Pour les opérateurs téléphoniques, proposer et garantir un réseau fixe et mobile de qualité est un enjeu majeur pour séduire de nouveaux clients et fidéliser les abonnés. Bien utilisée, l’analyse prédictive peut fournir en temps réel de précieuses informations pour améliorer la qualité de service d’un opérateur.

En étroite collaboration avec les ingénieurs réseaux, Redstone Partners s’appuie sur le protocole de maintenance prédictive suivant :

• Nos outils récupèrent les traces sur l’ensemble du réseau. Il s’agit notamment des flux de données, des pertes paquets, gigue (variation de la latence de transmission de paquets) et des latences.
• Cela permet de détecter les défaillances du réseau sur seuil
• Un cluster Elasticsearch stocke les données en temps réel
• Enfin, la détérioration du réseau est calculée en temps réel (Python)

Ce protocole permet de détecter et analyser finement les pertes de qualité du réseau fixe et mobile. Cette analyse et ces données peuvent ensuite être utilisées pour prédire les comportements du réseau.L’opérateur téléphonique peut alors mettre en place des correctifs et outils nécessaires. A terme, il garantit ainsi à ses clients une qualité de réseau améliorée.

L’outil repose sur un environnement technique solide, qui s’appuie sur Elasticsearch, Logstash, Kibana et Python.

Pour découvrir plus de cas d’usage, vous pouvez nous retrouver sur notre page LinkedIn. Nous y publions très régulièrement des études de cas, des focus sur les métiers de l’analyse prédictive, etc

L’article La maintenance prédictive pour améliorer la qualité du réseau téléphonique est apparu en premier sur Redstone Partners.

L’article Pourquoi l’analyse prédictive est-elle importante pour l’avenir de votre entreprise ?  est apparu en premier sur Redstone Partners.

L’article Dataiku : l’intelligence artificielle à la portée de toutes les entreprises ! est apparu en premier sur Redstone Partners.

Notre offre Smart Data permet d’aider à comprendre et détecter afin de prédire des tendances et des corrélations basées sur les données à disposition. À l’heure actuelle, il est possible de prédire statistiquement les comportements d’achat d’un client sur un site web. L’analyse de son profil (clustering), de ses habitudes d’achat, et des achats corrélés, ainsi que l’ajout de données météo prédictive permettent de prédire la fréquentation du site.

Le P&L Prédictif pour les Directions Financières

Dans le cas du P&L prédictif pour la Direction financière, notre méthode associe données opérationnelles et données financières. Ainsi, le but est d’obtenir une meilleure compréhension sur les différentes activités d’un groupe et permettre de créer des synergies entre activités, services, données :

• Prédictif par compte / rubrique budgétaire :
  • Mise en place de prédictions de vente, d’achats et de charges (fixes/variables)
  • Réévaluation du modèle de prévision régulièrement en fonction des données chargées (lissage).
• Prédictif en cascade – sortie du modèle de prévision en sillon 
  • La mise en place de modèles prédictifs en cascades permet de corréler les différentes prévisions réalisées dans l’entreprise.
  • De plus, les modèles prédictifs prennent également en compte des bases de données externes mondiales pour pondérer certains facteurs.
• Détection d’anomalie comptable dans le système
  • Nous analysons les points aberrants ou les opérations répétitives dans le système comptable trop faibles pour être détectés manuellement.
• Un prédictif en support par rapport aux prévisions déjà réalisées en interne par les opérationnels et contrôleur de gestion.

L’article Le P&L Prédictif – un savoir-faire Redstone Partners est apparu en premier sur Redstone Partners.

Chez Redstone Partners, nous sommes convaincus que la compréhension des objectifs métier et une bonne formalisation des enjeux sont essentiels. La sélection de données pertinentes est la clé d’un modèle d’analyse prédictive performant.

C’est pourquoi il est primordial de commencer par valider la solution technique sur une problématique précise, pour ensuite la déployer à l’échelle de votre entreprise.

Découvrez notre méthodologie « smart data ».

Notre méthodologie d’analyse prédictive « smart data »

La démarche proposée par Redstone Partners est simple et efficace :

• Identifier et comprendre une problématique métier : RH, commercial, marketing, etc.
• Vous accompagner dans la formalisation de votre besoin et de vos objectifs : voulez-vous affiner vos prévisions de vente ? fidéliser vos collaborateurs ? détecter et éviter les incidents et les fraudes ?
• Identifier et préparer les données les plus pertinentes pour répondre à cette problématique.
• Élaborer plusieurs modèles prédictifs, reposant sur des technologies comme l’intelligence artificielle (IA) et le machine learning, pour répondre à la problématique identifiée avec vous, à partir d’un échantillon de données représentatif
• Évaluer ces modèles par rapport à vos objectifs métier et ainsi sélectionner le modèle le plus proche de votre besoin
• Tester et améliorer ce modèle avec vos données opérationnelles

A l’issue de cette phase de mise en place, nous sommes alors prêts à déployer le modèle sur l’ensemble de vos données. En effet, quel que soit votre secteur d’activité, l’analyse prédictive vous permet d’optimiser vos opérations et de réduire les risques.

Parce que les données internes comme externes évoluent sans cesse, ce modèle s’enrichira au fur et à mesure. L’analyse prédictive s’affine alors dans une démarche d’amélioration continue qui est au cœur de nos valeurs.

L’article Prédire vos résultats grâce à vos gisements de données avec l’analyse prédictive : découvrez notre démarche est apparu en premier sur Redstone Partners.

Le Big Data ou la fin des outils de gestion artisanaux ?

