Nous avons beaucoup parlé ces derniers temps de l'analyse prédictive, de ce qu'il faut rechercher dans une plateforme, de la manière de construire des modèles prédictifs et des avancées technologiques qui rendent possible le traitement de l'analyse prédictive à grande échelle. Dans des périodes de rupture comme celle que nous vivons actuellement avec le COVID-19 et d'autres changements massifs du marché comme l'essor spectaculaire du commerce électronique et l'émergence des marques directes au consommateur (DTC), l'analyse prédictive occupe une place centrale pour aider les entreprises à réagir et à planifier l'avenir.
Aujourd'hui, nous avons voulu pousser la discussion un peu plus loin et nous adresser à la personne chargée de fournir des analyses prédictives à grande échelle à nos entreprises clientes, Maor Assa, responsable de l'équipe de modélisation analytique et de BI, ici à la Skai.
Bonjour Maor et merci d'avoir pris le temps d'être avec nous. Avant de commencer, parlez-nous un peu de votre rôle à la Skai et de la manière dont vous y êtes arrivé.
La plateforme Skai peut être exploitée de nombreuses façons pour obtenir un avantage concurrentiel. L'équipe "Customer Success" dont je fais partie est chargée de fournir des solutions personnalisées à nos clients afin de les aider à maximiser l'utilisation et l'impact de l'analytique dans leurs organisations. J'ai le privilège de diriger l'équipe de modélisation et d'analyse, qui répond aux questions commerciales des clients à l'aide de modèles de données dynamiques et de prédictions perspicaces.
Dans mes fonctions précédentes, j'ai également travaillé avec les big data pour rationaliser et contrôler efficacement les opérations commerciales. J'ai eu l'occasion de définir et de mettre en œuvre des plateformes de données et des outils de veille stratégique pour soutenir les chaînes d'approvisionnement mondiales de très grandes organisations bien établies, ce qui m'a permis de comprendre les mises en œuvre et les processus à grande échelle. J'ai eu la chance de travailler plusieurs années avec des startups en phase de démarrage - du développement et de la mise en œuvre de processus de collecte de données dans des classes d'école et des laboratoires universitaires à la formulation de processus d'innovation. Cette expérience a vraiment enflammé ma passion pour la disruption et mon rôle à la Skai me permet de réaliser cette aspiration en exploitant continuellement les données de manière disruptive.
L'analyse prédictive est la nouvelle mode dans le monde des big data. Pouvez-vous nous expliquer de quoi il s'agit exactement ?
L'analyse prédictive est essentiellement un groupe de méthodes qui nous permet d'atteindre deux objectifs principaux :
- Identifier des modèles dans les données passées des écosystèmes d'entreprise et les comprendre en détail
- Appliquer les enseignements tirés des données passées pour prévoir les opportunités et les risques futurs
Cela semble simple, mais pour dépeindre un avenir précis, il faut être en mesure d'en avoir une vision granulaire - il est essentiel de poser des questions précises pour obtenir une prédiction significative. Et pour poser des questions pertinentes, il est essentiel de disposer d'une solide capacité en matière de données. Comme tout bon mystère, tout se résume à des données riches et à de bonnes questions.
Pourquoi pensez-vous que l'analyse prédictive est si populaire en ce moment ?
Je pense que l'émergence de l'analyse prédictive en tant qu'outil de navigation stratégique est due à trois facteurs principaux :
- La culture des processus axés sur les big data dans les organisations a atteint une masse critique avec près de 60 % d'adoption par les entreprises à l'échelle mondiale ;
- Les environnements informatiques disponibles sont beaucoup plus puissants qu'il y a sept ans ;
- Le cygne noir de 2020. Les bouleversements provoqués par le COVID-19 accélèrent sans aucun doute la nécessité pour les organisations de mieux analyser les risques futurs en les identifiant à un stade précoce. Il en va de même pour l'identification précoce des opportunités présentées par les tendances émergentes. Il y a suffisamment de risques pour tout le monde, mais peu d'opportunités.
L'adoption de l'analyse prédictive est une évolution naturelle si l'on combine les facteurs susmentionnés de changement dans les applications commerciales de la science des données.
Qu'est-ce qui différencie l'approche de la Skai en matière de prévisions ?
Je pense tout d'abord que notre plateforme de données configurable et la manière dont nous appliquons les taxonomies font une énorme différence - nous permettant d'avoir une vue extrêmement granulaire du paysage du marché afin de pouvoir répondre à diverses questions commerciales. En outre, nous pouvons améliorer considérablement la précision des prédictions en connectant d'innombrables ensembles de données et en saisissant les nuances des discussions des consommateurs.
Deuxièmement, les capacités que nous avons développées en tant que groupe d'experts en données créent une approche holistique que les clients peuvent adopter pour rationaliser les résultats des prédictions dans leurs opérations. Le fait que nous combinions une technologie analytique automatisée et avancée avec des experts en modélisation analytique permet d'obtenir des prévisions dynamiques qui ont un impact réel sur la prise de décision au sein d'une organisation, ce qui permet d'en faire un élément central, et non une référence statique, pour les cadres dirigeants qui prennent des décisions stratégiques.
Quel conseil donneriez-vous à un client sur la manière de mettre en œuvre l'analyse prédictive ? Y a-t-il des choses à faire ou à ne pas faire que vous pourriez partager avec notre public ?
Mon plus grand conseil serait d'investir une part substantielle de l'effort dans la clarification de la question commerciale. Prédire la valeur des ventes futures peut être un outil très puissant dans certains cas, mais bien souvent, pour prédire les tendances de l'innovation, il faut plus que des outils de vente pour atteindre la précision, c'est pourquoi l'inclusion de divers flux de données serait le prochain domaine à mettre en avant.
Le troisième point que je voudrais souligner est la nécessité de définir l'outil spécifique requis. Nous sommes actuellement engagés dans des projets qui permettent de prédire les futures tendances émergentes, mais aussi des systèmes avancés de surveillance et d'alerte, qui suivent la trajectoire prédite des tendances avec des modèles dynamiques basés sur la prédiction analytique. La capacité d'une organisation à tirer parti de ses avantages repose en grande partie sur l'identification des bonnes opportunités, ce qui commence par poser les bonnes questions, exploiter les bons ensembles de données et produire les bons modèles.
-------------
*Cetarticle de blog a été publié à l'origine sur Signals-Analytics.com. La Skai a acquis Signals-Analytics en décembre 2020. Lire le communiqué de presse.
Plus de détails
