L’essor du Citizen Data Scientist dans l’industrie manufacturière

Les Data Scientists sont la nouvelle bulle professionnelle.

Voici comment l’Industrie 4.0 peut égaliser les chances d’analyse pour tous les membres de votre organisation.

Comme vous l’avez probablement remarqué, l’industrie manufacturière est en plein bouleversement. Les mots-clés tels que l’Industrie 4.0 et la transformation numérique n’ont jamais été aussi populaires. À la suite de la pandémie de COVID-19, de plus en plus d’industriels s’efforcent de rendre accessibles à tous les outils de Data Science, afin de pouvoir rester compétitifs. Ce phénomène est souvent appelé l’Essor du Citizen Data Scientist. 

Il existe déjà des technologies qui permettent à toute personne de votre organisation manufacturière d’utiliser des technologies avancées, notamment l’Intelligence Artificielle et le Machine Learning, dans leurs fonctions quotidiennes. 

Voyons comment l’industrie manufacturière a atteint ce point et vers quoi elle se dirige. Nous vous montrerons également comment vous pouvez donner à vos employés la possibilité de devenir Citizen Data Scientists à leur tour. 

Le problème des talents dans l’industrie manufacturière : comment cela a commencé et comment cela évolue aujourd’hui

Il y a vingt ans, les premiers à avoir adopté les nouvelles technologies dans leur quotidien ont rapidement devancé leurs collègues. Cela a conduit de nombreux industriels à croire que la connaissance incarnait le pouvoir. On croyait que l’on se tournait de plus en plus vers une économie de talents, en particulier vis-à-vis des outils de transformation numérique. Ainsi, un jeune ingénieur à l’aise avec les premiers outils Big Data permettait souvent bien plus de progrès dans son usine qu’un expert conservateur qui campait sur les processus, outils, procédures et méthodes standards.

Les entreprises payent les nouvelles recrues au prix fort, tout en observant les employés permanents et expérimentés prendre la porte.

C’est une position délicate pour les industriels de tous les secteurs.

Les employés avec des compétences technologiques spécifiques et des connaissances avancées du numérique sont très appréciés et recherchés. Si cela a motivé certains collègues à améliorer leurs compétences techniques, d’autres ont pris du retard ou se sont désintéressés, ce qui a contribué à l’attrition permanente des carrières dans le secteur manufacturier. Du côté des entreprises, celles-ci se livrent bataille pour tenter de recruter les meilleurs talents, qui, curieusement, sont généralement fraîchement diplômés. 

Les entreprises payent les nouvelles recrues au prix fort, tout en observant les employés permanents et expérimentés prendre la porte : c’est une position délicate pour les industriels de tous les secteurs. Il est également de plus en plus clair que le talent n’est pas n’est pas le principal avantage concurrentiel de notre économie : la donnée est le nouveau pouvoir.

La donnée est le nouvel avantage concurrentiel

La donnée, sous forme d’information business, est l’actif le plus précieux de l’entreprise. Lorsqu’une organisation maitrise la captation et la valorisation de ses données, elle se retrouve dans une position de gagner rapidement en compétitivité et en intelligence stratégique. 

Les données permettent aux équipes de prendre des décisions et d’effectuer des changements en se basant sur les faits (N.B. : les données doivent être valides et utilisables). Les données permettent également de prouver quels changements sont effectifs et s’ils conduisent au résultat souhaité. Les données orientent les équipes dans la bonne direction, agissant comme une boussole pour les aider à comprendre ce qu’elles doivent continuer à faire, modifier ou arrêter de faire. 

En effet, sans les données, il n’y a aucun moyen de savoir quels changements doivent être effectués en premier. Les équipes pourraient tenter de résoudre un problème qui serait le résultat, pas la cause. Ce serait une perte de temps, d’énergie et de ressources de s’attaquer aux problèmes secondaires plutôt qu’à la cause profonde. Les bonnes données peuvent mettre en évidence l’origine d’un problème, permettant ainsi aux équipes de concentrer leurs efforts sur la cause, plutôt que sur l’effet. 

C’est pour cela que tant d’industriels passent à l’Industrie 4.0 et subissent une transformation numérique. Le plan de transformation des données va permettre de standardiser les phases clé au sein de l’ensemble de l’entreprise : 

• tout collecter pour ne pas perdre d’opportunités de progrès 
• valoriser les données brutes en recalculant les différentes stratégies (via les Jumeaux Numériques), comme les usines, les produits, et les services
• bénéficier des données au maximum grâce à l’utilisation de nouvelles applications spécifiques qui offrent une maitrise rapide et facile de l’IA et du Machine Learning

Les informations contextualisées méritent un processus standardisé. C’est un atout précieux et intangible, qui ne peut être sous-estimé. Alors, dans ce contexte de transformation complète de l’entreprise (de son management et de son système d’informations), comment peut-on expliquer l’engouement de l’industrie manufacturière pour les Data Scientists ? 

