Avant tout, ce qui existe aujourd’hui en gestion de projet en science des données comme méthodologie de gestion de projet est issu de domaines connexes à la science des données (tel que le « data mining » ou encore le développement de logiciel).

À quoi ressemble une méthodologie optimale en science des données?

S’il fallait citer trois caractéristiques que doit avoir une bonne méthodologie en science des données, ce serait :

1. Être accès sur les données;
2. Avoir des processus itératifs;
3. Être accès sur les tâches (« task-focused »).

Mais d’autres critères sont à prendre en considération, comme l’industrie ou le domaine sous-jacent (l’industrie de l’assurance, le monde de l’ingénierie, l’industrie du jeu vidéo, l’industrie bancaire, etc.). La dynamique d’équipe est tout aussi importante, car une équipe de science des données qui est principalement attachée ou sous la coupole des T.I. et des équipes de développement aura tendance à se pencher vers une livraison en mode « développement de logiciel », une équipe de scientifique de données issues du monde de l’actuariat aura tendance à suivre les cadres de travail et méthodologies du monde de la statistique ou de l’actuariat et ainsi de suite.

Tout cela pour dire que le choix méthodologique dépend avant tout du contexte et de l’environnement et que celui-ci qui doit être cohérent avec l’approche sélectionnée.

Les méthodologies les plus répandues en science des données (toute industrie confondue) :

CRISP-DM:

Description :

« Cross Industry Standard Process for Data Mining » a été créé dans l’objectif de servir des projets de « data mining ». Considérée comme la plus utilisée, cette méthodologie permet de livrer des projets en mode « itératif », et cela autant que nécessaire. Divisée en 5 grandes étapes (Compréhension des besoins d’affaires, compréhension des données, préparation des données, modélisation, évaluation et déploiement).

Avantages :

• Mets l’emphase sur la compréhension des besoins d’affaires avant tout.
• Le mode itératif permet une intégration continue du projet.

Désavantages :

• La méthodologie n’est plus mise à jour par la communauté CRISP-DM.
• Les étapes de déploiement sont très peu adaptées au contexte actuel.
• Les étapes de préparation des données et de modélisation ne sont pas adaptées aux concepts de données de masses (« Big Data ») et aux concepts d’apprentissage profond (« Deep Learning »).
• N’inclus pas de dimension gestion des priorités.
• N’inclus pas de dimension travail d’équipe ou à plusieurs personnes dans le même projet.

Liens utiles :

• https://www.datasciencecentral.com/profiles/blogs/crisp-dm-a-standard-methodology-to-ensure-a-good-outcome
• http://dmg.org/

Agile Kanban:

Description :

Cette méthodologie adaptée à la science des données reprend les grandes étapes de la méthode CRISP-DM pour le transformer en flux de travail (« pipeline ») principalement accès sur la représentation visuelle du travail et la gestion des priorités bas niveau/haut niveau.

Avantages :

• Offre de la flexibilité sur le niveau de détail du flux de travail par projet. (De très granulaire à haut niveau)

• Permets une meilleure répartition des tâches par membre de l’équipe.

• Permets une meilleure gestion des priorités.

Désavantages :

• Ne permets pas de dériver facilement des processus d’itérations.

• La méthodologie ne va pas toujours prendre en considération les contraintes inhérentes au monde de la science des données.

Liens utiles :

• https://openclassrooms.com/fr/courses/4507926-initiez-vous-a-la-gestion-de-projet-agile/4517156-utilisez-la-methode-kanban
• https://towardsdatascience.com/data-science-agile-cycles-my-method-for-managing-data-science-projects-in-the-hi-tech-industry-b289e8a72818

Agile Scrum :

Description :

Cette méthodologie est axée sur la durée et l’intensité des efforts avant tout. Adaptée au monde de la science des données, elle permet un retour rapide avec des résultats « viables » et prêts pour être mis en production. Le focus est avant tout un focus produit.

Avantages :

• Les nouvelles versions de la méthode Agile Scrum incluent la formation en continu, durant le projet, afin de découvrir de nouvelles approches et techniques. Cela est adapté au monde très vaste et changeant de la science des données.

• Permets d’obtenir des premiers résultats très rapidement.

