Qu’est-ce que l’analyse prédictive ?
L’analyse prédictive désigne l’ensemble des techniques statistiques et des technologies d’exploration de données. L’analyse de régression est la principale méthode ; elle se base sur l’infirmation ou la confirmation d’une affirmation pour prédire les valeurs de certaines variables. Selon Allison Snow, son rôle est la reconnaissance des patterns dans les données pour déterminer la viabilité d’un projet.
Contrairement aux analyses traditionnelles, l’analyse prédictive est centrée autour d’une probabilité (pas d’un absolu). Elle ne permet pas de savoir à l’avance si une information est importante ou non.
Prenons par exemple le cas d’un conseiller des ventes qui cherche un profil particulier sur une plateforme CRM telle que celle d’EXANERGY. En supposant que l’affirmation dudit profil soit l’achat des produits de la société, les autres affirmations sont donc le taux de profitabilité de l’entreprise, le rôle du profil dans le business et le coût des produits. Ainsi, il est possible d’obtenir un outil prédictif en insérant toutes les variables dans un système de régression.
Quel est le rôle de l’analyse prédictive dans une entreprise ?
L’analyse prédictive oriente la stratégie de manière objective et guide dans les différents choix. En se basant par exemple sur des modèles mathématiques et les données du passé, elle permet de prendre des décisions rationnelles.
Dans une entreprise, elle assiste les non-statisticiens et les non-informaticiens dans le contrôle des relations et tendances des données pour prédire les évolutions des indicateurs.
Les principales étapes de l’analyse prédictive
• L’apprentissage (1ère étape) entraine la machine learning à partir d’analyses statistiques telles que la transformation de Fourrier, le lissage de Holt, la régression logarithmique, le lissage exponentiel simple, la régression linéaire, la régression polynomiale, … pour construire des outils prédictifs ;
• La prédiction (2ème étape) utilise le modèle intelligent pour prédire les résultats ;
• La décisionnelle (3ème étape) utilise les données obtenues de manière pertinente pour adapter une stratégie.
Les outils prédictifs les plus importants et leur utilisation
Le choix d’un outil prédictif varie en fonction des éléments à présenter et du contexte. Selon que l’on souhaite réaliser une modélisation facilement compréhensible ou que l’on a en sa possession des données avec des cycles ou des tendances, des démarches différentes seront utilisées. Ci-dessous se trouve une liste de quelques modèles et leur utilisation.
Régression linéaire : elle recherche un lien linéaire entre l’axe du temps et la valeur à prédire. Elle est l’un des dispositifs basiques de la modélisation. Du fait de sa simplicité de visualisation, elle est facilement compréhensible. Elle est à appliquer lorsque la valeur à prédire est liée à l’axe du temps.
Régression polynomiale : il s’agit d’une forme complexe de régression linéaire. Elle permet de déterminer une mesure à l’aide d’un polynôme.
Régression linéaire logarithmique : elle possède les mêmes attributs que la régression linéaire, à la différence qu’elle permet de déterminer un lien logarithmique entre l’axe du temps et la valeur à prédire.
Si les régressions ne sont pas propres au temps, les lissages prennent en considération les spécificités des variables temporelles. En effet, l’importance d’une valeur décroit au fur et à mesure que les jours passent. Pour prédire par exemple le chiffre d’affaires de l’année 2016, le pourcentage du CA de 2015 a plus d’importance que celui du CA de 2009. Les lissages tiennent donc compte de la dégradation des données au cours du temps.
Lissage exponentiel simple : il permet de prédire la prochaine valeur et lisser les données. Il s’applique aux données qui ne présentent ni saisonnalité, ni tendance.
Lissage exponentiel double : il intègre les tendances dans l’analyse des données. Bien qu’il s’agisse d’un meilleur modèle du lissage simple, il ne permet pas de prédire les informations qui présentent une saisonnalité.
Les outils proposés par Exanergy
L’offre d’Exanergy comporte 2 services et des outils complémentaires :
• Exanergy CRM est un outil de gestion de la relation client. Il permet d’optimiser le suivi des clients, les relations commerciales, le développement des ventes et les actions marketing ;
• Exanergy Routes est une application de d’optimisation de tournées qui aide la force de vente à optimiser et organiser les tournées commerciales ;
• Les compléments : pour une meilleure expérience avec les clients, il est conseillé d’intégrer des solutions d’analyses prédictives ou de gestion dans le système d’information.
Voir aussi
