Les Data scientists donnent sens aux données IoT

Pour mettre en place un nouveau service lié à un appareil IoT, son fabricant doit être capable d'analyser un grand volume de données (Big Data) afin d'en extraire des informations pertinentes. Il doit aussi s'intéresser à la fiabilité des données collectées. Certaines données sont des valeurs mesurées. Or, les valeurs fournies par les capteurs ne sont pas toujours justes. Elles le seront d'autant moins avec le temps puisque l'électronique à tendance à dériver. C'est la raison pour laquelle les instruments de mesure doivent être vérifiés et étalonnés régulièrement par leurs utilisateurs. Le fabricant de l'appareil IoT doit donc s’assurer que les données récoltées restent représentatives de la réalité afin que les outils d'analyse déployées puissent donner des résultats probants.

Pour ce faire, il devra s'appuyer sur l'expertise d'un (ou plusieurs) data scientist(s). Les Data scientists sont chargés de récupérer les données produites par les capteurs ainsi que les autres indicateurs et informations contextuelles liées à l'application IoT, les structurer et les traiter par des algorithmes exploitant notamment des calculs statistiques et/ou des techniques d'intelligence artificielle pour en tirer le maximum d’informations afin d’optimiser les processus de production, prédire les caractéristiques finales d’un produit, déterminer les paramètres à respecter pour atteindre le résultat attendu, etc.

Les possibilités de sauvegarde, d’historisation et de traitement d’importants volumes de données offrent de nouvelles perspectives. À condition de bien veiller à ce que les personnes en charge du traitement et de l’analyse des données collaborent étroitement avec des experts métiers afin d'obtenir les ''bonnes'' données. Par ''bonnes'' données, il faut entendre les données numériques représentatives du problème étudié. Lorsque l'application IoT vise à optimiser la maintenance d'un appareil ou équipement connectés, les équipes de maintenance, qui connaissent les spécificités de leurs métiers, de leurs machines et leurs processus, vont travailler avec des Data Scientists afin de sélectionner les données les plus pertinentes à la surveillance d’une machine et d’appliquer le modèle d’analyse le plus approprié à l’application. La plate-forme logicielle sera alors en mesure de fournir, en se basant sur des indicateurs et des données métiers, des prévisions d’anomalie sur un jour, deux jours ou davantage.

Les Data Scientists sont chargés de découvrir des informations pertinentes à partir d'importants volumes de données. Ils organisent et analysent de grandes quantités de données à l'aide de logiciels spécifiques. Afin qu’un Data Scientist puisse trouver un sens aux données, les responsables de projets IoT doivent lui faire part de leurs objectifs. Les données analysées proviennent en général de plusieurs sources disparates (par exemple de capteurs embarqués à l'appareil IoT, du GPS du smartphone de son utilisateur, et de la base de données de gestion des clients de l'entreprise). Elles peuvent être structurées ou non structurées.

Les données structurées sont organisées, généralement en catégories, ce qui facilite le tri, la lecture et l’organisation automatique à l'aide d'un outil logiciel. Une feuille de calcul Excel, avec sa mise en forme en colonnes et lignes prédéfinies, permet notamment de les visualiser. Ses composants sont facilement catégorisés (horodatage, température, pression, consommation, temps d'utilisation...), ce qui permet aux concepteurs et aux administrateurs de bases de données de définir des algorithmes pour effectuer des recherches et des analyses. Les données non structurées sont plus délicates à traiter. Elles peuvent être constituées de commentaires de clients, de vidéos, d'images, de publications sur les réseaux sociaux, de fichiers audio... De telles données sont généralement plus difficiles à trier et à gérer car elles ne sont pas aisément classables dans des bases de données traditionnelles.

Le métier de Data Scientist faisant appel à de nouvelles compétences, les spécialistes du domaine sont encore peu nombreux et donc très recherchés par les entreprises. Certains groupes industriels ont les moyens de recruter des experts de la Data Science capables de mettre en œuvre des outils de traitement de grands volumes de données (Big Data), alors que de nombreuses PME/PMI ne peuvent pas se le permettre. De toute façon, bien souvent, leurs besoins en la matière ne seraient pas suffisants pour occuper à temps plein une telle compétence. Elles pourront donc faire appel à des prestataires. Le métier de Data Scientist se prête justement particulièrement bien aux services de type consulting. Tel l’expert-comptable de l’entreprise, le Data Scientist pourra intervenir lorsque nécessaire, sur des problématiques particulières qui lui seront soumises au coup par coup.

Les experts métiers et les Data-scientist ne sont pas les seuls acteurs qu'il est judicieux de faire intervenir sur le choix des données à collecter pour concevoir une application IoT et sur la façon de les analyser. Les équipes chargées de la gestion des technologies de l'information, de la conception, de la production, du marketing, des ventes, et du service après-vente doivent également être consultées afin de développer un nouveau service, produit ou modèle commercial qui soit concevable, déployable et rentable tout en répondant aux attentes du marché.