© Copyright Ventana Research 2013 Ne pas diffuser sans autorisation
Outils d’analyse prédictive
Optimisez vos performances en rendant
l’avenir plus visible
Étude comparative
Rapport détude
Résumé
Autorisé par
Aligner les activités et lenvironnement informatique pour améliorer les performances
Ventana Research
2603 Camino Ramon, Suite 200
San Ramon, CA 94583
(925) 242-2579
www.ventanaresearch.com
Ventana Research Outils danalyse prédictive
© Ventana Research 2013 Page 2
San Ramon, Californie
Février 2012
Ventana Research a mené cette étude afin de déterminer les attitudes adoptées
face à lanalytique prédictive ainsi que son utilisation. Ce document sappuie sur
nos recherches et sur lanalyse des informations fournies par les entreprises que
nous avons jugées qualifiées pour participer à cette recherche comparative.
Cette étude vise à étudier les pratiques et les besoins des individus et entreprises
ainsi que les bénéfices potentiels qu’ils peuvent tirer de lamélioration de leurs
processus, architectures de l’information ou autres systèmes existants. Cette
étude ne doit pas être utilisée en dehors de ce contexte et ne garantit pas la
réussite des entreprises dans le cas où elles s’appuieraient sur ces résultats.
De plus, pour une mise en œuvre ou une amélioration efficace de lutilisation de
l’analytique prédictive, une évaluation des besoins spécifiques de votre entreprise
s’impose pour identifier les lacunes et les axes damélioration prioritaires.
Nous certifions que Ventana Research a écrit et édité ce rapport en toute
indépendance, que les analyses qu’il contient sont une représentation fidèle de
notre évaluation basée sur notre expérience et notre connaissance de l’analytique
prédictive et que les analyses et les conclusions nous sont propres en totalité.
Ventana Research Outils danalyse prédictive
© Ventana Research 2013 Page 3
Deux tiers des
participants sont
satisfaits (45 %) ou
très satisfaits (21 %)
de leur utilisation de
l’analytique prédictive.
Résumé
Au cours des dernières années, les capacités de Business Intelligence (BI),
autrefois l’apanage des analystes techniques experts en la matière, se sont
largement démocratisées pour toucher un plus grand nombre dutilisateurs
dans différents services des entreprises, notamment les directions fonctionnelles.
Les éditeurs de logiciels ont facilité lutilisation de leurs outils tandis que lanalyse
de données à des fins décisionnelles est devenue une activité opérationnelle
de plus en plus courante. Alors que lutilisation de la BI et de lanalytique est de
plus en plus répandue, les innovateurs à la recherche de la prochaine découverte
technologique commencent à travailler avec lanalytique prédictive, qui sintéresse
non pas à lanalyse historique rétrospective mais aux événements à venir en les
prévoyant tout en proposant plusieurs plans daction potentiels.
En tant que technologie, lanalytique prédictive existe depuis des années mais
ses outils étaient coûteux et nécessitaient des compétences sophistiquées -
notamment une bonne compréhension des principes mathématiques et la
capacité à créer, déployer et actualiser des modèles analytiques. Dans certains
secteurs verticaux et pour des domaines d’activité spécifiques, quelques
entreprises ont consenti à débourser de fortes sommes pour acquérir ces
capacités, mais elles ne représentent quune fraction des bénéficiaires potentiels.
La technologie a désormais progressé à tel point qu’elle permet à l’analytique
prédictive d’être profitable à la plupart des entreprises.
À lheure actuelle, ce nest pourtant pas le cas. Dans notre dernière recherche
comparative sur les outils de reporting analytique, plus de 2 600 entreprises ont
classé l’analytique prédictive au 10e rang seulement des technologies qu’elles
utilisent pour générer des rapports analytiques. De plus, une entreprise sur huit
seulement les utilise. Ventana Research a mené cette étude comparative afin
d’en apprendre davantage sur les entreprises qui utilisent réellement l’analytique
prédictive et d’acquérir des informations concrètes sur les niveaux de maturité,
les tendances et les meilleures
pratiques. Cette étude sintéresse
à la manière dont agissent les
entreprises aujourdhui, à la façon
dont les collaborateurs à différents
niveaux abordent les processus
et outils actuels, aux projets de
modification ou damélioration de
ces derniers, ainsi qu’aux bénéfices
que les entreprises espèrent tirer
de ces projets.
