Dans cet épisode de la série Ask An Expert de DataXstream, Kathleen Taggart, Jayelyn Ramey et Juichia Che de l’équipe d’automatisation intelligente de DataXstream discutent de la quatrième révolution industrielle, des tendances technologiques et des résultats commerciaux impliquant l’automatisation et l’apprentissage automatique. Passant en revue à la fois les difficultés traditionnelles de la gestion des données d’entreprise et la valeur moderne de l’automatisation intelligente, les trois présentent une analyse des tendances émergentes du secteur et de la manière dont elles jouent un petit rôle pour fournir les solutions d’une approche stratégique pour accompagner la révolution.

Salut. Merci de vous joindre à nous aujourd’hui dans la série Demandez à un expert de DataXstream. Je m’appelle Kathleen Taggart et je suis ici avec Jayelyn Ramey. Et nous sommes ici pour discuter de la 4e révolution industrielle avec Juichia Che, data scientist senior. Et Juichia, je sais que tu es très modeste et poli, je vais donc te présenter rapidement à notre public avant que tu ne m’arrêtes. Ainsi, Juichia a plus de trois ans d’expérience avec DataXstream et est à l’origine diplômée de Carnegie Mellon en informatique et statistiques. Elle est entrée dans le monde des solutions ASAP et du conseil en 2005, lorsqu’elle a été consultante pour la première fois pour DataXstream, elle a ensuite cofondé une société de conseil SAP et prépare actuellement sa maîtrise en analyse du Georgia Institute of Technology. Elle est actuellement notre ingénieur senior en apprentissage automatique et a dirigé l’équipe de DataXstream, d’IA, d’apprentissage automatique et de science des données alors qu’elle vit en Géorgie avec sa fille Sophie, âgée de quatre ans. Alors Juichia, ouais. Y a-t-il quelque chose que j’ai manqué ? Lancez-vous et n’hésitez pas à improviser.

UM, au lieu de diriger toute l’équipe d’IA, c’est plutôt comme trébucher et essayer de se frayer un chemin dans le monde de l’IA, n’est-ce pas ?

Oui définitivement. Mais vous faites du bon travail en trébuchant, en vous rattrapant toujours. Nous sommes plutôt bons dans ce domaine.
Euh, et pendant que nous discutons en quelque sorte de votre carrière et de la façon dont ce projet a été mis en place et comment nous avons démarré, voulez-vous nous dire brièvement pourquoi vous avez poursuivi la science des données après avoir débuté dans l’espace SAP ?

A part avoir un bambin à prendre en charge et ne pas avoir autant de temps pour consulter ?

Autre et faire une transition de carrière pour contribuer davantage à mon équilibre travail-vie personnelle. J’ai toujours eu un grand intérêt et un talent pour l’analyse et même dans SAP, j’ai beaucoup travaillé avec des données. En ce qui concerne le travail avec les données de référence dans différents secteurs, l’utilisation de leurs bases de données et la cartographie des champs de données dans les interfaces, ainsi que la migration des données lors des mises à niveau et des implémentations, les données ont donc été un thème très important dans ma carrière. Et j’ai pensé que, parce que la science des données est désormais un domaine tellement exigeant et brûlant et que l’IA est une nouvelle technologie tellement passionnante, ce serait un domaine formidable dans lequel se lancer.

J’adore entendre parler de l’intérêt personnel de quelqu’un pour son secteur ! Ainsi, il y a eu récemment de nombreuses discussions sur les technologies qui ont été développées pour répondre aux défis émergents de l’industrie. Quels sont quelques-uns de ces défis, en particulier dans le secteur de la vente en gros et de la distribution ?

Eh bien, je pense que dans le secteur de la vente en gros et de la distribution en particulier, ils traitent avec de nombreux types de clients différents. Il y a donc un gros manque de standardisation dans leurs processus métiers de bout en bout. Donc, en termes de façon dont leurs clients demandent des informations.
Et comment leurs clients souhaitent recevoir des informations, n’est-ce pas. Ainsi, toutes ces sortes de manque de standardisation ont causé beaucoup de défis à cette industrie et cela signifie également que les ressources humaines de ces entreprises de vente en gros et de distribution sont souvent alourdies par des tâches subalternes qui prennent beaucoup de temps, par exemple. exemple de saisie de données pour les informations sur les produits et pour procréer des bons de commande et des devis pour leurs clients.
Et ce genre de choses. Il y a également de nombreuses raisons, je suppose, dans n’importe quel secteur, à dire que la qualité des données et la manière dont les données sont conservées ont constitué un défi majeur en termes de passage de, euh, plates-formes de technologie de l’information à une approche davantage axée sur l’IA et les données. plateforme dans leur entreprise.

