Méthode

De nos jours, la grande disponibilité des données permet (et encourage) l'utilisation de techniques statistiques et informatiques avancées permettant d'extraire la valeur maximale de l'information. Développées dans le monde de la recherche de pointe, où d’énormes quantités de données sont analysées désormais depuis des décennies, les technologies de profilage sont de plus en plus utilisées aussi dans le monde des affaires et de l'industrie.

Par "echniques de profilage", on entend les algorithmes capables d’identifier et construire des catégories (ou des clusters) afin de segmenter et étiqueter des données, trouver des séries, des récurrences (patterns) cachées et appliquer des profils dans le but d'en extraire et valoriser au mieux l'information.


LES TECHNIQUES DE PROFILAGE

profiling
Une caractéristique commune aux techniques de profilage est la capacité d’ "apprendre" à partir des données disponibles. Dans ce sens, nous pouvons parler d'algorithmes d'intelligence artificielle, qui améliorent leurs propres performances au fil du temps, avec l'arrivée de nouvelles données et informations. Ces techniques sont subdivisées en deux grands groupes en fonction du type d'apprentissage auxquels elles sont soumises. Elle peuvent être de type supervised (piloté) lorsque l’on montre à la machine les profils qu'elle doit apprendre à repérer ou de type "unsupervised" (non piloté) lorsque la machine recherche d’elle même, librement, des groupes et des clusters au sein des données, sans être nécessairement "orientée" par l'utilisateur.


CHAMPS D’APPLICATION

Ces technologies ont un large éventail d'utilisations. Elles se sont d’abord imposées dans le marketing, où les problématiques de ciblage offertes en matière de CRM ("gestion de la relation client") ou d’anti-churn (anti attrition, fuite vers la concurrence) ... sont des exemples parfaits de l’utilité du profilage de clientèle, de laquelle il faut repérer caractéristiques, tendances et besoins.
Également, dans les domaines de détection de la fraude ou du recouvrement de créances apparaissent de nombreuses applications naturelles des techniques de profilage : que ce soit pour déterminer la probabilité qu'un utilisateur donné puisse être un fraudeur potentiel, comprendre à temps si tel client ne serait pas un mauvais payeur, ou encore essayer d’identifier les clients moroses envers lesquels il est vaut ou pas la peine d’intenter des actions pour recouvrer des créances.
Un autre domaine est par exemple celui des technologies de gestion de la maintenance. Comment gérer l’entretien d’un parc machines? Est-il intéressant d’engager (ou pas) des contrats d'’assistance externes? Et de quel type? Comment optimiser les temps et les modalités de la maintenance? Ce sont autant d’exemples de profilage dans lesquels on s’emploie à comprendre la probabilité qu’un élément ou une ressource donnés puissent faire défaut sur une période donnée.

Il est très difficile de faire des prévisions,
notamment si elles concernent le futur
Niels Bohr

Ce site web utilise des cookies pour analyser son utilisation et permettre l’accès aux pages réservées. Nos cookies ne permettent pas d’identifier les utilisateurs. Les cookies sont enregistrés dans votre navigateur et sont utilisés pour personnaliser votre expérience sur notre site web. Continuer la navigation sans modifier vos préférences actuelles implique l’acceptation des cookies. Vous pouvez modifier vos préférences d’utilisation de cookies à tout moment.