Parmi les entreprises qui ont participé à cette étude, deux tiers utilisent
l’analytique prédictive. Les plus grandes par le nombre de collaborateurs ont
tendance à les utiliser plus souvent : près des trois quarts (73 %) des très
grandes entreprises et deux tiers des grandes entreprises contre environ la moitié
des moyennes (48 %) et des petites entreprises (53 %). Les personnes occupant
un rôle opérationnel sont plus nombreuses (65 %) que les personnes travaillant
dans le domaine informatique (49 %) à déclarer que leur entreprise utilise cet
outil. Cela peut sexpliquer par le fait que ces derniers ne sont pas toujours
informés des déploiements réalisés à d’autres niveaux de lentreprise.
Ventana Research Outils danalyse prédictive
© Ventana Research 2013 Page 4
La plupart des directions
appliquent lanalytique
prédictive aux fonctions
clés qui génèrent du
chiffre daffaire.
Le marketing (65 %) et
les ventes (59 %) sont
les plus courantes.
Dans les entreprises, les personnes qui ont déployé lanalytique prédictive ont,
selon létude, des attitudes majoritairement positives vis-à-vis du concept, de
l’utilisation et des résultats. Plus de la moitié des participants (58 %) ont déclaré
que cet outil était très important pour eux. Deux tiers sont satisfaits (45 %) ou
très satisfaits (21 %) de leur utilisation de l’analytique prédictive. Trois quarts
des participants (74 %) ont par ailleurs affirmé quils se fiaient largement aux
résultats tandis que 10 % supplémentaires sy fient totalement.
Si lanalytique prédictive est jugée aussi importante, cest parce que la plupart
des directions l’appliquent à des fonctions clés qui génèrent du chiffre daffaires.
Le marketing (65 %) et les ventes (59 %) sont les plus représentées. Là encore,
ce sont les plus grandes entreprises qui utilisent le plus souvent lanalytique
pour les ventes, probablement parce qu’elles gèrent des volumes de données
suffisamment importants pour produire des analyses pertinentes. Les cinq
sources principales de données exploitées pour l’analytique prédictive sont
elles aussi directement liées au chiffre daffaire : clients (69 %), marketing
(67 %), produits (55 %), ventes (54 %) et gestion financière (51 %). Dans le
prolongement de leur utilisation actuelle, la plus grande partie des entreprises
(40 %) est en train dévaluer ou envisage dutiliser les données issues des
réseaux sociaux, ce qui engendre un impact sur le marketing et le service client.
Près des trois quarts (72 %) des entreprises utilisent actuellement les résultats
de lanalytique prédictive pour réaliser des prévisions, quasiment autant (70 %)
appliquent l’analytique prédictive aux analyses marketing et le service client
(45 %) arrive en troisième place des bénéficiaires de cet outil. Les plus grandes
entreprises examinent leurs résultats dans ces domaines plus souvent que les
autres. Cependant, les petites entreprises sont plus enclines à utiliser l’analytique
prédictive pour leurs recommandations de produits (61 %) et pour lanalyse
des réseaux sociaux (57 %). Ces efforts peuvent contribuer à lobtention dun
avantage compétitif, qui représente le bénéfice opérationnel réalisé par la plupart
des entreprises (68 %) à lheure actuelle. Par ailleurs, plus de la moitié des
entreprises ont utilisé lanalytique prédictive pour augmenter leur chiffre daffaire
(55 %) ou accroître leur rentabilité (52 %).
