5 entreprises utilisant l'IA pour prédire l'avenir et le profit

Dans le premier volet de cette série sur l'analyse prédictive basée sur l'IA, nous avons exploré les fonctionnalités de cette technologie, ainsi que son potentiel pour créer des stratégies commerciales plus efficaces.

L'analyse prédictive peut être définie comme une forme d'exploration de données qui utilise la modélisation statistique pour analyser les modèles historiques, puis utilise ces modèles pour projeter les résultats futurs. Le déploiement de l'intelligence artificielle permet aux technologies d'analyse de repérer les relations entre les variables que les humains sont tout simplement incapables de voir.

Dans cet article, nous voulons donner vie à cette théorie avec cinq cas d'utilisation de l'analyse prédictive.

Il y a eu des histoires dignes d'intérêt dans ce domaine, notamment les gros titres « La cible sait quand vous êtes enceinte » qui a suscité tant d'attention il y a quelques années.

Les choses ont pas mal évolué depuis. L'évolution des plateformes d'analyse largement disponibles et accessibles a permis d'accéder à des modèles statistiques sophistiqués pour les entreprises de toutes tailles. Au-delà de l'hyperbole des prédictions de grossesse légèrement effrayantes, les mégadonnées sont plus généralement utilisées par les petites et grandes entreprises pour améliorer leurs fonctions quotidiennes.

En définissant les problèmes qu'ils souhaitent résoudre, en se procurant les bonnes données, en embauchant des personnes ayant les compétences nécessaires pour donner un sens aux données et en leur fournissant la technologie appropriée, toute entreprise peut aujourd'hui se lancer dans le domaine rentable de l'analyse prédictive.

Il y a trop de candidats pour considérer chaque exemple dans le cadre d'un seul article, nous avons donc plutôt essayé de fournir un échantillon représentatif d'analyses efficaces basées sur l'IA à travers un large éventail d'études de cas.

1. Optimisation de la chaîne d'approvisionnement : Walmart

Nous commençons par un exemple lourd, mais qui est une source d'inspiration pour tous les détaillants.

Alors que tant d'autres détaillants « historiques » sont en difficulté, Walmart a affiché des chiffres de croissance au cours des 11 derniers trimestres consécutifs. Cela s'explique notamment par une augmentation de 63 % des ventes en ligne d'une année sur l'autre.

Walmart a reçu de nombreux éloges pour sa volonté de s'adapter à l'ère numérique et parie sur sa capacité à relier les mondes en ligne et hors ligne pour concurrencer Amazon.

L'intelligence artificielle et l'analyse prédictive sont au cœur de cette dynamique. Walmart récupère instantanément les données de ses systèmes de point de vente et les intègre dans ses prévisions pour évaluer les produits susceptibles de se vendre et ceux qui ont sous-performé.

Combiné à des modèles de comportement en ligne, cela fournit une énorme quantité de points de données (plus de 40 pétaoctets) pour aider Walmart à se préparer à une augmentation ou à une baisse de la demande de produits.

Photo de chuttersnap sur Unsplash

Les données sont gérées dans le cloud via le « Data Cafe » de Walmart, qui est géré par l'équipe de Walmart Labs dans la Silicon Valley. Il s'agit d'une opération sophistiquée et à grande échelle en rapport avec le nombre de variables nécessaires à une entreprise de cette taille pour faire des projections précises à partir de données fiables.

Néanmoins, les avantages qu'il apporte peuvent également être recherchés par les petites entreprises.

Par exemple, l'utilisation par Walmart de l'IA et de l'analyse prédictive est inestimable pour la gestion des stocks, car les gestionnaires peuvent stocker de manière appropriée sans courir le risque d'avoir à effectuer des ajustements coûteux de dernière minute pour combler les lacunes lorsque la demande dépasse l'offre.

Ces prévisions permettent également à Walmart de personnaliser sa présence en ligne, en présentant des produits à des clients spécifiques en fonction de leur probabilité prévue de faire un achat.

