Data Science et Business Intelligence

Le 07/05/2019

Source: datacadabra

Data Science

 

Parfois des clients nous demandent la différence entre un outil de Business intelligence et un outil de Data Science. Et force est de constater que si les deux domaines sont proches, ils sont aussi différents. Petit rappel de leurs champs d’actions respectifs !

 

La BI, ou informatique décisionnelle, désigne l’ensemble des méthodes, moyens et outils informatiques permettant de piloter l’entreprise au travers de tableaux de bord et rapports de suivi transmis aux managers de l’entreprise. D’un point de vue méthodologique, la BI repose sur la collecte, la mise en forme et la restitution des informations utiles aux prises de décision dans l’entreprise. Les KPI peuvent alors être représentés de manière générique ou paramétrable selon différents critères. La Dataviz, ou data visualisation, possède une grande valeur ajoutée pour la BI dans sa capacité à représenter les données de manière visuelle (graphiques, diagrammes, cartographies, infographies, …). Par essence, la BI restitue donc une information sur le présent et le passé de l’entreprise.

 

La Data Science a pour vocation de transformer de la donnée en information utile pour l’entreprise. A cette fin, la Data Science repose sur le croisement de plusieurs disciplines scientifiques (mathématiques, statistiques, informatiques) qui vont permettre d’explorer les données afin de répondre à des problématiques concrètes de l’entreprise. En conséquence, on pourra identifier en Data Science des méthodes plutôt descriptives (segmentation, études de profils et comportement, analyses ad hoc exploratoires, …) et des méthodes prédictives. Récemment, l’Intelligence Artificielle (et ses sous-disciplines le Machine Learning et le Deep Learning) ont permis à la Data Science de gagner en visibilité. Par essence, la Data Science va donc permettre de fouiller dans les données pour comprendre les spécificités des clients et prédire leurs comportements.

 

Data Science et BI

Ce graphique permet de bien mesurer le positionnement de chaque brique qui compose le périmètre global de la Data Science, la BI peut donc y trouver tout naturellement sa place.