Analyse de données

Réservés au domaine quasi-exclusif de la recherche il y a encore quelques années, des algorithmes performants éprouvés, open-source pour la plupart, permettent aujourd'hui d'exploiter efficacement de gros volumes d'information.

L'essentiel de la récente avancée technologique s'est faite dans le domaine de l'apprentissage automatique « machine-learning » qui permet d'aborder des problématiques trop complexes pour l'approche analytique...

Des données pour quoi faire ?

Voici quelques exemples d’applications courantes (liste non exhaustive) :

Analyses descriptives :

• Caractériser mes clients, évaluer l'impact de différents facteurs sur mes ventes
• Analyser et surveiller la réputation de mon entreprise sur les réseaux sociaux
• Synthétiser la satisfaction des client vis-à-vis de tel ou tel service, produit...
• Quantifier l’influence de différents facteurs ou caractéristiques environnementales sur telle ou telle pathologie.

Analyse prédictive :

• prédiction de la demande en fonction de la saisonnalité pour optimiser un stock
• évaluation du risque lié à un emprunt, un investissement, un fournisseur,…
• étude de marché : anticiper l’évolution du marché dans tel ou tel secteur

Détection d’anomalies :

• détection de fraudes (assurance, banque,...)
• détection en amont d’une défaillance naissante pour déclencher une maintenance corrective