Avant de lancer un projet, sommes-nous toujours sûr de percevoir la réalité de l'organisation, ou nous contentons nous seulement d'un modélisation autant simplificatrice qu'illusoire ?
J'ai reçu ce mail : « Finalement, vous êtes de ceux qui pensent que la décision n'existe pas... »
Pas du tout. Bien sûr que la décision existe. Ce n'est pas ce que j'ai voulu dire. Tout le tracé de notre vie est balisé des décisions que nous avons prises à un moment donné. Et à relire le billet de Lundi dernier, il ne me semble pas énoncer cette contre-vérité.
En revanche j'affirme que le culte du modèle décisionnel de l'homo oeconomicus (celui qui prend ses décisions en toute conscience car il sait calculer et est toujours pleinement informé) est non seulement simpliste à l'extrême, mais aussi dangereux dans ses conséquences.
A mon avis, c'est là que se niche l'explication de la faible performance des systèmes décisionnels mis en oeuvre aujourd'hui. On essaie de greffer une technologie de pointe sur un mythe, sur une illusion d'organisation. Et ça , ça ne marche pas.
D'ailleurs, on touche là du doigt le principal problème de l'informatisation. Les échecs des projets technologiques ont très souvent pour origine cette confusion entre le mythe et la réalité.
C'est ainsi, que l'on se retrouve à bâtir une solution technologique, censée automatiser et/ou servir une organisation dont la représentation est totalement illusoire...
L'organisation qui, auparavant fonctionnait, les hommes savent toujours glisser de l'huile là ou il faut, se découvre une fois le projet achevé, totalement cristallisée, engoncée dans un costume étriqué. Il n'y a plus qu'à attendre que le « système D » refasse surface.
C'est vrai lors des projets ERP, des projets CRM et ne parlons pas des projets de KM. C'est d'autant plus vrai dans le cadre du décisionnel touchant de près, comme son nom l'indique, à la décision ou autrement dit au sacro-saint pouvoir. Le « projet décisionnel », en tout cas tel qu'il est encore envisagé aujourd'hui, cherche ainsi à couler dans le béton une organisation aussi mythique qu'archaïque, où une petite poignée décident et les autres rendent des comptes. Ainsi, on appelle pompeusement « outil décisionnel », ce qui n'est en fait que du reporting. (L'explosion actuelle du progiciel décisionnel porte essentiellement sur les ventes des licences d'outils de reporting).
Les tableaux de bord, véritables instruments d'aide à la décision, restent encore réservés à une soi-disant élite de « décideurs » et sont installés au compte-gouttes. Pourtant on sait fort bien que pour dynamiser la réactivité, seule recette gagnante actuelle, il faut au contraire multiplier sans retenue les centres de décisions, bref démocratiser les systèmes décisionnels. La technologie n'est pas en cause. Elle est tout à fait au point pour bâtir l'entreprise réactive tant attendue.
Qu'attend-t-on pour brûler les mythes ?
Ce billet est le 2ème volet d'une série consacrée à la décision.
1C'est qui qui décide ?
2 Modélisation et illusion
3 Le décideur face à son dilemme
4 Qu'est-ce qu'une bonne décision ?
5 First, break all the rules
Copyright : Alain FERNANDEZ ©2004-2010- Tous droits réservés


Les nouveaux tableaux de bord des managers
Livre de référence
4ème éd 2008 Eyrolles
Best seller,
25.000 ex.
Voir fiche détaillée

L'essentiel du tableau de bord
Réalisez sans effort votre tableau de bord avec Excel
2ème éd 2008 Eyrolles
Voir fiche détaillée

