Utiliser l'analytique prédictive pour anticiper les besoins plutôt qu'y réagir

La Business Intelligence (BI) traditionnelle permet aux entreprises d'étudier les données passées pour comprendre les décisions prises et les comportements des clients à ce moment-là. L'analytique prédictive regarde vers l'avenir. Elle permet aux entreprises de prendre aujourd'hui les décisions les plus efficaces et les plus opportunes.

L'analytique prédictive est un processus complexe qui peut s'avérer extrêmement rentable. Elle a un énorme impact sur l'infrastructure informatique, la prise de décision dans l'entreprise et la manière dont les collaborateurs interagissent.

À l'ère des réseaux sociaux et de l'économie numérique, les informations peuvent faire le tour du monde en quelques secondes et les souhaits des clients peuvent changer du jour au lendemain. Dans cet environnement en constante évolution, les entreprises ont besoin d'anticiper les besoins, pas seulement d'y réagir.

Le secteur de la santé, par exemple, subit une très forte pression pour réduire les coûts et améliorer l'efficacité. Aider les gens malades à aller mieux ne suffit plus. Il faut éviter qu'ils tombent malades. Les hôpitaux cherchent notamment à améliorer les taux de réadmission, c'est-à-dire le nombre de patients qui retournent à l'hôpital dans un délai de 30 jours parce que leur problème initial n'a pas été résolu.

Dans cet esprit, un grand hôpital a eu recours à l'analytique prédictive pour identifier les patients présentant un risque élevé de réadmission. Il a pour cela exploité beaucoup d'informations, y compris leurs dossiers médicaux électroniques et données socioéconomiques. L'établissement a ainsi pu réduire les taux de réadmission, diminuant les coûts médicaux et évitant les sanctions potentielles du régime d'assurance-maladie. En outre, ceci a libéré des ressources permettant de servir de nombreux autres patients ¹.

Grâce à l'analytique prédictive, les entreprises peuvent cibler leurs efforts, obtenant ainsi des résultats optimaux avec le moins de ressources possible.

Redéfinir les modèles métiers

En prévoyant les comportements futurs de façon fiable, l'analytique permet aux entreprises d'accroître leurs ventes ou d'augmenter leur efficacité. Elle fournit aussi un niveau sans précédent d'informations exploitables qui leur permet de redéfinir leurs modèles métiers et leur proposition de valeur de base. Utilisée efficacement, l'analytique prédictive élimine les barrières entre les secteurs d'activité, ouvrant la voie à de nouvelles sources de profit.

En Italie, par exemple, les compagnies d'assurance ont constaté que la fréquence des accidents automobiles et la moyenne des réclamations étaient les plus élevées d'Europe. Parallèlement, la concurrence s'est intensifiée avec les sites Web de comparaison des prix, réduisant leurs marges bénéficiaires sur les contrats d'assurance.

Une grande compagnie d'assurance a donc décidé d'installer des boîtes noires dans les voitures de ses clients afin de collecter, stocker et analyser des données sur leurs habitudes de conduite, par exemple la vitesse à laquelle ils prennent les virages et la fréquence à laquelle ils freinent. L'assureur a ainsi pu prévoir la probabilité qu'ils aient des accidents et inciter les conducteurs les moins prudents à changer leurs habitudes.

Cette approche a perfectionné l'activité existante de l'assureur, tandis que l'analytique prédictive l'a transformée. Grâce aux données exploitables, l'assureur a développé de nouveaux modèles métiers du type « Payez comme vous conduisez », qui permet d'appliquer un tarif en fonction des habitudes de conduite plutôt que de facteurs plus traditionnels et plus flous comme l'âge, le sexe et l'expérience de conduite. Parallèlement, ces informations permettent à l'assureur de déployer de nouveaux services traditionnellement non couverts, comme la gestion du carburant et les diagnostics à distance.

Lorsque vous étudiez la rentabilité de l'analytique prédictive, voyez plus loin que l'amélioration de vos processus actuels. L'analytique prédictive fournit de nouvelles informations qui transforment vos méthodes et vous aident à évoluer vers de nouveaux secteurs rentables jusqu'ici inexplorés.

