L’analyse prédictive, ça fonctionne | KPMG | CA
close
Share with your friends
L’analyse prédictive, ça fonctionne

L’analyse prédictive, ça fonctionne

L’analyse prédictive, ça fonctionne

L'analyse de données est essentielle à toute entreprise moderne. Peu importe leur secteur, les entreprises ont besoin des données pour évaluer leurs activités et planifier leur croissance future, ce qui fait de l'analyse de données et d'autres techniques plus poussées, comme l'analyse prédictive, des outils de travail indispensables.

Les chefs de direction canadiens reconnaissent la valeur qu'apporte l'analyse prédictive à leurs processus décisionnels. En fait, presque toutes nos conversations avec eux aboutissent inévitablement à l'analyse prédictive et aux possibilités de l'exploiter davantage.

Il y a une raison à cet intérêt : l'analyse prédictive est la clé pour une meilleure prise de décisions.

Cependant, que peuvent faire les chefs de direction canadiens pour améliorer leurs capacités d'analyse de données et leurs processus décisionnels? Voici cinq suggestions puisées à même notre expérience de travail avec des chefs de file établis aux États-Unis et au Canada:

  1. Découvrez ce que l'analyse prédictive peut vous apporter. Explorez plus activement l'utilité de l'analyse prédictive et interrogez des conseillers, des entreprises en démarrage, des incubateurs et des fournisseurs de services pour connaître leur perception du marché. Évaluez de quelles façons l'analyse prédictive et vos observations pourraient accroître la valeur de votre entreprise et commencez à vérifier vos hypothèses dès que possible.
  2. Intégrez l'analyse de données à votre culture. Établissez un plan stratégique et réaliste pour l'adoption du numérique et de l'analyse de données. Trouvez des moyens d'encourager les employés à intégrer l'analyse de données à leurs processus de travail. Éliminez les silos de données et multipliez vos chances de réussite. Installez votre équipe d'analyse tout près de votre équipe de direction pour que cette dernière puisse accéder rapidement et directement aux données.
  3. Misez sur des ensembles de données petits, mais fiables. Les ensembles de données volumineux sont formidables, mais on peut aussi découvrir d'autres possibilités à partir d'ensembles de données plus petits et de grande qualité. Plutôt que de consacrer la totalité de votre temps et de vos ressources à rassembler la plus grande quantité de données possible, songez à ce que les données pourraient vous apporter comme information, puis concentrez vos efforts sur la recherche et l'examen de données utiles qui donneront davantage de profondeur à votre réflexion.
  4. Cultivez vos capacités internes. Pensez aux nouvelles compétences dont votre entreprise aura besoin pour tirer pleinement parti de l'analyse de données. Cherchez à obtenir à la fois des compétences de transition de même que des compétences de base pour faciliter la transformation et l'amélioration continue. Réévaluez fréquemment les compétences dont vous avez besoin.
  5. Testez minutieusement vos modèles. Personne ne suggère de vous en remettre aux machines pour prendre des décisions sans d'abord mettre ces machines à l'épreuve à partir d'ensembles de données historiques et de scénarios réels. Plus le risque potentiel est élevé, plus il faudra procéder à des tests avant le démarrage. Confiez la responsabilité de l'algorithme à une personne, et assurez-vous qu'il continue de fonctionner comme prévu.
  6. Opérationnalisez l'analyse prédictive dans le cadre de prises de décisions quotidiennes. Les démonstrations de faisabilité ponctuelles et la recherche de perspectives sont un point de départ, mais tendent à s'essouffler après les premiers moments d'enthousiasme. Établissez une stratégie et un plan d'exécution pour que les concepts et les pilotes deviennent des systèmes d'automatisation intelligents et productifs, mus par les prévisions. Faites reposer la conception de votre architecture sur les interfaces de programmation (API), les microservices et les conteneurs pour obtenir une plateforme qui permettra à votre organisation d'assembler entre eux les modules de décision et de déroulement, comme s'il s'agissait de blocs Lego2, afin de pouvoir rapidement bâtir et déployer des applications intelligentes.
  7. N'oubliez pas les données qui forment votre base. Les prévisions n'ont de valeur que si les données qui alimentent les modèles aux étapes de la conception et de l'exploitation sont de qualité. Le besoin de données de bonne qualité est plus grand que jamais, et votre entreprise doit avoir mis sur pied une solide stratégie de collecte de données pour pouvoir déployer une automatisation intelligente à grande échelle. Les entreprises qui prendront la tête du peloton sont celles qui reconnaissent la valeur des données de bonne qualité en tant que principal moteur et qui prennent les mesures nécessaires.

L'analyse de données est un domaine en évolution qui permet aux entreprises de comprendre encore mieux leur clientèle, leur fonctionnement et leur marché en identifiant les tendances, en comprenant le rendement des produits et services, et leur position sur le marché. Les entreprises prospères sont celles qui mettent à profit l'analyse de données et en repoussent les limites pour produire des modèles fiables et prévisionnels, libérer leur potentiel de rendement, gérer le risque et améliorer l'expérience client.

Par exemple, les entreprises du secteur de l'énergie se servent de l'analyse prédictive pour lancer des demandes d'entretien à l'aide de données en direct. Dans le secteur du commerce de détail, l'analyse prédictive sert à repérer les meilleurs emplacements pour ouvrir de nouveaux magasins et à repenser l'expérience client en magasin. Les entreprises du secteur des services financiers tirent profit de l'analyse prédictive pour aider les chefs de la conformité à créer de nouveaux modèles de gestion du risque.

Les entreprises qui se servent véritablement de l'analyse prédictive en ressortent gagnantes. Selon un rapport de la Society of Actuaries, les entreprises du secteur de la santé qui se servent de l'analyse prédictive économisent environ 15 % de leur budget annuel et peuvent atteindre des économies dépassant 25 % sur cinq ans[1]. Par exemple, des organisations du secteur de la santé qui instaurent l'analyse prédictive au sein de leur fonctionnement parviennent à réduire le nombre de réadmissions à l'hôpital, à planifier l'utilisation des services, à améliorer leur chaîne d'approvisionnement, à mieux gérer leur personnel, et à offrir de meilleurs soins à moindre coût.

Au cours des dernières années, de nombreuses entreprises ont adopté des systèmes qui se fondent sur l'analyse prédictive pour réduire leurs coûts liés à la consommation d'énergie. En réglant automatiquement l'éclairage ou la température, ces entreprises peuvent réduire leur coût de consommation d'énergie de plus de 90 %.

Nous y allons de notre propre prévision : d'ici trois ans, toutes les décisions prises en entreprise seront, d'une manière ou d'une autre, influencées par l'analyse prédictive.

* Toutes les statistiques proviennent du sondage de 2018 auprès des chefs de la direction canadiens.

[1] Rapport de février 2017 de la Society of Actuaries intitulé « Predictive Analytics in Healthcare Trend Forecast ».

[2] Lego est une marque de commerce enregistrée de la Lego Corporation.