SAP InfiniteInsight ®

agile predictive modeling

Moi

› Michael Harand, Data GeekBI AnalystSAP Analytics Practice Lead

• SAP Lumira• SAP Predictive Analysis• SAP InfiniteInsight

Statisticien

Glossaire

› Intelligence d’affaires / Business IntelligenceSupport pour prendre des décisions basées sur les données

› Analytiques / AnalyticsWikipédia: la découverte et communication des ‘patterns’

significatifsIntelligence d’affaires, enrichie avec des méthodologies

statistiques

› Analytiques prédictifs / Predictive AnalyticsPrédire l’avenir avec l’historique de l’information

Mon ami Raphaël …

Agenda

› Qu’est-ce que c’est, SAP InfiniteInsight ®› Cas clients› Live Demo 1 «Pourquoi Raphaël»

Cibler des destinataires pour une campagne marketingPrédire le Désabonnement (Churn)

› Live Démo 2 «Quoi offrir à Raphaël»Analyse du panier d’achat

› Live Démo 3 «Les Amis de Raphaël»Analyse d’un réseau social

Pourquoi SAP InfiniteInsight® ?

1. Prédiction agile pour les utilisateurs affairespas / très peu de1. connaissances statistiques2. interactions avec le département TI3. interactions avec des spécialistes (statisticiens)

2. Prédiction efficace pour les utilisateurs avancésgrâce à l’automatisation à travers tout le ‘cycle de vie’:1. Préparation des données,2. Développement des modèles3. Utilisation et interrogation4. Intégration et déploiement

Prédiction agile

Connaissances Affaires

Connaissances Statistiques

• Beaucoup• outils

standard• Internes

• Peu• Outils très

spécifiques• (externes)

?• Beaucoup• outils

standards• internes

Prédiction efficace

Valeurdu Prédictif

Temps duDéveloppement

Prédiction efficace

Extraction Transformation& Préparation

Selection des Variables Modélisation Tests et

Validation Application

Transformation& Préparation Modélisation Application

Demo 1: Segmentation

› But: Identifier Raphaël comme client prometteur.

› Scénario: Identifier les individus les plus inclinées à acheter

un nouveau produit pour unecampagne de marketing ciblée

› Techno: Classification

Mon ami Raphaël …

Cas client: Vodafone

Industrie: Telecom (plus grand operateur du monde)Résultats accomplis:› Baisse du taux de désabonnement (churn) annuel à

12%› Campagnes de rétention et de fidélisation sur7 milliards de transactions pour 30 millions clients

› Accompagner le client a travers tout son cycle de vieavec ‘next-best-action marketing’

Cas client: Eldorado

Industrie: Commerce de détailRésultats observés:› Création de 500 modèles prédictifs par mois

assortment planning, shelf replenishment, pricing and promotion analysis, store clustering, store location selection, sales and purchasing planning

› Précision de 82% en prévision des ventes

› Et d’autres…Barclay`s, Sears, Walmart, Campagne du Président Obama,

American Automobile Association, Belgacom

Désabonnement (Churn)

› Approche semblable à celle pour la segmentation› Problématique: transformation des données

Explorer

Modules

› ExplorerIntégration

› ModelerCréationUtilisationDéploiement

› SocialAnalyse des réseaux

› RecommandationRègles d'association

Démo 2: Shopping Basket Analysis

› But: Identifier les produits intéressants pour Raphaël

› Scenario: « People who were looking at A were also … » « next best action » (rétention)

› Techno: Règles d’association (Association Rules)

Démo 3: Réseaux Sociaux

› But: Connaître le réseau de Raphaël› Scénario: Identifier des communautés et

regroupements dans un réseau social› Module: Social