Jour après jour, les volumes de données collectées sont toujours plus nombreuses et nécessitent des compétences spécifiques en data science difficiles à trouver. En effet, les spécialistes tels que les data scientists ou les dataminers sont une ressource rare. Alors que les entreprises collectent toujours plus de données et mettent en place des départements data en engageant des spécialistes, ces profils experts sont peu nombreux. Aux États-Unis, il manquera 190 000 data scientists en 2018, alors qu’en France, on estime le besoin à 2000 ou 3000 data scientists, sachant que seulement 300 sortent des écoles chaque année.
Afin de pallier à ce problème, l’automatisation des tâches réalisées par les experts est une solution possible. Depuis plusieurs siècles, l’automatisation envahit notre quotidien. De nos jours, les algorithmes secondent les modérateurs de forums, les médecins sont assistés dans leurs diagnostics par des machines, et bientôt la conduite des voitures sera déléguée à des véhicules intelligents. L’automatisation permet de gagner en performance, en productivité…
Alors quels sont les véritables avantages de l’automatisation du datamining ?
L’automatisation intervient sur l’ensemble des process de datamining et de machine learning. Tout d’abord, elle permet la préparation automatique des données brutes et choisit la façon dont les utiliser, le tout de manière plus efficace et plus rapide qu’un dataminer. Ainsi, il ne serait plus nécessaire de passer près de 80% du temps à traiter les données avant même l’analyse. L’automatisation va également agir sur la modélisation des comportements, en choisissant les algorithmes les plus adaptés et en effectuant sans intervention humaine tous les tests de validation nécessaires. Automatiser la modélisation, c’est permettre aux dataminers mais aussi aux utilisateurs métier de comprendre et d’évaluer les résultats d’un modèle. C’est aussi choisir la facilité de déploiement et la rapidité mais également l’élargissement du profil utilisateur. En effet, elle permet, à des profils différents des dataminers et data scientists, de valoriser les données de l’entreprise.
Tous ces atouts ne signifient néanmoins pas la disparition des experts du métier. L’automatisation du datamining facilite la montée en compétences et la diffusion de la connaissance client dans l’entreprise, et permet à tous de participer à l’aventure des big data.
