Types d’analytique des données
Dans ce scénario, le VP sait que les ventes ne sont pas en croissance, mais cette observation unique ne lui dit pas quoi faire ensuite. Chaque question de suivi nécessite une méthode analytique différente. Cinq types d’analyse fonctionnent ensemble pour faire passer l’analyse de l’observation initiale à une recommandation tarifaire concrète.
Analytique descriptive : qu’est-ce qui s’est passé ?
L’analytique descriptive quantifie ce qui s’est passé sans expliquer pourquoi.
Pour Tailwind Traders, cela signifie créer un tableau de bord qui décompose les ventes totales par canal et par produit. Le tableau de bord montre que les ventes en ligne représentent près de la moitié de tous les revenus, avec les médias sociaux comme deuxième canal le plus important. Les magasins et les points de vente d’usine contribuent beaucoup moins. Les tendances mensuelles confirment l’inquiétude du VP : les ventes varient de façon saisonnière, mais n’affichent aucune croissance globale.
L’image suivante montre un tableau de bord des ventes et du marketing qui donne aux parties prenantes une vue d’ensemble des performances par le biais de cartes, de graphiques en anneau, de graphiques à barres et de courbes de tendance entre les canaux et les produits.
Analyse de diagnostic : pourquoi cela s’est-il produit ?
L’objectif est toujours de passer du symptôme à la cause.
Le tableau de bord a confirmé que les ventes ne sont pas en croissance, mais le VP doit maintenant savoir qui pilote les transactions qui se terminent. Le processus de diagnostic suit trois étapes :
- Identifier les éléments à examiner : les taux de fermeture varient considérablement entre les produits et les équipes commerciales.
- Collecter les données associées : niveaux de remise, catégories de produits, types de campagne, propriétaires de ventes.
- Trouvez le modèle : les niveaux de remise ont l’impact le plus important sur la fermeture d’une transaction, presque triplant la probabilité. Le type de produit et l’équipe commerciale influencent également les résultats.
Cette analyse offre un aperçu plus approfondi : l’équipe peut s’appuyer sur de lourdes remises pour fermer des transactions, ce qui permet de réduire le volume, mais de réduire les marges.
L’image suivante montre un exemple de visuel Influenceurs clés dans Power BI. Ce type de visuel identifie automatiquement les facteurs qui déterminent le plus fortement un résultat spécifique, les classent par impact et affichent la relation dans un nuage de points afin de pouvoir valider visuellement le modèle.
Analyse prédictive : que se passe-t-il ensuite ?
L’analytique prédictive utilise des modèles historiques pour estimer les résultats futurs avant qu’ils ne se produisent.
Maintenant que l’équipe comprend les résultats moteurs, le VP veut savoir où se dirige le chiffre d’affaires. L’équipe trace les revenus mensuels au cours des deux dernières années et ajoute une prévision. La courbe de tendance indique une légère baisse, et les prévisions annoncent la poursuite de cette tendance au cours des prochains mois.
L’image suivante montre un graphique en courbes avec une prévision intégrée. La zone grisée indique la direction que prend la tendance à partir des schémas historiques, offrant aux équipes une représentation visuelle de la plage probable des valeurs futures.
Analytique prescriptive : que devrions-nous faire ?
La question fondamentale est toujours : « Si nous faisons cela par rapport à cela, quel est le résultat probable ? »
L’analyse des diagnostics a révélé que les réductions importantes entraînent des fermetures mais font mal aux marges, et les prévisions montrent que les revenus diminuent progressivement. Le VP doit maintenant déterminer la bonne stratégie de tarification. L’équipe modélise l’impact de l’ajustement des prix d’une baisse de 10% à une augmentation de 20% et découvre un compromis clair : réduire les prix augmente les revenus, mais réduit les bénéfices, tandis que les augmentations modérées autour de 7-10% maximiser le profit avant la résistance des clients entraînent la chute des deux métriques.
L’image suivante montre un graphique à deux axes comparant le chiffre d’affaires ajusté au bénéfice ajusté à différents niveaux de prix, permettant aux décideurs de voir exactement à partir de quel moment le compromis passe d’avantageux à défavorable.
Analytique cognitive : qu’est-ce que l’IA peut nous aider à comprendre ?
L’analytique cognitive répond aux questions qui nécessitent un traitement au-delà de la capacité humaine, pas seulement des versions plus rapides du travail que vous pourriez effectuer manuellement.
Tailwind Traders collecte également des milliers d’avis client, de tickets de support et de mentions sur les réseaux sociaux. L’analytique cognitive utilise l’IA pour traiter ces données non structurées à une échelle que l’analyse manuelle ne peut égaler — en classant les retours par thème et par tonalité, en identifiant des corrélations inattendues parmi des centaines de variables et en faisant ressortir des tendances que les analystes mettraient beaucoup plus de temps à découvrir.
IA dans l’analytique
Au-delà de l’analytique cognitive en tant que méthode, les outils IA aident également les analystes à travailler plus efficacement sur les quatre types traditionnels. L’IA peut générer des résumés de données initiaux, suggérer quels facteurs examiner, détecter des anomalies et traduire des questions en langage naturel en requêtes analytiques.
Le rôle de l’analyste dans chaque cas reste le même : vérifiez que le type d’analytique approprié est appliqué, vérifiez que la sortie répond à la question posée et détermine si les données sont suffisamment fiables pour agir.
Tip
En examinant le scénario Tailwind Traders : le VP voulait comprendre pourquoi les ventes ne sont pas en croissance. Quel type d’analytique commenceriez-vous et quel type d’analytique appliqueriez-vous ensuite ?