La magie des analyses prédictives

Les experts analytiques des sociétés du classement Fortune 500, ainsi que d’autres grands spécialistes des données vont se retrouver à Las Vegas lors d’un événement rediffusé en live sur internet en mai 2021. Il ne s’agit d’ailleurs pas là de la seule étape de la tournée Predictive Analytics World, actuellement dans sa dixième année. Washington DC et Berlin vont également accueillir les conférences du PAW, qui ont attiré quasiment 15 000 personnes, soit plus de 10 000 entreprises, au cours des dix dernières années.

Le marché des analyses prédictives devrait, grâce à la grande disponibilité des Big Data, associée à des technologies informatiques sophistiquées, représenter 12,41 milliards de dollars d’ici 2022. Mais pour les non-experts parmi nous, utiliser les données pour prédire l’avenir s’apparente un peu à lire dans une boule de cristal. Cela fonctionne-t-il vraiment ? Et pourquoi cette pratique prend-elle désormais autant d'importance ?

Analyses prédictives : de quoi parle-t-on ?

Les analyses prédictives s’appuient sur d’énormes volumes de données provenant de sources internes et externes, ainsi que sur toute une gamme de technologies, dont l’exploration de données, la modélisation statistique et les algorithmes d’apprentissage automatique. Nous sommes nombreux à en faire l’expérience au quotidien, avec des applications prédictives simples telles que Waze qui utilisent les données relatives au trafic routier, aux zones de construction ou aux accidents de la route pour suggérer des itinéraires alternatifs plus rapides et sur les réseaux sociaux et les sites Web de vente au détail qui nous proposent des articles et des publicités en fonction d’éléments qui nous ont intéressés par le passé.

Selon Gartner, les analyses prédictives sont basée sur quatre attributs clés :

1. Elles mettent l’accent sur la prévision plutôt que sur la description, la classification ou le groupement de données par classe.
2. Elles permettent de réaliser les analyses en quelques heures ou jours alors que les analyses manuelles peuvent prendre des mois.
3. Elles cherchent à mettre en évidence des informations particulièrement pertinentes pour l’entreprise.
4. Elles augmentent l’accessibilité des Big Data pour les utilisateurs professionnels.

Les analyses prédictives sont une étape de l’évolution de l’intelligence artificielle (IA). Alors que les solutions de veille économique plus traditionnelles sont axées sur le passé (ce qui s’est passé et pourquoi), les analyses prédictives répondent à la question suivante : que va-t-il se passer ?

Cela fait une grande différence. Geoffrey Moore, auteur et théoricien organisationnel, déclare : « Sans analyse des Big Data, les entreprises sont aveugles et sourdes, elles évoluent sur le Web comme un animal sauvage désorienté sur une autoroute ».  Lorsqu’une organisation ne voit pas la direction dans laquelle elle se dirige, il y a de fortes chances pour qu’elle n’arrive pas là où elle le souhaite.

Les analyses prédictives permettent aux organisations, grâce à l’exploitation des données actuelles et passées, d’anticiper et de prendre des décisions proactives et basées sur les données pour limiter les risques et augmenter les opportunités de croissance.

Quels sont les cas d’usage des analyses prédictives ?

La volonté de savoir ce qui va se passer à l’avenir n’est pas nouvelle.

Des artéfacts historiques suggèrent que les hommes ont recours à la voyance depuis des millénaires. Les anciens se basaient sur les mouvements des planètes et des étoiles (astrologie), pratiquaient la divination avec de la poussière, du sable ou du sel (abacomancie) et s’adonnaient à d’autres pratiques pour prédire l’avenir. Notre fascination pour les prédictions se retrouve même dans les fictions populaires : dans Harry Potter, Poudlard dispense ainsi des cours d’arithmancie, de runes et de divination.

La nouveauté réside dans le volume, la variété et la qualité des données disponibles pour réaliser des prévisions précises. Comment les entreprises utilisent-elles les analyses prédictives ?

• Les organisations de services bancaires et financiers les utilisent pour détecter les fraudes, accélérer le filtrage des applications et faciliter la prise de décisions en matière de rachats.
• Les marques de vente au détail et de divertissement les utilisent dans le cadre de leurs efforts commerciaux, marketing et de relations publiques pour anticiper les tendances, optimiser l’expérience des clients, favoriser le développement des produits et générer de la valeur à long terme pour l’entreprise.
• Les professionnels de la gestion des risques et de la chaîne logistique les utilisent pour prévoir les exigences en matière d’inventaire, automatiser les évaluations des risques liés à l’accueil et l’intégration des nouveaux employés et identifier les risques liés à la réputation, aux règlements, aux finances ou à la stratégie qui se profilent.

Il y a cependant un obstacle que la plupart des entreprises doivent franchir pour obtenir les résultats qu’elles souhaitent à partir des analyses prédictives : les données.  Michele Goetz, qui travaille comme analyste chez Forrester Research, remarque : « La plupart des organisations [83 %] n’identifient tout simplement pas les données comme étant un problème. Lorsqu’elles doivent indiquer les défis que l’intelligence artificielle devrait présenter selon elles, la question des ensembles de données bien organisés pour la formation de l’IA apparaît tout en bas de la liste. »

Malheureusement, l’absence de données fiables et pertinentes constitue l’un des principaux obstacles lorsqu’il s’agit de réussir les analyses prédictives. Les silos de données sont fréquents et les données présentes dans chaque silo (ventes, marketing, interactions avec la clientèle, etc.) peuvent être de formats totalement différents les uns des autres. Même lorsque les données internes sont disponibles, les entreprises peuvent exploiter des ensembles de données complémentaires, tels que les actualités et les commentaires sur les réseaux sociaux, pour combler les blancs et disposer d’une veille économique avec laquelle il est possible d’agir.

Les organisations en première ligne en matière d’analyses prédictives bénéficieront d’avantages considérables sur la concurrence. Nous allons assister au développement de l’efficacité et des possibilités d’utiliser les ressources humaines là où elles ont le plus d’impact : dans les interactions entre les personnes et dans le cadre de la prise de décisions critiques qui exigent une intelligence émotionnelle. Les experts estiment que l’apprentissage profond et les analyses IA prédictives auront un effet aussi révolutionnaire sur la société qu’Internet et la technologie cellulaire au cours de la décennie passée.

Êtes-vous prêt pour découvrir la magie des analyses prédictives ?

Pour aller plus loin

Découvrez comment les données enrichies de Nexis® Data as a Service peuvent booster l'efficacité vos analyses prédictives.