Les données de défense relèvent de la souveraineté nationale, sont classifiées et revêtent une importance cruciale sur le plan opérationnel.

Prenons un premier exemple. Le framework TIMi est actuellement utilisé au quotidien par la société Business & Decision du Benelux pour créer des modèles de « propension à l’achat » pour son service MMS (Managed Marketing Service). Business & Decision crée (avec TIMi) des modèles de « propension à l’achat » pour des entreprises de renom telles que : Audi, DDB, Renault, etc. Une liste plus complète est disponible ici : http://www.businessdecision.be/2277-about-us.htm.

Avant de choisir TIMi comme unique outil d’exploration de données, Business&Decision a procédé à une analyse approfondie et à une comparaison détaillée de nombreux autres outils d’exploration de données très réputés. Le test comparatif s’est déroulé comme suit : chaque éditeur de logiciel a reçu un extrait anonymisé (incomplet) du jeu de données utilisé pour le service MMS et devait créer, en quelques jours, un modèle prédictif aussi précis que possible (le « lift » sur l’ensemble TEST devant être le plus élevé possible). Les résultats de ce test comparatif ont été les suivants :

• Outil analytique 1 (AT1) : L’outil analytique AT1 est une suite statistique commerciale très connue et très coûteuse, considérée comme la référence dans son domaine. Après deux jours de travail acharné, l’équipe interne de consultants d’AT1 parvient enfin à importer le fichier texte contenant l’ensemble de données dans AT1. De nombreuses difficultés (dues à la taille importante de l’ensemble de données : 3 000 colonnes) ont été rencontrées. AT1 n’a pas été en mesure d’analyser directement l’ensemble de données (là encore en raison de sa taille importante) : certaines décisions « manuelles » et approximatives ont dû être prises pour réduire manuellement (en se basant sur l’« intuition » du statisticien) la taille de l’ensemble de données. Au bout d’une journée de travail supplémentaire, le jeu de données était suffisamment « petit » pour être injecté dans le moteur analytique d’AT1. Après 42 heures de calcul, AT1 a livré un modèle prédictif dont la précision était NULLE. L’équipe de consultants d’AT1 est alors revenue voir la société Business&Decision pour lui demander si elle « faisait une blague stupide avec un ensemble de données ne contenant que des nombres aléatoires ? »
• Outil analytique 1 (AT2) : L’outil analytique AT2 est une suite logicielle commerciale de data mining très coûteuse et automatisée, largement reconnue. Le logiciel AT2 a permis de créer un modèle prédictif d’une précision normale (lift = 40 % à 10 %) après 3 heures de calcul. Quelques brèves manipulations manuelles ont été nécessaires pour réduire la taille de l’ensemble de données avant l’analyse (échantillonnage) (cette procédure manuelle a pris moins d’une heure supplémentaire).
• TIMi : Le logiciel TIMi a permis de créer de manière fiable un modèle prédictif d’une grande précision (lift = 50 % à 10 %) en seulement 4 minutes de temps de calcul. La tâche demandée à l’analyste était simple et rapide : quelques clics de souris, et le tour était joué !

Ces résultats d’analyse comparative ont été dévoilés de manière informelle par le responsable de l’équipe de datamining prédictif de Business & Decision Benelux.

Ces tests comparatifs démontrent une nouvelle fois la supériorité du moteur prédictif TIMi sur des ensembles de données « réels » issus du monde industriel. Nos résultats exceptionnels obtenus lors de divers concours internationaux de data mining témoignent également de la précision remarquable du moteur analytique TIMi.

TIMi est l’un des rares logiciels d’exploration de données capables de vous fournir une liste précise et très concise des seules variables/colonnes qui ont une influence sur la prédiction. Grâce à cette liste (généralement très courte), vous pouvez facilement obtenir un « portrait » clair de votre cible : voici un extrait d’un rapport TIMi :

L’objectif était ici de prédire si une personne allait acheter un appareil GPS.

Vous trouverez ici une capture d’écran d’un rapport d’analyse standard, généré automatiquement par TIMi. Ce rapport d’analyse prédictive décrit avec précision le « portrait » ou le « profil » de l’« acheteur d’appareils GPS ».

Parmi les 200 colonnes/variables disponibles dans l’ensemble de données analysé, TIMi a décidé de construire un modèle prédictif utilisant uniquement 10 variables. Plus précisément : comme vous pouvez le constater dans le rapport d’analyse ci-dessus, afin de prédire si une personne achètera un système GPS :

TIMi a décidé d’utiliser les variables suivantes :

• « Nombre d’équipements home cinéma »
• « Utilisez les services bancaires en ligne »
• « Acheter un MP3 »
• « Nombre d’achats effectués sur Internet »
• « Souscrire un abonnement à la télévision numérique »
• « Temps passé sur Internet »

TIMi a décidé d’IGNORER les variables suivantes :

• « vacances sportives »
• « Acheter du matériel de randonnée »
• « Achète un sac à dos »
• « Achetez des séjours sportifs »
• « Acheter des séjours safari/nature »

D’après ce rapport, on peut en conclure qu’il semble que le « profil » type de l’« acheteur d’un appareil GPS » en 2007 correspondait à une personne dotée de solides connaissances techniques (n’oublions pas que ce modèle a été élaboré en 2007 : ce « profil » a peut-être évolué depuis).

