Vous êtes sur la page 1sur 9

Chapitre 9 : Informatique décisionnelle

Sommaire

Introduction

3

Définition

3

Les domaines d’application de l’informatique décisionnelle

4

Architecture d’un système décisionnel

5

L’outil Oracle Warehouse Builder

9

1

Introduction

Les systèmes opérationnels ont pour but d’automatiser des processus opérationnels (gestion de stocks, gestion de comptes bancaires, …). Le gain de productivité avec ces systèmes est élevé. De plus, ils permettent de soutenir le bon fonctionnement de l’activité principale de l’entreprise mais malheureusement, ces types de systèmes sont inadaptés aux besoins décisionnels.

Définition

Les systèmes décisionnels ont été développés pour fournir une flexibilité et une possibilité d’analyse conséquente. Ce sont des systèmes de base de données séparés des systèmes transactionnels basés sur les donnés opérationnelles. Ils couvrent un horizon temporel plus grand, contiennent des données plus uniformisés et sont optimisés pour répondre à des questions complexes.

Le thème de la décision constitue un champ d’étude majeur en Sciences de Gestion et, plus particulièrement dans le domaine de la Gestion des Systèmes d’Information et de Communication. En effet, les notions de management, de Systèmes d’Information (SI), de Technologies de l’Information (TI) sont étroitement liées aux travers du concept de Systèmes d’Aide à la Décision (SAD).

Etudier ces systèmes décisionnels s’avère être une vaste tâche pour plusieurs raisons interdépendantes comme par exemple, le nombre croissant de décisions que peuvent supporter ces systèmes, les perpétuelles évolutions de la technologie ou encore l’émergence de nouvelles pratiques de management.

Le terme décisionnel est couramment utilisé sous l’appellation Anglo-saxons « Business Intelligence » qui signifie "intelligence d'affaires", la business intelligence couvre l'ensemble des technologies permettant en bout de chaîne d'apporter une aide à la décision. De fil en aiguille, le mot "décisionnel" correspond simplement à la traduction française du terme "business intelligence".

Un système décisionnel a pour but la transformation des données de l’entreprise en informations pour la compréhension du marché et l’analyse des informations afin de prendre des décisions. Ce type de systèmes apporte un avantage concurrentiel pour les entreprises en leur permettant de développer des stratégies pour fidéliser le client, ainsi que la possibilité de faire des études de marché, des analyses et cibler les promotions. Il peut aussi servir à l’évaluation de risques et la détection des fraudes.

3

Aide à la décision, SIAD, intranet décisionnel, Business Intelligence, veille économique, Data Warehouse, Data Mart, OLAP (On Line Analysis Processing), analyse des données, connaissance client, le nombre de termes relatifs aux systèmes de Business Intelligence est aujourd'hui particulièrement riche.

La Business Intelligence se définit comme l'ensemble des technologies permettant de traiter, valoriser et présenter les données à des fins de compréhension, d’analyse et de décision : visibilité sur une activité, compréhension d’un comportement client, détection de faiblesses, prise de décisions stratégiques ou tactiques, réactivité face à un événement.

La Business Intelligence s’appuie sur un système d’information spécifique (système d’information décisionnel), par opposition au système d’information produisant des donnés, (système d’information transactionnel) et ainsi un système décisionnel transforme les données en informations.

Le tableau suivant (tableau 1) présente les principales disparités entre les données opérationnelles (OLTP) et les données décisionnelles (OLAP):

OLTP

OLAP

Orienté transaction

Orienté analyse

Orienté application

Orienté sujet

Données courantes

Données historisées

Données détaillées

Données agrégées

Données évolutives

Données statiques

Utilisateurs nombreux, administrateurs/opérationnels

Utilisateurs peu nombreux, manager

Temps d’exécution: court

Temps d’exécution: long

Tableau 1 Disparité entre les données opérationnelles et données décisionnelles

Un projet décisionnel permet de décrire la politique à court, moyen et long terme d’une entreprise inversement à un projet opérationnel qui admet à inspirer les moyens d’atteindre, au jour le jour, les objectifs fixés par l’entreprise.

