Le paysage des données actuel est dominé par l’intelligence artificielle (IA), et quatre facteurs façonnent ce paysage, deux familiers, deux relativement nouveaux. La « vitesse du changement » et le « volume des données » sont sur le radar depuis des années, mais les dirigeants d’entreprise d’aujourd’hui doivent également prendre en compte les « dimensions des données » et « l’expiration des données ».
Même si l’on remonte seulement une quinzaine d’années en arrière, les données étaient limitées, faciles à comprendre et exploitables dans les fonctions commerciales et la prise de décision. Les données pouvaient être gérées par des humains : les volumes étaient gérables et la vitesse de changement était très limitée. Nous avions principalement affaire à une seule dimension de données, et les données avaient une longue durée de conservation. Un humain qualifié et formé pourrait digérer et analyser les données et prendre des décisions commerciales. Dans ce cas, votre entreprise était dirigée par des pilotes.
La première perturbation a été l’accélération du changement. Au début, les humains ont eu du mal avec cela, mais une vague de nouveaux outils est entrée en jeu pour faciliter non seulement l’analyse, mais aussi les communications, les relations clients, la gestion de projet, les performances de l’entreprise et bien plus encore. Le logiciel en tant que service est apparu comme une option, les entreprises étant désormais supervisées par des humains et des logiciels, travaillant ensemble en tant que copilotes de l’entreprise.
Il y a eu une attente pendant quelques années avant que le volume de données entrant dans une entreprise ne commence à augmenter. Le logiciel d’entreprise générait des entrées et le consommateur commençait à partager des signaux sociaux, des géolocalisations, des activités sur le Web (et sur smartphone), etc. Les humains et les logiciels ne pouvaient pas digérer la quantité de données qui transitait désormais, c’est pourquoi des automatisations ont commencé à être écrites dans le logiciel.
Ou, pour être plus précis, le logiciel s’est amélioré et a permis d’écrire des règles dans sa programmation. Ces règles ont permis aux entreprises de numériser efficacement leurs connaissances, et en donnant au logiciel des paramètres définis dans lesquels fonctionner sur la base de ces règles, l’automatisation est devenue un cas d’utilisation principal des données et un élément fondamental du succès des entreprises.
Les entreprises s’appuyaient désormais sur des pilotes automatiques, prenaient des décisions basées sur des règles et faisaient avancer l’entreprise plus efficacement que lors des phases pilote et copilote.
Mais il y a eu un changement d’altitude ces dernières années, et aujourd’hui, mon avis est que les entreprises ont besoin d’avoir un pilote d’IA aux commandes en raison des deux nouveaux concepts de données. La dimension des données a considérablement augmenté, non seulement parce qu’il existe davantage de sources de données, mais aussi parce que l’on s’attend à ce que les données puissent être analysées de manière multidimensionnelle et holistique, et non seulement de manière linéaire en utilisant des variables uniques comme c’était le cas auparavant. Le changement de dimensions permet d’obtenir des informations plus approfondies à partir de volumes croissants de données.
Et l’expiration des données est désormais beaucoup plus courte en termes de durée pendant laquelle les entreprises peuvent légalement conserver des données et pendant combien de temps une seule donnée reste pertinente pour le domaine spécifique auquel elle est appliquée. Donner la priorité à la prise de décision en temps réel, à l’idée du bon produit pour le bon client au bon moment, est à l’origine de cette nouvelle tendance en matière de données, où les signaux d’il y a des semaines, voire des heures, peuvent être obsolètes.
Repenser les données existantes
Cela dit, il reste de nombreux cas d’utilisation dans lesquels les données historiques héritées ont de la valeur. Cette valeur peut être réalisée en utilisant l’IA pour convertir les données par lots (collectées et stockées dans des bases de données avant d’être analysées et exploitées) en données en streaming (collectées, analysées et exploitées en temps quasi réel).
Cela signifie que, dans l’ensemble de l’écosystème numérique, les outils d’aujourd’hui commencent à comprendre et à apprendre de la multidimensionnalité des données ingérées, prenant ainsi conscience de l’actualité des données. À leur tour, ils peuvent créer leurs propres règles métier, à la demande et alignées sur le service demandé.
Les entreprises doivent comprendre que si votre entreprise est contrôlée par des pilotes ou des copilotes, vous êtes en difficulté. Les entreprises dont les données sont prêtes pour les pilotes automatiques et la phase pilote augmenteront leur avantage concurrentiel, mais il existe des moyens de rattraper leur retard.
Rattraper le terrain perdu
Selon moi, tout commence par les chefs d’entreprise. Les dirigeants doivent reconnaître où ils en sont et où ils veulent arriver pour comprendre la complexité de la transformation vers les pilotes d’IA.