Ouais. Donc, pendant que nous discutons de certains des, comme vous venez de le dire, ces technologies récentes qui émergent pour relever ces défis de l’industrie, et la quantité de données qui sont maintenant disponibles, puis aussi les nouvelles technologies qui sont, et qui ont ont été développés qui pilotent désormais ces solutions, nous avons constaté d’énormes progrès dans des domaines tels que l’automatisation des processus robotiques, l’Internet des objets est un développement très récent des dernières années, peut-être une vingtaine d’années. Nous avons la blockchain, l’informatique de pointe, les robots et les cobots, la programmation génétique, l’informatique quantique, et la liste s’allonge encore et encore. Et tout cela est dû, je suppose, aux fruits des quantités massives de données désormais disponibles, ainsi qu’au fait que nos analyses de données et nos outils d’apprentissage automatique deviennent désormais beaucoup plus puissants.
Mais parlons un peu de l’automatisation et de l’automatisation des processus robotiques et de la façon dont l’apprentissage automatique et l’IA alimentent l’automatisation dans l’économie d’aujourd’hui, mais aussi qu’est-ce que cela signifie maintenant que nous avons toute cette automatisation ? Qu’est-ce que cela va réellement faire à l’industrie ?

Ouais. Tout d’abord, je vais être honnête, je ne connaissais pas la moitié des choses que vous avez mentionnées, comme l’informatique quantique.

C’est vraiment cool!

Mais je ferai de mon mieux pour en parler. Je suppose que l’automatisation sur laquelle nous avons travaillé et les besoins que nous avons constatés chez nos clients. Exact. Numéro un, il y en a. Euh, les ressources humaines de ces entreprises doivent être, je suppose, affectées à des tâches plus significatives. Et pour ce faire, l’automatisation doit être mise en œuvre dans les processus métiers où les ressources humaines étaient autrefois nécessaires et dépendantes, notamment pour leurs connaissances métier. Par exemple, les représentants commerciaux qui avaient une connaissance approfondie des systèmes d’entreprise et de la manière dont les données y étaient stockées, passent beaucoup de temps à mapper les exigences des clients sur ce qu’ils savent être stockés dans ces systèmes d’entreprise. Et ce type de parties du processus métier peut désormais être automatisé par des applications d’apprentissage automatique qui automatisent le mappage entre l’entrée dans l’entreprise et la sortie de l’entreprise vers le client.
Et puis dans les ventes ? Il y a un grand cri en faveur de l’automatisation du type de processus commercial de traitement des commandes dans lequel les entreprises reçoivent des demandes de devis ainsi que des bons de commande des clients et souvent, comme nous l’avons mentionné dans ces secteurs de la vente en gros et de la distribution, il y a un manque de standardisation dans la façon dont ils reçu les devis et les bons de commande, c’est vrai. Il existe donc un moyen de standardiser la manière dont ces informations sont reçues, via quels canaux. Ainsi, par exemple, peut-être qu’ils les recevaient par e-mail, ou peut-être par SMS aux conseils des représentants commerciaux, ou peut-être simplement en remettant un morceau de papier au représentant commercial. Exact? Ainsi, ces différents canaux peuvent désormais être davantage standardisés grâce à différentes technologies. Par exemple, numériser des documents papier et extraire automatiquement des informations à partir d’e-mails et de messages texte en détectant le type de sujet inclus dans ce message, n’est-ce pas ? Et puis il y a aussi une autre partie qui se situe plus en aval, une fois que nous avons standardisé la façon dont les informations sont extraites des clients, nous pouvons alors automatiser la façon dont ces informations sont interprétées. Autrefois, nous dépendions des commerciaux pour interpréter et comprendre en lisant les documents ce que voulaient les clients. Mais de nos jours, avec quelque chose comme la reconnaissance optique de caractères et aussi des méthodes statistiques d’analyse comme la régression et la classification. Nous pouvons maintenant mapper exactement ce qui est lu dans le document à l’aide de l’OCR avec ce qui est attendu dans le système commercial cible et quelque chose comme SAP où nous savons que pour commander, il faut un nom de client, nous savons qu’il veut un numéro d’article et une description de l’article, une quantité, et le prix et ainsi de suite. Ainsi, de nos jours, nous pouvons utiliser des modèles d’apprentissage automatique qui classent les morceaux de texte de ces commandes clients et devis pour savoir comme oh, ce morceau de texte est le nom d’un client et ce morceau de texte est l’adresse de livraison à laquelle il souhaite que ses produits soient envoyés. .
En dehors de cela, il existe également l’automatisation du réapprovisionnement des stocks, l’intégration d’ensembles de données sur les matériaux et la création de comptes d’utilisateurs. Par exemple, pour la gestion de nos clients et la cartographie des données des systèmes externes vers les systèmes commerciaux internes. Une autre chose importante que nous avons constatée de la part des clients concerne les recommandations de produits. Ainsi, une fois que nous pouvons automatiser l’ensemble du système de traitement des commandes et de traitement des devis, nous pouvons dire : OK, nous savons que cela nous permet de collecter des données sur ce que les clients ont commandé auparavant et sur ce sur quoi ils ont demandé des informations. Et puis, sur cette base, être en mesure de recommander d’autres produits qui peuvent être similaires ou complémentaires à ceux qu’ils ont demandés avant d’utiliser des modèles d’apprentissage automatique.