Les domaines d’application de l’informatique décisionnelle

Toutes les activités de l’entreprise sont concernées par les systèmes décisionnels et en sont des utilisateurs potentiels :

4

Le contrôle de gestion pour l’analyse des coûts, l’analyse de la rentabilité, l’élaboration budgétaire, les indicateurs de performance, etc.

La direction marketing pour le ciblage, le pilotage de gamme, les applications de Géomarketing, de fidélisation clients, etc.

La direction commerciale pour la gestion des clients, le pilotage des réseaux (directs ou indirects), les prévisions des ventes, l’optimisation des territoires, etc.

Les ressources humaines pour la gestion des carrières, la gestion collective, etc.

La direction de la production pour l’analyse qualité, la prévision des stocks, la gestion des flux, la fiabilité industrielle, etc.

La direction générale pour les tableaux de bord, indicateurs de pilotage, gestion d’alertes, etc.

Architecture d’un système décisionnel

L’architecture d’entrepôt de données possède les caractéristiques suivantes :

Les données sources sont extraites de systèmes, de bases de données et de fichiers.

Les données sources sont nettoyées, transformées et intégrées avant d’être stockées dans l’entrepôt.

L’entrepôt est en lecture seulement et est défini spécifiquement pour la prise de décision organisationnelle.

Les usagers accèdent à l’entrepôt à partir d’interfaces et d’applications (clients).

Le système décisionnel regroupe quatre grands éléments ou activités comme le montre le schéma ci-dessous (figure8.1) :

5

Figure 1 Architecture d'un système décisionnel [3] Les données de l’entreprise Ces données sont multiples

Figure 1 Architecture d'un système décisionnel [3]

Les données de l’entreprise

Ces données sont multiples : données internes (bases de données clients, données de production, applications métiers, etc.) ou données externes (bases de données professionnelles, informations économiques et tous types de données provenant d’Internet).

Outils d’alimentation ETL

Les outils ETL (Extraction, Transformation and Loading) utilisés pour la constitution des entrepôts de données et leur alimentation régulière en informations récentes, servent à extraire les informations des différentes bases de production de l’entreprise, à leur donner une présentation homogène et fiable pour l’analyse (nettoyage, alignement, suppression des doublons, etc.) et à les charger dans l’entrepôt de données.

Ces outils permettent de récupérer les données quelque soient leurs sources et les systèmes qui les supportent (système d’exploitation, SGBD, formats, etc.), d’automatiser et d’industrialiser le processus d’alimentation, de faciliter la maintenance des données et de limiter les développements spécifiques. Ces outils permettent de construire, de mettre à jour et de maintenir le dictionnaire des métas donnés. Le dictionnaire des métas donnés est donc le

6

référentiel du système d’information décisionnel. Le dictionnaire de métas donnés comprend:

La description des données sources et cibles.

La description des processus d’alimentation.

Les règles de gestion (règles de transformation, contrôle qualitatif, etc.).

Les résultats d’exécution.

Plusieurs produits de différents éditeurs existent sur le marché, nous trouvons entre autres :

Oracle Warehouse Builder d’Oracle.

DTS de Microsoft SQL Server.

Talend Open Studio.

DataStage d’Ascential Software.

BusinessObjects Data Integrator de Business Objects.

Cognos Series 7 Decision Stream de Cognos.

Entrepôt de données (Data Warehouse)

Un entrepôt de données, ou data Warehouse, est une vision centralisée et universelle de toutes les informations de l'entreprise. C'est une structure (comme une base de données) qui à pour but, contrairement aux bases de données, de regrouper les données de l'entreprise pour des fins analytiques et pour aider à la décision stratégique. La décision stratégique étant une action entreprise par les décideurs de l'entreprise et qui vise à améliorer, quantitativement ou qualitativement, la performance de l'entreprise. C’est un gigantesque tas d'informations épurées, organisées, historiées et provenant de plusieurs sources de données, servant aux analyses et à l'aide à la décision. L'entrepôt de données est l'élément central de l'informatique décisionnelle. En effet, il est le meilleur moyen pour modéliser l'information pour des fins d'analyse .

