L'analyse de données examine les données pour en tirer des conclusions. Elle répond aux questions suivantes : Que s'est-il passé ? Pourquoi cela s'est-il produit ? Que va-t-il se passer ensuite ? Que devons-nous faire ? Les quatre niveaux d'analyse sont interdépendants. L'analyse descriptive rend compte des événements. L'analyse diagnostique explique les causes. L'analyse prédictive prévoit les événements probables. L'analyse prescriptive recommande des actions.

La plupart des organisations fonctionnent selon un modèle descriptif et diagnostique. Elles élaborent des rapports et des tableaux de bord, et analysent les anomalies a posteriori. L'analyse prédictive et prescriptive exige une modélisation plus sophistiquée, des données de meilleure qualité et une plus grande tolérance à l'incertitude. Elle apporte également une plus grande valeur ajoutée. Un détaillant qui prédit la demande peut optimiser ses stocks, un hôpital qui prédit les réadmissions de patients peut intervenir plus tôt. L'écart entre ces deux niveaux n'est pas seulement technique, il est aussi culturel. Les organisations qui privilégient la certitude ont du mal avec les prévisions probabilistes. Elles veulent des réponses, pas des intervalles de confiance. Cette résistance freine l'adoption. Les outils sont prêts, mais les mentalités ne le sont souvent pas.

niveaux de maturité analytique

• Descriptif — ce qui s'est passé
• Diagnostic — pourquoi cela s'est produit
• Prédictif — ce qui va se passer
• Prescriptif — ce qu'il faut faire

L'analyse de données n'est pas un rapport. C'est un processus qui consiste à poser des questions et à suivre les données pour trouver des réponses, même lorsque celles-ci sont gênantes.