Pourquoi les solutions de données internes ne sont pas (toujours) la bonne solution

À l’heure de l’automatisation de toutes les tâches, physiques ou intellectuelles, de nombreux industriels demandent encore à de talentueux Data Scientists de créer de toutes pièces des solutions de données internes.  

C’est vrai, il existe des solutions et des outils open source pour créer des solutions internes sur mesure. Par exemple, Microsoft Azure et AWS d’Amazon sont des solutions disponibles pour la création d’infrastructures internes de réseau ou de cybersécurité. D’autres Data Scientists de votre organisation sont probablement suffisamment doués pour coder manuellement des solutions IA au cas par cas.

Au premier abord, ces solutions peuvent vous aider à résoudre certains défis et avancer petit à petit. Ces victoires encouragent les équipes à croire que cette façon de travailler est acceptable. 

La vérité, c’est que ces solutions ne sont que temporaires. Mais le temps est éphémère. 

Les solutions internes ponctuelles sont souvent hautement personnalisées pour des tâches spécifiques, les rendant difficiles à étendre ou à reproduire pour les prochains défis. Une solution sur mesure fonctionnant pour l’un de vos produits, lignes ou usines pourrait ne pas fonctionner pour d’autres. Ces solutions sont laborieuses et chronophages à étendre (sans compter leur création), entraînant des changements continus pour chaque cas d’utilisation spécifique. L’essentiel du travail repose donc fondamentalement sur vos précieux Data Scientists.

Ces solutions pourraient aussi ne pas être suffisamment flexibles pour les défis de demain. Si un processus de production change, une solution interne pourrait devoir être modifiée ou récréée, pour incorporer le nouveau processus. Vos Data Scientists auront alors, une fois encore, la responsabilité de créer un nouvel outil et de l’utiliser, mettant à rude épreuve leur temps et leur énergie. 

La démocratisation des données est quasi-impossible avec une stratégie d’analyse créée en interne.

L’accès aux données est toujours restreint à la majorité des employés et limité seulement à quelques utilisateurs spécialisés. 

De plus, ces outils sont souvent créés par des Data Scientists, pour des Data Scientists. Généralement, seul un nombre restreint d’employés comprennent comment utiliser une solution interne. Ces employés deviennent les gardiens ultimes des données, détenant les clés de chaque découverte attendant d’être dévoilée dans votre organisation. 

En conséquence, les données de votre entreprise, ainsi que ses opportunités cachées, sont piégées dans un goulot d’étranglement d’accès. Toutes les analyses, enquêtes, découvertes et les changements potentiels de processus doivent passer par quelques personnes choisies par votre organisation. La démocratisation de données est quasi-impossible dans ce cadre, car l’accès est restreint à la majorité des employés et limité seulement à quelques utilisateurs spécialisés. 

La technologie a progressé au-delà de l’optimisation des solutions de données open-source ou l’utilisation du code Python pour le prototypage d’applications logicielles. Ces outils à eux seuls ne faciliteront pas la transformation complète du système d’informations de l’entreprise. Une meilleure solution existe.

Les outils de l’Industrie 4.0 pour la démocratisation des données

De nombreuses entreprises comprennent que les données nettoyées, structurées et contextualisées sont cruciales pour les efforts d’amélioration continue. Pourtant, peu d’entreprises comprennent comment amener leurs données à ce point, et encore moins d’entreprises savent comment en tirer pleinement parti dans l’ensemble de l’organisation.

C’est là que la technologie de l’Industrie 4.0 entre en jeu. Les outils de l’Industrie 4.0 (en particulier les Jumeaux Numériques et les Plateformes IIoT) facilitent l’accès aux données nettoyées, structurées et utilisables, à tous les membres de votre organisation. 

Ces outils collectent des données de vos sources IT/OT et s’assurent qu’elles soient utilisables pour l’analyse. Dans le cas du Jumeau Numérique de Braincube, les données sont collectées, nettoyées, structurées et contextualisées pour chaque produit de vos lignes de production. Cela fait gagner un temps précieux à vos Data Scientists, leur permettant de se consacrer à des problèmes plus complexes, plutôt qu’au nettoyage des données pour l’analyse.

Les Plateformes IIoT prennent ces données organisées et s’assurent qu’elles soient rendues accessibles à tous les membres de votre organisation, de manière simple et utilisable. Au lieu de naviguer dans des bases de données ouvertes massives, les utilisateurs peuvent facilement se connecter aux données qu’ils souhaitent voir et utiliser. Tout ce dont ils ont besoin est à portée de main.  

L’accès et la visibilité de vos données opérationnelles est une étape clé pour faire avancer tout le monde. Toutefois, l’accès n’est qu’une partie de la solution. Les équipes ont toujours besoin d’un moyen d’utiliser ces données, pour comprendre quels processus elles peuvent améliorer. 