Et si je peux ajouter, également, pour sortir de ce point, il ne s’agit absolument pas de je pense que l’automatisation est un mot effrayant parce que les gens pensent que lorsque vous introduisez l’automatisation, cela remplace les humains et en réalité, c’est beaucoup et l’autonomisation de l’humain afin qu’il dispose des données dont il a besoin et qu’il puisse consacrer ce temps à ce que nous faisons le mieux. Donc, la créativité, les connaissances, la gestion des clients, l’interaction avec les clients et ce service, car ils ne s’enlisent pas en essayant manuellement, comme vous l’avez dit, de saisir ces commandes ou de convertir les données d’un format au format suivant. Ils sont capables d’examiner les résultats et de se dire : très bien, j’ai ces données maintenant, que puis-je en faire pour servir le client.

Absolument. Je pense que c’est une grande crainte et aussi une chose à laquelle les gouvernements tentent de répondre : il y a la crainte que l’automatisation remplace les emplois, n’est-ce pas ? Mais je pense que la solution à ce problème n’est pas de ne pas procéder à l’automatisation, car l’automatisation présente de grands avantages pour les entreprises et les entreprises sont essentielles au fonctionnement de notre économie et de notre société. Donc, je pense que la meilleure solution est de voir comment pouvons-nous allouer les ressources humaines actuelles à des tâches de niveau supérieur qui sont plus significatives, n’est-ce pas ?

Absolument.
Ouais.
Et si je peux aussi y ajouter. J’ai vu une étude récente menée par McKinsey and Company qui avait déterminé qu’environ 50 % du processus de gestion des commandes est hautement automatisable avec ce que nous avons déjà aujourd’hui. Ce n’est donc même pas ce que nous verrons dans cinq ou dix ans. C’est ce que nous pouvons faire aujourd’hui. Et je pense que cela montre également à quel point le système de gestion des commandes typique est inefficace si 15 %, ou pardon, si 50 % est déjà quelque chose que nous pouvons automatiser. Et à la place, nous l’avons fait. Des humains qui essaient de suivre un travail qui ne leur convient vraiment pas. Il s’agit beaucoup de saisie de données et c’est très subalterne et, vous savez, la qualité de la satisfaction au travail diminue considérablement. Ensuite, vous devez penser à la satisfaction des employés et à ce que vous faites également pour soutenir votre équipe RH.

Ouais, absolument.

Et si nous pouvons en parler très rapidement, nous avons en quelque sorte discuté de la nécessité de l’automatisation et du fait que la solution n’est pas de ne pas automatiser. Et quel est le retour pour les entreprises qui sont les premières à l’adopter et si l’automatisation est si grande ? Pourquoi a-t-il été si difficile pour certaines industries d’intégrer et de réaliser la transformation numérique vers l’automatisation ? Sur quoi restent-ils bloqués ? Et pourquoi les gens restent-ils coincés dans la planification et la phase pilote lorsqu’ils tentent d’introduire l’une de ces nouvelles technologies ?

