L’analyse prédictive : nouveau Veau d’Or de l’ère digitale ?
Une bonne décision inspirée par de l’analyse prédictive s’inspire des mêmes savoir-faire qu’un médecin qui sait correctement interpréter la situation évolutionnaire de son patient à partir d’un bilan biologique ou qu’un astrophysicien qui va prévoir la fin d’une étoile après application d’un modèle sur des milliards d’informations reçues.
Deviner quelle sera la musique
« Aimeriez-vous savoir pourquoi je suis dans ce fauteuil et pourquoi je gagne tout ce fric ? Je suis là pour une raison et une seule : je dois deviner quelle sera la musique d’ici une semaine, un mois ou un an. C’est tout. Rien de plus. Et là, ce soir, j’ai bien peur de ne rien entendre du tout. Rien que le silence… »
Citation extraite du film « Margin Call », 2012
Le scénario : une banque
d’investissement découvre avec stupeur qu’elle est au bord de la faillite par
manque d’information financière. Si ce film interpelle à grand renfort de
sueurs froides, il n’en soulève pas moins l’importance de l’acuité de la prévision pour
faire la différence dans le monde des affaires. Avec le volume d’informations
considérables dont disposent les entreprises aujourd’hui, il est possible
d’anticiper et de prévoir bien plus qu’au lendemain.
De nombreux acteurs l’ont compris : des banques (HSBC, UniCredit), mais aussi des sites marchands (Amazon, UGC, Meetic, Walgreens dans la pharmacie), des éditeurs de contenu (Allociné), des grandes enseignes de la distribution (Procter & Gamble, Unilever), des assureurs, des entreprises de téléphonie… qui ont pris le virage de l’analyse de données et de l’utilisation de modèles prédictifs. Le succès de la méthode est étonnant puisque les retours d’expérience publiés à ce sujet parlent d’impacts significatifs mesurables sur l’accroissement du chiffre d’affaire ou du résultat de l’entreprise.
La MIT Sloan Management Review a étudié 3000 entreprises, répartis dans 108 pays et 30 secteurs industriels différents, et en a tiré une conclusion édifiante (cf. 1 et 2) : les premiers déciles des entreprises qui tirent profit de l’analyse de données affichent une performance trois fois supérieure à la performance moyenne des autres entreprises. Mieux encore : les entreprises démontrant les meilleures performances sont 5,4 fois plus enclines que celles ayant les plus faibles performances, à utiliser l’analyse de données pour prendre des décisions (cf. 3)
D’un mode statistique à un mode prédictif
Pionnière dans les predictive
analytics, la police de Chicago a fait chuter le taux de criminalité de 30%
en étant capable de détecter les lieux à hauts risques et d’envoyer ainsi par
anticipation des patrouilles de police sur place avant même que les difficultés
ne surviennent. Rien à voir avec Minority Report !
Cette baisse s’explique
grâce à des systèmes de surveillance, des analyses statistiques, des modèles
mathématiques ainsi que l’exploitation de vastes quantités d’information sur
les appels reçus, l’historique de la criminalité par zone et des informations
remontées en temps réel des écoles, lieux publics, magasins, etc.
Depuis quelques années, de nombreuses grandes
entreprises qui exploitaient déjà leurs données de production dans une
perspective purement statistique ont également évolué vers des systèmes
décisionnels. En plus de répondre à la question « Pourquoi cela s’est-il passé ? », elles sont de plus en
plus aptes à aborder le « Que
va-t-il désormais se passer ? », jusqu’au « Voilà
la meilleure décision à prendre, le choix le plus pertinent selon mes critères ».
Les techniques utilisées permettent aussi bien de faire du cross-selling -des recommandations
d’achat - que de fidéliser les bons clients, écouter la réputation de la marque
sur les réseaux sociaux ou détecter les fraudes, les signaux faibles de clients
insatisfaits.
Le cross-selling : le succès de l’analyse en temps réel
L’analyse prédictive peut
de plus être faite en temps réel, dans le temps compatible avec le processus à
traiter. Les systèmes offrant des fonctionnalités dites de « Meilleure
Offre à Proposer/Meilleure Action à Mener » excellent dans cette
instantanéité du service. Des sites Internet marchands comme Amazon ont mis en
place ce système qui permet à partir de la connaissance fine du client de lui
pousser une offre correspondant exactement à ses attentes. Pousser un produit
ou une offre n’est pas compliqué en soi : on est assailli de spams publicitaires en permanence dont
on ne cherche qu’à se débarrasser. En revanche, ce qui est fort, c’est de
recevoir exactement au bon moment, la suggestion commerciale qui correspond
exactement à ce qu’on allait ou voulait avoir.
C’est précisément la raison pour
laquelle ces suggestions connaissent un taux de transformation exceptionnel. Ces
techniques ont la capacité de pousser le client - alors qu’un achat en ligne se
termine - à craquer pour « un petit truc en plus » qui aura non
seulement de grandes chances d’être vendu dans l’euphorie du moment, mais aussi
une capacité étonnante à démontrer son affinité avec les goûts du client, ainsi
que sa pertinence dans le parcours du client.
Le
cross-selling se base beaucoup moins aujourd’hui sur les exigences mercantiles
du vendeur et tend de plus en plus l’oreille au client. Être capable d’ajouter
de la valeur à son parcours d’achat : c’est l’enjeu auquel l’analyse prédictive
tente de répondre. Mais comment, et en s’appuyant sur quelles
technologies ?
A
suivre…
----------------------------
Références
1- http://www.predictiveanalyticsworld.com/Predictive-Analytics-World-Survey-Report-Feb-2009.pdf
2- Predictive Analytics ROI and TCO Experience, Computer Economics
Inc. April 2011.
3- “ Analytics: The New Path to
Value » , MIT Sloan Management Review & IBM – Nov. 2010