De la prédiction à la prescription, optimisez toutes vos décisions

Accueil / De la prédiction à la prescription, optimisez toutes vos décisions

« Savoir, pour prévoir afin de pouvoir » Auguste Comte

L’analyse prédictive est incontournable. Voyons pourquoi.

Alors que nous observons une mutation du comportement des clients et prospects et une concurrence exacerbée, les entreprises sont préoccupées par leur avenir. Elles cherchent à anticiper les événements futurs pour prendre les meilleures décisions tactiques/stratégiques.

Avec l’IA, intelligence artificielle, les entreprises sont en mesure de répondre aux deux questions suivantes :

  • Que va-t-il se passer ? grâce à l’analyse prédictive,
  • Que pouvons-nous faire ? avec l’analyse prescriptive.

Cet article présente définitions, cas d’applications et limites de l’analyse prédictive et prescriptive. Vous y trouverez également la méthodologie à mettre en place pour mener à bien un projet du type de la prédiction à la prescription.

Avec l’analyse prédictive, anticipez rapidement tendances, évènements et risques

Selon Gartner, elle se définit comme toute approche de l'exploration de données avec quatre attributs :

1. La prédiction plutôt que la description, la classification ou le regroupement des données,

2. L’analyse rapide mesurée en heures ou en jours

3. La pertinence métier des informations obtenues,

4. La facilité d'utilisation des outils ou des résultats accessibles aux utilisateurs métier.

Attributs de l’analyse prédictive
Les attributs de l’analyse prédictive

L’analyse prédictive :

  • répond à la question "Que va-t-il se passer ?"
  • permet d’anticiper des événements, grâce aux algorithmes prédictifs qui traitent un nombre illimité de données stockées sur des plateformes Big Data sur site ou sur le cloud.

Passez ensuite de l’analyse prédictive à l’analyse prescriptive

L’analyse prescriptive, évolution logique de l’analyse prédictive :

  • répond à la question "Que pouvons-nous faire ?",
  • s’appuie sur l’analyse prédictive pour aller plus loin que la prédiction,
  • propose différentes actions à mettre en œuvre en fonction de la problématique de départ en indiquant le résultat probable de chaque action,
  • permet d’industrialiser la prise des meilleures décisions

L’analyse prescriptive est donc particulièrement intéressante, par exemple, pour :

  • les vendeurs en contact direct avec les clients et prospects.
    Elle leur permet :

    • de déterminer la proposition commerciale la plus personnalisée pour un client afin d’améliorer son expérience d’achat.
    • d’adresser le meilleur e-mail marketing aux clients.
  • Les décideurs car l’analyse de l’ensemble de leurs données industrielles leur permet d’adapter et d’automatiser l’ensemble de leurs processus de décision internes.

Anticipez les événements et mettez-en œuvre les meilleures solutions

L’analyse prédictive permet donc d’anticiper des événements :

  • de faire des simulations prédictives basées sur différents scénarii, telle que l’approche stress test ou tests de résistance dans le secteur bancaire qui permet d’évaluer une banque sur sa capacité à supporter des chocs majeurs dans son environnement,
  • de détecter les fraudes.

L’analyse prescriptive, quant à elle, permet d’apporter et de programmer automatiquement les meilleures actions  pour :

  • optimiser les campagnes marketing,
  • réduire les risques,
  • améliorer la performance opérationnelle d’une entreprise.

Ces démarches peuvent être appliquées à bien d’autres domaines tels que la défense, l’énergie, l’agriculture, la santé ou le sport …

Exemples de champs d’applications de l’analyse prédictive et prescriptive
Exemples de champs d’applications de l’analyse prédictive et prescriptive
  • Découvrez les domaines auxquels répond l’analyse prédictive et prescriptive

En fonction des opportunités/risques probables identifiés par l’analyse, des décisions peuvent être prises et traduites en actions.

Problématiques  

Solutions apportées par les analyses prédictives & prescriptives

Marketing

Détecter les attentes clients pour mieux y répondre
Optimiser & automatiser les actions à mener

La vision prédictive sur le cycle de vie du client permet :

  • de détecter avant la concurrence les nouvelles tendances/opportunités
  • d’anticiper l’appétence des clients et de leur proposer des offres personnalisées par le canal adéquat,
  • d’évaluer le risque de churn, perte de clients, pour empêcher le départ des clients les plus rentables,
  • de calculer les revenus et coûts attendus pour chaque client,
  • d’évaluer la rétention des clients, c’est-à-dire la capacité de l’entreprise à garder ses clients, en cas de fluctuation des prix des produits

L’approche prescriptive permet d’automatiser les prises de décision en particulier sur les actions marketing à mener

  • en fonction de leur retour sur investissement ou ROI,
  • pour proposer aux clients qui vont partir, le produit le plus adapté
  • etc.

