HyperCube : Concept

HyperCube^® est un algorithme qui explique les causes d’une problématique mathématique complexe ou d’un phénomène scientifique. Il identifie les combinaisons de facteurs à l’origine de ces problèmes, puis restitue les résultats sous la forme de règles de gestion métier avec un indicateur de significativité générale sur chaque condition de la règle de gestion.
Il indique des modèles de résultats probables à partir de facteurs variables.

Quelques exemples d’applications :

• Assurance. Un client souhaitait comprendre les causes de l’attrition relative de ses assurés titulaires d’une assurance-vie. HyperCube^® a permis de découvrir les facteurs clés à l’origine de ce phénomène : âge et sexe du client, nombre d’enfants, nombre de comptes bancaires, ou encore le segment de marché auquel il appartient.
• Distribution. Le client souhaitait découvrir les facteurs qui affectaient les performances commerciales de ses magasins. HyperCube^® a permis d’identifier les facteurs clés : le lieu d’implantation (qui certes est un facteur important pour tous les distributeurs !), mais surtout un facteur plus surprenant : la longueur des rayonnages réservés aux produits enfants.
• Santé. HyperCube^® est souvent utilisé lors d’essais cliniques et de diagnostiques. Il permet notamment de générer des règles commerciales spécifiques à ce secteur d’activités qui peuvent être développées pour les clients et appliquées à leurs modèles de production.

La technologie d’HyperCube^® est non-statistique : au lieu de considérer un échantillon de données en particulier et d’utiliser un algorithme pour extrapoler et valider une hypothèse, il prend en compte un grand volume de données et génère un résultat sur la base de ces données seulement. Cela signifie que toutes les données disponibles sont prises en compte.

HyperCube^® présente un autre avantage par rapport à une analyse statistique : il ne se base pas sur des hypothèses. HyperCube^® révèle les règles et corrélations indiquées par les données, n’en laissant aucune de côté. À l’inverse, l’analyse statistique teste les données pour savoir si un scénario préalablement identifié peut être corroboré. 

Voir le communiqué de presse.