Se préparer pour Watson

Commencer à préparer le terrain dès maintenant à l'aide de fonctions d'analytique et de traitement de volumes massifs de données plus intelligentes afin de raccourcir le délai de rentabilisation d'une éventuelle solution Watson.


Watson fait actuellement l'objet de projets pilotes dans de grandes organisations des milieux de la santé et de la finance. Bientôt, il pourra être utilisé en production dans de nouveaux cas d'utilisation et de nouveaux secteurs avant-gardistes. Pour se préparer à déployer une solution Watson, il faut planifier; il faut sélectionner attentivement les endroits où la puissance de la solution peut être mise à profit et savoir comment elle doit être appliquée. Jeter de telles bases exige souvent la création de solides fonctions d'analytique et de traitement de volumes massifs de données complémentaires à Watson. En procédant un projet à la fois, on s'assure que chaque étape est justifiable en elle-même tant du point de vue de la valeur financière que de la valeur opérationnelle, et rapproche l'entreprise de la maturité nécessaire pour mettre en application la puissance transformatrice de Watson.

Volumes massifs de données

Le volume des données, le rythme auquel elles sont créées et leur variété croissent à un taux stupéfiant — 90 % des données mondiales n'existaient pas il y a moins de 2 ans. Mais la plus grande partie de ces données ne sont pas structurées. Autrement dit, elles ne sont pas enregistrées dans des bases de données sous forme de lignes et de colonnes, et sont donc hors d'atteinte de la plupart des systèmes informatiques traditionnels. Créer des fonctions d'analytique textuelle et de traitement du langage naturel est un bon moyen de combler l'écart afin d'avoir éventuellement accès à un monde de nouvelles informations utiles, et de pouvoir rentabiliser rapidement les futures mises en œuvre de solutions Watson.


Analytique plus intelligente

Les organisations qui font preuve d'audace sur le plan analytique sont 260 % plus susceptibles de se trouver parmi les plus performantes que celles qui abordent tout juste cette notion. Pour transformer les informations en données contextuelles, il faut les analyser rapidement. Pourquoi? Pour découvrir les modèles cachés dans des données en apparence non reliées. Pour trouver les mesures nécessaires aux rapports de performance et aux décisions. Et pour prévoir ce qui va suivre. Tout cela peut aider à sortir du modèle réactif du processus décisionnel traditionnel pour passer au mode proactif, ainsi qu'à générer le matériel que Watson peut utiliser dans le cadre d'une solution complémentaire.

Joindre IBM à propos de Watson

Suivre Watson IBM sur les médias sociaux (en anglais)


Vidéo

Rapport d'avancement : Projet pilote en gestion de l'utilisation du système Watson — WellPoint, Inc. (en anglais)

Nouvelles récentes

%%sidebarspace%%