Analyse prescriptive
Qu’est-ce que l’analyse prescriptive?
L’analyse prescriptive est un type d’analyse de données – l’utilisation de la technologie pour aider les entreprises à prendre de meilleures décisions grâce à l’analyse des données brutes. Plus précisément, l’analyse prescriptive prend en compte les informations sur les situations ou scénarios possibles, les ressources disponibles, les performances passées et les performances actuelles, et suggère un plan d’action ou une stratégie. Il peut être utilisé pour prendre des décisions à n’importe quel horizon temporel, de l’immédiat au long terme.
Le contraire de l’analyse prescriptive est l’analyse descriptive, qui examine les décisions et les résultats après coup.
Fonctionnement de l’analyse prescriptive
L’analyse prescriptive repose sur des techniques d’intelligence artificielle, telles que l’apprentissage automatique – la capacité d’un programme informatique, sans intervention humaine supplémentaire, à comprendre et à progresser à partir des données qu’il acquiert, en s’adaptant tout le temps. L’apprentissage automatique permet de traiter une énorme quantité de données disponibles aujourd’hui. Au fur et à mesure que des données nouvelles ou supplémentaires deviennent disponibles, les programmes informatiques s’ajustent automatiquement pour les utiliser, dans un processus beaucoup plus rapide et plus complet que les capacités humaines ne pourraient le gérer.
De nombreux types d’entreprises et d’agences gouvernementales à forte intensité de données peuvent bénéficier de l’utilisation de l’analyse prescriptive, y compris celles des secteurs des services financiers et des soins de santé, où le coût de l’erreur humaine est élevé.
L’analyse prescriptive fonctionne avec un autre type d’analyse de données, l’analyse prédictive, qui implique l’utilisation de statistiques et de modélisation pour déterminer les performances futures, sur la base de données actuelles et historiques. Cependant, cela va plus loin: en utilisant l’estimation de l’analyse prédictive de ce qui est susceptible de se produire, il recommande la marche à suivre à l’avenir.
Les avantages et les inconvénients de l’analyse prescriptive
L’analyse prescriptive peut réduire le fouillis de l’incertitude immédiate et des conditions changeantes. Il peut aider à prévenir la fraude, à limiter les risques, à accroître l’efficacité, à atteindre les objectifs commerciaux et à fidéliser davantage les clients.
L’analyse prescriptive n’est cependant pas infaillible. Il n’est efficace que si les organisations savent quelles questions poser et comment réagir aux réponses. Si les hypothèses d’entrée ne sont pas valides, les résultats de sortie ne seront pas précis.
Lorsqu’elles sont utilisées efficacement, cependant, l’analyse prescriptive peut aider les organisations à prendre des décisions basées sur des faits hautement analysés plutôt que de sauter à des conclusions sous-éclairées basées sur l’instinct. L’analyse prescriptive peut simuler la probabilité de divers résultats et montrer la probabilité de chacun, aidant les organisations à mieux comprendre le niveau de risque et d’incertitude auquel elles sont confrontées qu’elles ne pourraient se fier aux moyennes. Les organisations peuvent mieux comprendre la probabilité des pires scénarios et planifier en conséquence.
Points clés à retenir
- L’analyse prescriptive utilise l’apprentissage automatique pour aider les entreprises à décider d’un plan d’action basé sur les prédictions d’un programme informatique.
- L’analyse prescriptive fonctionne avec l’analyse prédictive, qui utilise des données pour déterminer les résultats à court terme.
- Lorsqu’elles sont utilisées efficacement, les analyses prescriptives peuvent aider les organisations à prendre des décisions basées sur des faits et des projections pondérées par les probabilités, plutôt que de sauter à des conclusions sous-éclairées basées sur l’instinct.
Exemples d’analyse normative
De nombreux types d’entreprises et d’agences gouvernementales à forte intensité de données peuvent bénéficier de l’utilisation de l’analyse prescriptive, y compris celles des secteurs des services financiers et des soins de santé, où le coût de l’erreur humaine est élevé.
Des analyses normatives pourraient être utilisées pour évaluer si un service d’incendie local devrait exiger des résidents qu’ils évacuent une zone particulière lorsqu’un feu de forêt brûle à proximité. Il pourrait également être utilisé pour prédire si un article sur un sujet particulier sera populaire auprès des lecteurs en fonction des données sur les recherches et les partages sociaux pour des sujets connexes. Une autre utilisation pourrait être d’ajuster un programme de formation des travailleurs en temps réel en fonction de la façon dont le travailleur répond à chaque leçon.
Analyse prescriptive pour les hôpitaux et les cliniques
De même, l’analyse prescriptive peut être utilisée par les hôpitaux et les cliniques pour améliorer les résultats pour les patients. Il met les données de santé dans leur contexte pour évaluer le rapport coût-efficacité de diverses procédures et traitements et pour évaluer les méthodes cliniques officielles. Il peut également être utilisé pour analyser les patients hospitalisés qui présentent le risque le plus élevé de réadmission afin que les prestataires de soins de santé puissent en faire plus, via l’éducation des patients et le suivi des médecins pour éviter les retours constants à l’hôpital ou à l’urgence.
Analyse normative pour les compagnies aériennes
Supposons que vous soyez le PDG d’une compagnie aérienne et que vous souhaitiez maximiser les bénéfices de votre entreprise. L’analyse normative peut vous aider à le faire en ajustant automatiquement les prix des billets et la disponibilité en fonction de nombreux facteurs, notamment la demande des clients, la météo et les prix de l’essence. Lorsque l’algorithme identifie que les ventes de billets avant Noël de cette année entre Los Angeles et New York sont à la traîne de l’année dernière, par exemple, il peut automatiquement baisser les prix, tout en veillant à ne pas les baisser trop bas compte tenu de la hausse des prix du pétrole cette année.
Dans le même temps, lorsque l’algorithme évalue la demande plus élevée que d’habitude de billets de Saint-Louis à Chicago en raison de l’état des routes verglacées, il peut augmenter automatiquement le prix des billets. Le PDG n’a pas à regarder un ordinateur toute la journée pour regarder ce qui se passe avec les ventes de billets et les conditions du marché, puis à demander aux travailleurs de se connecter au système et de modifier les prix manuellement; un programme informatique peut faire tout cela et plus encore – et à un rythme plus rapide également.