Oui, comme pour tout autre type de mise en œuvre technologique, il y aura des défis en termes d’introduction du changement et des gens, je suppose que les gens ont tendance à être à l’aise et à ne pas vouloir de changement. Ainsi, lorsqu’il existe un potentiel de changement, même si les avantages sont assez importants et que tout le monde peut y réfléchir. Au sein d’une organisation, il existe encore certaines difficultés quant à la manière de conduire ce changement. La première consiste à se préparer, je suppose, à parler des risques, des avantages et des inconvénients de l’automatisation et de l’utilisation de l’IA dans les organisations, n’est-ce pas. Ainsi, même si je pense que beaucoup de chefs d’entreprise et d’entreprises lisent beaucoup sur l’IA et peuvent aller à des conférences et lire des articles sur l’automatisation et l’IA et peut-être que Gartner leur permettra de comprendre comment ces technologies peuvent générer un retour sur investissement au fil du temps. . Et mais je pense qu’il y a un écart entre ce qu’ils peuvent lire et la réalité de la mise en œuvre, car à l’heure actuelle, il y a un… quand nous voulons mettre en œuvre l’IA et l’apprentissage automatique, il y a des coûts associés à une telle technologie, même si ces applications sont aujourd’hui tout fonctionne dans le cloud.
Je pense que cela devient encore plus mystérieux pour les chefs d’entreprise, maintenant que tout est dans le cloud. L’infrastructure, le stockage des données, les applications, tout ce sur quoi une organisation fonctionne est désormais moins tangible, je suppose, car vous n’avez plus comme des administrateurs informatiques assis au bureau qui entretiennent les systèmes mainframe, vous avez quelqu’un d’autre comme Amazon ou Google avec un des emplacements centralisés pour les serveurs où vous comptez sur eux pour maintenir ces éléments et vous comptez sur eux pour être honnêtes et compétitifs dans leurs offres en termes de coût de ces infrastructures et de ces plates-formes cloud et de leur fiabilité. C’est donc un domaine important qui, à mon avis, préoccupe beaucoup les chefs d’entreprise, n’est-ce pas ?
Et simplement en termes de complexité du calcul de ce coût et de compréhension de son impact sur le retour sur investissement au fil du temps. L’autre grande lacune dans les connaissances concerne la façon dont les solutions d’apprentissage automatique et l’automatisation évoluent au fil du temps, car avec quelque chose comme la mise en œuvre de SAP, vous avez un plan que vous suivez et vous mettez en œuvre ces systèmes d’entreprise selon les exigences et une fois qu’ils sont en place, votre les utilisateurs peuvent commencer à utiliser ces systèmes.
Et cela correspondra exactement aux exigences que vous aviez. On pourrait donc dire que ce système fonctionne exactement comme nous l’avions prévu. Mais avec quelque chose comme la mise en œuvre de l’automatisation et de l’IA, ce n’est pas aussi clair. Surtout si le fournisseur d’IA ou d’apprentissage automatique vend trop ses capacités et que la manière dont l’apprentissage automatique évolue en tant que solution au fil du temps n’est pas aussi claire ? Comme je l’ai dit, SAP ne change pas vraiment au fil du temps, sauf via des mises à niveau et des modifications logicielles. Mais avec l’apprentissage automatique, les choses évoluent à mesure que vos données évoluent et la solution d’automatisation doit prendre en compte l’évolution des données de l’entreprise et la manière dont elles peuvent être exploitées pour fournir un retour d’information au pipeline d’apprentissage automatique. Pour que la machine puisse apprendre et devenir plus précise au fil du temps. Ainsi, certains chefs d’entreprise pourraient s’abstenir d’utiliser l’apprentissage automatique comme solution d’automatisation des processus métier, car au début, cela peut sembler, oh, ce n’est pas si précis en termes de prédiction, par exemple, du texte de ce document. Mais ce qui doit être expliqué clairement et peut être décomposé en une explication plus simple, c’est que, même si elle n’est peut-être pas exacte à 100 %, jamais. Il peut apprendre des erreurs qu’il produit en recueillant les commentaires des humains qui utilisent ces applications. Je pense donc que c’est un autre domaine important dans lequel le changement devient difficile dans les organisations. Je pense donc que cela nécessite des dirigeants d’entreprise ouverts d’esprit, déterminés à améliorer l’efficacité de leur organisation, mais cela exige également que ces dirigeants recherchent des conseillers de confiance. dans le domaine de l’IA ainsi que du machine learning qui peuvent leur montrer exactement comment ces solutions sont construites et comment elles fonctionnent.

