Quelle est la différence entre les analyses descriptives, prédictives et prescriptives ?
Voici votre guide en deux minutes pour comprendre et sélectionner les bonnes analyses descriptives, prédictives et prescriptives à utiliser dans votre chaîne logistique.
Avec le flot de données dont disposent les entreprises concernant leur chaîne d’approvisionnement de nos jours, les entreprises se tournent vers des solutions d’analyse pour extraire du sens de ces énormes volumes de données afin d’améliorer la prise de décision.
Les entreprises qui tentent d’optimiser leurs efforts de S&OP ont besoin de capacités pour analyser les données historiques, et prévoir ce qui pourrait se passer à l’avenir. La promesse de bien faire les choses et de devenir une organisation axée sur les données est grande. D’énormes retours sur investissement peuvent être obtenus, comme le prouvent les entreprises qui ont optimisé leur chaîne d’approvisionnement, réduit leurs coûts d’exploitation, augmenté leurs revenus ou amélioré leur service clientèle et leur gamme de produits.L’examen de toutes les options analytiques peut être une tâche décourageante. Cependant, heureusement, ces options analytiques peuvent être classées à un haut niveau en trois types distincts. Aucun type d’analyse n’est meilleur qu’un autre. En fait, ils coexistent et se complètent les uns les autres. Pour qu’une entreprise ait une vision holistique du marché et de la façon dont une entreprise rivalise efficacement au sein de ce marché, il faut un environnement analytique robuste qui comprend :
- L’analytique descriptive, qui utilise l’agrégation de données et l’exploration de données pour fournir un aperçu du passé et répondre : « Que s’est-il passé ? »
- Des analyses prédictives, qui utilisent des modèles statistiques et des techniques de prévision pour comprendre l’avenir et répondre à : « Que pourrait-il se passer ? »
- L’analytique prescriptive, qui utilise des algorithmes d’optimisation et de simulation pour conseiller sur les résultats possibles et répondre à : « Que devrions-nous faire ? »
Analyse descriptive : Aperçu du passé
L’analyse descriptive ou les statistiques font exactement ce que leur nom indique : elles » décrivent « , ou résument, les données brutes et en font quelque chose d’interprétable par les humains. Ce sont des analyses qui décrivent le passé. Le passé fait référence à tout moment où un événement s’est produit, que ce soit il y a une minute ou un an. Les analytiques descriptives sont utiles parce qu’elles nous permettent d’apprendre des comportements passés, et de comprendre comment ils pourraient influencer les résultats futurs.
La grande majorité des statistiques que nous utilisons entrent dans cette catégorie. (Pensez à l’arithmétique de base comme les sommes, les moyennes, les variations en pourcentage.) Habituellement, les données sous-jacentes sont un compte, ou un agrégat d’une colonne filtrée de données à laquelle on applique des mathématiques de base. À toutes fins utiles, il existe un nombre infini de ces statistiques. Les statistiques descriptives sont utiles pour montrer des choses comme le stock total en inventaire, les dollars moyens dépensés par client et l’évolution des ventes d’une année sur l’autre. Des exemples courants d’analyse descriptive sont des rapports qui fournissent des aperçus historiques concernant la production, les finances, les opérations, les ventes, les finances, les stocks et les clients de l’entreprise.
Utilisez l’analyse descriptive lorsque vous devez comprendre à un niveau global ce qui se passe dans votre entreprise, et lorsque vous voulez résumer et décrire différents aspects de votre entreprise.
Analyse prédictive : Comprendre l’avenir
L’analyse prédictive trouve ses racines dans la capacité à « prédire » ce qui pourrait arriver. Ces analytiques ont pour but de comprendre l’avenir. L’analyse prédictive fournit aux entreprises des informations exploitables basées sur les données. L’analyse prédictive fournit des estimations sur la probabilité d’un résultat futur. Il est important de se rappeler qu’aucun algorithme statistique ne peut « prédire » l’avenir avec une certitude de 100%. Les entreprises utilisent ces statistiques pour prévoir ce qui pourrait se produire à l’avenir. En effet, le fondement de l’analyse prédictive repose sur les probabilités.