Ventes

Vendre mieux et plus rapidement

L’analyse prédictive permet :

  • de prédire le score des clients/prospects pour prioriser les actions de prospection
  • d’identifier les clients les plus sensibles aux offres incitatives :

L’analyse prescriptive permet d’automatiser et d’optimiser le choix de :
- à qui vendre,
- quoi vendre, vente croisée ou montée en gamme.

Finances

Améliorer la gestion financière

L’analyse prédictive va permettre :

  • d’évaluer l’évolution du chiffre d’affaires en identifiant des corrélations, statistiques et visualisant les tendances à venir,
  • de détecter les risques bancaires et les risques de fraudes.

L’analyse prescriptive va automatiser la mise en place de plans d’actions et de recommandations optimisées et automatisées.

SAV

Détecter les pannes à l’avance
Réduire les coûts liés aux pannes
Augmenter la durée de vie du matériel.

La vision prédictive de l’état des machines industrielles permet de :

  • anticiper l’évolution de l’état des différentes composantes du matériel,
  • planifier et ordonnancer la maintenance des pièces potentiellement fragiles,
  • commander en amont des pièces de rechange,
  • détecter les processus illogiques.

L’approche prescriptive va permettre de programmer automatiquement, sans donneur d’ordre humain :

  • les opérations de réparations aux moments propices,
  • l’optimisation des processus illogiques.

Production/logistique/finances

Anticiper le niveau des stocks nécessaires
Optimiser logistique et finances

L’analyse prédictive permet d’anticiper :

  • la demande et les commandes pour adapter la chaine logistique,
  • les effets d’une variation des commandes sur les revenus de l’organisation.

L’approche prescriptive permet d’automatiser la prise de décisions optimisée.

Agriculture

L’approche prédictive et prescriptive permet de choisir automatiquement les variétés adaptées au milieu agricole maximisant la qualité et la rentabilité des récoltes

Cf. EXANERGY Agronomie

Sport

L’approche prédictive et prescriptive permet de maximiser la performance des équipes lors des rencontres sportives grâce aux algorithmes d’optimisation permettant de sélectionner les membres de l’équipe en fonction de leurs performances historiques.

:

Suivez la bonne méthodologie et réussissez votre projet de la prédiction à la prescription

Rassemblez d’abord plusieurs compétences

Pour disposer de prédictions recevables, les décideurs du métier concerné s’appuient d’une part sur des outils d’analyses avancées et, d’autre part, sur des experts en data science, informatique et juridique.

  • Les data scientist sont là pour les accompagner tout au long de leur réflexion analytique, poser et concevoir la démarche.
  • Les informaticiens intègrent dans le SI, les algorithmes prédictifs.
  • Enfin, sur les projets sensibles, le service juridique doit être associé en amont pour s’assurer de la validité règlementaire du sujet traité.

Respectez les différentes étapes de la démarche

Ce tableau suivant :

La démarche est la même pour tous les projets d’analyse prédictive.

Problématiques  

Solutions apportées par les analyses prédictives & prescriptives

Choisissez le cas d’usage à traiter

L’origine de la demande peut venir de la Direction, des équipes métier ou des data scientists.

Un cas d’usage doit être retenu afin de pouvoir avancer de façon opérationnelle.

Exemples : l’adaptation de l’offre, le départ des clients, la prédiction des ventes, la gestion des fraudes et risques, la maintenance prédictive, etc.

Constituez l’équipe mixte

Rappelons que le mixte expertise métier et data science fait la puissance de l’intelligence artificielle.

Mettez en place la méthodologie

L’expertise réside dans la compréhension du métier et une approche analytique cohérente.

Se poser les bonnes questions ensemble sur la démarche méthodologique est un facteur clef du succès.

Ensuite, la méthodologie doit être réalisée par des experts data scientists.

Réalisez les algorithmes avec une approche itérative

Aujourd’hui, grâce aux programmes open sources, les algorithmes sont accessibles.

La méthodologie arrêtée, les data scientists vont :

  • adapter les algorithmes aux processus métier en place,
  • proposer éventuellement une évolution de ces processus pour les adapter aux algorithmes si cela simplifie l’action,
  • concevoir de façon itérative un algorithme exploitable, prédictif, fiable et compréhensible par le métier,
  • valider les algorithmes et tester leurs performances en préproduction,
  • fournir des résultats facilement exploitables par le métier.

