définition de L’analyse prédictive
L’analyse prédictive est une catégorie d’analyse de données visant à faire des prédictions sur les résultats futurs sur la base de données historiques et de techniques d’analyse telles que la modélisation statistique et l’apprentissage automatique. La science de l’analyse prédictive peut générer des informations futures avec un degré de précision significatif., À l’aide d’outils et de modèles d’analyse prédictive sophistiqués, toute organisation peut désormais utiliser les données passées et actuelles pour prévoir de manière fiable les tendances et les comportements en millisecondes, en jours ou en années.
L’analyse prédictive a recueilli le soutien d’un large éventail d’organisations, avec un marché mondial prévu pour atteindre environ 10,95 milliards de dollars d’ici 2022, avec une croissance à un taux de croissance annuel composé (TCAC) d’environ 21 pour cent entre 2016 et 2022, selon un rapport 2017 Publié par Zion Market Research.,
l’analyse prédictive au travail
L’analyse prédictive tire sa puissance d’un large éventail de méthodes et de technologies, y compris le big data, l’exploration de données, la modélisation statistique, l’apprentissage automatique et divers processus mathématiques. Les organisations utilisent l’analyse prédictive pour passer au crible les données actuelles et historiques afin de détecter les tendances et de prévoir les événements et les conditions qui devraient se produire à un moment précis, en fonction des paramètres fournis.,
grâce à l’analyse prédictive, les organisations peuvent trouver et exploiter les modèles contenus dans les données afin de détecter les risques et les opportunités. Les modèles peuvent être conçus, par exemple, pour découvrir les relations entre divers facteurs de comportement. Ces modèles permettent d’évaluer la promesse ou le risque présenté par un ensemble particulier de conditions, guidant la prise de décision éclairée dans diverses catégories d’événements liés à la chaîne d’approvisionnement et à l’approvisionnement.
pour des conseils sur la façon d’exploiter efficacement la puissance de l’analyse prédictive, voir « 7 secrets du succès de l’analyse prédictive., »
avantages de l’analyse prédictive
L’analyse prédictive rend la vision de l’avenir plus précise et plus fiable que les outils précédents. En tant que tel, il peut aider les adoptants trouver des moyens d’économiser et de gagner de l’argent. Les détaillants utilisent souvent des modèles prédictifs pour prévoir les besoins en stocks, gérer les calendriers d’expédition et configurer les dispositions des magasins pour maximiser les ventes. Les compagnies aériennes utilisent fréquemment l’analyse prédictive pour définir les prix des billets reflétant les tendances de voyage passées., Hôtels, restaurants et autres acteurs de l’industrie hôtelière peuvent utiliser la technologie pour prévoir le nombre d’invités sur une nuit donnée afin de maximiser l’occupation et les revenus.
en optimisant les campagnes marketing avec l’analyse prédictive, les organisations peuvent également générer de nouvelles réponses ou achats de clients, ainsi que promouvoir des opportunités de vente croisée. Les modèles prédictifs peuvent aider les entreprises à attirer, retenir et nourrir leurs clients les plus précieux.
L’analyse prédictive peut également être utilisée pour détecter et arrêter divers types de comportements criminels avant que tout dommage grave ne soit infléchi., En utilisant l’analyse prédictive pour étudier les comportements et les actions des utilisateurs, une organisation peut détecter des activités qui sortent de l’ordinaire, allant de la fraude par carte de crédit à l’Espionnage d’entreprise en passant par les cyberattaques.
exemples d’analyse prédictive
les organisations utilisent aujourd’hui l’analyse prédictive de plusieurs façons. La technologie aide les utilisateurs dans des domaines aussi divers que la finance, la santé, la vente au détail, l’hôtellerie, les produits pharmaceutiques, l’automobile, l’aérospatiale et la fabrication.,
Voici quelques exemples de la façon dont les organisations utilisent l’analyse prédictive:
- aérospatiale: prédire l’impact d’opérations de maintenance spécifiques sur la fiabilité, la consommation de carburant, la disponibilité et la disponibilité des aéronefs.
- automobile: incorporer des enregistrements de la robustesse et de la défaillance des composants dans les plans de fabrication de véhicules à venir. Étudier le comportement du conducteur pour développer de meilleures technologies d’aide à la conduite et, éventuellement, des véhicules autonomes.
- énergie: prévision des ratios de prix et de demande à long terme., Déterminer l’impact des événements météorologiques, des pannes d’équipement, des réglementations et d’autres variables sur les coûts de service.
- Services Financiers: développer des modèles de risque de crédit. Prévisions des tendances des marchés financiers. Prévoir l’impact des nouvelles politiques, lois et réglementations sur les entreprises et les marchés.
- Fabrication: Prévoir l’emplacement et le taux de pannes. Optimiser les livraisons de matières premières en fonction des besoins futurs prévus.
