L'analyse descriptive de graphes cartographie l'architecture actuelle d'un réseau pour expliquer les relations existantes, tandis que la modélisation prédictive de graphes utilise ces schémas pour prévoir les connexions ou attributs futurs. L'une permet d'identifier les personnes influentes au sein d'un cercle social, tandis que l'autre prédit les personnes susceptibles de devenir des amis.
Une technique prospective qui utilise les données historiques du réseau et l'apprentissage automatique pour anticiper les états futurs ou les informations manquantes.
Une méthode fondamentale axée sur la synthèse et la visualisation de la structure et des propriétés existantes d'un graphe.
| Fonctionnalité | Modélisation prédictive de graphes | Analyse descriptive des graphes |
|---|---|---|
| Focalisation temporelle | tourné vers l'avenir | Passé et présent |
| Question principale | Que va-t-il se passer ensuite ? | Quelle est la structure actuelle ? |
| Techniques clés | Apprentissage automatique, réseaux de neurones graphiques | Centralité, détection de communautés |
| Type de sortie | Prévisions probabilistes | Résumés structurels |
| Exigences en matière de données | Volume élevé (séries d'entraînement) | Flexible (instantanés uniques) |
| Complexité | Élevé (Nécessite un réglage du modèle) | Niveau intermédiaire (algébrique et topologique) |
| Cas d'utilisation courant | Suggérer de nouveaux amis | Cartographier un cercle social |
L'analyse descriptive est en quelque sorte un audit sophistiqué de votre réseau ; elle examine les nœuds et les arêtes existants afin de déceler les clusters ou les goulots d'étranglement cachés. La modélisation prédictive, quant à elle, est une simulation qui considère le graphe actuel comme une simple image d'un film, tentant de prédire l'état de l'image suivante.
Les méthodes descriptives s'appuient souvent sur les bases de l'algèbre linéaire et de la théorie des graphes, comme le calcul du nombre d'étapes nécessaires pour aller du point A au point B. La modélisation prédictive, quant à elle, relève du domaine des statistiques et de l'intelligence artificielle, utilisant des algorithmes pour attribuer des « probabilités » à des événements qui ne se sont pas encore produits.
Une analyse descriptive pourrait révéler qu'un fournisseur spécifique constitue un maillon critique de votre réseau logistique, car tous les acteurs y sont connectés. La modélisation prédictive permettrait d'aller plus loin en anticipant l'effondrement potentiel du réseau en cas de disparition de ce fournisseur, ou en identifiant le fournisseur de secours le plus susceptible de prendre le relais.
Les graphiques descriptifs reflètent des vérités statiques ; tant que les données sont exactes, l’analyse est « correcte » à un instant donné. Les modèles prédictifs sont des entités « vivantes » qui peuvent subir une « dérive du modèle » : leur précision diminue avec le temps, car les comportements réels évoluent, ce qui nécessite un réentraînement constant avec des données actualisées.
Les modèles prédictifs sont toujours plus précieux que les modèles descriptifs.
La valeur dépend de l'objectif. Une prédiction très précise d'un détail insignifiant est moins utile qu'une analyse descriptive révélant un vaste réseau de fraude dissimulé dans vos données actuelles.
Il faut un doctorat pour effectuer une analyse descriptive de graphiques.
De nombreux outils de BI modernes permettent d'exécuter des algorithmes standard de centralité ou de détection de communautés en un seul clic, même si l'interprétation des nuances nécessite toujours une certaine expertise.
Les modèles graphiques peuvent prédire l'avenir avec une certitude de 100 %.
Les prédictions sont purement probabilistes. Elles indiquent ce qui est « probable » en se basant sur les tendances passées, mais elles ne peuvent pas tenir compte des événements imprévus, tels que les cygnes noirs, ni des changements aléatoires du comportement humain.
L'analyse graphique est réservée aux géants des médias sociaux.
Les petites entreprises utilisent l'analyse graphique pour tout, de l'optimisation de la chaîne d'approvisionnement à la cartographie du partage interne des connaissances entre les employés.
Utilisez l'analyse descriptive pour comprendre le fonctionnement de votre réseau actuel (qui, comment) à des fins de reporting ou d'audit. Privilégiez la modélisation prédictive pour anticiper la croissance, gérer les risques ou automatiser les décisions futures en fonction des tendances du réseau.
L'accès aux données en temps réel et la production de rapports différés représentent deux approches différentes du calendrier analytique. Les systèmes en temps réel fournissent des informations instantanément dès la génération des données, tandis que la production de rapports différés traite les informations par lots, souvent des heures ou des jours plus tard, privilégiant l'exactitude, la validation et une analyse approfondie à la réactivité immédiate dans les contextes décisionnels.
L'agrégation de données en temps réel et les sources d'information statiques représentent deux approches fondamentalement différentes du traitement des données. L'agrégation en temps réel collecte et traite en continu des données en direct provenant de multiples flux, tandis que les sources statiques s'appuient sur des ensembles de données fixes et pré-collectés qui changent rarement, privilégiant la stabilité et la cohérence à l'immédiateté.
L'analyse de corrélation mesure la force linéaire et la direction d'une relation entre deux variables, tandis que la projection vectorielle détermine la portion d'un vecteur multidimensionnel alignée sur la direction d'un autre. Le choix entre ces deux méthodes détermine si l'analyste recherche de simples associations statistiques ou s'il transforme un espace de grande dimension pour des chaînes de traitement d'apprentissage automatique avancées.
L'analyse des startups basée sur les données s'appuie sur des indicateurs mesurables tels que la croissance, le chiffre d'affaires et la fidélisation pour évaluer les entreprises, tandis que l'analyse narrative privilégie le storytelling, la vision et les signaux qualitatifs. Ces deux approches sont largement utilisées par les investisseurs et les fondateurs pour évaluer le potentiel, mais elles diffèrent dans l'interprétation des données et la justification des décisions.
L'analyse des tendances du marché examine les grandes orientations sectorielles, le comportement des consommateurs et les fluctuations économiques, tandis que l'analyse au niveau de l'entreprise se concentre sur la performance et la stratégie d'une entreprise spécifique. Ces deux approches sont largement utilisées en matière d'investissement, de planification stratégique et d'analyse concurrentielle, mais elles répondent à des questions très différentes.
