«L’analyse n’est plus seulement une bonne chose pour une organisation», déclare Antonia de Medinaceli, directrice de la recherche en analyse des fraudes chez Elder Research, une société de conseil de premier plan dans l’exploration de données, l’analyse prédictive et l’extraction de textes. Elle pense que l’analyse est un must.
Nous l'avons invitée à parler à Sommet Découverte 2012 le 12 septembre au siège mondial de SAS. Elle expliquera que si l'analyse prédictive donnait un coup de pouce aux organisations sur la concurrence, son utilisation est désormais la norme.
Lors du salon Predictive Analytics World à New York de l'année dernière, la rédactrice en chef de SAS, Anna Brown, a interrogé de Medinaceli sur les tendances de l'exploration de données et sur la manière de constituer une analyse de rentabilisation pour l'utilisation de l'analyse dans votre organisation. Voici la version abrégée.
Avez-vous trouvé des tendances surprenantes dans votre travail d'exploration de données?
Une des plus grandes surprises, même après ces nombreuses années, est l’impact de facteurs externes sur un projet d’exploration de données. En tant que Data Miners, nous souhaitons pouvoir traiter les données, commencer à construire des modèles - c'est la partie très intéressante pour les Data Miners. Mais la plupart du temps, nous devons nous attaquer à des problèmes politiques, à des problèmes institutionnels, qu’il s’agisse de l’accès aux données ou de la propreté des données ou des situations politiques au sein d’une organisation. L’acceptation de l’exploration de données par la haute direction peut être un obstacle à surmonter. Nous avons donc toutes ces questions périphériques qu’en tant que consultants, nous devons traiter avant de pouvoir passer à la partie très excitante du travail technique.
Quelles sont les nouvelles approches envisagées dans les deux prochaines années dans le domaine de l’exploration de données?
Il y a vraiment une tendance qui consiste à développer de nouveaux algorithmes et à essayer de perfectionner les algorithmes existants. Cela semble assez bien établi, du moins du côté de l’exploration de données traditionnelle. Du côté de l'exploration de texte, cependant, de nombreuses recherches sont en cours. Les normes de l'industrie et les meilleures pratiques sont encore en cours d'établissement. Et les gens sentent toujours comment le texte, les données non structurées, peuvent aider à augmenter la précision de nombreux modèles d'exploration de données. Il y a également pas mal de travail en cours dans le domaine de la détection de la fraude, ce qui est certainement mon domaine d'intérêt.
Quelles sont les meilleures pratiques pour vous aider à construire l'analyse de rentabilisation de l'analyse prédictive?
Ce que nous recommandons généralement à nos clients est de trouver un champion au sein de l’organisation ou un point difficile où l’analyse prédictive peut réellement s’avérer être une technique très utile à utiliser au sein de l’organisation. Et nous recommandons souvent de faire une victoire rapide, un projet rapide de validation du concept avant de s’engager dans un projet analytique à long terme. [Nous vous recommandons] de faire quelque chose assez rapidement avec un petit ensemble de données - nous l'appelons "frapper un seul" - et ensuite, vous optez plutôt pour le home run plus tard.
Pour l'interview vidéo complète, visitez le Échange de connaissances SAS Business Analytics .
