Exigences métier

Machine Learning pour le business

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Cadrer les besoins métier

Quelle est la situation métier ?
- L’entreprise prévoit de se développer sur de nouveaux marchés
Quelle est l’opportunité métier et quelle est sa taille ?
- Identifier les bons marchés avec la plus forte demande
Quelles actions métier allons-nous mener ?
- Prioriser et investir davantage sur les marchés à plus forte demande prévue

Situation – Le taux de fraude augmente
Opportunité – Réduire la fraude de X %, pour une économie de Y USD
Action – Améliorer le système de détection, réduire les facteurs de fraude et revoir manuellement les transactions à risque

fraude

Situation – L’attrition clients augmente
Opportunité – Réduire l’attrition de X %, pour conserver Y USD de revenus
Action – Identifier et améliorer les leviers d’attrition (erreurs du site, trop/pas assez de publicité, service client, etc.) ; repérer les clients à risque et lancer des campagnes de rétention

attrition

Commencez toujours par des questions d’inférence

Pourquoi l’attrition a-t-elle augmenté ?

Quelles informations indiquent une transaction potentiellement frauduleuse ?

En quoi nos clients les plus précieux diffèrent-ils des autres ?

À partir de là, définissez des questions de prédiction

Peut-on identifier les clients à risque d’attrition ?

Peut-on signaler les transactions potentiellement risquées ?

Peut-on prédire tôt quels clients deviendront très précieux ?

Investiriez-vous 1 M USD pour gagner 5 000 USD par an ? (~200 ans de retour sur investissement)

Évaluez l’opportunité
Une fois les leviers identifiés, quel est le coût pour les changer et quelle valeur cela apporte-t-il ?
Enfin, comment savoir si vous pouvez influencer le résultat prédit ? (indice : des expériences, encore et encore)

Enfin, comment savoir si vous pouvez influencer le résultat prédit ? (indice : des expériences, encore et encore)

D’abord, examinez les niveaux historiques (attrition, fraude, nb de clients à forte valeur)
Menez des expériences : p. ex., cibler les clients à risque avec une remise, examiner manuellement les 10 % de transactions les plus risquées. Répétez plusieurs fois et cherchez un motif de résultats souhaités
Si oui, utilisez cela pour calculer l’opportunité et décider si l’investissement vaut le coup
Sinon – 1) collecter plus de données, 2) recherche qualitative, 3) affiner la question métier

Machine Learning pour le business