Comment Power BI redéfinit les performances avec l’IA

Mar 10, 2024 | Intelligence Artificielle, Tools & Méthodo | 0 commentaires

Salut la team 👋

L’intelligence artificielle (IA) est née de l’analyse de données. Aujourd’hui, elle est à l’avant-garde, nous aidant à atteindre de nouvelles performances dans l’analyse de données. Avant d’explorer comment Power BI utilise l’IA, comprenons quelques notions.

  • Machine Learning (ML) et Deep Learning : Ces technologies permettent aux systèmes d’apprendre à partir des données et de s’améliorer sans être explicitement programmés, ouvrant la voie à des analyses prédictives.
  • Traitement du Langage Naturel (NLP) : Le NLP transforme la manière dont nous pouvons extraire des insights à partir de données textuelles, en permettant aux machines de comprendre et d’interagir en langage humain.
  • Vision par Ordinateur : Cette branche de l’IA permet d’analyser des images et des vidéos pour en extraire des données quantitatives et qualitatives, enrichissant ainsi l’analyse de données visuelles.
  • Systèmes de Recommandation : Ils utilisent l’IA pour prédire les préférences et suggérer des produits ou services, personnalisant l’expérience utilisateur à un niveau sans précédent.

Nous avons fait le choix d’explorer l’IA dans l’analyse de données à travers PowerBI, car c’est aujourd’hui l’un des leaders incontesté du domaine, avec autant de fonctionnalités avancées comme l’intégration d’Azure Machine Learning jusqu’à la création de visualisations intelligentes, illustrant ainsi le futur de l’analytics.

‼️ L’ensemble des fonctionnalités sont disponibles en version gratuite, mais afin de pouvoir partager votre travail, il faudra une license Pro au minimum.

 

Les insights AI dans Power query

Power Query est un outil utilisé dans Microsoft Power BI pour l’importation, la transformation, l’intégration et l’enrichissement des données. Il propose 3 outil en rapport avec l’IA :

  • Azure Machine Learning
  • Analyse de texte
  • Vision
power query

Intégration d’Azure Machine Learning

Azure Machine Learning est un service cloud qui permet aux data scientist et aux développeurs d’applications de construire, entraîner et déployer des modèles de machine learning rapidement et à grande échelle. Il offre une série d’outils permettant de préparer les données, de développer des expériences, de former des modèles et de les déployer, le tout dans un environnement intégré et collaboratif.

Cette plateforme s’intègre parfaitement avec Power BI, augmentant les capacités d’analyse des données par l’ajout de prédictions, l’analyse des tendances et l’obtention d’insights approfondis directement depuis l’interface utilisateur de Power BI.

Azure Machine Learning

Analyse de Texte et d’Image

Avec l’intégration des services cognitifs Azure, Power BI élargit son champ d’analyse aux données textuelles et visuelles. Que ce soit pour extraire des informations de documents textuels ou identifier des objets dans des images, Power BI enrichit l’analyse de données en incorporant des dimensions auparavant inaccessibles dans les outils traditionnels d’analyse.

✍🏼 Analyse de texte

  • La fonction Détecter la langue évalue la saisie de texte et renvoie le nom de la langue et l’identifiant ISO.
  • La fonction d’extraction de phrases clés évalue le texte non structuré et renvoie une liste de phrases clés.
  • La fonction Score Sentiment évalue la saisie de texte et renvoie un score de sentiment pour chaque document.
    Les résultats de l’analyse des sentiments sont compris entre 0 et 1, où les scores plus proches de 1 indiquent un sentiment positif et les scores plus proches de 0 indiquent un sentiment négatif. Les fonctionnalités d’analyse des sentiments sont disponibles pour plusieurs langues, dont l’anglais, l’allemand, l’espagnol et le français.

 

Imaginons un exemple

Imaginons une entreprise qui collecte les avis de ses clients à travers différents canaux, comme des enquêtes en ligne, des emails ou des commentaires sur les réseaux sociaux. En utilisant la fonction Détecter la langue, l’entreprise peut automatiquement identifier la langue de chaque commentaire.

Puis, la fonction d’extraction de phrases clés permet ensuite de résumer rapidement le contenu de milliers de commentaires en identifiant les thèmes communs ou les sujets les plus mentionnés.

Enfin, grâce à la fonction Score sentiment, l’entreprise peut analyser le sentiment général de ses clients, identifiant les zones de satisfaction ou de mécontentement. Par exemple, un score de sentiment moyen proche de 1 sur des commentaires concernant le service client pourrait indiquer une haute satisfaction dans ce domaine, tandis qu’un score proche de 0 sur un produit spécifique pourrait signaler un besoin d’amélioration.

Text Analytics

🖼️ Vision

La fonction Tag Images renvoie des balises basées sur plus de 2 000 objets, êtres vivants, paysages et actions reconnaissables.

Les balises générées peuvent aider à décrire le contenu des images. Le balisage des images prend en charge plusieurs langues, dont l’anglais, l’espagnol, le japonais, le portugais et le chinois simplifié.

 

Imaginons un exemple

Considérons une plateforme e-commerce qui utilise Power BI (PBI) pour analyser les images des produits retournés par les clients. En utilisant la fonction Tag Images, le PBI peut automatiquement identifier et catégoriser les produits retournés en fonction de leur apparence, tels que vêtements, électronique, bijoux, etc., et même détecter des attributs spécifiques comme les couleurs ou les matériaux.

