Utilisation de données historiques et de modèles statistiques ou d'apprentissage automatique pour prévoir les résultats futurs ou estimer la probabilité d'événements.
L'analytique prédictive va au-delà de la description de ce qui s'est passé pour estimer ce qui est susceptible de se passer. Elle utilise des tendances dans les données historiques pour construire des modèles qui peuvent être appliqués à de nouvelles données. Les techniques courantes comprennent l'analyse de régression, les arbres de décision et les algorithmes d'apprentissage automatique.
Les prédictions sont probabilistes — elles expriment une probabilité, pas une certitude. Un bon modèle prédictif communique son niveau de confiance et les conditions dans lesquelles il est fiable.
Exemple : Une autorité de transport utilise l'analytique prédictive pour prévoir l'achalandage sur chaque trajet pour la semaine suivante, en se basant sur les tendances historiques d'achalandage, les prévisions météorologiques et les événements à venir. Les prédictions aident à planifier le bon nombre d'autobus pour répondre à la demande prévue sans sur-déployer les ressources.
L'analytique prédictive nécessite une attention particulière à la qualité des données et aux biais des modèles. Un modèle entraîné sur des données historiques biaisées produira des prédictions biaisées.
Termes connexes
- Analytique descriptive
- Apprentissage automatique
- Analytique
- Série chronologique
- Exploration de données