- application de la loi: utilisez les données sur les tendances de la criminalité pour définir les quartiers qui pourraient avoir besoin d’une protection supplémentaire à certaines périodes de l’année.,
-
Commerce de détail: suivez un client en ligne en temps réel pour déterminer si la fourniture d’informations supplémentaires sur les produits ou d’incitations augmentera la probabilité d’une transaction terminée.
outils D’analyse prédictive
Les outils D’analyse prédictive donnent aux utilisateurs des informations approfondies et en temps réel sur un éventail presque infini d’activités commerciales., Les outils peuvent être utilisés pour prédire différents types de comportement et de modèles, tels que la façon d’allouer des ressources à des moments particuliers, quand reconstituer le stock ou le meilleur moment pour lancer une campagne de marketing, en basant les prédictions sur une analyse des données collectées sur une période de temps.
pratiquement tous les utilisateurs d’analyses prédictives utilisent des outils fournis par un ou plusieurs développeurs externes. De nombreux outils de ce type sont conçus pour répondre aux besoins d’entreprises et de départements spécifiques., Les principaux fournisseurs de logiciels et de services d’analyse prédictive comprennent:
- Acxiom
- IBM
- Information Builders
- Microsoft
- SAP
- SAS Institute
- Tableau Software
- Teradata
- TIBCO Software
modèles D’analyse prédictive
modèles sont la base de l’analyse prédictive — les modèles qui permettent aux utilisateurs de transformer les données passées et actuelles en informations exploitables, créant des résultats positifs à long terme., Voici quelques types typiques de modèles prédictifs:
- Customer Lifetime Value Model: identifiez les clients qui sont les plus susceptibles d’investir davantage dans des produits et services.
- modèle de Segmentation client: grouper les clients sur la base de caractéristiques et de comportements d’achat similaires
- modèle de Maintenance prédictive: prévoir les risques de panne d’équipements essentiels.
- modèle D’Assurance Qualité: repérer et prévenir les défauts pour éviter les déceptions et les coûts supplémentaires lors de la fourniture de produits ou de services aux clients.,
la modélisation Prédictive des techniques
Modèle les utilisateurs ont accès à une gamme presque infinie de techniques de modélisation prédictive. De nombreuses méthodes sont uniques à des produits et services spécifiques, mais un noyau de techniques génériques, telles que les arbres de décision, la régression — et même les réseaux de neurones — sont maintenant largement pris en charge sur un large éventail de plates-formes d’analyse prédictive.
Les Arbres de décision, l’une des techniques les plus populaires, reposent sur un diagramme schématique en forme d’arbre qui est utilisé pour déterminer un plan d’action ou pour montrer une probabilité statistique., La méthode de ramification peut également montrer tous les résultats possibles d’une décision particulière et comment un choix peut conduire à la suivante.
Les techniques de régression sont souvent utilisées dans les modèles bancaires, d’investissement et d’autres modèles axés sur la finance. La régression aide les utilisateurs à prévoir les valeurs des actifs et à comprendre les relations entre les variables, telles que les matières premières et les cours des actions.
à la pointe des techniques d’analyse prédictive se trouvent des réseaux de neurones — des algorithmes conçus pour identifier les relations sous-jacentes au sein d’un ensemble de données en imitant le fonctionnement d’un esprit humain.,
algorithmes D’analyse prédictive
les utilisateurs D’analyse prédictive ont facilement accès à un large éventail d’algorithmes statistiques, d’exploration de données et d’apprentissage automatique conçus pour être utilisés dans des modèles d’analyse prédictive. Les algorithmes sont généralement conçus pour résoudre un problème d’entreprise spécifique ou une série de problèmes, améliorer un algorithme existant ou fournir un type de capacité unique.
les algorithmes de Clustering, par exemple, sont bien adaptés à la segmentation des clients, à la détection des communautés et à d’autres tâches liées aux réseaux sociaux., Pour améliorer la rétention des clients, ou pour développer un système de recommandation, des algorithmes de classification sont généralement utilisés. Un algorithme de régression est généralement sélectionné pour créer un système de notation de crédit ou pour prédire le résultat de nombreux événements temporels.
l’analyse prédictive dans les soins de santé
les organisations de soins de santé sont devenues parmi les adoptantes les plus enthousiastes de l’analyse prédictive pour une raison très simple: la technologie les aide à économiser de l’argent.,
les organisations de soins de santé utilisent l’analyse prédictive de différentes manières, notamment en allouant intelligemment les ressources des établissements en fonction des tendances passées, en optimisant les horaires du personnel, en identifiant les patients à risque pour une réadmission coûteuse à court terme et en ajoutant des informations à l’acquisition et à la gestion des produits pharmaceutiques et,
un rapport 2017 de la Society of Actuaries sur les tendances de l’industrie de la santé en matière d’analyse prédictive a révélé que plus de la moitié des cadres de la santé (57%) des organisations utilisant déjà l’analyse prédictive croient que la technologie leur permettra d’économiser 15% ou plus de leur budget total au cours des cinq prochaines années. 26% supplémentaires prévoyaient des économies de 25% ou plus.,
l’étude a également révélé que la plupart des cadres de la santé (89%) appartiennent à des organisations qui utilisent maintenant l’analyse prédictive ou prévoient de le faire au cours des cinq prochaines années. Un pourcentage impressionnant de 93 des dirigeants de la santé a déclaré que l’analyse prédictive est importante pour l’avenir de leur entreprise.
comment une organisation devrait-elle commencer par l’analyse prédictive?,
bien que se lancer dans l’analyse prédictive ne soit pas un jeu d’enfant, c’est une tâche que pratiquement n’importe quelle entreprise peut gérer tant que l’on reste attaché à l’approche et est prêt à investir le temps et les fonds nécessaires pour faire avancer le projet. Commencer par un projet pilote à échelle limitée dans un domaine d’activité critique est un excellent moyen de plafonner les coûts de démarrage tout en minimisant le temps avant que les récompenses financières commencent à arriver. Une fois qu’un modèle est mis en action, il nécessite généralement peu d’entretien car il continue de broyer des informations exploitables pendant de nombreuses années.,
pour un aperçu plus approfondi, voir « comment démarrer avec l’analyse prédictive. »