Qu'est-ce que l'analyse normative?
L'analyse normative est un type d'analyse de données - l'utilisation de la technologie pour aider les entreprises à prendre de meilleures décisions grâce à l'analyse des données brutes. Plus précisément, l'analyse normative tient compte des informations sur les situations ou scénarios possibles, les ressources disponibles, les performances passées et les performances actuelles, et suggère une ligne de conduite ou une stratégie. Il peut être utilisé pour prendre des décisions sur n'importe quel horizon temporel, de l'immédiat au long terme.
L'opposé de l'analyse normative est l'analyse descriptive, qui examine les décisions et les résultats après coup.
Fonctionnement de l'analyse normative
L'analyse normative repose sur des techniques d'intelligence artificielle, telles que l'apprentissage automatique - la capacité d'un programme informatique, sans intervention humaine supplémentaire, de comprendre et de progresser à partir des données qu'il acquiert, en s'adaptant tout le temps. L'apprentissage automatique permet de traiter l'énorme quantité de données disponibles aujourd'hui. À mesure que de nouvelles données ou des données supplémentaires deviennent disponibles, les programmes informatiques s’adaptent automatiquement pour en faire usage, dans un processus beaucoup plus rapide et plus complet que les capacités humaines ne pourraient le gérer.
De nombreux types d'entreprises et d'organismes gouvernementaux à forte intensité de données peuvent bénéficier de l'utilisation de l'analyse normative, y compris dans les secteurs des services financiers et des soins de santé, où le coût des erreurs humaines est élevé.
L'analyse normative fonctionne avec un autre type d'analyse de données, l'analyse prédictive, qui implique l'utilisation de statistiques et de modélisation pour déterminer les performances futures, en fonction des données actuelles et historiques. Cependant, il va plus loin: en utilisant l'estimation de l'analyse prédictive de ce qui est susceptible de se produire, il recommande la voie à suivre.
Les avantages et les inconvénients de l'analyse normative
L'analyse normative peut réduire l'encombrement de l'incertitude immédiate et des conditions changeantes. Il peut aider à prévenir la fraude, à limiter les risques, à accroître l'efficacité, à atteindre les objectifs commerciaux et à fidéliser les clients.
Cependant, l'analyse normative n'est pas infaillible. Elle n'est efficace que si les organisations savent quelles questions poser et comment réagir aux réponses. Si les hypothèses d'entrée ne sont pas valides, les résultats de sortie ne seront pas précis.
Cependant, lorsqu'elles sont utilisées efficacement, les analyses prescriptives peuvent aider les organisations à prendre des décisions basées sur des faits hautement analysés plutôt que de tirer des conclusions sous-informées basées sur l'instinct. L'analyse normative peut simuler la probabilité de divers résultats et montrer la probabilité de chacun, aidant les organisations à mieux comprendre le niveau de risque et d'incertitude auquel elles sont confrontées qu'elles ne pourraient se fier aux moyennes. Les organisations peuvent mieux comprendre la probabilité des pires scénarios et planifier en conséquence.
Points clés à retenir
- L'analyse prescriptive utilise l'apprentissage automatique pour aider les entreprises à décider d'un plan d'action basé sur les prédictions d'un programme informatique.L'analyse prescriptive fonctionne avec l'analyse prédictive, qui utilise des données pour déterminer les résultats à court terme.Lorsqu'elle est utilisée efficacement, l'analyse prescriptive peut aider les organisations à prendre des décisions basé sur des faits et des projections pondérées par les probabilités, plutôt que de sauter à des conclusions sous-éclairées basées sur l'instinct.
Exemples d'analyses normatives
De nombreux types d'entreprises et d'organismes gouvernementaux à forte intensité de données peuvent bénéficier de l'utilisation de l'analyse normative, y compris dans les secteurs des services financiers et des soins de santé, où le coût des erreurs humaines est élevé.
Des analyses normatives pourraient être utilisées pour évaluer si un service d'incendie local devrait obliger les résidents à évacuer une zone particulière lorsqu'un feu de forêt brûle à proximité. Il pourrait également être utilisé pour prédire si un article sur un sujet particulier sera populaire auprès des lecteurs sur la base de données sur les recherches et les partages sociaux pour des sujets connexes. Une autre utilisation pourrait être d'ajuster un programme de formation des travailleurs en temps réel en fonction de la façon dont le travailleur répond à chaque leçon.
Analyse normative pour les hôpitaux et les cliniques
De même, les analyses prescriptives peuvent être utilisées par les hôpitaux et les cliniques pour améliorer les résultats pour les patients. Il met les données sur les soins de santé en contexte pour évaluer la rentabilité de diverses procédures et traitements et pour évaluer les méthodes cliniques officielles. Il peut également être utilisé pour analyser les patients hospitalisés qui ont le plus grand risque de réadmission afin que les prestataires de soins de santé puissent faire plus, via l'éducation des patients et le suivi des médecins pour éviter les retours constants à l'hôpital ou aux urgences.
Analyses normatives pour les compagnies aériennes
Supposons que vous soyez le PDG d'une compagnie aérienne et que vous souhaitiez maximiser les bénéfices de votre entreprise. Les analyses normatives peuvent vous aider à le faire en ajustant automatiquement le prix et la disponibilité des billets en fonction de nombreux facteurs, notamment la demande des clients, la météo et les prix de l'essence. Lorsque l'algorithme identifie que les ventes de billets pré-Noël de cette année de Los Angeles à New York sont à la traîne de l'année dernière, par exemple, il peut automatiquement baisser les prix, tout en veillant à ne pas les laisser trop bas à la lumière des prix du pétrole plus élevés de cette année.
Dans le même temps, lorsque l'algorithme évalue la demande plus élevée que d'habitude de billets de Saint-Louis à Chicago en raison des conditions routières glaciales, il peut augmenter automatiquement le prix des billets. Le PDG n'a pas à regarder un ordinateur toute la journée pour voir ce qui se passe avec les ventes de billets et les conditions du marché, puis demander aux travailleurs de se connecter au système et de modifier les prix manuellement; un programme informatique peut faire tout cela et plus encore - et à un rythme plus rapide aussi.
