Nouvelle fonctionnalité : les Séries Chronologiques

La nouvelle version de la solution se renforce sur une fonctionnalité très attendue : les séries chronologiques (time series). Cette nouvelle version permet désormais de maîtriser la dimension temporelle de vos données en permettant de modéliser des séries chronologiques de données tenant compte :

  • de leur structure
  • des cycles saisonniers et quotidiens

Ces modèles permettent ensuite de faire une estimation des valeurs futures de la série et de définir un indice (ou intervalle) de confiance.

Il est ainsi possible de décrire et décomposer des séries chronologiques en quelques clics. L’utilisateur est placé au cœur de l’action et de la prise de décisions en prévoyant les valeurs futures.

Les domaines d’application de l’analyse des séries chronologiques sont nombreux, en voici quelques uns :

  • Finance et ́Econométrie, Marketing : ́évolution des indices boursiers, de prix, des données économiques des entreprises, des ventes et achats de biens, des productions agricoles ou industrielles, analyse des risques,
  • Industrie : modélisation des données de production pour déterminer les risques éventuels de défaillance d’une chaîne de production,
  • Assurance : analyse des sinistres,
  • Médecine/Biologie : suivi des évolutions des pathologies,
  • Sciences de la Terre et de l’Espace, Météorologie : indices des marées, variations des phénomènes  physiques (températures, pluies).

Face à ce type de données, si les questions posées par l’analyste sont simples : décrire le passé et prédire l’avenir, les solutions logicielles sont encore réservées à des experts. Les équipes de Coheris ont développé un ensemble de méthodes permettant aux spécialistes mais aussi aux néophytes d’analyser ce type de données.

Cet objectif a notamment été atteint grâce à un partenariat scientifique avec Mr Guy Mélard, Professeur à l’Université Libre de Bruxelles et spécialiste mondialement connu pour ses travaux et ses recherches sur le sujet. Sa connaissance théorique et son expérience pratique ont permis de développer des algorithmes automatiques de prédictions pour le néophyte tout en permettant au spécialiste de piloter entièrement ses analyses. Le traitement des séries chronologiques comprend plusieurs méthodes organisées autour des deux principales problématiques : décrire et modéliser.

« La prévision est fondamentale dans la mesure où elle est à la base de l’action. La prise de décision repose en effet toujours sur des prévisions. C’est ainsi qu’une entreprise commerciale s’intéresse aux prévisions des ventes futures pour faire face à la demande, gérer sa production et ses stocks, mais aussi orienter sa politique commerciale (prix, marketing, produits, etc.). Le module de séries temporelles de Coheris Analytics SPAD est de haute qualité, il convient au néophyte et à l’initié et a été développé dans un réel souci de facilité d’utilisation. » rapporte Guy Mélard, professeur à l’Université Libre de Bruxelles.

Décrire les séries chronologiques

La première méthode « Définition des dates » permet de : qualifier les séries chronologiques (date de début, intervalle), rechercher les doublons et gérer les données manquantes, d’évaluer graphiquement si la série comporte une tendance, un effet saisonnier et si c’est le cas, de déterminer le modèle de décomposition sous-jacent (additif ou multiplicatif).

séries chronologiques

Si les séries chronologiques contiennent un effet saisonnier, la méthode « Décomposition saisonnière » permet d’identifier les composantes des séries (tendance, saisonnalité, erreur) et de créer les séries dites « Corrigées des variations saisonnières (CVS) ».

Modéliser les séries chronologiques

La modélisation a pour but de prédire les valeurs futures de la série. Plusieurs méthodes sont disponibles et leur utilisation dépend du degré d’expertise de l’utilisateur.

Les séries chronologiques en mode « Expert »

L’expert dispose de différentes méthodes pour piloter entièrement la modélisation et la prédiction.

séries chronologiques 2

Les séries chronologiques en mode « Non expert »

Sur les séries chronologiques initiales définient par la méthode « Définition des dates », il suffit d’appliquer la méthode « Prévision – Modélisation ARIMA ». Cette recherche automatique peut s’avérer longue mais permet d’obtenir des modèles et des prévisions adaptées.