La discipline et la rigueur qu'apporte cette approche signifient que Walmart peut s'en tenir à des dates de livraison strictes, car chaque étape de sa chaîne d'approvisionnement a été optimisée grâce à l'utilisation d'analyses prédictives. Tous ces domaines peuvent être améliorés par toute entreprise grâce à une technologie accessible comme Google et Adobe.

Fait révélateur, Walmart offre également des incitations aux clients sous la forme de réductions de prix ou de privilèges de saut de file d'attente s'ils récupèrent leurs achats dans un magasin physique. Même avec tous les avantages que l'analyse basée sur l'IA peut apporter à l'entreprise, concurrencer Amazon sur les frais d'expédition reste une tâche ardue.

2. Prévision de l'évolution des prix : Hopper

L'industrie du voyage est notoirement compétitive, avec des pics et des creux volatils de la demande et de nombreux itinéraires à faible marge. Cela peut laisser les voyageurs dans le noir, incertains du meilleur moment pour réserver. Parfois, il est préférable de réserver à l'avance, à d'autres moments, il est préférable d'attendre plus près de la date de départ.

Cela en fait un domaine mûr pour la puissance de l'analyse prédictive basée sur l'IA, un fait qui a vu la popularité de l'application de voyage Hopper augmenter considérablement depuis 2015.

Hopper garde une longueur d'avance en prédisant les futurs modèles de tarification et en alertant les voyageurs des heures les moins chères pour acheter des vols vers leurs destinations préférées.

Pour ce faire, il surveille des milliards de prix chaque jour et, sur la base des données historiques de chaque itinéraire, anticipe l'évolution de la tendance. Les utilisateurs peuvent ensuite configurer des notifications pour leur rappeler de réserver lorsque ces baisses de prix se produisent.

Bien qu'elle ne soit pas la seule entreprise de ce type à fournir ce service, Hopper rapporte un taux de précision de 95 % avec ses prévisions et prétend faire économiser aux clients une moyenne de plus de 50 $ par vol.

La capture d'écran ci-dessous montre comment ce processus fonctionne. Accompagné d'un lapin câlin à lunettes, je sélectionne l'itinéraire du vol New York-Honolulu pour des vacances bien méritées.

Sur la base de mes dates sélectionnées, le lapin étonnamment autoritaire me dit de réserver maintenant, car les billets pour cet itinéraire ne feront que devenir plus chers avec le temps.

Hopper fournit un excellent exemple d'entreprise qui considère l'apprentissage automatique et l'analyse prédictive comme les principes centraux de sa stratégie commerciale. Sans l'analyse prédictive, il n'y aurait pas de Hopper.

Cependant, les modèles statistiques qu'il utilise avec tant d'efficacité sont porteurs d'enseignements pour toutes les entreprises. Le succès de Hopper vient de sa fiabilité en tant que plate-forme objective de conseil aux consommateurs, essentiellement. En tant que telles, de nombreuses autres entreprises pourraient assumer ce rôle en utilisant des statistiques pour fournir des prévisions qui sont dans le meilleur intérêt du client, plutôt que simplement leurs propres résultats.

3. Croissance des petites entreprises : Point Defiance Zoo & Aquarium

Une enquête menée par SAP fin 2016 a révélé que plus de 70 % des dirigeants de petites entreprises estimaient qu'ils n'en étaient encore qu'aux « premiers stades » de l'obtention d'informations à partir de leurs données.

Un zoo de Tacoma, dans l'État de Washington, a contrecarré cette tendance en s'associant au National Weather Service pour identifier les facteurs qui ont fait augmenter et diminuer les chiffres de fréquentation de manière si imprévisible. Cela a créé des problèmes pour la direction, qui employait toujours le parc pour répondre à un large public, mais finissait souvent par dépenser trop d'argent en salaires en raison d'une fréquentation décevante.

Intuitivement, nous pourrions supposer que la fréquentation est plus élevée les jours chauds et secs, mais plus faible lorsqu'il fait froid ou humide. Cependant, en incorporant les données du National Weather Service dans la plate-forme Watson d'IBM basée sur l'IA, le zoo a pu identifier exactement les conditions qui ont poussé plus de personnes à visiter.

Ces connaissances ont ensuite été utilisées pour modéliser les tendances futures des visiteurs, en utilisant les chiffres de fréquentation historiques et les statistiques météorologiques projetées.

