Analyse prédictive : transformer les données en décisions

La plupart des projets d'analyse produisent un tableau de bord. Une bonne décision produit une décision. La différence est tout l’enjeu, et c’est là que de nombreux efforts échouent discrètement.

Qu'est-ce que l'analyse prédictive, en termes simples ?

L'analyse prédictive utilise vos données historiques pour estimer ce qui est susceptible de se produire ensuite, afin qu'une personne ou un système puisse agir avant qu'il ne le fasse. C'est l'étape au-delà du reporting. Les rapports vous racontent ce qui s'est déjà passé. L'analyse prédictive vous indique ce qui s'en vient et vous donne le temps de faire quelque chose, même s'il reste encore un choix à faire.

Une prédiction sans action est un passe-temps

Il est satisfaisant de prévoir quels clients pourraient partir ou quelle quantité de stock vous aurez besoin le trimestre prochain. Cela n’a de valeur que si ces prévisions changent ce que fait quelqu’un lundi matin. Avant de créer un modèle, décidez quelle action sa sortie déclenchera. Si vous ne pouvez pas nommer l'action, vous n'êtes pas prêt à construire le modèle, et un tableau de bord sur lequel personne n'agit n'est qu'un moyen coûteux de se sentir informé.

Comment créer des analyses que les gens utilisent réellement ?

Le moyen fiable de créer des analyses utiles est de commencer par la fin, par la décision, et de remonter jusqu'aux données.

Nommez la décision. Quel choix souhaitez-vous faire meilleur, et qui le fait ? Un propriétaire nommé et un choix nommé maintiennent l’honnêteté du projet.
Définissez le seuil. À quel nombre la décision change-t-elle ? Un score de désabonnement de 0,8 ne signifie rien tant que vous n'êtes pas d'accord sur ce qui se passe à 0,8 et qui ne se produit pas à 0,6.
Ensuite, choisissez le modèle. Ce n'est qu'une fois que vous connaissez la décision et le seuil que la question de savoir quelle technique utiliser prend tout son sens.

Cet ordre compte. Les équipes qui partent des données et recherchent quelque chose d’intéressant ont tendance à trouver quelque chose d’intéressant et d’inutile. Les équipes qui partent de la décision construisent le plus petit modèle qui la fait bouger.

Pourquoi la confiance est-elle le vrai produit ?

Une prévision n’est mise en œuvre que si les personnes qui l’utilisent lui font confiance, et la confiance n’est pas la même chose que l’exactitude. Il se gagne de trois manières. En étant honnête sur l'incertitude, un utilisateur sait quand le modèle est en train de deviner. En ayant raison assez souvent pour avoir de l'importance, mesuré par rapport à la décision plutôt qu'à un classement. Et en étant explicable, la personne au téléphone peut défendre l'appel qu'elle a passé. Un modèle disant « un renouvellement est peu probable, et voici pourquoi » sera utilisé. Une boîte noire qui émet un simple nombre sera discrètement ignorée, quelle que soit la qualité des calculs qui la sous-tendent.

L’étalonnage compte ici autant que la précision brute. Un modèle qui est correct soixante-dix pour cent du temps et signale honnêtement son incertitude est plus utile qu'un modèle qui est correct soixante-quinze pour cent du temps mais qui semble tout aussi certain sur tout, car le premier indique à l'utilisateur quand regarder de plus près et le second ne le fait pas. Savoir quand se méfier du modèle fait partie de sa bonne utilisation.

Où l'analyse prédictive est-elle rentable en premier ?

Les gains les plus rapides partagent une forme : une décision prise souvent, dans un délai déterminé, où être en avance vaut de l'argent réel. Quelques exemples récurrents :

Churn. Repérer les clients sur le point de partir pendant qu'il est encore temps de les garder.
Demande et stock. Prévoir ce dont vous aurez besoin afin de ne pas manquer ni d'immobiliser de l'argent dans les étagères.
Maintenance et risque. Signaler l'actif, la réclamation ou le compte qui est sur le point de devenir un problème avant qu'il ne le fasse.

Chacun d’eux est une prévision attachée à une action claire, c’est exactement pourquoi ils rapportent. Si votre entreprise s'appuie sur des années d'enregistrements que vous n'avez jamais vraiment utilisés, cet écart entre les données et les décisions est l'un des signes les plus clairs qu'il est temps d'agir en conséquence. Transformer un modèle en un système que votre équipe utilise quotidiennement est sa propre discipline, et c'est là où le travail passe du conseil à quelque chose en production. C'est également le cœur de ce que notre travail d'analyse prédictive entreprend de faire.

Les plats à emporter

Une bonne analyse prédictive ne dépend pas de l’algorithme le plus intelligent. Il s’agit de combler l’écart entre un chiffre sur un écran et une meilleure décision dans la salle. Partez de la décision, gagnez la confiance et le modèle prendra soin de lui-même.