Les modèles prédictifs séduisent de plus en plus les entreprises. C'est ce que révèle une étude menée par IDC pour le compte de Dataiku auprès de 162 directions métiers d'entreprises de 500 salariés et plus.
La modélisation prédictive intéresse de plus en plus de secteurs. Car sa finalité est séduisante : utiliser des données et des statistiques pour prédire des résultats à l’aide de modèles de données.
Il n’est donc pas étonnant que l'étude menée par IDC France auprès de 162 directions métiers d'entreprises françaises du secteur privé indique que la moitié des entreprises interrogées confient avoir déjà déployé des modèles prédictifs basés sur le Machine Learning ou être en cours de déploiement.
Précisons toutefois que le Machine learning (apprentissage automatique) doit être distingué de la modélisation prédictive ; il se définit comme l’utilisation de techniques statistiques pour permettre à un ordinateur d’interpréter des modèles prédictifs.
La modélisation prédictive est donc très utile. Pour conserver un avantage compétitif, il est essentiel d’avoir des informations sur les événements et résultats à venir qui remettent en question des hypothèses essentielles.
Résultat, 21 % des directions métiers en font une priorité d'ici à 2021.
Sur le podium des métiers utilisateurs de ces technologies, les directions commerciales montent sur la première marche (41 %) suivies du marketing (37 %) et de la production (33 %).
Il subsiste, néanmoins, toujours un gros écart entre les entreprises de 500 à 1000 salariés et celles de plus de 1000 salariés. Principale raison : une méconnaissance de l’apport des technologies encore récentes comme le ML.
Mais si en 2019 le taux d'adoption est en très nette augmentation comparé à 2018, de nombreux challenges restent à relever pour diffuser l'utilisation de ces technologies à l'ensemble de l'entreprise :
Dans cette étude, plusieurs obstacles au déploiement des modèles prédictifs à toute l'entreprise ont été identifiés :
- Absence de gouvernance de la donnée et manque de compétences :
- Manque de collaboration entre les métiers et les spécialistes de la donnée ;
- Mauvaise qualité de la donnée
- Des délais de réalisation trop longs :
Développer de nouvelles applications, obtenir des analyses avancées des données ou encore les coûts liés au développement dont des points noirs dans la satisfaction des métiers dans l'utilisation des modèles prédictifs.
« Si les directions métiers sont de plus en plus convaincues de l'intérêt d'utiliser les modèles prédictifs pour les aider dans leurs missions quotidiennes comme identifier les opportunités commerciales, les leads, anticiper les défaillances techniques ou les ruptures de stocks, cette étude révèle que les entreprises doivent repenser leur organisation en la structurant autour de la donnée. Sans cette transformation, elles ne pourront tirer pleinement profit des bénéfices du big data », déclare Grégory Herbert, SVP Sales, Dataiku.
Selon IDC, le gros du travail dans les prochaines années va être de généraliser le système de plateforme de développement permettant aux spécialistes de la donnée de travailler étroitement avec les métiers.
Source : IDC
