VIDÉO À LA DEMANDE
Les données sur les ventes au détail constituent l’une des sources d’informations les plus précieuses pour la planification commerciale dans le secteur des biens de grande consommation — mais aussi l’une des plus difficiles à exploiter de manière fiable. Au cours de cette session, Andrew Dentinger, directeur produit chez UpClear, explique en détail ce que signifie concrètement la « préparation des données » : les opérations d’étiquetage, de nettoyage, d’harmonisation et de validation qui doivent être effectuées avant que les données sur les ventes au détail ne puissent servir de base à une analyse pertinente. Il aborde également le rôle de l’IA dans ce processus — et les domaines dans lesquels elle ne trouve pas sa place.
Points clés :
- La préparation des données n'est jamais un état achevé: l'objectif consiste à définir ce que signifie « suffisamment bon » pour votre cas d'utilisation spécifique, puis à progresser vers cet objectif de manière progressive.
- La modélisation avancée n'est pas le frein: la principale valeur à court terme de l'IA dans le domaine des données du secteur des biens de grande consommation réside dans l'accélération des tâches de nettoyage et de préparation des données, que la plupart des équipes effectuent encore manuellement.
- Les anomalies présentes dans vos données sont soit du bruit qu'il faut filtrer, soit vos signaux métier les plus importants : pour faire la distinction, il faut encore s'appuyer sur un contexte humain qu'aucun modèle ne peut fournir.
- Les problèmes courants de mappage dus à des erreurs humaines entraînent des problèmes d'intégrité des données en aval qui s'aggravent avec le temps s'ils ne sont pas résolus.
- Les outils d'IA prêts à l'emploi ne sont pas entraînés sur des structures de données spécifiques au secteur des biens de grande consommation; leur mise en œuvre sans tenir compte des nuances propres à chaque catégorie produira des résultats fiables à partir de données d'entrée erronées.
« En réalité, l'application de l'IA dans ce domaine, en ce qui concerne les données du secteur des produits de grande consommation, ne consiste pas tant à l'utiliser pour réaliser des modélisations et des prévisions avancées, mais plutôt à préparer les données afin de pouvoir mener à bien ces activités. »
Andrew Dentinger, UpClear
