Exigences d'affaires

Machine Learning pour les affaires

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Cadrer les besoins d'affaires

  1. Quelle est la situation d'affaires ?
    • L'entreprise prévoit s'étendre à de nouveaux marchés
  2. Quelle est l'occasion d'affaires et quelle est son ampleur ?
    • Repérer les bons marchés avec la plus forte demande
  3. Quelles actions d'affaires allons-nous poser ?
    • Prioriser et investir davantage dans les marchés à demande prévue plus élevée
Machine Learning pour les affaires

Portée d'affaires — exemple de fraude

  1. Situation — Le taux de fraude a commencé à augmenter

  2. Occasion — Réduire le taux de fraude de X %, entraînant des économies de Y USD

  3. Action — Améliorer le système de détection de fraude, réduire les facteurs de fraude et réviser manuellement les transactions à risque

fraud

Machine Learning pour les affaires

Portée d'affaires — exemple de désabonnement

  1. Situation — Les clientes et clients ont commencé à se désabonner davantage

  2. Occasion — Réduire le taux de désabonnement de X %, sauvant Y USD de revenus

  3. Action — Repérer et améliorer les facteurs de désabonnement (erreurs du site Web, trop/peu de publicité, problèmes au service à la clientèle, etc.) ; cibler les clientes et clients à risque et lancer des campagnes de rétention

churn

Machine Learning pour les affaires

Situation d'affaires — poser la bonne question

Toujours commencer par des questions d'inférence

Pourquoi le désabonnement a-t-il augmenté ?

Quelles informations signalent une transaction potentiellement frauduleuse ?

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

S'appuyer sur ces questions pour définir des questions de prédiction

Peut-on repérer les clientes et clients à risque de se désabonner ?

Peut-on signaler les transactions potentiellement risquées ?

Peut-on prédire tôt quels clientes et clients deviendront très précieux ?

Machine Learning pour les affaires

Occasion d'affaires

Dépenseriez-vous 1 million USD pour gagner 5 000 USD de plus par année ? (~200 ans pour rentabiliser l'investissement)

  • Évaluez l'ampleur de l'occasion
  • Une fois les facteurs connus, quel sera le coût pour les modifier et quelle valeur cela générera-t-il ?
  • Enfin, comment savoir si vous pouvez influer sur le résultat prédit ? (indice — des expériences, encore et toujours)
Machine Learning pour les affaires

Machine Learning exploitable

Enfin, comment savoir si vous pouvez influer sur le résultat prédit ? (indice — des expériences, encore et toujours)

  • D'abord, examinez les niveaux historiques (désabonnement, fraude, nombre de clientes et clients à forte valeur)
  • Menez des expériences, p. ex. cibler les clientes et clients à risque avec un rabais, réviser manuellement le top 10 % des transactions les plus risquées. Répétez plusieurs fois et vérifiez si le résultat souhaité se répète
  • Si oui, servez-vous-en pour chiffrer l'occasion et décider si l'investissement en vaut la peine
  • Si non — 1) recueillir plus de données, 2) faire de la recherche qualitative, 3) resserrer la question d'affaires
Machine Learning pour les affaires

Passons à la pratique !

Machine Learning pour les affaires

Preparing Video For Download...