Auteur : Holger Stelz, Uniserv

Actuellement, les entreprises utilisent l'IA et le Machine Learning (ML) principalement pour fidéliser les clients et améliorer leur expérience. Les solutions de prédiction de l'attrition basées sur le ML, qui visent à éviter la désaffection des clients, suscitent des attentes.

Un pour tous, tous pour un - cette devise des quatre mousquetaires, s'est entre-temps imposée dans le langage courant lorsqu'il s'agit de faire comprendre qu'il ne sert à rien de "faire cavalier seul" et qu'un succès ne s'obtient que si plusieurs composantes s'imbriquent sans problème. Cela vaut également pour la qualité des données.

L'hypothèse selon laquelle les prévisions ne peuvent être aussi bonnes que les données sur lesquelles elles se basent semble plausible. Dans le cadre d'un travail de bachelor à la Hochschule der Medien (HdM) de Stuttgart, cette relation a été étudiée pour la première fois de manière empirique et confirmée à l'aide d'une série de tests concrets.