Simulation Analyse predictive 1L'analyse prédictive agite les médias autant qu'elle génère de l'espoir particulièrement dans les secteurs de la santé. Domaine en pleine évolution, l'analyse prédictive n'a pas de définition précise et ne recouvre ni une technologie, ni une technique bien qu'elle puisse être grossièrement divisée en deux approches: reconnaissance et simulation.

  • la reconnaissance des formes : approche la plus courante, c'est le fondement de l'apprentissage automatique et de l'intelligence artificielle, centré sur les données. Vos algorithmes trouvent des modèles dans les données et cartographient les tendances futures. Fait remarquable : plus l'ensemble de données est grand, plus la précision des prédictions est grande. Par conséquent, le Big Data est souhaitable.

  • la simulation : approche alternative, plus humaine, pour comprendre les problèmes de l'entreprise, prédire les tendances et recommander les meilleures décisions. La simulation est centrée sur le modèle. Vous utilisez la connaissance humaine pour créer un modèle du système. Vous connectez ensuite les données dont vous disposez avec ce modèle pour obtenir une projection. Par exemple, pour prédire les futures ventes, vous devez modéliser leurs principaux facteurs de causalité, tels que l'expérience des vendeurs, la qualité du produit, les différents facteurs du marché, et les liens entre ces facteurs. Plus l'expertise humaine est grande, plus la précision des prédictions est grande.

La différence fondamentale entre les deux approches est que la reconnaissance des formes repose sur la corrélation, alors que la simulation repose sur la connaissance humaine de la causalité.

Simulation Analyse predictive 2


Quels sont les avantages de la simulation ?

La reconnaissance de formes et la simulation peuvent toutes deux être des approches efficaces de l'analyse prédictive mais attachons-nous aux trois avantages clés de la simulation.

Simulation Analyse predictive 3

  1. La simulation intègre des signaux absents des données

Les facteurs causaux essentiels sont souvent absents de vos données. Par exemple, les facteurs dits «mous», tels que la pression du temps, le moral et la réputation, peuvent avoir un effet significatif sur les résultats souhaités, mais sont rarement captés par les systèmes d'information.

En simulation, tout ce qui est connu peut être inclus dans le modèle et des facteurs inconnus peuvent être estimés. Les projections qui en résultent prendront ces facteurs en considération et quantifieront le degré d'incertitude.

  1. La simulation a des coûts d'acquisition et de traitement des données relativement faibles

Nous avons vu que la reconnaissance des formes nécessitait un grand volume de données de qualité, ce qui a un coût important. Au contraire, la simulation utilise les données disponibles et n'exige pas que toutes ces données recherchent des corrélations significatives. Les causes du problème sont déjà intégrées dans le modèle. Par conséquent, la simulation a souvent une étape d'acquisition de données moins longue et moins coûteuse.

  1. La précision des prédictions de simulation est très fiable

L'un des défis de la reconnaissance des formes est que la corrélation ne reflète pas toujours la causalité. Souvent, les données contiennent de fausses corrélations qui conduisent à des prédictions erronées.

La simulation commence par une compréhension précise des causes et effets, fondée sur des connaissances scientifiques et, par conséquent, elle produit des résultats fiables. La simulation utilise également une phase de test et d'ajustement du modèle qui améliore à la fois la précision prédictive et notre compréhension de la cause et de l'effet.

Avec de tels avantages, on peut se demander pourquoi la simulation a reçu si peu d'attention au cours de cette médiatisation excessive de l'analyse prédictive. Jusqu'à présent, les plus grands partisans de la simulation ont été des universitaires et des sociétés de conseil spécialisées, qui ont créé des applications auprès d'un large panel d'industries.

Au sein de Dimensional Insight, nous reconnaissons le pouvoir prédictif de la simulation et étudions d'éventuelles applications dans le domaine de la santé en partenariat avec Ventana Systems, une société qui a plus de 30 ans d'expérience dans la fourniture de solutions prédictives. Découvrez toutes les possibilités offertes par la solution Diver.