Derrière l’expression « analyse prédictive » se cachent plusieurs technologies d’analyse des données ainsi que des techniques statistiques et mathématiques. Leur but : identifier les tendances à venir dans des ensembles de données. Aujourd’hui, ces technologies se démocratisent auprès du plus grand nombre et font même leur entrée au sein des services achats.
Qu’est-ce que l’analyse prédictive ?
Il existe communément trois types d’analyse de données aux implications techniques et finalités différentes :
- L’analyse descriptive est une technique qui décrit et analyse les événements passés (c’est ce que proposent, par exemple, les outils de Business Intelligence) ;
- L’analyse prédictive permet d’évaluer la probabilité que les mêmes résultats se répètent ;
- L’analyse prescriptive identifie un phénomène et propose des actions à mettre en œuvre pour y réagir.
L’analyse prédictive consiste donc à extrapoler des informations à partir d’un ensemble de données passées et actuelles pour émettre des hypothèses sur l’avenir et permettre aux entreprises d’améliorer leurs processus décisionnels. En d’autres termes, le maître mot est l’anticipation.
Cette méthode prédictive est largement plébiscitée par les entreprises. C’est notamment le cas dans les secteurs de la santé, de l’énergie, des services financiers ou encore des assurances pour identifier un modèle prédictif, anticiper des comportements ou détecter un risque qui pourrait advenir. Ces données historiques sont essentielles pour prévoir les résultats futurs.
Pour établir un contrat d’assurance automobile, par exemple, l’analyse prédictive peut anticiper les risques potentiels d’un conducteur en prenant en compte plusieurs facteurs prédictifs (son âge, son expérience au volant…), ce qui aide l’assureur à déterminer un montant de prime d’assurance adapté pour chacun de ses clients.
Côté technologies, l’analyse prédictive s’appuie souvent sur le Data Mining (exploration des données) afin d’examiner de grands ensembles de données (notamment le Big Data) sous différents angles et de découvrir des tendances ou des modèles. Elle se base également sur les algorithmes de Machine Learning (apprentissage automatique), tels que la régression linéaire ou la régression logistique, pour traiter des ensembles de données non structurées avec une rapidité et une précision avancées. Parmi les autres méthodes d’analyse prédictives, il est aussi possible de citer la modélisation statistique.
L’analyse prédictive appliquée aux services achats
De par leur positionnement au cœur de l’écosystème de l’entreprise, les directions des achats ont accès à une multitude de données. Correctement exploité, ce nouvel « or noir » renferme de formidables opportunités pour gérer l’activité et construire la stratégie d’achats. L’idée n’est plus d’agir uniquement en réaction aux événements, mais aussi de les comprendre et de les anticiper. Rappelons à juste titre que ces informations ne sont pas une fin en soi, mais bien un moyen d’optimiser la prise de décision rapide.
Dans un monde incertain et volatile où le nombre de variables ne cesse d’augmenter, intégrer une dimension prédictive aux systèmes décisionnels de la fonction achats prend tout son sens. Bien qu’une telle application ne soit pas encore très répandue, les observateurs constatent un certain intérêt de la part de la communauté des achats. Dans la dernière enquête menée par Deloitte, plus d’un tiers des décideurs achats estiment que les analyses prédictives figurent parmi les ressources les plus utiles dans leur domaine.
Cette timide adoption de l’analyse prédictive par les directions des achats s’explique avant tout par sa mise en place complexe. D’abord, il convient de disposer d’un système d’analyse de dépenses. Avant d’anticiper quoi que ce soit, il faut commencer par savoir quels produits sont consommés, par qui et auprès de quel fournisseur, en temps donné. Puis, il s’agit d’y intégrer toutes les autres données pertinentes issues de diverses sources d’informations (d’où l’utilisation du Data Mining). Encore aujourd’hui, l’analyse prédictive est considérée comme un projet à plus large échelle dans l’entreprise, qui se met au service de plusieurs services (ventes, marketing, finance, achats…).
Les bénéfices de l’analyse prédictive sur les achats
Les schémas et modèles prédictifs peuvent être utilisés de multiples façons par les directions des achats. Les acheteurs peuvent ainsi :
- Mieux piloter leurs relations fournisseurs ;
- Anticiper les risques et les nouvelles opportunités d’achats ;
- Prédire leurs dépenses ;
- Adapter leurs indicateurs clés de performance (KPI) à la prise de décision…
À la clé, ils gagnent en agilité et en performance pour continuer d’asseoir leur positionnement stratégique au sein de l’entreprise.
Au-delà de l’analyse prédictive, il est facile d’imaginer les avantages que présente l’analyse prescriptive grâce à ses recommandations. Patrick Chabannes, qui était à l’époque Senior Solution Strategist chez Determine, éditeur SaaS/Cloud de solutions logicielles de gestion des contrats, gestion fournisseur, sourcing stratégique et Procure-to-Pay, partage un exemple concret : « Les SI Achats auront la possibilité de pousser des recommandations aux utilisateurs en tenant compte de règles métier personnelles en créant des situations interactives. Imaginez un acheteur de direct de production suivant ses deux fournisseurs qualifiés en mode série. Et une recommandation tombe lui indiquant qu’un concurrent de ses deux fournisseurs a augmenté son CA de 17 % alors que ses deux fournisseurs sont respectivement à 1 et 3 %. L’acheteur se pose alors les bonnes questions : que s’est-il passé ? Qu’ont-ils trouvé ? De quoi bénéficient mes propres concurrents en travaillant avec ses sources ? »
Vous l’avez compris, les analyses prédictives permettent aux directions des achats d’anticiper, d’accélérer et de sécuriser leurs décisions. Cela représente donc un formidable levier de création de valeur pour la fonction, l’entreprise et les parties prenantes.
Toutefois, pour être en mesure d’entamer le chemin qui conduit à de telles possibilités, il est primordial de s’assurer de la disponibilité des données. Pour ce faire, les directions achats doivent se mettre en ordre de bataille et générer un maximum de données afin de pouvoir les analyser. La meilleure solution est de digitaliser l’ensemble du processus Procure-to-Pay.
- Téléchargez notre livre blanc « Digitalisez vos transactions »