0saves

Poursuite de la réflexion sur la partie « présentation » au sein d’un projet de business intelligence.
De fait, il existe un grand nombre de possibilités pour le format des rapport de présentation résultant de l’analyse des données collectées. En fait, tout dépend là encore des objectifs fixés pour le « business intelligence ».

businss intelligence

Pour ne pas se perdre en route, revoici le schéma classique d’architecture de datawarehouse adapté à un cas de mise en place d’un process de business intelligence. Nous en sommes donc rendu à la partie III, présentation.
architecture datawarehouse business intelligence

EIS, Executive Information System

La première forme de présentation est celle-ci, l’EIS, Executive Information System. C’est un format de présentation qui est plutôt réserver aux équipes dirigeantes de l’entreprise, permettant à l’aide de tableaux de bord de haut niveau et d’indicateurs synthétiques (jauges, radars, feux tricolores) de données décisionnelles de faciliter la prise de décision des dirigeants.
Le présentation de ce genre d’outils est essentiellement orientée vers l’aspect visuel et l’immédiateté en terme de taux de réponse. Les données y sont très agrégées.

Voici un exemple d’EIS, à travers un tableau de bord de l’outil EIS de SAP, Xcelsius (cliquez pour zoomer):
SAP_xcelsius_EIS

Les outils d’infocentre

Cette forme d’outils de présentation est plus orienté « métier » que les EIS. Les données sont construites et présentées sous forme d’états simple.

Ces outils sont essentiellement utilisées par les analystes et requêteurs utilisant les données internes et externes collectées et stockées dans le datawarehouse.

On trouve pas mal d’éditeurs pour ce type de solutions (même si la notion même d’infocentre est un peu vieillissante) consistant de fait en un outil permettant à un analyste d’effectuer un certains nombres de requêtes complexes et de data mining, tout en restant souple d’utilisation.
Ces solutions sont:

Outils OLAP

Un hypercube OLAP (ou cube OLAP) est une forme de représentation abstraite de l’information stratégique, multidimensionnelles et exclusivement numérique. Elle est utilisée par l’approche OLAP (acronyme de On-line Analytical Processing) : les axes du cube représentant les axes d’analyse (temps, produits, géographie…) avec hiérarchisation pour déterminer des liens de parentés entre niveaux, et les cubes représenant les données à l’intersection des dimensions.

Côté utilisateurs, c’est là encore un outil essentiellement utilisé par les analystes pour effectuer des analyses interactives et relationnelles de données, et obtenir des informations déjà agrégées selon les besoins (ventes, marge, stock…).

Cette forme de présentation répond parfaitement à des besoins de:

  • navigation libre et ad-hoc,
  • navigation du général au particulier,
  • simplicité pour permettre une analyse de données par des personnes autres que des statisticiens ou des programmateurs informatiques),
  • utilisant les fonctions classiques de l’agrégation de données (minimum, maximum, moyenne, somme, numérotation),
  • rapide d’accès.

cubes OLAP

cube OLAP

Crédit : datanovasoftware.com

Outils de Data mining

Les outils de Data Mining ont essentiellement pour but de permettre le croisement des données afin de les faire parler et d’établir des relations entre elles (découverte de modèles implicites par association, segmentation, estimation, prédiction).

Evidemment, les outils de datamining sont bien moins accessibles que les autres formes de présentation vues précédemment. Leur public est essentiellement composée de statisticiens habitués à manier de long process de données.
En règle générale, on retrouve les techniques suivantes dans les process de datamining:

  • arbres de décisions,
  • réseaux neuronaux,
  • knowbots, ou agents intelligents,
  • réseaux bayésiens
  • RBM, raisonnement basé sur la mémoire.
  • Segmentation de panels.

Côté logiciels, on trouve beaucoup de solutions de data mining sur le marché, que ce soit :

  • SAS entreprise miner,
  • Quadstone system,
  • Oracle Data mining,
  • IBM DB2 Intelligent miner…

Diffusion des données

C’est la dernière étape du process de datawarehouse : la diffusion en interne/externe des données stratégiques récoltées, analysées et recoupées.

La plupart du temps, la solution adéquate repose sur l’utilisation d’un intranet/extranet décisionnel pour la diffusion de l’information. C’est une étape importante pour la société car elle permet la consolidation de son réseau:

  • que ce soit en interne, avec une meilleure communication entre services,
  • qu’en externe, avec une meilleure coopération/relation avec les fournisseurs.

Mise en place d’un système d’information décisionnel

Comme tous projets, l’élaboration d’un système d’information décisionnel implique de suivre une méthodologie précise composée de plusieurs étapes clés qui sont :

  • la définition de spécifications fonctionnelles générales au projet (présentation société, objectifs business intelligence, forces/faiblesses),
  • la définition de spécifications fonctionnelles détaillées au projet (contraintes techniques, usagers….), la conception du système restant guidée par les besoins et objectifs sur système d’information,
  • la constitution d’équipes pluri-disciplinaires, multi-services, destinées à être impliquées fortement dans la définition et le test du système,
  • réalisation d’un projet pilote,
  • conception/réalisation itérative/déploiement par étapes,
  • livraison,
  • recettage et test par les utilisateurs,
  • définition d’un planning de déploiement,
  • retrofeedback.

Mais, de fait, un tel projet ne peut aboutir que s’il bénéficie d’un engagement complet des équipes et de la direction, avec des objectifs clairs et un budget conséquent, tout en étant parfaitement documenté. S’il est reprise seulement par le département informatique, alors ce sera un échec, surtout s’il n’y a pas de promotion en internet et s’il y a un manque d’accompagnement des utilisateurs finaux : un tel projet de système d’informations ne peut être efficace et fonctionnel que s’il est multi-services.

Conclusion – synthèse du système d’information décisionnel

Le système d’information décisionnel d’une structure de business intelligence peut être résumé par les points suivants:

  • décision distribuée pour une orientation métier,
  • un socle commun, le datawarehouse,
  • une historisation des données et une mémorisation dans le temps,
  • une disponibilité immédiate des données, par un modèle de donnée spécifique,
  • une transversalité pour affiner les fonctions de corrélation entre les données,
  • une évolutivité pour s’adapter aux nouvelles technologies et aux nouveaux usages/tendances (jumelage avec le CRM, verticalisation de l’offre, cloud computing, full web, analyses prédictives…).
photo by: MichaelKreil
0saves
Si vous avez aimé ce "post", n'hésitez pas à laisser un commentaire ou vous abonnez à notre flux RSS.