Ces statistiques tentent de prendre les données dont vous disposez et de combler les données manquantes avec les meilleures suppositions. Elles combinent les données historiques trouvées dans les systèmes ERP, CRM, RH et POS pour identifier des modèles dans les données et appliquer des modèles statistiques et des algorithmes pour capturer les relations entre divers ensembles de données. Les entreprises utilisent les statistiques et l’analyse prédictive chaque fois qu’elles veulent se projeter dans l’avenir. L’analyse prédictive peut être utilisée dans toute l’entreprise, qu’il s’agisse de prévoir le comportement des clients et les habitudes d’achat ou d’identifier les tendances des activités de vente. Elles aident également à prévoir la demande d’intrants de la chaîne d’approvisionnement, des opérations et des stocks.
Une application courante que la plupart des gens connaissent est l’utilisation de l’analyse prédictive pour produire un score de crédit. Ces scores sont utilisés par les services financiers pour déterminer la probabilité que les clients effectuent leurs futurs paiements de crédit à temps. Les utilisations commerciales typiques comprennent la compréhension de la façon dont les ventes pourraient se conclure à la fin de l’année, la prédiction des articles que les clients achèteront ensemble, ou la prévision des niveaux de stock en fonction d’une myriade de variables.
Utilisez l’analyse prédictive chaque fois que vous avez besoin de savoir quelque chose sur l’avenir, ou de compléter les informations que vous n’avez pas.
Analyse prescriptive : Conseiller sur les résultats possibles
Le domaine relativement nouveau des analyses prescriptives permet aux utilisateurs de « prescrire » un certain nombre de différentes actions possibles et de les guider vers une solution. En un mot, ces analytiques ont pour but de fournir des conseils. L’analyse prescriptive tente de quantifier l’effet des décisions futures afin de donner des conseils sur les résultats possibles avant que les décisions ne soient effectivement prises. Dans le meilleur des cas, l’analytique prescriptive prédit non seulement ce qui se passera, mais aussi pourquoi cela se produira, en fournissant des recommandations concernant les actions qui tireront parti des prédictions.
Ces analyses vont au-delà de l’analytique descriptive et prédictive en recommandant un ou plusieurs plans d’action possibles. Essentiellement, elles prédisent plusieurs futurs et permettent aux entreprises d’évaluer un certain nombre de résultats possibles en fonction de leurs actions. L’analyse prescriptive utilise une combinaison de techniques et d’outils tels que les règles de gestion, les algorithmes, l’apprentissage automatique et les procédures de modélisation informatique. Ces techniques sont appliquées par rapport aux entrées de nombreux ensembles de données différents, y compris les données historiques et transactionnelles, les flux de données en temps réel et le big data.
Les analyses prescriptives sont relativement complexes à administrer et la plupart des entreprises ne les utilisent pas encore dans le cadre de leurs activités quotidiennes. Lorsqu’elles sont mises en œuvre correctement, elles peuvent avoir un impact important sur la façon dont les entreprises prennent leurs décisions, et sur les résultats de l’entreprise. Les grandes entreprises utilisent avec succès l’analyse prescriptive pour optimiser la production, la programmation et les stocks dans la chaîne d’approvisionnement afin de s’assurer qu’elles livrent les bons produits au bon moment et d’optimiser l’expérience client.
Utilisez l’analyse prescriptive chaque fois que vous devez fournir aux utilisateurs des conseils sur les actions à entreprendre.
Vous voulez en savoir plus sur l’analyse descriptive, prédictive et prescriptive ? Téléchargez notre livre blanc intitulé Cinq questions à poser aux fournisseurs de solutions d’analyse avancée.