Le Data Warehouse organise et conserve les données nécessaires aux processus informationnels et analytiques dans une perspective de long terme. Ce système correspond à une collection de données ayant les aspects suivants :

Orientées selon un sujet (factuelles, non dédicacées à une application)

Intégrées (propres, validées et proprement agrégées)

Temporelles (accumulées, volumineuses)

Non volatiles (chargées, filtrées, transformées, agrégées, etc.)

La valorisation d'un Data Warehouse passe par la mise à disposition de l'utilisateur des moyens qui lui permettront de détecter la bonne information. Un exercice difficile, surtout

7

lorsqu'il s'agit de rapprocher plusieurs types d'informations disséminées dans les gigantesques gisements de données déjà constitués, parfois de façon hétéroclite.

Datamart

Le datamart est une base de données moins coûteuse que le dataWarehouse et plus légère puisque destinée à quelques utilisateurs d'un département. Il séduit plus que le data Warehouse les candidats au décisionnel puisque il minimise la complexité informatique et facilite leur concentrations sur leurs besoins.

C'est un petit entrepôt de données, à l'échelle d'un département ou succursale d'une grande société, ciblée et pilotée par les besoins utilisateurs. Il a la même vocation que le data Warehouse (fournir une architecture décisionnelle), mais vise une problématique précise avec un nombre d'utilisateurs plus restreint.

Dimension

Dans la terminologie OLAP, les axes d'analyses temps, structure et agent sont des dimensions. Nous pouvons donc parler de la dimension structure. Elle peut prendre plusieurs valeurs, par exemple "bureaux régionaux" ou "policliniques". Ces valeurs sont des positions de la dimension (elles sont principalement discrètes).

Outils d’analyse et de restitution

Pour chaque question plus ou moins complexe, l'outil d'analyse recueille la requête et produit les indicateurs voulus. Egalement appelée reporting, cette étape se charge de diffuser et de présenter les informations de la façon la plus opérationnelle possible pour les différentes populations d’utilisateurs. Il existe trois types de besoins en restitution :

1/ La diffusion d’information en masse : il s’agit d’informations pré structurées sous la forme de tableaux de bord ou d’états prédéfinis. Nous parlons de reporting d’entreprise.

2/ L’analyse : l’utilisateur travaille dans un cadre fonctionnel délimité à partir d’indicateurs recherche de facteurs susceptibles d’améliorer les résultats, simulation, mesure de l’impact de décisions, etc. Nous parlons d’analyse ad hoc.

3/ L’accès aux données en libre-service. L’utilisateur sélectionne les données en fonction de ses objectifs du moment. Dans le cas de certains besoins d'analyse, nous utilisons des outils offrant des fonctions statistiques, ou outils de datamining.

8

L’outil Oracle Warehouse Builder

Oracle Warehouse Builder (OWB) est un outil fourni par Oracle, il peut être utilisé à chaque étape de la mise en œuvre d'un entrepôt de données, de la conception initiale, la création de la structure des tables jusqu'à la définition du processus ETL sans oublier l’audit et la qualité des données. L’OWB s’inscrit dans tout le parcours de la mise en place de l’entrepôt de données. Il est fourni en tant que partie de l'installation d'Oracle Data Base 11g.

Pour les versions précédentes du SGBD Oracle elles peuvent être téléchargées gratuitement via le site Oracle. On peut choisir l'utilisation de toutes les fonctionnalités d’OWB ou bien juste quelques unes qui sont nécessaires pour notre projet, nous n’avons pas besoin d'utiliser toutes les fonctionnalités avancées pour implémenter un entrepôt de données. En effet, un simple entrepôt de données permettra l'utilisation d’un sous-ensemble des fonctionnalités d’OWB, au fur et à mesure que l'entrepôt de données croît en complexité, l'outil fournit plus de fonctionnalités qui peuvent être mises en œuvre. Il est suffisamment souple pour nous permettre d’avoir un certain nombre d'options pour la mise en œuvre de notre entrepôt de données.

Ainsi nous bénéficions des avantages d'un ETL moderne tout en gardant une maîtrise lissée des coûts. Ces derniers sont en effet réduits aux coûts de formation initiale de l'outil et d'une éventuelle souscription à une hotline technique. Aucune licence n'est à payer dans ce modèle économique.

9