De tout temps, la connaissance du futur a toujours fasciné et intrigué. Cependant, la lecture du marc de café ou d’une boule de cristal n’a que très rarement (et principalement par coïncidence) pu s’avérer efficace. L’analyse prédictive ne consiste pas à questionner une boule de cristal mais plutôt à utiliser des technologies et modèles mathématiques éprouvés pour identifier les relations entre les données qui influencent significativement les résultats.
Déjà omniprésent dans nos outils de tous les jours, cette révolution n’est pas tant dans de nouvelles méthodologies mais plutôt dans sa démocratisation. En effet, plus personne n’est étonné par la saisie semi-automatique de Google, ou encore par la reconnaissance vocale ou de langue du dernier smartphone. Les systèmes de navigation offrant en temps réel les conditions de circulation et des redirections sont quotidiennement utilisés. Les recommandations sur les sites marchands par rapport à un panier donné ou les suggestions de contact sur LinkedIn sont de plus en plus pertinentes. Bref, derrière tous ces objets ou outils maintenant quotidiens, se cache l’analyse prédictive.

L’analyse prédictive est un processus analytique polyvalent qui permet à différentes entités d’identifier des schémas à partir de données ; ceux-ci peuvent ensuite être utilisés pour prédire différents résultats n’ayant pas tous une incidence sur les personnes. Les entreprises ont maintenant plus facilement accès aux produits logiciels leur permettant d’intégrer l’analytique à leur modèle de gestion.
Pour toute entreprise, les cas d’applications sont multiples et à tous les niveaux. Que cela soit pour réduire les risques (financiers, industriels, …), obtenir une meilleure connaissance des comportements des clients et notamment de leur propension à se désabonner ou de leur rentabilité, l’analyse prédictive trouve un intérêt dans chacun des maillons de la chaîne d’une entreprise et également à différentes vitesses avec le traitement en temps réel. En marketing par exemple, l’idée n’est plus de trouver les clients pour un produit mais plutôt le produit pour mes clients. Ce changement de paradigme est motivé principalement par deux aspects : la démocratisation des outils permettant de faire de l’analyse prédictive et la demande de plus en plus forte d’informations des consommateurs.

L’application de tels outils et méthodes trouve un écho potentiellement intéressant en utilisant les données des entreprises. L’idée est d’aller plus loin que l’analyse (connaître pour mieux comprendre) en injectant une intelligence mathématique dans les procédés décisionnels (comprendre pour mieux anticiper). Ce phénomène est d’autant plus exacerbé avec l’émergence de données multi-sources et ouvertes massives, complémentaires des données entreprises et dont la valeur ajoutée au travers de l’analyse prédictive laisse actuellement seulement entrevoir l’immense étendu applicative.

L’évolution naturelle de l’analyse traditionnelle à l’analyse prédictive


L’approche classique de l’entreposage de données peut satisfaire les besoins analytiques et rapports conventionnels. Pourtant, à l’extérieur de l’entrepôt de données d’entreprise, le monde de l’information a rapidement évolué et changé, il y a de nouvelles sources de données ! Alors que nous faisons confiance à nos plates-formes d’entrepôt de données existantes pour répondre aux besoins d’affaires existants, comment pouvons-nous intégrer les nouvelles technologies pour relever de nouveaux défis commerciaux sans perturber les consommateurs qui comptent sur la confiance et la sécurité des plates-formes et applications établies de reporting et d’analyse ?

L’évolution du concept est assez simple et consiste à faire de vos données un moteur de croissance en :

• Facilitant la prise de décision grâce à des indicateurs pertinents
• Adaptant votre communication aux comportements de vos clients
• Analysant vos charges et en réduisant vos coûts
• Devenant réactif face aux changements
• Découvrant de nouvelles opportunités de business
• Optimisant vos processus de réalisation et le temps de vos opérations

L’apport de ce type d’approche fait rêver beaucoup de décideurs : pouvoir comprendre et anticiper les comportements (d’un client, d’une entreprise, d’un matériel…) avant qu’ils ne surviennent, afin de mettre en place des pistes d’amélioration ou des actions préventives, peut sembler directement sorti des cerveaux les plus farfelus amateurs de science-fiction.

Pourtant, ces méthodes sont parfois anciennes (plusieurs dizaines d’années) et reposent en toute simplicité sur l’analyse des données réelles à disposition.

Dans tous les domaines, les bénéfices métier sont aisés à comprendre :

• Proposer la meilleure offre pour répondre au besoin d’un consommateur,
• Minimiser les comportements déviants (risque, fraude, abus…) avant qu’ils ne se propagent,
• Planifier une intervention de maintenance sur un matériel dont un composant présente des signes avant-coureurs de faiblesse, sont autant d’applications concrètes.

