III. L'informatique décisionnelle
L'Informatique décisionnelle ou Business Intelligence
(BI) est l'ensemble des méthodes et outil mis en oeuvre dans le
processus de collecte, de consolidation, de modélisation, d'analyse et
de restitution des informations1.
L'Informatique décisionnelle consiste à
récupérer des données brutes de l'entreprise pour les
transformer en informations exploitables sous forme de tableaux de bord, ces
informations transformées ont pour but d'aider à la
décision les responsables exécutifs de l'entreprise.
Le processus de l'informatique décisionnelle est
structuré sur trois niveaux :
La source des données : ce sont des données
internes à l'entreprise provenant des outils tels que l'ERP, le CRM,
SAP, etc.
La collecte et la consolidation des données : il s'agit
ici de collecter et traiter les données recueillies de manière
à pouvoir les présenter lisiblement dans les tableaux de bord
décisionnels.
La création de valeur : les informations
traitées sont affichées de façons structurées et
pertinentes en vue de permettre de la prise de décision rapide et
efficiente.
Le flux informationnel d'un processus BI se présente comme
suit :
1.
31
CIGREF : Rapport Business Intelligence 2009
2. Fig. 8 : CIGREF : Rapport Business Intelligence 2009
32
Le Datawarehouse ou Entrepôt de données : On peut
considérer l'entrepôt de données comme le coeur de la BI,
car il s'agit de la base de données centrale qui stocke et consolide
toutes les informations provenant des autres systèmes de
l'entreprise.
ETL (Extract, Transform, Load) : Extraire, Transformer et
Charger. L'ETL est la technologie qui permet d'effectuer des synchronisations
massives de données des bases de données de l'entreprise vers
l'entrepôt de données.
Le Datamart : un Datamart est un sous-ensemble du
Datawarehouse, il permet de structurer les données de l'entrepôt
selon les besoins des utilisateurs et suivant les axes stratégiques de
l'entreprise. On procède donc ici à une catégorisation de
l'information, ainsi, dans un projet BI il existe autant de Datamart que d'axes
d'analyse (Finance, Markéting, Relation client, etc.). Le Datamart
regroupe des bases de données allégées par rapport au
Datawarehouse pour favoriser une analyse rapide et ciblée des
données.
OLAP (Online Analytical Processecing) : l'OLAP désigne
toutes les technologies permettant de faire une analyse de données
modélisées en multi dimensionnel pour favoriser la prise de
décision rapide et fiable dans un contexte stratégique.
Dataminig : le datamining met en oeuvre des outils
algorithmiques et statistiques en vue extraire des hypothèses à
partir de grandes quantités de données.
Le concept d'informatique décisionnelle est né
en 1958, sa paternité revient à Hans Peter Lun, un analyste d'IBM
et qui a exposé le concept de BI dans un de ses articles
intitulés « A Business Intelligence System ».
Cependant, il faut attendre les années 1970 et 1980,
suite à l'informatisation des systèmes d'information des
entreprises pour sortir l'Informatique décision de l'ombre de simple
concept.
En 1990, l'analyste Howard Dresner reprend les travaux de Luhn
sur la BI pour mettre en place et définir un cadre moderne afin de
normaliser le concept de BI. Il définit ainsi, les méthodes et
concepts pour optimiser l'analyse de données factuelles et
améliorer la prise de décision1.
1. Salesforce : Une brève histoire du business
intelligence - Guillaume Auruine.
33
A. La limite de l'informatique décisionnelle
L'informatique décisionnelle s'intègre parfaitement
dans l'écosystème de l'entreprise, en lui permettant une analyse
rapide et pertinente de ses données.
Avec l'avènement de la société
d'information, nous assistons à la création d'une mine de
données inépuisable et à forte valeur ajoutée pour
celui qui sait l'analyser de manière pertinente.
Il se trouve, qu'aujourd'hui il est impossible
d'intégrer et de traiter des données non structurées dans
un entrepôt de données BI. Il s'agit là d'une perte
énorme pour les sociétés qui utilisent comme coeur de leur
stratégie les outils de l'informatique décisionnelle.
Par ailleurs, le développement des outils du Big Data
offre amplement la possibilité de traiter les données
structurées et non structurées. La question des
bénéfices de faire du Big data pour les entreprises n'est plus
à démontrer vu l'innovation et les possibilités qui en
découlent.
Cependant, un projet de BI coûte très cher, il
peut valoir jusqu'à des millions d'euros pour sa mise en
place1, il faut donc le rentabiliser. En plus, du fait, qu'une fois
la BI lancée en entreprise elle devient le centre de toute la
stratégie de l'entreprise, il est donc impossible de
décommissionner un système BI en place au profit des nouvelles
technologies du Big data.
Cette insuffisance de l'informatique décisionnelle pose
la problématique de l'intégration du traitement des
données non structurée dans sa chaîne actuelle, ou comment
allié Big data et Informatique Décisionnelle ?
1. Third Nature: BI - Comparison of open source and traditional
vendor - mai 2010.
IV. Informatique décisionnelle et Big Data, vers un
modèle hybride
34
| 