Désavantages :

• Le fardeau est avant tout mis sur le propriétaire du produit (ou product owner).

• Il faut d’avance définir la durée d’un sprint, ce qui en science des données peut être un exercice difficile.

• Généralement les sprints sont perçus comme des phases de développement intenses sans prendre le temps de mettre en perspective les besoins d’affaires définis. Cela peut entraîner le rajout d’autres sprints pour permettre de réajuster le travail en fonction des besoins redéfinis.

Liens utiles :

• https://blog.trello.com/beginners-guide-scrum-and-agile-project-management
• https://towardsdatascience.com/agiledatascience-3b7ca65278a4

Les manufacturiers logiciels et leurs méthodologies :

• Certains grands manufacturiers logiciels ont développé des méthodologies de gestion de projet, basées sur leurs années d’expertises. Certaines de ces méthodologies sont éprouvées dans le monde de la science des données.

SEMMA:

Description :

• SEMMA étant l’acronyme de « Sample, Explore, Modify, Model, and Assess » a été développé par l’institut SAS.

Avantages :

• Est axée sur la suite de produits SAS Enterprise Miner. Idéal lorsque le développement se fait sur les solutions SAS.

Liens utiles :

• http://support.sas.com/documentation/cdl/en/emcs/66392/HTML/default/viewer.htm#n0pejm83csbja4n1xueveo2uoujy.htm

IBM Cloud Garage Method :

Description :

• L’approche IBM Garage qui se focalise sur 6 grandes étapes. Issue du monde logiciel avant tout, l’approche cherche à inclure d’autres nécessités et prérequis à la fois au niveau Infrastructure et TI.  

Avantages :

• Focaliser sur les besoins d’affaires avec une approche produits grâce au concept de Design Thinking qui fait partie de la méthodologie.

• Prends en considération les besoins et enjeux TI.

Liens utiles :

• https://www.ibm.com/cloud/garage/

Microsoft TDSP :

Description :

TDSP étant l’acronyme pour « Team Data Science Process ». Microsoft a tenté de créer une approche englobante, qui permet de gérer toute sorte de projets en science des données (depuis l’analyse de données ad hoc, jusqu’au développement de solution d’apprentissage profond)

Avantages :

• Offre une forte flexibilité dans la mise en place de la méthodologie.

• Offre une gestion de cycle de vie complet. Avec à la fin de chaque cycle l’étape « customer acceptance ». Cette étape consiste à valider le post-déploiement et savoir si la solution a été adoptée par les usagers/clients.

Liens utiles :

• https://docs.microsoft.com/en-us/azure/machine-learning/team-data-science-process/overview

D’autres alternatifs ou variantes subsistes :

Le KDD : « Knowledge Discovery and Data Mining »

• https://www.kdd.org/kdd2019/

Le ASUM-DM : « Analytics Solutions Unified Method »

• ftp://ftp.software.ibm.com/software/data/sw-library/services/ASUM.pdf

Avec toutes les options possibles, que faut-il choisir?

La réponse est… ça dépend!

Il faut avant tout comprendre le contexte d’entreprise, la dynamique des équipes de science des données, le type de livrable. Ce qui est difficile est de se développer un standard de gestion de projet en science des données qui soit applicable en toutes circonstances, quelle que soit la nature du projet en science des données.

Si vous vous cherchez un cadre pour débuter vos projets en science des données. L’idéale est de commencer par des cadres standards tels que CRISP, ASUM, KDDS, TDSP pour par la suite pouvoir développer sa propre version interne basée sur l’expérience cumulée.

Pour ce qui est de la performance réelle de chaque méthodologie. Voici une étude menée par des chercheurs de l’université de Syracuse intitulée : « Comparing Data Science Project Management Methodologies via a Controlled Experiment », 2017. Cette étude m’a d’ailleurs inspiré cet article. Elle a pour objectif de comparer l’efficacité réelle de trois méthodologies en science des données auprès d’étudiants et de chercheurs.

Aussi, si vous cherchez à mieux comprendre comment débroussailler les terminologies en science des données : voici un article complémentaire https://www.datapro.quebec/intelligence-artificielle-vs-science-des-donnees/

The post Les méthodologies de gestion de projet en science des données appeared first on La science des données au Québec.

