Article réalisé par la promotion 117 actuellement en master d’ingenieur d’affaires au sein d’Euridis Business School
Big data, data mining, analyse prédictive… Les termes sont nombreux pour qualifier l’exploitation de nos données.
Nous allons ici nous intéresser au prédictif, aussi appelé analyse prédictive. De quoi s’agit-il exactement et quels résultats concrets peut-on espérer tirer de cette nouvelle avancée phare du 21ème siècle ? Le prédictif est l’analyse par la machine des comportements et données passés pour pouvoir anticiper et prévoir des comportements futurs. L’idée est d’analyser « ce qui a été » pour prédire « ce qui sera » demain. C’est un procédé qui s’opère en trois phases : récolter les données, les analyser et enfin agir en conséquence. Une fois les données récoltées, la machine trouve des corrélations et identifie des scénarios qui pourraient n’avoir jamais attiré l’attention de la plupart des professionnels du marketing. Ces scénarios peuvent par exemple vous permettre de savoir quels clients vous pourriez attirer, lesquels vous allez probablement perdre et comment vous pourriez les retenir et tout cela sans que vous n’ayez à vous préoccuper vous-même des chiffres. Quelle aubaine !
L’analyse prédictive est d’ailleurs utilisée dans de nombreux domaines : le marketing, les services financiers, les compagnies d’assurance, la grande distribution, la santé etc.
Nous sommes face à une explosion de la data ; réseaux sociaux, géolocalisation, objets connectés… On sait tout de nous : qui nous sommes, nos trajets favoris, le nombre de kilomètres parcourus à vélo ou en taxi, les calories consommées chaque jour et même ce que nous allons acheter demain… « Big Brother is watching you ! » Plus sérieusement, ces données représentent une véritable manne pour les entreprises qui les analysent et les exploitent quotidiennement pour influencer nos choix dans le but de nous faire consommer davantage.
Mais pourquoi investir dans l’analyse prédictive ?
L’utilisation du prédictif devient essentielle pour les entreprises qui tirent parti des stratégies basées sur les données pour innover, concurrencer et créer de la valeur. Par exemple, certains détaillants qui utilisent l’analyse prédictive voient la possibilité d’augmenter leurs marges opérationnelles de 60 pour cent.
Analyse prédictive synonyme de success strory !
Parlons bien, parlons sport !
L’analyse prédictive est de plus en plus présente dans tous les secteurs, notamment celui du sport et du tennis. IBM partenaire historique du tournoi Roland Garros améliore d’années en années la technologie accompagnant le tournoi. En apportant aux spectateurs de plus en plus d’informations, d’analyses et de statistiques.
Sur les 7 dernières années, par le biais de son application Slam Tracker, IBM a analysé plus de 40 millions de points (45 000 points et 2000 aces en moyenne par an) qui se sont déroulés à Roland Garros. Cela permet de fournir des statistiques complètes sur les joueurs. Ces analyses prédictives ont déterminé au fil des années « 3 facteurs clés » qui sont le nombre d’échanges gagnants, le nombre de retours gagnants ainsi que le nombre de coups droits gagnants qui vont permettre s’ils sont réunis de prédire le vainqueur d’un match grâce à ces analyses prédictives.
IBM a également développé le « Tournament Alert Dashboard » qui permet d’alerter en temps réel les records et fait marquant établis pendant le tournoi (comme un record de coups gagnants ou de vitesse pour un jour).
Ces informations sont ensuite partageables sur les réseaux sociaux afin d’apporter toujours plus de contenus aux fans durant les deux semaines de tournoi.
En dehors des terrains, les réseaux sociaux et les réactions de leurs utilisateurs sont également analysés, cela permet entre autres de connaître l’empathie pour un joueur ou encore l’intérêt pour un match et prédire quand un match sera plus regardé qu’un autre et quand le site internet aura un plus fort trafic qu’à d’autres moments. Les données provenant des réseaux sociaux sont également exploitées pour améliorer les infrastructures, météo, files d’attente et fréquentation dans les cafés par exemple.
Toutes ces données et leurs analyses prédictives permettent d’apporter une expérience pour être toujours plus en immersion dans le tournoi et améliorer ces infrastructures.
