motif blanc

Analyse prescriptive

motif blanc
Content

Qu'est-ce que l'analyse prescriptive ?

L'analyse prescriptive, ou analytique prescriptive, répond à la question « que faut-il/peut-on faire ? » en utilisant le machine learning, l'analyse de graphes, la simulation, l'heuristique et d'autres méthodes pour prédire des résultats et fournir des options pour la prise de décision. S'appuyant sur l'analyse descriptive et prédictive, l'analyse prescriptive fournit non seulement des prévisions et des prédictions sur les événements futurs, mais aussi sur ce qui pourrait faire qu'ils se produisent. Grâce à ces informations, les analystes peuvent tester l'impact de décisions stratégiques afin d'optimiser leurs processus décisionnels.

Pourquoi l'analyse prescriptive est-elle importante ?

S'appuyant sur l'analyse descriptive et prédictive, l'analyse prescriptive peut aider une entreprise à : Prendre des décisions éclairées et basées sur les faits grâce aux données en temps réel et prévisionnelles Comprendre la probabilité de certains résultats et l'impact des décisions sur ceux-ci, puis l'utiliser pour planifier ce qu'il faut faire et comment le faire Économiser des ressources et booster l'efficacité en permettant à l'IA de gérer et traiter les données dans des scénarios exploitables  Créer des processus reproductibles et évolutifs pour prendre des décisions fondées sur des données pratiquement en temps réel  Répondre aux questions les plus complexes, telles que la prévision de la demande, l'évaluation des risques et les scénarios hypothétiques

Comment fonctionne l'analyse prescriptive ?

L'analytique prescriptive est la dernière étape de la Business Analytics (BA), parfois appelée analytique métier. Elle tire parti des résultats de plusieurs méthodes statistiques et de la puissance de l'IA. Tandis que l'analyse descriptive répond à la question « que s'est-il passé ? » et l'analyse prédictive à la question « que pourrait-il se passer ? », l'analytique prescriptive répond aux questions « que devons-nous faire ? » et « quels impacts auront nos décisions sur les performances futures ? ». Elle donne aux analystes et aux décideurs le pouvoir de changer (en bien) les résultats futurs, en toute confiance, grâce à des modèles d'optimisation et à un machine learning itératif.

L'analytique prescriptive bénéficie à toute entreprise data-driven. Elle est très utilisée dans les domaines où les données changent constamment et où les décisions peuvent avoir un très grand impact.

  • Dans le secteur de la santé, l'analyse prescriptive peut être utile aussi bien à l'administration qu'à la prise en charge des patients. Une société pharmaceutique peut utiliser l'analytique prescriptive pour réduire les coûts des tests en trouvant les meilleurs sujets pour un essai clinique. Un hôpital pourrait l'utiliser pour prêter plus d'attention aux patients qui présentent le plus grand risque de réadmission.
  • Dans le domaine du transport, une compagnie aérienne peut ajuster automatiquement les prix et la disponibilité en fonction de divers facteurs, notamment les conditions météorologiques, la demande et les prix du pétrole.
  • Dans l'édition, un média peut décider de ce qu'il va publier et si un article sera populaire en s'appuyant sur des données de recherche et des données sociales sur des sujets similaires.
  • Dans les ressources humaines, la formation en ligne peut être ajustée en temps réel en fonction des résultats de l'employé pour chaque cours.

Bien démarrer avec l'analyse prescriptive

La plateforme Alteryx ML fournit le machine learning automatisé (AutoML) et l'ingénierie des caractéristiques, ce qui permet de tester les modèles de ML en bénéficiant d'une expérience utilisateur entièrement guidée, sans avoir à coder des modèles complexes.
L'outil ML d'Alteryx permet aux utilisateurs de :
  • Découvrir des relations cachées dans vos données grâce à la génération automatisée d'insights Utiliser des algorithmes tels que xgBoost, LightGBM et ElasticNet pour déceler dans vos données les caractéristiques  qui ont le plus d'impact sur les performances du modèle
  • Créer des modèles et des tableaux de bord clairs et explicables qui peuvent communiquer l'importance des caractéristiques, l'analyse d'impact et permettre d'explorer une simulation
  • Créer rapidement des modèles fiables à l'aide de bibliothèques de caractéristiques prédéfinies
  • Intégrer des modèles dans des processus métier grâce à la plateforme de bout en bout d'Alteryx

Oct. 18 - 19
audience
Salon

Future of Finance

Le plus grand événement dédié à la transformation de la fonction finance

Français
Responsable Business
Finance
En savoir plus
Rapport
Rapport

Thomson Reuters réalise un état des lieux de la fiscalité des entreprises en 2022

La technologie nécessaire pour répondre aux exigences croissantes de l'économie numérique pousse les départements fiscaux des entreprises dans plusieurs directions à la fois.

Finance
Thomson Reuters
Lire maintenant
image abstraite
Témoignage client
Temps de lecture : 5 minutes

Régularisation des paiements relatifs aux droits des employés sur plusieurs années avec Alteryx

Grant Thornton a mis en évidence le besoin de services d'assurance pour les salaires, ce qui a permis au groupe de créer un modèle flexible, évolutif et abordable pour calculer avec précision les congés des employés.

Finance
Ressources humaines
Asie-Pacifique
Lire maintenant

Kit de démarrage Intelligence Suite

Avec les modèles analytiques fournis dans ce Kit de démarrage, lancez-vous facilement dans l'analytique avancée no-code grâce à la modélisation assistée, qui vous guide dans la création de vos modèles de machine learning.
image