La science des données est en vogue de nos jours; on en parle, on l’étudie, on la recherche. Elle est vaste et contient plusieurs spécialités, plusieurs approches et plusieurs métiers, sans compter qu’il existe un bassin important de ressources et de cours en la matière.

Mais par où commencer pour faire naître et grandir de tels projets dans une entreprise ?

Identifier le point de départ

Commencez par faire la cartographie des compétences et ressources que vous possédez à l’interne, comme les langages de programmation, les modèles statistiques et les processus que vous employez. Cela vous permettra de mieux orienter les besoins en apprentissage.

Par exemple, au niveau du langage de programmation, il faut savoir que R et Python sont certes les langages les plus populaires, mais ne sont pas les seuls qui peuvent être utilisés en science des données. Les langages de programmation ne sont que des supports pour matérialiser vos pensées et projets; la vraie valeur technique réside dans les « librairies » accessibles et supportées par le langage de programmation.

Se poser la question quelles autres compétences internes sont pertinentes ?

Aussi pour mieux naviguer dans les terminologies référez-vous à l’article : Intelligence d’affaires, Intelligence Artificielle, Analytique Avancée, Science de la donnée : Quelle différence ?

Établir la destination

La prochaine question à se poser est la suivante : quel objectif souhaitez-vous atteindre grâce à la science des données ?

La science des données peut vous permettre la modélisation prédictive pour des bases de données marketing, la création de systèmes de recommandation, le machine learning et bien plus. Identifiez le rôle et les ramifications qu’aura la science des données au sein des opérations de votre entreprise pour ensuite comprendre les outils et techniques sur lesquels miser. Autrement dit, identifiez la ligne d’arrivée afin d’établir le chemin à prendre pour s’y rendre.

Avec votre cartographie des compétences et votre cible d’intérêt en main, il vous faut maintenant les ressources nécessaires à la réussite de votre projet.

Experts en science des données, Necando offre des webinaires gratuits pour mieux comprendre le domaine et apprendre à utiliser les outils à votre disposition. Profitez-en et donnez vie à vos projets d’entreprise!

S’inscrire

The post La science des données en entreprise par où commencer ? appeared first on La science des données au Québec.

Ce qu’il faut se rappeler c’est que peu importe les terminologies utilisées, ce qui compte avant tout, c’est de garder une approche qui offre une vue complète et cohérente pour donner du sens à votre démarche afin de combler votre besoin.

L’approche la plus cohérente dans le marché pour filtrer les terminologies est de séparer le monde de l’exploitation de la donnée en deux dimensions : la dimension technique et la dimension d’affaires.

Dans la dimension technique, le terme permettant de généraliser toute la pratique est : la science des données. Le terme « science des données » qualifie toutes les techniques qui permettent de trier et d’analyser la donnée pour pouvoir en tirer une information ou une recommandation pertinente.

Les techniques qui peuvent être utilisées au niveau du tri de la donnée sont: traitement et archivage de données de masse ( e.g. écosystème Hadoop), outils de transformation de la donnée (e.g. outils ETL) etc.

Les techniques qui peuvent être utilisées au niveau de l’analyse de la donnée: l’intelligence artificielle appliquée (incluant le machine learning), la statistique avancée, la création de rapport, l’exploration de la donnée, le traitement du langage naturel (aka text mining), la recherche opérationnelle, création d’indicateur de performance (e.g. KPI), fouille de donnée (aka data mining) etc.

La dimension d’affaires, quant à elle, régit non pas les techniques utilisés mais leurs implications dans le monde de l’entreprise. Le terme permettant de généraliser la pratique et de traduire l’exploitation de la donnée dans la sphère des affaires est l’analytique d’affaires (aka « Business Analytics » ou « Data Analytics »). L’analytique d’affaires défini tout outil, système ou logiciel qui permet de supporter la prise de décision basée sur l’exploitation de la donnée. L’analytique d’affaires contient 5 niveaux primaires : descriptif, diagnostic, prédictif, prescriptif, cognitif.

Le niveau descriptif répond à la question « que s’est-il passé ? » à travers des rapports et des alertes. Une entreprise en vente de détail souhaite savoir comment évolue ses ventes va mettre en place des rapports permettant de voir l’évolution des ventes dans le temps. Et d’ajouter des alertes pour mettre au courant les responsables des ventes si un changement significatif a lieu.

Le niveau diagnostic répond à la question « pourquoi cela s’est passé ? » à travers des requêtes, de la fouille de données et de la statistique de base. L’entreprise de vente de détail ayant maintenant accès à l’évolution de ses ventes souhaite mieux comprendre les changements de ses ventes pour mieux pouvoir prendre action. Ils mettent en place des nouveaux d’indicateurs de performance tel que : la valeur d’achat moyenne, temps de conversion moyen d’un client, la valeur moyenne de fidélité d’un client etc. Ces indicateurs sont calculés grâce à des statistiques de base et de la fouille de données. Ils permettent entre autres de mieux comprendre l’évolution global des ventes et pouvoir prendre action pour améliorer les ventes.

Le niveau prédictif répond à la question « que va-t-il arriver ? » à travers des prédictions, prévision (aka « forcast ») et des simulations. Notre entreprise de vente de détail souhaite aller un peu plus loin et pouvoir mieux appréhender la demande des clients durant les différentes périodes de l’année et éviter les pénuries ou les surplus de produits. Un tel besoin nécessite l’utilisation de modèles prédictifs permettant de prédire l’évolution de la demande dans le temps en fonction de données internes (volume de clients des années passées, perspective de croissance, taux de rétention etc) et des données externes (météo, réseaux sociaux, profiles sociaux démographiques etc).

Le niveau prescriptif répond à la question « comment s’assurer que cela arrive ? », à travers de l’optimisation mathématique et de la planification. L’entreprise de vente de détail détient également un centre de distribution avec des véhicules permettant de livrer la marchandise aux clients. Ces véhicules sont nombreux et les coûts d’acheminement des marchandises sont élevés, sans oublier que les clients accusent beaucoup de retard à la livraison. Grâce au niveau prescriptif, l’entreprise va pouvoir optimiser la tourner des véhicules de livraison et pouvoir ainsi réduire les coûts d’opération et améliorer la satisfaction client.

Le niveau cognitif répond à la question « comment augmenter les facultés du système ? », à travers le raisonnement, le traitement du langage naturel, la reconnaissance visuelle etc. Pour finir notre entreprise de vente de détail souhaite améliorer l’expérience client en augmentant la capacité de communication digitale avec les clients. Grâce au niveau cognitif, l’entreprise peut mettre en place des systèmes intelligents (aka « bots ») sur sa plateforme qui communiquent 24/7 avec les clients. Ces systèmes ont la capacité d’interpréter le langage des clients et de pouvoir leur proposer des solutions pour permettre une expérience optimale sur la plateforme.

Ces cinq niveaux peuvent être regroupés dans 2 classes distincts : l’analytique traditionnelle (aka Intelligence d’affaires) pour regrouper le descriptif et le diagnostic. Et l’analytique avancée (aka Intelligence artificielle appliquée) pour regrouper le prédictif, le prescriptif et le cognitif.

La dimension d’affaires et la dimension technique ne s’opposent pas, bien au contraire elles se complètent car chaque niveau analytique repose sur une ou plusieurs expertises dans la dimension technique.

Grâce à cette structure de définition du monde de l’exploitation de la donnée, il est plus facile de mettre en place des projets en exploitation de la donnée, d’embaucher les bonnes ressources qui combleront le besoin identifié, de communiquer et vulgariser plus simplement les concepts clés en exploitation de la donnée.

Cependant, cette structure de définition n’est pas rigide et elle est ré-ajustable par tout un chacun selon ses besoins, sans oublier bien sûr de garder une approche qui offre une vue complète et cohérente pour donner du sens à votre démarche afin de combler votre besoin.

Dans cette démarche de standardisation, il existe plusieurs initiatives Québécoises permettant d’abord de regrouper les terminologies utiliser dans le monde de la donnée et de l’intelligence artificielle Datafranca

The post Intelligence d’affaires, Intelligence Artificielle, Analytique Avancée, Science de la donnée : Quelle différence ? appeared first on La science des données au Québec.