Depuis maintenant plusieurs années, l’analyse prédictive s’est rendue indispensable dans le marché du e-commerce, cela permet d’augmenter potentiellement son chiffre d’affaires mais apporte également des avantages concurrentiels multiples si elle est utilisée à bon escient. Cela permet tout d’abord de rester compétitif, adapter l’offre en proposant le produit parfaitement adapté au besoin d’un client et d’effectuer des recommandations pertinentes. Le consommateur ressent une meilleure compréhension en recevant le bon message au bon moment, ces analyses permettent d’identifier le moment clé qui transformera un prospect en acheteur. Un algorithme permettra d’anticiper la réponse à une offre et ainsi de connaître la sensibilité d’un client à une promotion cela permet d’optimiser une campagne marketing et donc de mieux maitriser les budgets de ces services.
Autant d’éléments qui permettent aux géants de ce secteur de voir leurs données comme un levier d’activité, et également d’établir un chiffre d’affaires prévisionnel proche de la réalité dès le début du mois. Tous ces leviers sont exploités par Amazon, leader mondial du e-commerce et référence en matière d’analyse prédictive dans ce secteur. Par l’intermédiaire de son PDG Jeff Bezos, Amazon travaille sans cesse pour aller plus loin dans la prédiction de l’information.
En démontre la dernière innovation en date, Amazon travaille depuis quelques temps maintenant afin de devancer le besoin client et d’expédier un produit avant même que celui-ci ne soit commandé. Plusieurs facteurs rentrent en compte comme la fréquence d’achat, les commandes passées, ou encore le type de recherche effectué. La volumétrie considérable de données détenue par Amazon permet de développer des algorithmes qui pourront faire atteindre ce but au géant du e-commerce. Amazon cherche à aller toujours plus vers l’instantanéité car selon la firme, un délai peut dissuader un client d’acheter un produit en ligne.
Au travers de l’analyse prédictive, le géant du e- commerce Amazon se donne les moyens d’enrichir un peu plus chaque jour son expérience client.
Les flops du prédictif !
Mais qui dit succès dit inévitablement ratés… Quelles sont donc les entreprises du secteur du numérique ayant commis des flops liés à l’analyse prédictive ?
L’un des leaders des GAFA, Google a créé en 2008 une solution en ligne dénommée « Flu trend ». Cette dernière consiste à analyser les mots clefs tapés sur le moteur de recherche afin de prévoir, selon des tendances, des événements.
En 2016, lorsqu’un internaute faisait une recherche concernant des symptômes grippaux tel que « grippe », « fièvre » etc. Google était en capacité de fournir une carte du monde avec des tendances actuelles ainsi que des prédictions sur les futures zones à risque. Permettant d’anticiper et de prévenir des communes, régions la propagation d’une maladie. Cet outil a suscité de vives critiques étant donnée la nouveauté et le bouleversement qu’il impliquait. Plusieurs centres de recherche aux États-Unis réalisent ce travail sans passer par des outils de prédiction. Suite à plusieurs étude et comparaisons, il s’avère que Google surestime les risques liés à la propagation de la grippe. Par conséquent, Google a décidé d’interrompre ce service.
Les outils liés à l’analyse prédictive peuvent en effet être très performants mais peuvent aussi avoir des effets indésirables. Prenons l’exemple du recrutement prédictif, celui-ci peut permettre de réduire toutes formes de discriminations (lié au diplôme, Age, sexe, origine). Cela évite tous les jugements d’ordre personnel qu’un être humain peut subir. L’outil va en effet suivant un algorithme pour sélectionner des candidats éligibles à l’entretien de recrutement.
Cependant, ces outils peuvent aussi avoir des effets pervers. En effet, toutes les entreprises seraient amenées à avoir le même processus de recrutement sachant que la culture d’entreprise serait alors mise de côté. L’authenticité ainsi que la personnalité du candidat ne serait plus un critère premier lors de la sélection, dans la mesure où l’outil prédictif exécute mathématiquement des algorithmes, en déshumanisant ainsi complètement la démarche. Néanmoins, ces limites restent contournables, notamment en formant les recruteurs de demain aux nouvelles méthodes afin de limiter ces effets tout en tirant profit de l’analyse prédictive. Mais comment un ingénieur d’affaires diplômé d’une grande école de commerce peut-il tirer profit de cette analyse prédictive ? Représenterait-elle une réelle opportunité ?
Partager la publication "L’analyse prédictive : entre success story et flop"
Laisser un commentaire