Aligner les stratégies informatiques et opérationnelles grâce à l'analytique

L'un des principes fondamentaux de l'analytique prédictive est l'agilité, c'est-à-dire la capacité à anticiper les événements et les opportunités. Cependant, la mise en œuvre réussie de ces projets repose sur l'alignement parfait des stratégies du département informatique et des unités opérationnelles. Les décideurs doivent prendre part à la phase R&D d'une initiative analytique.

Prenons l'exemple d'EMC*, leader des technologies de stockage et d'analytique, qui ne parvenait pas à cibler efficacement les campagnes marketing et de prospection, car ses données étaient cloisonnées et réparties dans trop de sites. EMC* a acquis 80 entreprises sur une période de 10 ans, devenant propriétaire de données sous de nombreuses formes éparpillées dans de nombreux pays. L'entreprise a regroupé tous les îlots de données cloisonnés dans un Data Lake, des données non structurées provenant des réseaux sociaux aux données structurées comme les dossiers des clients.

Ce processus a non seulement nécessité de réfléchir aux éléments techniques et aux exigences de l'infrastructure pour l'analytique prédictive, mais aussi aux moyens d'aider les unités opérationnelles à comprendre les données. EMC* a commencé par mettre en œuvre une gouvernance permettant aux groupes de partager et de collaborer sur les projets d'analytique. Chaque unité opérationnelle a également reçu une « sandbox » pour exécuter des scénarios analytiques dans un environnement en libre-service.

Le département informatique est ainsi passé du rôle de gardien des données à celui de facilitateur d'informations. Les unités opérationnelles ont pu profiter de son expertise technique et de sa connaissance des données et ainsi prendre les commandes en développant des projets qui reflètent les décisions quotidiennes de l'entreprise. La collaboration entre les unités opérationnelles et le département informatique est un excellent exemple de la manière dont votre entreprise peut développer ses capacités et accélérer son retour sur investissement.

Technologies prédictives et Internet des objets

Dans le monde de l'entreprise, les véhicules modernes se transforment en ordinateurs sur quatre roues qui génèrent des flux de données sur les performances et la localisation à chaque kilomètre parcouru. Les capteurs des véhicules du parc collectent des données sur la pression des pneus, le système hydraulique et d'autres composants, permettant aux responsables de déterminer plusieurs semaines à l'avance si un moteur, par exemple, va tomber en panne.

Les départements informatiques peuvent avoir des difficultés à gérer les quantités massives d'informations générées par les appareils connectés (l'Internet des objets). Transmettre chaque octet de données généré par chaque appareil connecté au Cloud à des fins de traitement et d'analyse a un coût non négligeable.

La solution Dans cet exemple, le département informatique d'une grande entreprise de transport a opté pour l'analytique en périphérie (Edge Analytics), processus d'analyse des données à proximité de leur lieu de collecte. Les capteurs télémétriques placés dans le moteur, la caméra et d'autres parties du véhicule collectent les flux de données et les redirigent vers une passerelle IoT installée dans le véhicule, capable d'analyser les données en temps réel. Soit le conducteur est immédiatement averti d'un problème imminent, soit les informations sont transmises au Cloud, où elles sont analysées par les équipes informatiques des sites d'exploitation et du siège. Qui plus est, le Cloud est capable d'agréger toutes les données et permet aux responsables du parc de prendre des décisions encore plus stratégiques, concernant par exemple la gestion des pièces de rechange, la définition des politiques du parc et la répartition des véhicules.

L'Internet des objets va devenir un outil essentiel de l'analytique prédictive, permettant aux entreprises de modifier instantanément leurs programmes marketing et leurs autres projets en fonction des données. Mais la valeur des données IoT se dégradant rapidement, les informations doivent être très vite collectées et exploitées. En effet, les données indiquant qu'un moteur va tomber en panne deviennent inutiles une fois que le moteur tombe effectivement en panne. En traitant et en analysant les données en périphérie, les entreprises transforment l'Internet des objets en source d'informations exploitable au lieu d'un flux continu et ingérable de données.