Diverses tendances apparues récemment ont prouvé leur efficacité dans l’analyse prédictive. Elles ont donné naissance à des méthodes de travail qui s’effectuent en temps réel.

Actuellement, nous entrons dans l’ère du VRM (Vendor Relationship Management), ce qui signifie que grâce au Web 2.0, le consommateur peut partager des informations afin d’attirer un profil spécifique de marques et de produits/services. Il est devenu maître de la relation client (voir l’article « Le nouveau responsable CRM de l’entreprise s’appelle client »).

Par conséquent, selon un article du magazine Analyse Prédictive, le VRM est une tendance qui se situe clairement dans une logique prédictive nécessitant un traitement en temps réel des données partagées par les consommateurs.

Par exemple, si une information disponible sur une plateforme VRM* stipule qu’une personne souhaite partir en vacance en octobre dans un pays d’Asie avec tel ou tel budget, il faut qu’une agence de voyage propose une offre similaire au besoin dans les délais les plus proches de la publication de la demande car au fur et à mesure que le temps passe, cette information perd de sa pertinence.

Une autre tendance illustre la nécessité du facteur temps réel dans l’analyse prédictive : l’intelligence opérationnelle. Cette méthode consiste à capitaliser sur les flux d’informations des processus automatisés, ce qui permet d’apporter une aide précieuse à la décision des métiers.

L’analyse en temps réel rend les entreprises plus performantes

Pour qu’elle soit efficace, cette approche doit comporter des capteurs en temps réel pour chaque étape des processus décisionnels métiers. Par exemple, grâce à l’intelligence opérationnelle, il est possible de déceler à l’avance si un client risque de partir vers la concurrence, etc. Selon un autre article du même magazine, les entreprises qui disposent de capacités d’analyse en temps réel de leurs activités sont plus compétitives que les autres.

L’analyse décisionnelle en temps réel est donc un défi majeur pour les entreprises désireuses d’accroître leur productivité, car cette composante permet de mêler Big Data et Complex Event Processing**, deux des défis auxquels seront de plus en plus confrontées les entreprises.

 

 

*Espace dans lequel les consommateurs peuvent croiser leurs propres données et ainsi connaître les offres qui correspondent à leurs besoins

**Traitement et analyse des événements complexes comme la lecture, la transformation ou l’abstraction de données. Ce terme a été employé pour la première fois par l’EPTS (Event Process Technical Society)