Toute entreprise dont les opérations quotidiennes ne sont pas entièrement numérisées doit y remédier immédiatement. Il existe des outils pour faciliter cette transition, et une fois les opérations numérisées, les phases suivantes se mettent facilement en place : la porte au bénéfice des données est ouverte, permettant aux logiciels de numériser la base de connaissances contenue dans les données grâce à l’automatisation.
Les entreprises historiques qui ont rattrapé le peloton de chasse peuvent évaluer leurs options et s’assurer que leur passage aux étapes de pilote automatique et de pilote d’IA est proactif et stratégique. L’écart entre les leaders semble se creuser, mais là encore, il existe des moyens de rattraper leur retard, notamment en matière de structure des données et de partenariats.
Ingénieurs en structure
Il n’existe pas de consensus dans le monde des données sur la question de savoir si les entreprises ont besoin d’une nouvelle infrastructure de données. À mon avis, les dirigeants doivent se concentrer sur les bonnes choses en termes d’analyse de leurs données existantes. La création de nouveaux flux et structures de données prendra du temps et entraînera des coûts sans accélérer la transition.
L’IA résout son propre problème : elle peut comprendre comment convertir des données non structurées dans des formats qu’elle peut comprendre, interpréter et sur lesquels elle peut agir. Comme indiqué, les informations issues des données existantes peuvent être converties en les convertissant en données en continu.
Il existe un bon exemple tiré de l’histoire récente de la technologie qui conforte ma conviction selon laquelle la création de nouveaux silos de données ne devrait pas être à l’ordre du jour des entreprises en quête de rattrapage. Au cours de la première décennie de l’économie des données, des dizaines, voire des centaines de milliards ont été dépensés pour créer des entrepôts de données afin de nettoyer, structurer et intégrer les données pour faciliter la prise de décision.
Aujourd’hui, l’IA peut contourner de nombreuses pratiques établies d’ingénierie des données grâce à une alternative rentable et fiable. Convertir les données existantes en données en continu afin qu’elles puissent envoyer des signaux aux agents autonomes (ceux qui opèrent en dehors des structures d’entreposage et d’ingénierie de données traditionnelles) en temps quasi réel serait ma priorité en tant que leader.
Des partenariats en standard
L’industrie du voyage a souffert d’un manque de partenariats de données à long terme à l’échelle de l’entreprise. Dans le paysage actuel des données, mon avis est que toutes les entreprises doivent commencer à rechercher de nouveaux types de partenariats de données pour passer en douceur et avec succès à la phase pilote de l’IA. Ces partenariats devraient se concentrer sur des données multidimensionnelles, comme mentionné précédemment.
À titre d’exemple, les organisations de marketing de destination (OGD) et les bureaux de congrès et d’accueil du tourisme ont traditionnellement eu un objectif unique et linéaire : créer une demande pour une destination – et leurs partenariats de données en témoignent. Mais cet ensemble de données limité peut être enrichi en ajoutant de nouvelles dimensions, telles que les dépenses et la conversion, qui doivent provenir d’un autre partenaire de données. Si le DMO en est au stade pilote de l’IA, la connectivité en temps réel des données provenant de différentes dimensions dans un système agent peut automatiser la prise de décision.
Si nous acceptons que les entreprises ont besoin de nouveaux partenariats de données pour effectuer une transition complète vers les projets pilotes d’IA, alors il existe un argument fort, auquel je souscris, selon lequel nous devons également commencer la conversion autour des normes de données. La cohérence dans la manière dont les données seront utilisées, stockées et analysées à l’avenir pourrait aider l’industrie du voyage et son écosystème technologique à résoudre les problèmes de confiance.
La confiance sera essentielle à l’avenir. Dans un contexte B2C, il existe un cercle vertueux dans lequel les clients sont prêts à partager des données avec un agent IA de confiance. Plus l’agent ingère de données, meilleure est l’expérience du consommateur, renforçant ainsi les liens de confiance, qui se traduisent alors par une plus grande volonté de partager des données.
Des normes sont également nécessaires en B2B. Les partenariats de données auront clairement un aspect commercial, mais ils doivent être encadrés dans un cadre fiable et cohérent qui donne aux entreprises les outils nécessaires pour obtenir des résultats positifs tout en préservant la confiance des consommateurs.
Prochaines étapes
Certaines entreprises sont déjà en train d’être remodelées grâce à l’adoption de pilotes automatiques et de pilotes d’IA. Pour les cadres supérieurs qui supervisent les entreprises encore en phase pilote et copilote, un rattrapage est possible. L’IA elle-même peut vous aider à remettre votre entreprise dans la bonne forme, à condition que vous ayez une compréhension claire des cas d’utilisation spécifiques et de la valeur incrémentielle qui peut être libérée.
La question est simple : volerez-vous toujours avec des copilotes pendant que vos concurrents entrent dans l’ère de l’IA basée sur le signal ?
