes de Machine learning doivent se former sur les données, ce qui nécessite non seulement des montagnes de données, mais aussi beaucoup de temps et un coût non négligeable.

Les algorithmes des Machine learning doivent être entraînés sur des milliers, voire des dizaines de milliers de points de données dans chaque classe qu’ils peuvent rencontrer. Sans cet entraînement, l’algorithme ne renverra que des informations de qualité inférieure qui ne pourront pas être utilisées pour soutenir les décisions importantes que chaque entreprise doit prendre.

En revanche, une solution capable de comprendre les règles du langage naturel n’a pas besoin d’être formée sur les données. Le système DEMS de Global Data Excellence, par exemple, doit simplement être connecté aux bases de données existantes. Il n’y a pas de temps de formation, il n’y a pas d’algorithme à alimenter, et il n’y a ni coût ni perte de temps.

 

Conclusion

 

Les avantages d’écrire vos règles en langage naturel au lieu de coder ces règles ou de compter sur l’apprentissage d’un algorithme de Machine learning sont clairs.

Vos équipes sont opérationnelles plus rapidement car il n’y a pas de nouveau langage de codage à apprendre ni de formation sur l’interrogation des données à effectuer. Les équipes internationales peuvent adopter des outils tels que DEMS sans se soucier des compétences linguistiques de leurs équipes – les équipes françaises peuvent rédiger des règles en français, les équipes américaines peuvent rédiger des règles en anglais, et il n’y a en effet aucune limite au nombre de langues différentes pouvant être utilisées dans un seul déploiement de l’outil.

Contrairement aux règles codées if/then, les règles en langage naturel sont accompagnées d’une intelligence contextuelle qui permet de fournir les réponses et les données recherchées. Grâce à sa capacité à comprendre le véritable sens d’une demande et non pas seulement son sens littéral, DEMS est capable de renvoyer les bons résultats tout en continuant à apprendre ce que l’utilisateur recherche.

Enfin, contrairement à une solution qui s’appuie sur la formation d’algorithmes de Machine learning pour extraire des informations des bases de données, un outil comme DEMS peut extraire ces mêmes informations sans les coûts, le temps et les demandes de données que ces modèles de Machine learning requièrent. Une fois encore, vous êtes opérationnel plus rapidement et plus efficacement avec une solution en langage naturel.

En bref, si vous pouvez poser une question, vous pouvez écrire une règle, et vous pouvez commencer à extraire de la valeur de vos données dès aujourd’hui avec DEMS – commencer dès aujourd’hui !

Global Data Excellence News

DEMS & la Data Fabric

DEMS & la Data Fabric

En 2020, les analystes de Gartner ont publié leur Top 10 des tendances technologiques en matière de données et d'analyse et, en septième position,...

Global Data Excellence (GDE)

Route de la Galaise 34

CH - 1228 Plan-les-Ouates

© 2024 Global Data Excellence | All Rights reserved | DEMS Support Platform | Website realised by Swiss House of Brands