Dans certains secteurs, la visualisation des historiques pourrait être suffisante pour un expert métier. Au détail près qu’il faudra dans ce cas, qu’il puisse naviguer sans contrainte dans une multitude de graphiques. Le statisticien, lui, va se lancer dans le diagnostic des historiques (décomposition tendance, saisonnalité) voire dans la segmentation des séries grâce à l’analyse de similarité, et construire des modèles ad hoc. Mais, quel que soit le ou les profils en charge des prévisions, le business de façon générale est aujourd’hui à un point de rupture : concilier volumétrie et précision. Repenser le processus de prévision c’est aussi bien connaître les outils et solutions disponibles aujourd’hui.

Le rôle du modèle prédictif permet non seulement de comprendre un phénomène mais surtout de retenir les données pertinentes noyées dans une masse d’information. Les dernières nouveautés en matière de modélisation prédictive accélèrent cette démarche, en brassant des milliards d’information (Big Data), le tout en quelques secondes. L’expert métier en charge de ces analyses voit ainsi sa réactivité décuplée pour traiter de nombreuses questions opérationnelles.

SAP ANALYTICS CLOUD

Changer le terrain de jeu en disposant d'une puissance de calcul énorme pour construire vos tableaux de bord

L’offre SAP BusinessObjects Predictive Analytics


Avec son application Business Objects Predictive Analytics, SAP a fait une intrusion sur le marché du logiciel d’analyse prédictive. L’application comporte un ensemble d’algorithmes prédictifs et sait également traiter les algorithmes écrits avec le langage Open Source R pour l’analyse statistique.

Composer de deux mode, Automated et Expert, l’offre d’Analyse Avancée de SAP est une suite complète et intuitive, conçue pour fournir une analyse plus intelligente, prospective et pertinente et adaptée aux différents acteurs. Que vous soyez experte métier, data analyste ou scientist, les possibilités sont nombreuses.

SAPpredictive
 

SAP Predictive Analytics est proposé en version autonome, mais SAP la couple avec sa base de données in-memory HANA, qui dispose d’une bibliothèque de fonctions statistiques.

Longtemps considérée comme complexe et à la portée de quelques érudits, la modélisation prédictive est aujourd’hui très simple d’accès : en quelques clics de souris, un utilisateur peut construire et appliquer son premier modèle de prédiction.

L’approche réclame surtout des données, lesquelles ne manquent pas en général. En effet, ces informations sur des caractéristiques client, des transactions réalisées entre comptes ou issues de capteurs de machines, sont collectées, stockées mais rarement analysées sous l’angle prédictif.

La démarche consiste à prédire l’apparition d’un évènement (variable à expliquer) par rapport à des prédicateurs (appelés variables explicatives). Les algorithmes utilisés sont nombreux et dépendent des distributions des données : lesquels couvrent les modèles paramétriques (régression linéaire, analyse discriminante…) et les modèles non-paramétriques (arbres de décision, réseaux de neurones, plus proches voisins…).

SAPpredictive

La question suivante est de retenir le meilleur modèle dans la situation donnée. Toutes ces méthodes se manipulent et se comparent de façon intuitive avec la souris. Les graphiques et les statistiques d’aide à la décision sont d’ailleurs produits automatiquement.

La meilleure méthode est également proposée par défaut : l’expert métier se concentre alors sur la traduction opérationnelle de ses travaux.

Pour créer une analyse, la procédure est la suivante :

  • Acquérir les données d’une source de données (csv, sql, hana, excel, univers BusinessObjects).
  • (Facultatif) Préparer les données pour l’analyse (par exemple, en les filtrant).
  • Appliquer des algorithmes (prédictions temporelles – Lissage exponentiel triple, Algorithmes de régression – linéaire, exponentielle, géométrique, log, …, algorithme d’association, arbre de décision, détection de valeur hors norme, réseau neuronaux…).
  • (Facultatif) Stocker les résultats de l’analyse pour une analyse approfondie.
  • Exécuter
  • Enregistrer

Mais au-delà du mode automatique, accessible aux « non-initiés » et intuitif, le mode expert de l’outil permet aux data analysts et data scientists de pousser plus loin les possibilités et les visualisations  révélant et explicitant des comportements ou phénomènes contenus dans les données. Ce mode expert permet également d’utiliser une grande variété d’algorithmes prédictifs, des fonctions R et les capacités In-Memory afin de traiter des grands volumes de données rapidement et efficacement.

SAPpredictive
 

Méthodologie BR3 Consultants


Le modèle prédictif et explicatif constitue une façon extrêmement efficace d’obtenir une valeur ajoutée des données pour une foule d’applications. Le phénomène de données massives peut également augmenter ce nombre d’utilisations au sein du gouvernement et de l’industrie.
Parallèlement, l’analyse prédictive ne convient pas à tous les types d’applications et ainsi une attention particulière doit être portée pour implanter les modèles prédictifs de manière pragmatique et pertinente afin de créer une réelle valeur ajoutée, comme pour toute technologie puissante.
En conséquence, BR3 Consultants propose de vous accompagner dans le déploiement de telles solutions dans les différents types de projet et à tous les niveaux, en mettant à votre disposition notre expertise pour analyser les données et créer et implémenter des modèles de manière efficace.