Un projet d’analyse prédictive réussi ? ça ne relève pas de la magie…

Ce n’est pas de la magie, ni de la fiction, l’analyse prédictive occupe bien aujourd’hui un rôle clé dans les processus de décision stratégique et constitue, avec le Big Data, la 3ème révolution dans l’industrie logiciels après le cloud et l’automatisation des tâches opérationnelles [1]

En sachant que plus de 90% des données ont été créées ces deux dernières années, les entreprises investissent afin d’exploiter cette mine d’or à bon escient et anticiper les futures tendances marché et clients. Mais malheureusement beaucoup de projets n’aboutissent pas. En effet, la gestion des données est négligée au détriment de la volonté de l’entreprise à dévoiler les résultats des investissements analytiques réalisés. Pour obtenir des résultats il est nécessaire de prendre du recul et mieux comprendre les nouvelles exigences en matière de gouvernance des données et savoir comment les relever.

Les 5 clés pour un projet d’analyse prédictive réussi

1. Tour le monde est concerné !

Il est possible qu’un seul département utilise l’analyse prédictive, mais les connaissances acquises peuvent concerner d’autres départements de l’entreprise. L’analyse prédictive pouvant contribuer à la transformation des processus de l’entreprise dans son ensemble, le panel d’utilisateurs concerné est potentiellement large et les usages couverts au sein de l’entreprise sont nombreux (marketing prédictif, data mining, algorithmes de Machine Learning, etc.).

2. La démarche doit être la plus spécifique possible

De manière générale, les entreprises déploient le plus souvent une solution d’analyse prédictive pour renforcer leur compétitivité (57 %), créer de nouvelles sources de revenus (50 %) et améliorer la rentabilité (46 %) . [2]

Le passage à l’analyse prédictive axée davantage sur l’exploration et l’analyse statistique des données comporte un certain nombre de nouvelles exigences de qualité de la donnée auxquelles les entreprises n’avaient jamais été confrontées auparavant. Dans un premier temps, l’analyse prédictive produit de meilleurs résultats grâce une quantité exponentielle de données disponibles via une grande variété de sources. Il est essentiel de définir précisément les besoins particuliers de chaque département et de déterminer comment l’analyse prédictive répondra à ces besoins. La démarche doit être la plus spécifique possible. L’analyse prédictive n’est pas toujours axée sur les tendances, mais elle peut aussi consister à trouver des données importantes, des évènements et des conditions qui sont atypiques par rapport à la norme.

3. Analyse prédictive + Big Data

De nombreux investissements sont réalisés dans divers projets liés au Big Data. En France, le marché du Big Data était estimé à 445 millions d’euros à fin 2016 selon IDC . Fusionner un projet d’analyse prédictive à ces projets permettra de justifier leur coût et leur complémentarité. L’analyse de rentabilité peut être encore plus convaincante en précisant que l’analyse prédictive apporte une plus-value lorsqu’elle est utilisée stratégiquement pour tirer parti d’autres investissements technologiques en cours.

4. Une culture « data first »

Avec la multiplication des données provenant d’une grande variété de sources internes et externes à l’organisation, des administrateurs de données doivent être nommés pour gérer les politiques de gouvernance, le sens et la qualité des données. Ce niveau de gouvernance des données n’est peut-être pas nécessaire pour certaines initiatives d’analyse prédictive, cela dépendra de la teneur des analyses et résultats, s’ils seront critiques ou non pour l’entreprise. Si les analyses s’avèrent critiques, les résultats auront un impact très direct sur les opérations et, in fine, sur la qualité de l’expérience client. L’amélioration de l’expérience client étant l’objectif n°1 pour les entreprises.

5. Procéder étape par étape

Comme pour de nombreux projets largement axés sur la technologie, un déploiement est beaucoup plus simple lorsqu’il est décomposé en plusieurs étapes. Par exemple, pour les projets complexes, il est préférable de décomposer le projet global en une série de petits projets. Si le projet nécessite un travail important, il est nécessaire de prévoir des calendriers et des livrables distincts pour chaque phase. Ainsi, les parties prenantes seront informées et mobilisées tout au long de la réalisation du projet.

 

[1] Source : https://www.fr.capgemini-consulting.com/blog/le-big-data-vecteur-de-la-troisieme-revolution-du-lean-4-0

[2] Source : http://blog.ventanaresearch.com/2015/10/17/business-case-for-predictive-analytics-is-simpler-than-you-think

Commentaire