Les progiciels de la Business Intelligence

Les progiciels de la Business Intelligence (informatique décisionnelle) répondent à trois besoins :

Collecter, nettoyer et consolider les données de l'entreprise étendue
Stocker les données
Exploiter l'information de l'entreprise étendue

Collecter : Les outils d'ETL (Extract Transform and Load)

L'aspect "collecte" est du ressort des outils d'ETL (Extract Transform load). Les systèmes d'information de l'entreprise sont hétérogènes. En dépit des efforts conséquents pour standardiser les outils informatiques (ERP), la disparité des formats des données stockées au sein des bases de production incompatibles deux à deux est toujours une réalité. Avant d'être utilisables, les données doivent être formatées, nettoyées (élimination des valeurs aberrantes et consolidées. C'est le prix à payer pour que les données deviennent des informations pertinentes, utiles au décideur en situation de décider. Les outils d'ETL (Extract Transform load) permettent d'automatiser ces traitements et de gérer les flux de données alimentant le Data warehouse ou le Datamart. C'est une étape fondamentale du projet décisionnel.

Stocker : Le Data warehouse et le datamart

Les bases de données de production ne peuvent être utilisées pour une exploitation décisionnelle. Les données ne sont pas prêtes à cet usage et, d'autre part les requêtes décisionnelles sont particulièrement gourmandes en ressources machines. Les données, au préalable nettoyées et consolidées, doivent être stockées dans une base spécialisée : le data warehouse ou le datamart. Le datamart est une version plus réduite du data warehouse. Le data mart est orienté sujet ou thème et peut être par exemple utilisé pour des applications de CRM (Custom Relationship Management) ou de Datamining. Le data warehouse ou le datamart est alimenté par l'outil d'ETL (Extract Transform load). La phase de constitution de l'entrepôt de données est au coeur du projet décisionnel.

Exploiter : OLAP EIS tableau de bord, portail décisionnel (EIP Enterprise Information Portal), datamining, CRM (Customer Relationship Management)...

Une fois les données stockées et consolidées, plusieurs types d'outils d'extraction peuvent être envisagés. Pour des besoins d'analyse, les outils offrant des fonctions statistiques évoluées ou de Datamining permettant de rechercher des corrélations entre données, non visibles a priori, sont les plus adaptés. Pour apporter assistance aux décideurs en situation, il faut alors construire des tableaux de bord présentant les indicateurs élaborés à partir des données du Datawarehouse : instruments de type EIS (tableau de bord) en client serveur ou en s'appuyant sur les nouvelles générations de portail informationnel (EIP) dans la mouvance Internet/Intranet.

OLAP
Les outils OLAP permettant d'effectuer des analyses multidimensionnelles seront utilisés aussi bien par les analystes que par les décideurs. Ces derniers pourront les exploiter pour obtenir des réponses à des questions du type: cet indicateur me délivre une certaine valeur, POURQUOI ? ou encore par un usage limité de la simulation en écrivant directement dans la base OLAP. Cette fonction permet notamment de préparer les budgets.

La base OLAP

Les premiers utilisateurs d'outils décisionnels cherchaient à exploiter les données au sein d'une base relationnelle de type infocentre. Mais les bases OLTP à 2 dimensions ne se prêtent guère aux requètes décisionnelles. EF CODD, se basant sur le produit ESSBASE, un tableur multidimensionnel, a établi 12 règles complétées par la suite de 6 nouvelles pour définir le concept OLAP (On Line Analytical Processing).

Dans une base OLAP, les données sont organisées en plusieurs dimensions représentant les axes de recherche des utilisateurs. Cette structure présente de nombreux avantages. En effet, un utilisateur peut rechercher une représentation du chiffre d'affaires par produit et par région. Puis, après réflexion, préférer une représentation par région et par produit. Avec une base multidimensionnelle, il suffit de faire pivoter le cube sans pour autant regénérer une requète. D'autres fonctions comme l'accès au détail (Drill and Down) sont inclues dans le modèle.

Pour mieux comprendre :

Recommandez cet article