Littéralement, « données massives » ou « mégadonnées », le Big Data désigne un ensemble de données si volumineuses qu’il n’est plus possible de les travailler via des outils classiques de gestion de bases de données. Aujourd’hui, les informations proviennent de partout : signaux GPS, données transactionnelles d’achats en ligne, Cloud… L’évolution des technologies permet de traiter la triple problématique du Big Data, parfois désignée par la « règle des 3 V » : 

• Volume de données à traiter (téraoctets, transactions, contenus…), 
• Variété des informations reçues (structurées, non structurées, semi-structurées)
• Niveau de Vélocité à atteindre (autrement dit la fréquence de création, de collecte et de partage de ces données).

Le Big Data représente donc un enjeu de taille pour les entreprises, notamment dans le monde de la finance. Le Big Data offre l’opportunité aux DAF de se positionner en tant que véritables conseillers stratégiques au sein des entreprises. Et pour cause, maîtriser le Big Data c’est réduire les risques et faciliter la prise de décisions. Les outils de gestion classiques ne peuvent plus suffire à gérer et exploiter toutes ces données. C’est pourquoi de nouvelles techniques sont nécessaires, telles que l’Analyse Prédictive.

L’Analyse Prédictive ou la valorisation des données issues du Big Data

Mais, si le Big Data peut permettre de réduire les risques et ainsi faciliter la prise de décision, il reste un concept à double tranchant. L’autre versant expose les entreprises à des données inexactes ou incomplètes, à des calculs erronés ou encore à des redondances… Autant de pièges à éviter si l’on veut conserver sa réputation. Le Big Data est donc comme un outil à mettre au service d’une Analyse Prédictive qu’il faut savoir exploiter.

Comme son nom l’indique, l’Analyse Prédictive permet d’analyser des faits présents et passés pour en tirer des conclusions sur les événements actuels et à venir. Si les résultats de cette analyse restent des hypothèses – une Analyse Prédictive n’est jamais parole d’évangile – son succès repose sur un Big Data fiable et travaillé (c’est 70% du travail d’analyse !). De ce fait, l’Analyse Prédictive aide les prises de décisions au sein de l’entreprise. Il revient ensuite aux têtes dirigeantes de mener des actions de manière proactive et efficace en fonction de ses résultats. L’Analyse Prédictive est de plus en plus utilisée car elle combine l’explosion des volumes de données et le développement de solutions prédictives à la fois efficaces et simples d’utilisation.

Ainsi, Big Data et Analyse Prédictive sont devenus des leviers d’excellence au sein des entreprises. Ils trouvent de nombreux champs d’application dans le domaine financier, en particulier. Citons, par exemple, leur pertinence dans la détection des fraudes, de la prévision des ventes ou encore du cycle de vie client.

Des cas d’études concrets

Détection des fraudes

Dans le domaine de la détection des fraudes, les techniques prédictives présentent plusieurs avantages. Tout d’abord, elles permettent des analyses plus exhaustives qui peuvent compléter les sondages entrepris par les auditeurs. Elles prennent notamment en compte toutes les transactions et pas seulement les montants importants. Elles facilitent aussi la détection de configurations atypiques qui sont difficiles à identifier manuellement. Ensuite, elles permettent de contrôler, en continu et de manière impromptue. Enfin, les anomalies détectées par un modèle prédictif seront infirmées ou confirmées par l’auditeur. Cela qui permet ensuite de faire progresser le modèle en continu à partir de cette base.

Prévision des ventes

En termes de prévision des ventes, les techniques prédictives complètent les démarches traditionnelles basées sur l’intuition des vendeurs et sur les informations fournies par les clients. L’Analyse Prédictive, sur ce point, peut prendre en considération l’historique des ventes par période, produit, segment, marché… mais également d’autres facteurs influenceurs qui contribuent à expliquer les variations non liées à la tendance et à la saisonnalité, communément nommés « prédicteurs ». Ces derniers peuvent être internes (exemple : une action marketing) ou externes à l’entreprise (exemple : le pouvoir d’achat des ménages).  Dans tous les cas, les bénéfices en termes de prévisions des ventes sont importants : prévisions plus fiables, gain de temps, mise à jour des prévisions plus fréquente, etc.

Cycle de vie client (Customer lifetime value)

Enfin, le cycle de vie client (Customer Lifetime Value) est également une notion importante qui doit beaucoup au progrès considérable de l’Analyse Prédictive et du Big Data. Elle permet d’évaluer la valeur actuelle des bénéfices attendus sur la durée de vie d’un client. Ce paramètre est d’autant plus important qu’il repose sur le fait que la plupart des bénéfices des entreprises proviennent des clients fidèles plutôt que des nouveaux clients. Il convient donc de prendre en compte le potentiel de chaque client dans la durée. C’est aussi une notion puissante afin de guider la décision et l’action dans des domaines aussi divers que la gestion de la relation client, les programmes de fidélisation, les promotions commerciales et même la planification financière et l’évaluation des entreprises…

Une méthodologie pour exploiter le Big Data au service des entreprises

La démarche prédictive de Redstone Partners s’appuie sur la méthodologie CRISP-DM développée par IBM. Elle se compose de 6 étapes allant de la compréhension du problème métier au déploiement et à la mise en production. Elle permet d’élaborer plusieurs modèles prédictifs, afin de répondre à la problématique métier identifiée par l’entreprise. Les clients commencent par une Proof of Concept (POC) qui permettra d’appliquer cette méthodologie au service de leur entreprise. Elle doit permettre un retour d’expérience puis la validation d’une solution technique, en fonction des données opérationnelles.  

En ce sens, le POC est la première pierre d’un édifice conjuguant efficacité opérationnelle et performance financière…

L’article Big data et analyse prédictive, leviers d’excellence pour la fonction finance est apparu en premier sur Redstone Partners.