Il est intéressant de noter qu’en 2007, une entreprise célèbre (qui commercialise encore aujourd’hui des appareils GPS) a lancé une campagne publicitaire dans laquelle on pouvait voir, à la télévision, un spot mettant en scène un homme à la « Robinson Crusoé », avec une longue barbe, sortant de la forêt et déclarant : « J’ai retrouvé la civilisation grâce à mon GPS ! ». Ce spot télévisé était manifestement un mauvais choix compte tenu du « profil » type de l’« acheteur d’appareils GPS ». En 2007, un spot télévisé mettant en scène un personnage plus technique, issu du monde de l’informatique, aurait été un meilleur choix.

Tout bon logiciel d’exploration de données doit non seulement vous offrir une bonne précision de prédiction, mais aussi vous fournir des informations pertinentes de « profilage » sur la cible que vous cherchez à prédire (voir l’exemple ci-dessus concernant « l’acheteur d’appareils GPS »). Nos consultants (de la société Business-Insight) regroupent sous un terme commun ces informations de « profilage » fournies par TIMi : le « Business-Insight » :

« Tout logiciel d’exploration de données devrait être capable de vous fournir des prévisions précises ET des « informations stratégiques » précises. »

Voici un autre exemple concret (mais désormais assez ancien) : il s’agit d’un modèle de « propension à l’achat » pour un produit financier destiné à une célèbre banque française. Dans le cadre de ce projet, nous avons eu l’occasion de comparer notre nouveau « classement » (obtenu à l’aide d’un ancêtre de TIMi) avec celui qui avait été établi auparavant par un autre cabinet de conseil travaillant pour cette même célèbre banque française.

Comme vous pouvez le constater, le modèle prédictif TIMi présente une précision totalement différente et supérieure à celle du modèle prédictif précédent (sur le graphique ci-dessus, le « lift » du nouveau modèle TIMi est nettement plus élevé). Cette amélioration a été facile à obtenir car l’ancien modèle prédictif avait été créé à l’aide d’une technique de segmentation (avec un outil similaire à SPAD, principalement conçu pour l’analyse de segmentation). Comme vous pouvez le constater, les techniques de segmentation ne doivent JAMAIS être utilisées pour créer un « modèle de propension à l’achat », un « modèle de probabilité de défaut » ou un « modèle de prédiction de désabonnement » (ou tout autre modèle ayant une « cible » clairement définie).

La technique de segmentation ne doit être utilisée que pour « segmenter » votre clientèle afin de créer des contenus de communication (textuels ou multimédias) adaptés à chaque canal (par exemple : on ne s’adresse pas de la même manière à un jeune qu’à une personne âgée). La « suite TIMi » comprend également un puissant outil de segmentation (baptisé « Stardust »), mais cette technologie ne doit pas être utilisée à des fins de ciblage, de prédiction ou de classement.

Dans le cas de ce « produit financier », le modèle prédictif TIMi génère environ 2,5 millions d’euros de plus que la solution actuelle (il s’agit d’une estimation : nous n’avons pas reçu l’analyse post-campagne). Cette estimation est calculée de la manière suivante :

Les hypothèses sont les suivantes :

Le retour sur investissement des deux modèles est estimé de la manière suivante :

Comme vous pouvez le constater, une plus grande précision se traduit par un retour sur investissement nettement supérieur pour votre campagne marketing.
Vous devez absolument en prendre conscience :

UNE COURBE DE LEVAGE PLUS ÉLEVÉE = UNE PRÉCISION SUPÉRIEURE = UN MEILLEUR RETOUR SUR INVESTISSEMENT

À mon avis, les critères les plus importants pour choisir un outil d’exploration de données sont les suivants :

1. La précision des modèles prédictifs générés.
2. La qualité des « informations stratégiques » fournies (car, si vous ne comprenez pas votre modèle, il est très dangereux de l’utiliser)

Un dernier critère très important est celui de l’« évolutivité », mais comme il va généralement de pair avec la précision, je n’ai pas jugé utile de le mentionner plus haut. En effet, les outils de datamining qui ne sont pas capables de « traiter » de grandes bases de données auront systématiquement recours à une technique appelée « échantillonnage », qui réduit considérablement la précision de vos modèles prédictifs.

TIMi se démarque nettement de toutes les autres solutions sur ces trois aspects (précision, analyse, évolutivité).