Le projet a été un énorme succès et est maintenant un élément central de la planification des activités du zoo. Point Defiance peut prédire les chiffres de fréquentation avec une précision supérieure à 95%, permettant aux gestionnaires de doter le parc de manière appropriée. Cela n'a pas d'impact négatif sur la façon dont les visiteurs découvrent le parc (peut-être même le contraire) et crée des gains d'efficacité commerciaux vitaux.

Les applications de cette méthodologie vont bien au-delà des simples chiffres de fréquentation, bien sûr. Port Defiance peut surveiller la façon dont les visiteurs interagissent avec le zoo, contribuant ainsi à offrir une meilleure expérience client. Des plans sont également en place pour utiliser des analyses prédictives basées sur l'IA pour surveiller les données de santé et diagnostiquer les problèmes avec les animaux du parc afin de fournir un traitement préventif.

4. Fidélisation du personnel : IBM

L'attrait fondamental de l'analyse prédictive est la possibilité d'obtenir de meilleurs résultats par rapport aux objectifs de l'organisation. Celles-ci sont souvent ouvertement basées sur le profit, mais l'analyse prédictive peut également aider à identifier les problèmes de rétention du personnel et à suggérer des solutions.

En téléchargeant un fichier de données structurées (comme dans la capture d'écran ci-dessous), Watson peut repérer les facteurs contributifs communs à l'attrition du personnel. Cela alimente ensuite la génération d'un « score de qualité » pour chaque employé, en fonction de sa probabilité projetée de quitter l'entreprise bientôt.

Là où cela prend tout son sens, c'est dans sa capacité à répondre aux demandes en langage naturel des utilisateurs. De la même manière que la nouvelle fonctionnalité Analytics de Google, qui récupère les données en réponse aux questions des utilisateurs, Watson peut répondre à des requêtes spécifiques et créer des visualisations de données en fonction des préférences de l'utilisateur.

Il s'agit d'un excellent exemple de plate-forme qui passe rapidement de l'analyse exploratoire et diagnostique au domaine de l'analyse prédictive. Tout propriétaire ou gestionnaire d'entreprise peut utiliser ces outils pour identifier avec précision ce qui provoque exactement le départ du personnel, mais il peut également voir ce qui se cache derrière ces facteurs et mettre en place des mesures préventives pour apaiser les départs potentiels. Étant donné le coût du recrutement de nouveau personnel par rapport à la rétention des employés hautement performants actuels, cela entraîne directement une diminution des coûts opérationnels.

5. Extension d'audience : Under Armour

L'extension d'audience est un autre domaine du marketing qui bénéficie considérablement de l'utilisation de l'IA et de l'analyse prédictive. En comprenant les caractéristiques quantitatives des clients existants à forte valeur ajoutée, il est possible d'identifier des individus similaires et de les cibler avec des messages personnalisés susceptibles de trouver un écho.

Savoir où dépenser votre budget publicitaire est essentiel, mais savoir où ne pas le dépenser l'est aussi. L'analyse prédictive permet à des entreprises comme Under Armour de se concentrer sur les domaines qui offriront les meilleurs rendements et de réinvestir un budget qui aurait autrement été dépensé de manière inexacte.

L'intelligence artificielle est utilisée par Under Armour pour effectuer des tâches telles que l'analyse des sentiments et l'écoute sociale afin de comprendre ce que les clients pensent de la marque et où se trouvent les lacunes du marché. Cela a conduit l'entreprise à se concentrer sur le développement d'une marque de fitness numérique, une initiative qui lui a permis de se tailler une nouvelle niche dans un marché saturé.

Under Armour fabrique des produits de fitness, mais aussi des applications et des appareils portables pour relier les mondes hors ligne et numériques. Plus les gens utilisent les produits, plus Under Armour peut collecter de données pour améliorer son offre. Et avec plus de 200 millions d'utilisateurs enregistrés et plus de 10 milliards d'interactions numériques par an, les données ne manquent pas.

Lisez le dernier volet de cette série : IA et analyse prédictive : quel avenir ?