C'est quoi Data Analytics?

 

Data Analytics 

1.     Définition :

       Le Data Analytics, abrégé par DA, est une science consistant à examiner des données brutes, dans le but de tirer des conclusions à partir de ces informations. Le Data Analytics est utilisé dans de nombreuses industries afin de permettre aux entreprises et aux organisations de prendre de meilleures décisions. Dans le domaine scientifique, il est utilisé pour vérifier des théories ou pour réfuter des modèles existants.

2.     Les types Data Analytics

·         Analyse descriptive

·         Diagnostic Analysis

·         Analyse prédictive

·         Analyse prescriptive

 

  Analyse descriptive

     L'analytique descriptive est une étape préliminaire du traitement des données qui consiste à synthétiser des données historiques pour en tirer des informations utiles voire les préparer en vue d'une analyse complémentaire.

Les méthodes d'agrégation et d'exploration (data mining) permettent d'organiser les données de façon à mettre en évidence des schémas et relations qui ne seraient pas visibles autrement. Il est également possible de créer des requêtes, des rapports et des visualisations, afin d'apporter un éclairage supplémentaire.

Les applications commerciales de l'analyse descriptive comprennent:

• Tableaux de bord KPI
• Rapports de revenus mensuels
• Présentation des prospects

 

                 Diagnostic Analysis

     L'analyse diagnostique prend les informations trouvées à partir des analyses descriptives et explore les causes de ces résultats. Les organisations utilisent ce type d'analyse car il crée plus de connexions entre les données et identifie les modèles de comportement.

Un aspect critique de l'analyse diagnostique est la création d'informations détaillées. Lorsque de nouveaux problèmes surviennent, il est possible que vous ayez déjà collecté certaines données relatives au problème. En ayant déjà les données à votre disposition, cela finit par devoir répéter le travail et rend tous les problèmes interconnectés.

Les applications commerciales de l'analyse diagnostique comprennent:

• Une entreprise de fret enquête sur la cause de la lenteur des expéditions dans une certaine région
• Une entreprise SaaS explore pour déterminer quelles activités marketing ont augmenté les essais

      Analyse prédictive

     Ce type d'analyse est un autre pas en avant par rapport aux analyses descriptives et diagnostiques. L'analyse prédictive utilise les données que nous avons résumées pour faire des prédictions logiques des résultats des événements. Cette analyse repose sur la modélisation statistique, qui nécessite une technologie et une main-d'œuvre supplémentaires pour faire des prévisions. Il est également important de comprendre que la prévision n'est qu'une estimation; l'exactitude des prévisions repose sur la qualité et des données détaillées.

Alors que l'analyse descriptive et diagnostique sont des pratiques courantes dans les entreprises, l'analyse prédictive est l'endroit où de nombreuses organisations commencent à montrer des signes de difficulté. Certaines entreprises n'ont pas la main-d'oeuvre nécessaire pour mettre en œuvre l'analyse prédictive dans tous les endroits qu'elles souhaitent. D'autres ne sont pas encore prêts à investir dans des équipes d'analyse dans chaque département ou ne sont pas prêts à former les équipes actuelles.

Les applications commerciales de l'analyse prédictive comprennent:

• L'évaluation des risques
• Prévisions des ventes
• Utilisation de la segmentation des clients pour déterminer quels prospects ont les meilleures chances de conversion
• Analyse prédictive dans les équipes de réussite client

   Analyse prescriptive

L'analyse prescriptive utilise une technologie de pointe et des pratiques de données. C'est un engagement organisationnel énorme et les entreprises doivent s'assurer qu'elles sont prêtes et disposées à déployer les efforts et les ressources.

L'intelligence artificielle (IA) est un parfait exemple d'analyse prescriptive. Les systèmes d'IA consomment une grande quantité de données pour apprendre en permanence et utiliser ces informations pour prendre des décisions éclairées. Des systèmes d'IA bien conçus sont capables de communiquer ces décisions et même de les mettre en action. Les processus métier peuvent être exécutés et optimisés quotidiennement sans qu'un humain ne fasse quoi que ce soit avec l'intelligence artificielle.

Actuellement, la plupart des entreprises axées sur le Big Data (Apple, Facebook, Netflix, etc.) utilisent l'analyse prescriptive et l'IA pour améliorer la prise de décision. Pour d'autres organisations, le passage à l'analyse prédictive et prescriptive peut être insurmontable. À mesure que la technologie continue de s'améliorer et que de plus en plus de professionnels sont formés aux données, nous verrons plus d'entreprises entrer dans le domaine des données.

N'oubliez pas de laisser un commentaire pour nous dire ce que vous pensez du sujet et de suggérer des sujets à couvrir la prochaine fois.