Utilisez vos algorithmes en production

Une fois en production, les algorithmes sont des outils précieux d’aide à la décision. Ils permettent de :

  • prédire le churn, la fraude, l’appétence aux différentes offres,
  • prescrire des offres en mettant en place des actions efficaces,
  • réduire les coûts de gestion et de traitement en retirant de la cible les personnes à risque de fraude, d’impayés ou non rentables,
  • sécuriser les actions en y réduisant les erreurs manuelles,
  • tracer l’historique des décisions.

Suivez la performance de vos algorithmes dans le temps

La performance et la stabilité des algorithmes se dégradent dans le temps.

Un outil de backtesting, ou de tests rétroactifs doit être mis en place pour suivre la pertinence de l’algorithme utilisé.

Systématisez l’approche « test & learn »

Le comportement de votre cible évolue et nécessite une adaptation constante des offres et de l’organisation.

Pour mesurer la performance de vos actions marketing, systématisez une approche test & learn.

Passez au cas d’usage suivant

Ainsi progressivement et avec pragmatisme, vous allez améliorer toutes les activités de votre entreprise.

Intégrez les limites de l’analyse prédictive pour mieux réussir votre projet

L’efficacité de l’analyse prédictive et prescriptive est reconnue à condition de bien connaitre ses limites.

La survenue d'évènements imprévisibles et exogènes à l’entreprise.

Un événement extérieur et sans précédent peut affecter une entreprise et son écosystème :

  • Des catastrophes naturelles ou sanitaires inédites ; exemple, la pandémie du coronavirus,
  • Un changement brutal d’orientation politique…

Dans ce contexte, le modèle prédictif mis en place, ne disposant de données historiques de référence, devient obsolète. Un réajustement d’expert est alors indispensable.

Pour détecter le plus tôt possible la dégradation d’un modèle, des outils de test et de contrôle comme le Back testing existent. Ils préviennent si un modèle ne fonctionne plus et signalent quand il doit réapprendre.

Le fait que les prédictions ne sont pas des certitudes

L’analyse prédictive délivre des prédictions de masse.
Ses algorithmes :

  • peuvent probabiliser de manière fiable la survenue d’un événement pour une unité statistique considérée : un abonné, une machine, un composant électronique,
  • mais ne peuvent pas dire avec certitude si l’évènement va arriver.

Intégrez la solution, sur-mesure ou clé en main, qui vous convient le mieux

En fonction des besoins et profils des utilisateurs et du degré de personnalisation souhaité, vous pouvez optez pour une solution sur-mesure ou clé en main.

La solution sur-mesure :

  • résulte d’un développement spécifique.
  • est adaptée à des projets complexes, sensibles avec un haut niveau de personnalisation.
  • permet, par exemple :
  • la gestion efficace du cycle de vie des modèles, création, surveillance, réajustement,…,
  • le traitement avancé des données, déploiement,…

Son utilisation est réservée aux professionnels expérimentés dans l’analyse des données.

L’outil clé en main :

  • combine richesse des fonctionnalités pour les utilisateurs avancés (data scientist, informaticien) et simplicité d’utilisation pour les utilisateurs finaux tels que les directions métiers,
  • est comparable à une boîte à outils incluant un large éventail de fonctionnalités.
  • s’inscrit dans une nouvelle tendance : le self-service analytics, bien que ses capacités de personnalisation soient plus limitées que la solution sur mesure.

Lancez votre projet d’analyse prédictive et/ou prescriptive avec HLi

Depuis plusieurs années, de nombreuses PME-PMI et de Grandes Entreprises nous ont fait confiance pour leurs projets analytiques. Nos équipes de consultants en data science et informatique sont là pour accompagner vos équipes métiers, juridiques et informatiques et réussir votre projet.

Adeline Loison, DG analytique du Groupe HLi

A propos de l'auteur

Adeline LOISON est Directrice Générale Déléguée à l’analytique du Groupe HLi.
Elle est diplômée du DESS en Techniques de la Décision dans l’Entreprise à La Sorbonne après avoir obtenu une maitrise en mathématiques. Elle a commencé comme consultante sur des problématiques data science à Paris et à Madrid.
En 2007, Adeline LOISON a créé le pôle analytique du Groupe HLi et HLi Lab spécialisé dans le traitement des données et l’intelligence artificielle appliqués à différents métiers (connaissance client, risque bancaire, maintenance prédictive, ... ).