Si les participants utilisent lanalytique prédictive dans des domaines importants
et sont généralement positifs quant à leur expérience, ils ne cachent pas pour
autant sa complexité. Bien qu’elle soit devenue plus accessible à différents
types d’utilisateurs, cette technologie ne requiert pas moins des compétences
spécifiques de conception et de déploiement. Dans la moitié des entreprises,
les utilisateurs nen disposent pas. Par exemple, 58 % dentre eux ne
comprennent pas les principes mathématiques en jeu. Cette situation est plus
courante dans les entreprises de grande taille. Possédant des ressources plus
limitées, les petites (61 %) et moyennes (56 %) entreprises par le nombre de
collaborateurs réservent plus souvent ces tâches de conception et de déploiement
aux personnes possédant des
compétences en analytique
prédictive, mais cela suggère
que les utilisateurs de cette
technologie se limitent à ceux
qui la maîtrisent. Un tiers
des entreprises recourt à des
scientifiques spécialisés dans
les données ou à des ressources
expertes en statistique ou en
exploration de données, tandis
qu’un volume similaire utilise
la business intelligence ou
Ventana Research Outils danalyse prédictive
© Ventana Research 2013 Page 5
Le manque de ressources
est la difficulté la plus
fréquemment rencontrée
lors de la mise en œuvre
des changements dans
l’analytique prédictive.
Ce facteur est cité par
trois entreprises sur cinq
(59 %) parmi les PME.
l’entreposage des données. Disposer d’un personnel qualifié s’avère donc plus
souvent nécessaire que pour la plupart des autres déploiements de logiciels de
gestion.
L’un des enjeux concerne donc la formation et lassistance pour les utilisateurs
de l’analytique prédictive. Cette étude montre que cet aspect est souvent négligé.
Moins de la moitié des entreprises fournissent une formation adéquate dans lun
des trois domaines clés : concepts et techniques, leur application aux problèmes
de gestion, et l’utilisation des produits. Une proportion encore plus faible des
entreprises offre des ressources de conseil adéquates (31 %) ou une assistance
technique appropriée (24 %).
De manière générale, le manque de ressources représente la difficulté la plus
fréquemment rencontrée lors de la mise en œuvre des changements dans
l’analytique prédictive. Ce facteur est cité par trois entreprises sur cinq (59 %),
notamment parmi les PME. Deux tiers des membres de la direction (en d’autres
termes, des vices présidents) et des cadres déclarent même quil sagit dun
véritable obstacle. Le manque de sensibilisation à la valeur de cet outil danalyse
(45 %) arrive en seconde position dans la liste des freins au développement.
Les cadres et dirigeants ont en général un avis plus positif que les utilisateurs
qui se montrent plus souvent insatisfaits de leur analytique prédictive. Pour les
niveaux supérieurs de la hiérarchie, les résultats utiles sont prédominants par
rapport aux efforts nécessaires pour les produire.
Les modèles sont lélément central de lanalyse prédictive, mais ils deviennent
obsolètes au fil du temps et les résultats produits sont alors inexacts. C’est la
raison pour laquelle il est important de mettre à jour fréquemment les modèles
utilisés. Cependant, étant donné que cette tâche nest pas à la portée de tous
les utilisateurs, des ressources dédiées sont nécessaires pour l’assurer. Létude
montre que cette activité nest pas considérée à sa juste valeur. Près des deux
tiers (63 %) des entreprises ne mettent à jour leurs modèles quune fois par
mois, voire moins souvent. Ce chiffre est à rapprocher des 24 % d’entreprises
qui mettent leurs modèles à jour quotidiennement ou plus souvent et qui sont les
plus satisfaites de leur analytique prédictive. On observe là encore un exemple
de la différence de perception entre les niveaux supérieurs de la hiérarchie,
plus optimistes, et les utilisateurs : un quart des cadres et des dirigeants nous
ont assuré que les mises à jour étaient réalisées en permanence mais seuls 8 %
des utilisateurs confirment que les modèles sont mis à jour à cette fréquence.
L’un des domaines dans lesquels lanalytique prédictive peut apporter de la valeur
ajoutée est lévaluation aussi rapidement que possible des nouveaux enregistre-
ments, par exemple pour soutenir les conseillers du service client ou formuler
des recommandations de produit
sur la base des articles présents
dans le panier virtuel. Dans
certains cas comme la détection
de fraudes ou la sélection de
publicités en ligne, lévaluation
en temps réel est essentielle.
Malgré tout, 30 % des
entreprises seulement pratiquent
l’évaluation en temps réel de
façon régulière et la même
proportion neffectue jamais
d’évaluation en temps réel des
enregistrements. Une fois de
plus, on observe une relation
1 / 8 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !