L’analyse prédictive pour les nuls

Loin de relever de la science-fiction, l’analyse prédictive a peut-être déjà conquis votre entreprise, même si vous ne l’avez pas identifiée en tant que telle. Un système de recommandation de produits a été mis en place ? Des prévisions de chiffre d’affaires sont réalisées à chaque trimestre ? Vous utilisez un modèle pour déterminer quelle publicité placer sur quel site web ? Félicitations, vous faites de l’analyse prédictive ! Que diriez-vous de quelques éléments complémentaires pour mieux en saisir les nuances ? 

De plus en plus répandue, l’analyse prédictive reste malgré tout une technique parfois difficile à appréhender. Cet article de Tom Davenport offre quelques clés pour mieux comprendre les enjeux et les mécanismes de l’analyse prédictive et pour (se) poser les bonnes questions. Articulé autour de trois points clés, l’analyse prédictive ou quantitative s’appuie sur d’importants volumes de données, des méthodes statistiques et quelques hypothèses de fond.

Des données de qualité sont bien évidemment la clé d’analyses prédictives crédibles : elles doivent être nombreuses, fiables, actualisées et accessibles quel que soit le système d’information. En effet, une fois consolidées, elles représentent un atout considérable pour l’entreprise, le principal frein en interne résidant le plus souvent dans des silos de données.

Les statistiques visent à identifier divers facteurs (comme par exemple le sexe, l’âge, les revenus, les centres d’intérêt, etc.) et à établir un lien, ou non, entre ceux-ci et, par exemple, les produits ou services achetés. On peut ainsi déterminer quel profil d’acheteur sera intéressé par quel type de produits.

Les hypothèses sont le dernier aspect clé de l’analyse prédictive. Bases de tout modèle, elles sont la présomption sur laquelle celui-ci s’appuie. Il faut cependant rester vigilant, car ce qui marchait par le passé peut s’avérer inefficace aujourd’hui et vice versa. Il faut donc s’assurer que ces hypothèses sont toujours valides pour que les résultats de l’analyse soient fiables.

Avec ces bases de l’analyse prédictive, le manager peut donc mieux comprendre le métier du data scientist, échanger avec lui, prendre des décisions plus informées et apprendre à lire dans sa boule de cristal !

 

Lire l’article (en anglais) 

 

En complément :

un article (en anglais) sur les modèles prédictifs qui marchent 

et un autre sur l’analyse prédictive pour augmenter les taux de conversion 

 

A lire sur Business-Analytics-Info.fr :

« Modèles décisionnels : à consommer avec modération »

et « Big data : la puissance de la prédiction »