Les différences entre l’intelligence d’affaires et l’analyse prédictive

Récemment, je discutais avec un collègue de la différence entre l’intelligence d’affaires et l’analyse prédictive . Pour simplifier le tout, j’ai utilisé un exemple de la vie courante impliquant des technologies domestiques que nous utilisons quotidiennement.

L’été dernier, alors que le mercure oscillait autour de 32 degrés Celsius, je décidais d’aller courir 10 km. Peu de gens auraient pu prédire que j’irais jogger sous ce soleil de plomb et ce taux d’humidité frôlant les 100% (pas la meilleure idée du monde). Les résultats de ma course furent assez décevants. L’application que j’utilise pour suivre mes courses – Runkeeper – m’indiquait que ma performance figurait parmi les pires des derniers mois.

J’expliquais à mon collègue que Runkeeper m’offre une analyse descriptive de mes performances, une sorte d’intelligence d’affaires qui me permet de voir ma progression sans me donner d’indications concernant mes prochains entrainements.

J’ai poursuivi en expliquant qu’un ami utilise plutôt sa montre Garmin 920XT, beaucoup plus sophistiquée qui lui donne non seulement les informations de base comme l’application que j’utilise, mais lui propose des programmes et des sessions sur mesure qui tiennent compte des facteurs comme la météo, les dernières performances, ses objectifs, etc…

En ce sens, sa montre lui propose plus que mon application : une analyse descriptive et une analyse prescriptive lui permettant de planifier ses entrainements, de suivre et d’adapter ses programmes et sessions en fonction de diverses variables.

Je suis certain que sa montre m’aurait conseillé d’attendre que le soleil se couche avant de courir !

crm-m-livre-blanc-noir

Comment l’analyse prédictive peut-elle complémenter une stratégie d’intelligence d’affaires ?

À l’instar des maniaques d’Internet, amateurs de course, il est intéressant de constater qu’en 2016, avec les avancées technologiques, les concepts de «machine learning» (ou apprentissage automatique) et la démocratisation des outils informatiques, plusieurs entreprises envisagent de se doter d’une stratégie visant à prévoir les grandes tendances et comportements de leurs clients, afin d’adapter leurs discours, offres et tactiques en conséquence.

Pour la plupart d’entre nous, l’intelligence d’affaires (BI) fait référence à des tableaux de bord, des calculs complexes, des rapports et des indicateurs clés de performance. Mais qu’en est-il de l’analyse prédictive (PA)? Outre le potentiel énorme que le concept inspire, bien peu de gens peuvent réellement tracer la ligne entre un rapport BI et un rapport PA ?

L’intelligence d’affaires s’attarde aux grandes tendances à un niveau agrégé (macro), et permet de forer sur les dimensions qui nous intéressent (ex : géographie, produits, clients, succursales, campagnes, services, etc…). Le «BI» propose une analyse descriptive à propos du passé, de ce qui est derrière nous.

En contrepartie, l’analyse prédictive porte son attention au niveau le plus bas de l’information détaillée et tente de déceler des tendances qui permettent de créer des modèles dans le but de prédire des comportements futurs. Le «PA» propose une analyse prescriptive à propos de ce qui pourrait se passer, de ce qui se trouve devant nous.

Le tableau suivant présente un exemple de questions et de réponses auxquels peuvent répondre chacune des stratégies :

Le BI peut prétendre répondre à : Le PA peut prétendre répondre à :
Combien de prospects, la dernière campagne a-t-elle généré ? Combien de prospects pourraient être générés par la prochaine campagne ?
Quelle a été la tendance d’achat pour le produit X au cours des 12 derniers mois ? Quelle sera la tendance d’achat pour le produit X au cours des prochains 12 mois?
Combien avons-nous généré de revenu pour telle ligne de produit au cours du dernier trimestre ? Combien allons-nous générer de revenus pour telle ligne de produit lors du prochain trimestre ?
Quelle catégorie de clients consomme la plus grande partie des services que nous offrons ? Quel segment de clients consommera la plus grande partie de nos services à l’avenir ?
Quelle est la dernière date de transaction que monsieur X a effectuée sur notre site Web ? Quelle est la probabilité que monsieur X complète une transaction au cours du prochain mois ?

Connaitre ou avoir une bonne idée du prochain produit ou du prochain service que nos clients consommeront potentiellement, permet de définir, d’opérationnaliser et de mesurer nos stratégies et initiatives. Certains CRM permettent de déceler des tendances et de proposer des offres avec un fort potentiel d’attraits pour nos clients. Ces derniers peuvent être simplement identifiés et une offre spécifique pourrait leur être acheminée, ou une liste de clients à contacter pourrait être générée à l’intention d’un représentant.

Des outils plus sophistiqués permettent de calculer un score de propension (propensity score) qu’un client ou segment de clients peut présenter face à une offre donnée. Ce score peut alors déclencher des mécanismes ou des règles d’affaires qui initieront automatiquement une série d’actions pour ce client ou ce groupe de clients à travers un CRM (campagne, courriel, expérience sur un portail, messages via les médias sociaux, etc..).

Laisser un commentaire