Introduction à l'analyse predictive pour non techniciens

1. Analyse prédictive
Comment ça marche ? À quoi ça sert ?

2. Qu’est-ce que l’analyse prédictive ?
• Pratique consistant à puiser des informations dans des lots de données
existants en vue de définir des modèles et de prédire des résultats et des
tendances.
• Elle ne prédit pas l'avenir, mais indique avec un niveau de fiabilité
acceptable ce qui pourrait se produire dans le futur.
• Elle comprend des scénarios de simulation et une évaluation des risques.
https://www.webopedia.com/

4. À quoi peut-elle servir ?
• Prévention de l’attrition
L'analyse prédictive aide à prévenir la perte de clients, par l’identification des
signes d'insatisfaction et l’identification des clients ou des segments de clientèle
les plus susceptibles de partir. Les entreprises peuvent alors rectifier le tir pour
préserver la satisfaction de ces clients et assurer leur chiffre d'affaires.
• Valeur vie client
Identification des clients qui dépenseront le plus, de la façon la plus cohérente
et sur la plus longue période. Cela permet aux entreprises d'augmenter leur part
de ce segment de l'activité et d’attirer les clients qui auront la plus grande
valeur vie.
• Segmentation de la clientèle
Identification des segments des marchés les plus réceptifs à l’offre d’une
entreprise.
• Évaluation de la probabilité de gagner un contentieux

5. À quoi peut-elle servir ? (2)
• Maintenance prédictive
En analysant les mesures et les données relatives à la maintenance du cycle de
vie du matériel technique, les entreprises peuvent prévoir les deux calendriers
des événements de maintenance probables, leur permettant d'éviter des temps
d'arrêt critiques.
• Modélisation des risques
En combinant l'analyse prédictive avec une approche de gestion des risques, les
entreprises peuvent capter, quantifier et évaluer les problèmes de risque et
décider d'une marche à suivre pour atténuer les facteurs de risque jugés les plus
critiques.

6. À quoi peut-elle servir ? (3)
• Déterminer la probabilité de réadmission à l'hôpital.
• Faciliter l’identification des nouveaux besoins gouvernementaux et
sociétaux.
• Développer des produits et services supplémentaires, plus novateurs et
de meilleure qualité.
• Développer et simuler des politiques publiques et mieux cibler les
services.
• Découvrir les magasins qui vendent des cigarettes de contrebande.
• Lutter contre l'épidémie de médicaments sur ordonnance
(New York) par l’identification des 21 pharmacies (=1%) qui représentent
plus de 60% des ventes d‘oxycodone.

7. À quoi peut-elle servir ? (4)
• Détecter les bâtiments dangereux grandement susceptibles d'entraîner
des blessures ou la mort des pompiers.
• Prédire le développement urbain dans des zones spécifiques en vue de
meilleurs investissements en infrastructure.
• Profiler des groupes et des quartiers pour la mise en œuvre de politiques
préventives.
• Segmenter les débiteurs fiscaux par risque et appliquer la modélisation
prédictive pour des plans d'escalade individuels.
• Exploiter les données des téléphones portables pour prédire les niveaux
socioéconomiques dans les zones en développement.

8. À quoi peut-elle servir ? (5)
• Améliorer l’appâtage des rats (Chicago).
• Proposer des logements sûrs et abordables.
• Identifier les logements les plus susceptibles de comporter encore des
dangers liés à la peinture à base de plomb.
• Prévoir si un brin de câble d'un pont est sur le point de céder.
• Prévoir les inondations soudaines.

9. À quoi peut-elle servir ? (6)
• Améliorer les inspections alimentaires
Prévoir quels établissements sont les plus susceptibles d'avoir des soucis en
matière de sécurité alimentaire.
• Prévenir les accidents
Le Royaume-Uni a utilisé l'analyse prédictive pour diminuer les accidents de la
circulation. Un algorithme basé sur des données collectées pendant une
décennie a aidé l'équipe à prédire quels types de conducteurs sont exposés à
des accidents dangereux. L'équipe a affiné les avis envoyés aux contrevenants.
• Prédire les besoins de soins des personnes âgées
Les municipalités danoises mènent des expériences pour prédire quand les
citoyens âgés ont besoin d'aide. Le projet pilote danois se base sur l’historique
personnel de santé et d'assistance ainsi que sur un texte semi-structuré rédigé
par les soignants pour prédire (avec une précision de 80 %) à quel moment un
nouveau niveau d'assistance est nécessaire.

10. • Services de protection de l'enfance
La ville finlandaise d'Espoo a examiné 520.000 cas sur une période de
14 ans. Le système d‘IA a identifié 280 facteurs qui influencent le besoin de
services de protection de l'enfance.
• Détention ou libération conditionnelle ?
Les prisons utilisent des données et des statistiques détaillées pour prédire
quels détenus devraient bénéficier d’une libération conditionnelle.
Les juridictions utilisent des modèles prédictifs pour déterminer qui devrait être
détenu avant le procès et qui peut être autorisé à sortir sans danger en l’attente
du procès.
• Résoudre des affaires criminelles
L'analyse prédictive du comté de Miami-Dade est axée sur la résolution des
affaires non résolues et la capture des récidivistes. Une liste de suspects
potentiels est dressée sur la base de la probabilité de correspondance à partir
des données existantes du système. Le système exploite les informations sur les
modèles de criminalité et sur le mode opératoire des criminels à partir
d'énormes volumes de données historiques.
À quoi peut-elle servir ? (7)

11. • Éducation
Signaler les étudiants qui semblent susceptibles de décrocher : les
établissements d'enseignement peuvent aider ces étudiants avant même qu'ils
réalisent qu'ils courent un risque.
Des données riches deviennent disponibles pour servir d'indicateurs - les
systèmes peuvent incorporer des données sur les notes, l'aide financière et les
étudiants afin de créer un modèle prédictif permettant de prioriser les
interventions et d’offrir des moyens supplémentaires aux étudiants à haut
risque.
À quoi peut-elle servir ? (8)

12. Contact
Website
www.smals.be
https://www.smalsresearch.be/
Phone
+3227875928
Email
research@smals.be
Merci !