Cela permet au commerçant de comprendre rapidement les types de produits les plus souvent retournés et d’identifier des modèles visuels qui pourraient indiquer des problèmes récurrents avec certains articles, comme des défauts de fabrication ou des divergences par rapport aux images de produits affichées en ligne.

vision

AutoML dans Power BI

Power BI a introduit AutoML pour démocratiser l’accès au machine learning. Cette innovation permet aux analystes de données de créer, former et déployer des modèles de ML directement depuis Power BI.

L’objectif principal d’AutoML est de rendre le processus de développement de modèles d’apprentissage automatique plus accessible à un plus large éventail d’utilisateurs, en réduisant la nécessité d’avoir une expertise approfondie en science des données et en apprentissage automatique.

auto ML

En utilisant AutoML, les utilisateurs peuvent spécifier leurs données d’entrée et le type de modèle qu’ils souhaitent créer, puis laisser l’outil prendre en charge le reste du processus, y compris la sélection des algorithmes, l’optimisation des hyperparamètres, la validation du modèle et la génération de rapports sur les performances du modèle.

AutoML utilise souvent des techniques telles que la recherche d’hyperparamètres automatique, la sélection de caractéristiques automatique et la validation croisée pour trouver le meilleur modèle possible pour un ensemble de données donné, tout en minimisant la nécessité d’intervention humaine.

‼️ AutoML est le seul outil IA qui a besoin d’avoir une Licence Premium pour pouvoir être utilisé.

Détection Intelligente des Anomalies

La fonction de détection intelligente des anomalies utilise l’IA pour identifier automatiquement les écarts dans les données. Cette capacité permet aux utilisateurs de détecter rapidement les problèmes ou les opportunités sans devoir passer au crible de vastes ensembles de données manuellement.

En analysant les modèles et les séquences de données, cette fonctionnalité souligne les anomalies en les comparant à des comportements normaux ou attendus, offrant ainsi un aperçu rapide sur des moments spécifiques qui pourraient nécessiter une investigation plus approfondie ou une action immédiate. La détection intelligente des anomalies propose également une analyse causale, suggérant des facteurs qui pourraient expliquer pourquoi une certaine donnée s’écarte de la norme.

Cependant, pour tirer le meilleur parti de la détection intelligente des anomalies, il est recommandé de bien connaître ses données et de configurer soigneusement les paramètres de détection pour aligner les alertes avec les objectifs spécifiques à chaque organisation (définition des seuils, personnalisation des alertes).

smart anomalies

Visualisations Intelligentes

Power BI ne se limite pas à des visualisations traditionnelles, il propose des visualisations basées sur l’IA tel que:

 

🌴 Arbres de décision : Le visuel d’arborescence hiérarchique offre la possibilité d’afficher des données sur plusieurs dimensions et regroupe automatiquement ces données.

Cet outil permet d’explorer des dimensions dans un ordre quelconque et étant également une visualisation basée sur l’IA, vous pouvez demander au programme de déterminer la prochaine dimension à explorer en fonction de certains critères. Cet outil est particulièrement utile pour l’exploration ad-hoc et pour mener une analyse de la cause profonde (root cause).

arbre de décision

📈 Visuel Q&A : La fonctionnalité Q&A utilise le traitement du langage naturel (NLP) pour permettre aux utilisateurs de poser des questions en langage naturel sur leurs données. Cette fonctionnalité est disponible à la fois sur les tableaux de bord et les rapports, et elle est accessible à tous les utilisateurs de Power BI.

Visuel Q&A

📝 Narration Intelligente : L’outil de visuel Smart Narrative produit automatiquement des résumés texte, appelés « narrations », en langage courant à partir de vos données. Ils soulignent les points clés et les tendances dans vos visualisations de données.

Narration

🥊 Visuel Power Apps : Intègre des applications Power Apps dans Power BI pour une interaction dynamique avec les données. Par exemple, une entreprise pourrait intégrer une application pour gérer les inventaires directement dans son tableau de bord, permettant aux utilisateurs de mettre à jour les stocks ou de passer des commandes sans quitter l’environnement Power BI.

La fin en quelques mots 

En envisageant l’avenir, l’évolution de l’IA dans l’analyse de données ne fait que commencer. Alors que les organisations continuent d’adopter et d’intégrer ces technologies avancées, nous pouvons anticiper une ère où l’analyse prédictive et prescriptive devient la norme, offrant des insights encore plus profonds et personnalisés. L’exploration de l’intégration de l’IA dans des domaines tels que l’analyse comportementale en temps réel et la gestion prédictive des risques pourrait ouvrir de nouvelles perspectives pour optimiser les stratégies d’affaires et renforcer la prise de décision.

Cependant, cela n’est pas sans incidence sur les métiers Business Analyst ou Data Analyst par exemple. La formation continue est indispensable pour permettre l’employabilité durable des employés horizon 10 ans.

La gestion des données vous intéresse et vous êtes un professionnel ? Renseignez-vous sur mon programme de formation DARE – Data Manager: une formation de 2 jours pour acquérir les fondamentaux de la gestion des données et construire la stratégie de gestion de données associée 🔥.

Have fun!
Laura

Continuer la lecture…

Garder les IA et LLM sous contrôle avec les guardrails

Garder les IA et LLM sous contrôle avec les guardrails

Salut l’équipe 👋, Les récents événements concernant le retrait temporaire de Gemini AI de Google ont mis en lumière l'importance de mettre en place des Guardrails pour éviter les résultats offensants et inacceptables.   🛡️ Qu'est-ce que les LLM Guardrails ? Les...

European IA Act, c’est acté !

European IA Act, c’est acté !

Le « Artificial Intelligence Act » a été approuvé ce vendredi 2 février 2024 par les pays membres de l’UE. Venez découvrir ce qui change pour les entreprises.

0 commentaires

Soumettre un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *