Analyse prédictive

Ce parcours de formation très populaire de 3 jours fournit aux participants une gamme d’outils complète pour appliquer efficacement l’analyse prédictive dans leur organisation.

Il enseigne les bases de l’analyse prédictive. Les participants découvriront des techniques d’analyse de données, notamment les statistiques, la modélisation et l’apprentissage automatique, pour analyser les tendances observées dans les données historiques. Ceci vous permettra d’obtenir de meilleures informations, d’identifier les risques potentiels, de rechercher des opportunités d’amélioration et de faire des prévisions sur l’avenir. Les principes analytiques seront présentés à l’aide d’exemples et d’exercices concrets.

 

Cette formation convient aux personnes de toute organisation qui souhaitent tirer profit de la puissance de l’analyse prédictive pour résoudre des problèmes. Cette formation est populaire auprès des analystes des systèmes de gestion, des membres d’équipes de résolution des problèmes, des personnes qui dirigent des activités d’excellence opérationnelle, des analystes marketing et des professionnels qui se préparent à mettre en œuvre l’analyse prédictive dans leur organisation.

Parcours de formation

JOUR 1

Durant cette formation, vous allez apprendre à réaliser plus rapidement une analyse des données en utilisant Minitab pour importer des données, développer des approches statistiques pertinentes pour l’exploration de données, créer et interpréter des visualisations claires et exporter les résultats. Automatisez votre analyse Minitab avec un minimum de manipulations pour gagner du temps. Analysez un éventail de fichiers de données présentant des exemples concrets afin d’apprendre à identifier l’outil d’analyse approprié pour chaque cas de figure, ainsi qu’à interpréter les résultats statistiques. Apprenez les bases d’importants concepts statistiques tels que les tests d’hypothèse et les intervalles de confiance.

Cette formation vous apprendra tout particulièrement à prendre des décisions éclairées en mettant en pratique des techniques statistiques couramment employées dans les procédés commerciaux, de fabrication et transactionnels.

Les thèmes abordés sont les suivants :

  • Importation et formatage de données
  • Macros exécutables
  • Cartes barres
  • Histogrammes
  • Boîtes à moustaches
  • Diagrammes de Pareto
  • Nuages de points
  • Mesures de tendance centrale et de variation
  • Tests t
  • Test de l’égalité des variances
  • Puissance et effectif d’échantillon

Apprentissage préalable : aucune

Diagramme de dispersion du pourcentage par rapport à l’année par sexe
Graphique de la personne, erreur

JOUR 2

Poursuivez votre apprentissage des principaux concepts de l’analyse statistique enseignés dans la formation Principes de base de l’analyse en découvrant comment explorer et décrire les relations entre les variables à l’aide d’outils de modélisation statistique. Découvrez et décrivez les caractéristiques des données relatives à l’effet et à l’impact du temps. Apprenez également à prévoir le comportement futur.

Apprenez à rechercher et à quantifier l’effet des variables d’entrée sur la probabilité qu’un événement essentiel se produise. Des exemples pratiques illustrent la façon dont les outils de modélisation permettent de connaître les données-clés et les sources de variation de vos données.

Les thèmes abordés sont les suivants :

  • Nuages de points
  • Corrélation
  • Régression linéaire simple
  • Outils de série chronologique, notamment lissage exponentiel
  • Analyse de tendance
  • Décomposition
  • Régression multiple et régression pas à pas
  • Régression logistique binaire
  • Régression avec validation

Apprentissage préalable : Principes de base de l’analyse

Graphique matriciel des employés, de la production V, des macros d’entrée/exécution, de l’équipe, des particules
Graphique de lissage pour les passagers

JOUR 3

Allez plus loin en analysant des données provenant de problèmes concrets rencontrés dans de nombreux secteurs afin d’explorer et de décrire les relations entre les variables. Apprenez à utiliser des techniques d'auto-apprentissage par la machine supervisées telles que CART® pour analyser les tendances observées dans les données historiques afin d'obtenir de meilleures informations, d'identifier les risques potentiels, de rechercher des opportunités d'amélioration et de faire des prévisions sur l'avenir.

Utilisez des outils d’auto-apprentissage par la machine non supervisés tels que la mise en cluster pour détecter des partitions naturelles dans les données et regrouper les observations ou les variables en ensembles homogènes. Réduisez la dimensionnalité des données en transformant les données d’origine en un ensemble de variables sans corrélation.

Les thèmes abordés sont les suivants :

  • Analyse discriminante
  • Validation des ensembles de tests
  • Validation sur k partitions
  • Classification CART®
  • Corrélation
  • Régression CART®
  • Analyse hiérarchique

Apprentissage préalable : Principes de base de l’analyse, Modélisation et prévision de la régression

Dendrogramme - Lien complet, distance euclidienne
Arbre de décision des nœuds de classe par sexe et âge

JOUR 4

Faites passer vos analyses au niveau supérieur en analysant des données provenant de problèmes concrets afin d’explorer et de décrire les relations entre les variables. Les arbres CART fournissent une structure simple pour interpréter les relations complexes. Cependant, leur capacité prédictive peut souvent être améliorée en utilisant un modèle plus puissant, qui crée de nombreux modèles simples (ou arbres) et les combine en un modèle final. Apprenez à utiliser des techniques de modélisation avancées telles que MARS®, TreeNet® et Random Forests® pour analyser les modèles trouvés dans les données historiques afin d'obtenir de meilleures informations, d'identifier les risques potentiels, de rechercher des opportunités d'amélioration et de faire des prédictions pour l'avenir. Remarque : Un abonnement au module complémentaire d'analyse prédictive est requis pour ce cours.

Les thèmes abordés sont les suivants :

  • Validation
  • Classification CART® 
  • Classification TreeNet® 
  • Classification Random Forests® 
  • Corrélation
  • Régression MARS® 
  • Régression CART® 
  • Régression TreeNet® 
  • Régression Random Forests® 
  • Découvrir les prédicteurs clés
  • Modélisation de l’auto-apprentissage par la machine automatisé

Apprentissage préalable : Principes de base de l’analyse, Modélisation et prévision de la régression, Auto-apprentissage par la machine

Dendrogramme - Lien complet, distance euclidienne
Arbre de décision des nœuds de classe par sexe et âge

JOUR 5 – FACULTATIF

La formation Minitab fournit les bases nécessaires pour améliorer votre efficacité dans l’utilisation des statistiques pour analyser les données. Les exemples présentent des scénarios du monde réel pour apprendre les outils, tandis que les exercices donnent du temps pour s’exercer. Faites le tour de votre parcours éducatif en renforçant la formation à l’aide de données provenant de votre entreprise. Cela permet aux participants d’établir un lien direct avec leurs propres cas d’utilisation.

L’atelier met fortement l’accent sur la prise de décisions judicieuses basées sur l’application pratique des outils statistiques aux projets de votre entreprise avec vos données.

Les thèmes seront déterminés par les données spécifiques des clients apportées à l’atelier.