Travaillez d’une manière compréhensible et sans jargon, et aussi, je suppose, par quelqu’un qui peut présenter les avantages et les inconvénients de l’apprentissage automatique par rapport à une solution d’application logicielle traditionnelle.

Oui, c’est un très bon point, c’est très utile d’avoir un conseiller de confiance qui, vous savez, ce n’est pas l’équipe commerciale de leur solution évidemment. Et ce n’est pas quelqu’un de leur équipe parce que parfois vous vous demandez, vous savez, évidemment, ils comprennent leur propre solution, mais quelqu’un qui comprend votre secteur a peut-être même une expérience dans votre entreprise ou a une expérience avec des entreprises très similaires à celle-là et a cette expérience avec les données. la science et l’apprentissage automatique, qui peut en quelque sorte combler le fossé entre la technologie de la solution et le secteur dans lequel vous travaillez actuellement ?

Ouais. L’autre défi est parfois très difficile à cerner. Le retour sur investissement exact pour de nouvelles solutions, car. Euh. Même les entreprises elles-mêmes ne disposent pas vraiment de paramètres pour mesurer. Les processus métier manuels et combien de temps ils prennent à leur humain pour effectuer un certain type de travail, et quels types d’inefficacités existent dans ces processus ? Il est donc parfois très difficile de mesurer précisément la valeur d’une solution.

Ouais, c’est un autre bon point. Obtenir et collecter les métriques est un autre défi de taille et, comme c’est le cas pour la plupart des transformations et la plupart des objectifs, vous avez besoin de métriques pour prouver que vous travaillez vers l’objectif et avec l’apprentissage automatique, il est parfois difficile de l’étiqueter. J’ai vu une fois cette analyse vraiment intéressante qui décrivait DevOps comme vous savez où se trouve la ligne d’arrivée, mais avec MLOPS, vous courez, vous savez sur la piste. Vous savez que vous êtes dans les bois mais vous ne savez pas où est la ligne d’arrivée parce que. L’apprentissage automatique est une solution évolutive, comme vous l’avez dit. Ainsi, qu’il y ait une ligne d’achèvement ou d’arrivée finie est en quelque sorte contre-intuitif par rapport à ce qu’est réellement l’apprentissage automatique en tant que produit. C’est donc quelque chose dont nous avons besoin et nous essayons de nous y habituer. Tant du côté technologique que du côté industriel.

Ouais. Oh, c’est ce qui en fait un domaine vraiment difficile. Et un sujet très intéressant est que vous ne vous contentez pas de développer une application, de la déployer et de l’oublier, vous créez en réalité tout un écosystème qui prend en compte la façon dont l’entreprise évolue, comment ses données changent au fur et à mesure. et s’adapter à cela.

C’est vrai, ouais. Merci beaucoup pour ces excellentes perspectives et vos conseils sur les défis de l’industrie. Et puis aussi sur les solutions et comment les entreprises peuvent s’y préparer. Merci pour votre temps et pour partager votre richesse de connaissances avec nous. Merci également à notre public. Nous sommes honorés et ravis que vous ayez passé votre temps précieux avec nous aujourd’hui. Nous espérons que vous apprendrez quelque chose d’intéressant et de perspicace, et nous sommes impatients de connaître vos commentaires sur nos forums Demandez à un expert. Ils seront situés en bas de la page Web, juste en dessous de l’enregistrement. Donc, si vous avez des commentaires, n’hésitez pas à nous en faire part. Veuillez également nous rendre visite sur dataxstream.com pour en savoir plus sur Juichia Che et son travail acharné, ainsi que sur l’équipe d’apprentissage automatique et nos solutions. Nous espérons que vous nous contacterez sur les forums. Nous sommes impatients de recevoir votre réponse et espérons que vous nous rejoindrez à nouveau pour notre prochain entretien avec un expert. En attendant, merci beaucoup et au revoir pour le moment.

Au revoir.