En 2019, Gartner positionnait l’Augmented Analytics numéro 1 de son top 10 des tendances data et analytics. En effet, il prédisait que ce serait un facteur dominant dans les nouveaux achats de plateformes d’analyses et de BI. Aujourd’hui, force est de constater que c’est une tendance lourde et que sa démocratisation est en marche.

L’Augmented Analytics s’appuie sur des techniques de ML et notamment de NLP pour optimiser l’analyse des données.

Ceci afin d’accélérer le travail des équipes techniques et analytics. Et ainsi, permettre de faire des prévisions de manière plus efficace tout en rendant les métiers autonomes. L’automatisation des analyses implique de passer du prédictif basé sur de simples analyses statistiques passées, à une analyse prescriptive basée sur des recommandations.
L’IA est donc destinée à transformer la manière dont les analystes travaillent dans les organisations. Nous passons d’une ère de production de dashboards descriptifs, à des rapports produits avec l’aide de l’intelligence artificielle et donc prescriptifs, voire prédictifs.

On peut donc stimuler l’impact d’une décision future en se basant sur un jeu de données passées. Cela permet de rendre le reporting plus pertinent et directement actionnable en plan d’action. Les équipes métiers peuvent ensuite prendre des décisions applicables en temps réel ou quasi-temps réel.

Ainsi, les tableaux de bord nouvelle génération seront de plus en plus contextualisés et plus collaboratifs.

L’AA est une capacité émergente de la BI. Elle permet d’automatiser la préparation, l’analyse et la visualisation de la donnée mais aussi de pousser encore plus loin le self-service BI. Notamment, en utilisant des données non structurées qui n’étaient pas exploitées auparavant dans le reporting classique (IoT, email etc). Et cela ne fait que commencer !