Qu’est-ce qu’un Citizen Data Scientist ?

Tout comme les Data Scientists modélisent et analysent les données, vos équipes ont besoin de pouvoir creuser plus profondément dans les données, afin de découvrir de nouvelles opportunités. Après tout, être un Citizen Data Scientist, c’est ce que cela signifie. Un Citizen Data Scientist est une personne qui effectue des analyses diagnostiques modérées à avancées, en créant ou en générant des modèles et en analysant ces données. 

La grande différence entre un vrai Data Scientist et un Citizen Data Scientist, est que le rôle principal (et, en général, la formation) d’un Citizen Data Scientist n’est pas lié directement aux statistiques et aux analyses. Le Citizen Data Scientist peut être toute personne de votre organisation, par exemple : un gestionnaire d’usine, un opérateur ou un process engineer. 

Un Citizen Data Scientist est une personne qui effectue des analyses diagnostiques modérées à avancées, en créant ou en générant des modèles et en analysant ces données. 

Il peut apporter plus de contexte aux analyses, car il connaît bien les activités quotidiennes et les nuances de son usine.

Mettre les données dans les mains de plus d’employés équivaut à leur fournir plus de connaissances sur leurs tâches quotidiennes. En effet, c’est l’un des avantages majeurs du Citizen Data Scientist. Comme il passe la majeure partie de son temps à effectuer d’autres tâches opérationnelles au sein de l’usine, il peut apporter son savoir intrinsèque aux découvertes des données. Il peut apporter plus de contexte aux analyses, car il connaît bien les activités quotidiennes de son usine. Avec le temps, il pourra devenir un puissant utilisateur d’outils d’analyse avancés, généralement grâce à une formation sur le tas et une technologie simple à utiliser. Une des valeurs clés d’un Citizen Data Scientist est sa capacité à évaluer ces outils d’analyse augmentée, en tenant compte du contexte de l’usine en question. 

Mais si un Citizen Data Scientist n’a pas d’expérience en statistiques et en analyse, comment peut-il contribuer aux nouvelles découvertes basées sur les données ? La réponse : des applications nécessitant peu ou pas de code, qui simplifient et rationalisent les capacités d’analyse pour tous les membres de votre organisation.  

Des applications d’Intelligence Opérationnelle prêtes à l’emploi avec peu ou pas de code

Forrester et Gartner estiment tous deux que les options nécessitant peu ou pas de code dépasseront et représenteront plus de la moitié de l’écosystème des logiciels d’entreprise d’ici fin 2021. Cette évolution vers la démocratisation et l’utilisation des données dans l’ensemble de l’organisation, indépendamment des compétences, démontre la prolifération de cette nouvelle espèce d’analystes. 

Les applications d’Intelligence Opérationnelle prêtes à l’emploi et nécessitant peu ou pas de code. Ces applications effectuent des tâches d’analyse et statistiques très complexes sur le back-end. Sur le front-end, elles présentent une interface simple à utiliser pour les utilisateurs. 

Les applications incluent également des technologies numériques, telles que l’IA et le Machine Learning. Plus vos équipes effectuent des changements et guident les algorithmes pour corriger les solutions, plus ces technologies d’auto-apprentissage en savent sur votre processus spécifique. De leur côté, l’IA et le ML apportent des recommandations additionnelles mettant à niveau vos résultats.  

Les applications vous permettent de tirer parti de la puissance de nombreux esprits au travail, notamment ceux avec un savoir spécialisé et intrinsèque sur les processus nuancés. Ces outils mettent des solutions puissantes entre leurs mains et leur permettent d’utiliser leurs connaissances. 

Il en résulte un effet boule de neige de nouvelles découvertes. Davantage de personnes ont accès aux mêmes informations (précises), augmentant ainsi la probabilité de découvrir de nouvelles opportunités et de faire des changements de processus significatifs. En gros, votre entreprise peut voir l’Essor des Citizen Data Scientists au sein de votre organisation. 

Conclusion

Pour assurer la durabilité de votre entreprise, vous devez concevoir un système d’informations solide et efficace, reposant sur les meilleures solutions numériques déjà disponibles. Cette infrastructure et cette suite d’applications prêtes à l’emploi permettent la démocratisation des données dans l’ensemble de l’organisation, donnant aux employés la possibilité de devenir Citizen Data Scientists. En retour, cela permet à toute votre organisation d’accélérer les analyses et d’optimiser les processus. 

Ces solutions garantissent un niveau maximal de cybersécurité et l’intégrité absolue des informations stratégiques de l’entreprise. Une entreprise poursuivant une transformation numérique doit apprendre à partir de données qualifiées et maîtrisées, pour rapidement atteindre sa vision futuriste, avant même d’exploiter la puissance du Machine Learning.

La transformation numérique représente une immense opportunité, à la fois pour votre entreprise et vos employés : ne la laissez pas passer.