Google Cloud intègre l'IA dans les stratégies d'analyse de données

Google améliore stratégiquement ses capacités d'analyse de données en plaçant l'intelligence artificielle (IA) au premier plan de ses plans pour combler le fossé entre les données structurées et non structurées. Gerrit Kazmaier, vice-président et directeur général de Database, Data Analytics et Looker chez Google Cloud, affirme que l'IA est destinée à jouer un rôle pivot dans l'extraction de valeur à partir des données d'entreprise.

Kazmaier souligne la collaboration entre l'IA et les outils traditionnels de business intelligence. La force de l'IA réside dans sa capacité à amalgamer rapidement des données structurées et non structurées, dépassant les vitesses d'analyse humaines. Tirant parti de ses racines dans la technologie de recherche et de son expertise dans le développement du modèle transformer, Google vise à redéfinir la recherche de données d'entreprise.

Le géant de la technologie envisage une recherche de données d'entreprise semblable à sa recherche de domaine public renommée. Kazmaier souligne que l'objectif est de donner à chaque point de données d'entreprise, indépendamment de sa présence sur le World Wide Web, une interface conviviale. Tirant des parallèles avec la familiarité de la recherche Google dans le domaine public, il envisage une intégration transparente des outils d'IA générative (GenAI) avec les informations d'entreprise spécifiques au domaine.

Le pont de transformation des données de Google rend l'accès et la précision en business intelligence

L'accent mis sur l'IA générative s'aligne sur l'engagement de Google à rendre l'information universellement accessible. Contrairement aux outils BI traditionnels qui exigent des compétences en codage ou en analyse, GenAI permet aux utilisateurs commerciaux d'interagir avec des bases de données, des entrepôts de données ou des lacs de données en utilisant le langage naturel. Cette approche améliore la facilité d'utilisation et élimine le besoin de filtrer les données pour correspondre aux formats de tableau de bord.

Google esquisse une feuille de route complète pour infuser l'IA dans ses outils d'analyse. Cela inclut l'intégration de BigQuery avec Vertex AI, facilitant les flux de travail data-to-AI dans BigQuery Studio, et permettant aux utilisateurs de créer des modèles d'apprentissage automatique dans BigQuery ML. Les améliorations s'étendent à Looker et Looker Studio, montrant l'engagement de Google à faire évoluer la business intelligence.

L'IA générative, en particulier GenAI, promet d'autonomiser les non-spécialistes au sein des entreprises à interagir efficacement avec les données commerciales. Au lieu de lutter avec le codage ou la conception de tableaux de bord, les utilisateurs commerciaux peuvent désormais interagir avec des bases de données en utilisant le langage naturel, recevant des réponses similaires. Ce changement améliore non seulement l'accessibilité mais aussi la précision en accommodant de plus grands volumes de données et une plus large gamme de sources de données.

Exploiter l'IA générative pour des insights sur les données non structurées en business intelligence

Kazmaier éclaire une transformation profonde concernant les données non structurées dans le paysage en constante évolution de l'utilisation des données. Constituant traditionnellement une part substantielle de 90 % des données mondiales, les données non structurées subissent un changement de paradigme. L'IA générative émerge comme un outil dynamique, permettant aux entreprises de tirer des insights précieux de cette vaste information non structurée.

Cette puissance transformative s'étend au-delà du simple traitement des données ; elle marque un départ des requêtes traditionnelles de « quoi, quand et où » vers une exploration plus profonde du « pourquoi » elusive. Alors que les entreprises intègrent l'IA dans leurs cadres d'intelligence, l'accent passe de la simple présentation des données à l'interprétation collaborative de l'information. 

GenAI agit comme un catalyseur, favorisant la collaboration avec des agents IA. Cette approche collaborative permet aux utilisateurs d'explorer les tendances des données avec le soutien de modèles sophistiqués, surmontant les limites souvent associées à la compression de l'information dans les outils BI traditionnels.

La stratégie d'analyse de données de Google adopte une approche globale, allant au-delà du big data. Elle implique l'incorporation d'une multitude de points de données dans l'analyse. Kazmaier attire l'attention sur les inefficacités dans la prise de décision au sein des systèmes IA, en particulier dans la détermination de la nécessité de prendre en compte des facteurs supplémentaires. 

Exploiter la puissance de traitement des systèmes d'IA devient crucial pour rationaliser les processus décisionnels et éviter les obstacles. De manière notable, cette stratégie met en lumière l'intégration de données non structurées auparavant sous-utilisées, marquant un aspect pivot de l'approche évolutive de l'analyse des données.