Le bon usage des technologies expliqué au manager
les concepts IT expliqués simplement
Voir fiche détaillée
"Vive la Performance !"
Le perfologue |
|
|
|
|
|
Le Fil RSS du Perfologue
1 En matière de modélisation de systèmes décisionnels deux grands types de modèles sont mis en œuvre : le modèle en troisième forme normale et le modèle du schéma en étoile.
Le modèle en troisième forme normale dans lequel chaque attribut (colonne) doit être un fait relatif à la clé primaire - toute la clé et rien que la clé. Chaque donnée est alors implantée dans une table sans autre duplication, ni donnée dérivée. Ce modèle permet aux utilisateurs de poser à tout moment n'importe quel type de questions à propos de la totalité des données disponibles.
Le modèle du schéma en étoile qui se compose d'une table de faits et d'un certain nombre de tables dimensionnelles. La table de faits est associée à une clé multi-composants. Chaque élément de la clé est lui même une clé autonome liée à une table dimensionnelle spécifique. Les autres champs de la table factuelle sont des faits qui peuvent être considérés comme autant de mesures prises à l'intersection de toutes les dimensions retenues. Ces modèles en étoile permettent d'améliorer les performances lorsqu'il s'agit de questions ou de requêtes qui ont pu être anticipées au moment de la conception.
Ceux qui sont chargés de la modélisation des bases de données décisionnelles connaissent bien l'intérêt d'un modèle logique en troisième forme normale mais, parce que de nombreux moteurs de bases de données sont sujets à des contraintes physiques, ils sont contraints de faire des compromis.
Les quatre opérations les plus difficiles à réaliser pour une base de données sont les suivantes :
- 1) rapprocher les tables,
- 2) cumuler les données,
- 3) trier les données et
- 4) analyser des volumes importants de données.
Pour surmonter les limitations des bases de données, certains développeurs proposent des modèles qui évitent les rapprochements, ils prévoient alors d'utiliser des données déjà récapitulées pour éviter les contraintes liées au cumul ou encore de stocker des données déjà triées et de faire un usage intensif d'index pour éviter l'analyse de données volumineuses.En fait il existe peu de bases de données qui disposent d'une puissance et d'une maturité suffisantes pour faire usage, dans un système décisionnel, d'un modèle physique type troisième forme normale lorsque le volume de données est important. En effet de l'avis même des analystes, la base de données Teradata de NCR est la meilleure du marché, et permet de disposer des capacités suffisantes lorsque le volume de données approche ou dépasse 1To. En raison de leurs limitations physiques, d'autres bases de données font appel à un modèle en étoile pour améliorer leurs performances, ce faisant, elles se privent de la possibilité de traiter des requêtes ad-hoc et perdent le bénéfice du data mining.
Après plus de vingt années d'expérience en vraie grandeur, il est apparu à Teradata que la troisième forme normale correspondait bien au modèle à utiliser pour les entrepôts de données d'entreprise. En effet, ce modèle permet aux utilisateurs de formuler à tout moment n'importe quelle question sur les données disponibles. Telle est bien la philosophie fondamentale de l'entrepôt de données d'entreprise qui conduit également à tirer parti de la puissance des requêtes ad-hoc et du data mining. Au moyen de semblables techniques, des outils évolués peuvent faire apparaître des relations qu'il ne serait pas facile de détecter et qui peuvent être peu prévisibles.
Le modèle du schéma en étoile améliore les performances lorsqu'il s'agit de requêtes connues, mais il sera limité par les suppositions qui auront guidés sa conception. S'il peut arriver que ces suppositions soient exactes pour la première application, elles peuvent ne pas le rester pour d'autres. Par conséquent, pour construire un entrepôt de données de classe mondiale, il faut commencer par élaborer l'entrepôt de données d'entreprise autour de données détaillées en recourant au modèle de la troisième forme normale. Puis, à mesure que des requêtes sont réalisées et que les performances de certaines requêtes répétitives deviennent prioritaires, des data marts en étoile peuvent être créés au sein de l'entrepôt de données d'entreprise ou en aval. L'utilisateur a alors accès à la fois aux data marts - pour certaines requêtes répétitives - et à l'entrepôt d'entreprise pour toutes les autres requêtes.
Un entrepôt de données d'entreprise devrait toujours être conçu de manière à ce que tous les intervenants de l'entreprise puissent se procurer en temps opportun l'information dont ils ont besoin pour leurs activités. Il existe deux types de demandes différentes : des demandes répétitives dont le cadre général est connu et des demandes itératives imprévisibles. Quatre vingt pour cent des requêtes sont répétitives, mais 80 pour cent du retour sur investissement provient généralement des 20 pour cent de requêtes qui portent sur les données détaillées dans une approche itérative. Par conséquent, en utilisant la troisième forme normale pour le modèle de l'entrepôt de données centralisé et l'indexage en étoile pour les data marts, toute entreprise devrait pouvoir maximiser son retour sur investissement, tout en bénéficiant de performances très optimisées sur 80 pour cent de ses requêtes. Voilà dans quelles conditions l'entrepôt de données pourra donner satisfaction à tous les intervenants d'une organisation !
Pour aller plus loin sur le sujet vous pouvez utilement consulter le lien suivant : http://www.teradata.com/t/go.aspx/?id=156388
Michel Bruley ***
Bruley
2 Merci pour ce commentaire plus que complet.
Je le met en lien depuis la page http://business-intelligence.piloter.org/modelisation-datawarehouse.htm
afz