a Business Intelligence, ou informatique décisionnelle, désigne l’ensemble des technologies

permettant aux entreprises d’analyser les données au profit de leurs prises de décisions. 

L’analyse de données peut être très utile pour assister les entreprises dans leurs prises de
décisions. Pour collecter et analyser les données, il est nécessaire d’utiliser une large variété
d’outils et de technologies : c’est la Business Intelligence.
Table des matières
 Business Intelligence : qu’est-ce que l’informatique décisionnelle  ?
 Business Intelligence : quels bénéfices pour les entreprises ?
 Business Intelligence : quels sont les outils d’informatique décisionnelle ?
 Business Intelligence ou informatique décisionnelle : qu’est-ce que la chaîne décisionnelle
?
 Business Intelligence : quel personnel et quelles infrastructures pour profiter de la BI ?
 Business Intelligence : quels sont les problèmes potentiels de l’informatique
décisionnelle ?
 Business Intelligence : les meilleurs cours et formations à l’informatique décisionnelle
 Business Intelligence vs Big Data : quelle est la différence ?
 Quelles différences entre Business Intelligence et Data Science ?

Business Intelligence : qu’est-ce que l’informatique

décisionnelle ?

Le terme Business Intelligence (BI), ou informatique décisionnelle, désigne les

applications, les infrastructures, les outils et les pratiques offrant l’accès à l’information,
et permettant d’analyser l’information pour améliorer et optimiser les décisions et les
performances d’une entreprise. En d’autres termes, la Business Intelligence est le processus
d’analyse de données dirigé par la technologie dans le but de déceler des informations
utilisables pour aider les dirigeants d’entreprises et autres utilisateurs finaux à prendre des
décisions plus informées.
Ainsi, la BI regroupe une large variété d’outils, d’applications et de méthodologies
permettant de collecter des données en provenance de systèmes internes et de sources
externes, de les préparer pour l’analyse, de les développer et de lancer des requêtes au
sein de ces ensembles de données. Ces outils permettent ensuite de créer des rapports, des
tableaux de bord et des visualisations de données pour rendre les résultats des analyses
disponibles pour les preneurs de décisions.
Le nombre de données brutes que regroupe la BI peut parfois paraître écrasant. Surtout, si
elles ne sont pas représentées dans un contexte qui justifie leur utilisation. Elles ne valent
alors plus rien et peuvent même conduire à faire des erreurs. Afin d’avoir un aperçu clair et
ordonné de ces informations, il est nécessaire de les ranger dans un tableau de bord. Celui-ci a
pour but de rendre accessibles et compréhensibles toutes ces données brutes.

Elles sont affichées sous des formes de tableaux ou de graphiques qui apportent une
hiérarchisation. Ainsi, la prise de décision gagne en rapidité et en efficacité. Heureusement,
il existe des tutoriels qui expliquent en détail comment faire un tableau de bord. Ils vous
guident pas à pas dans la mise en place de ce précieux outil et vous permettent de répondre
aux besoins que vous avez établis. Le tableau de bord s’avère donc essentiel en
accompagnement de la BI.
L’utilisation sporadique du terme Business Intelligence remonte aux années 1860.
Toutefois, le consultant Howard Dresner est considéré comme le premier à avoir utilisé
ce terme pour désigner l’utilisation des techniques d’analyse de données au profit de la
prise de décision en entreprise, en 1989. Les technologies BI sont toutefois plus anciennes.
De temps à autre, le terme de business intelligence est remplacé par celui de business
analytics, qui désigne plus généralement les technologies analytiques avancées mais peut
aussi inclure la business intelligence.
Business Intelligence : quels bénéfices pour les
entreprises ?

Les programmes de business intelligence peuvent avoir de nombreux bénéfices pour

l’entreprise. Ils permettent d’accélérer et d’améliorer la prise de décision, d’optimiser les
processus internes, d’augmenter l’efficience d’exploitation, de générer de nouveaux
revenus, et de prendre l’avantage sur la concurrence. Les systèmes BI aident également
les entreprises à identifier les tendances du marché et à repérer les problèmes qui doivent être
résolus.
Les données de business intelligence peuvent inclure des informations historiques, mais
aussi de nouvelles données en provenance de systèmes sources, collectées dès qu’elles
sont générées. Ainsi, les analyses BI permettent de prendre aussi bien des décisions tactiques
que des décisions stratégiques.
Initialement, les outils BI étaient principalement utilisés par les analystes de données et
les professionnels informatiques qui se chargeaient d’analyser les données et de produire des
rapports. Toutefois, aujourd’hui, de plus en plus d’exécutifs et d’employés utilisent les
logiciels BI eux-mêmes, notamment grâce à l’essor du self-service BI et des outils de
découverte de données.
Business Intelligence : quels sont les outils
d’informatique décisionnelle ?
La Business Intelligence rassemble de nombreuses applications d’analyse de données, de
reporting, de traitement analytique en ligne (OLAP), de mobile BI, de BI en temps réel,
de BI d’exploitation, de logiciels en tant que service (SaaS), et de BI open source.
Les technologies BI incluent également des logiciels de data visualization permettant de
dessiner des graphiques et autres infographies, ou des outils permettant de créer des tableaux
de bord et des cartes de performance pour afficher les données visualisées sous forme
d’indicateurs de performances et de métriques d’entreprise. Ces applications peuvent être
achetées séparément auprès de différents vendeurs ou sous la forme d’une plateforme unifiée
auprès d’un seul vendeur.
Les programmes BI peuvent également incorporer des formes d’analyses avancées
comme le data mining, les analyses prédictives, le forage de texte, les analyses
statistiques ou les analyses Big Data. Dans la plupart des cas, toutefois, les projets
analytiques avancés sont menés par des équipes séparées de data scientists, de statisticiens, de
modeleurs prédictifs, ou autres analystes professionnels expérimentés. Les équipes BI se
chargent généralement de projets plus simples.
Business Intelligence ou informatique décisionnelle :
qu’est-ce que la chaîne décisionnelle ?

La chaîne décisionnelle est la chaîne de traitement de l’information permettant de

transformer les données collectées en informations pouvant être utilisées à des fins
décisionnelle. Cette chaîne se compose d’éléments et d’outils que l’on présente souvent en
quatre catégories distinctes. Chacune de ces catégories correspond à une phase du processus.
La première étape de la chaîne décisionnelle est celle de la collecte de données. Il s’agit
d’extraire les données en provenance des différentes sources de l’entreprise (systèmes de
production), de les transformer, et de les charger vers la base de données. C’est ce qu’on
appelle le processus  » ETL  » (Extract, Transform, Load), qui permet d’adapter les données à
un usage décisionnel.
La seconde étape est celle du stockage des données, ou modélisation des données. Il s’agit
de centraliser les données structurées et traitées afin qu’elles soient disponibles pour l’usage
décisionnel, faciles à analyser. Pour ce faire, on entrepose les données dans un Data
Warehouse ou un Data Mart : une base de données spécialisée adaptée aux requêtes
décisionnelles.
La troisième étape est celle de la distribution ou restitution des données. Elle consiste à
utiliser différents outils afin de restituer l’information sous une forme exploitable pour la prise
de décision. On va notamment utiliser des outils de reporting, des portails d’accès à des
tableaux de bord, des outils de navigation dans des cubes, ou des outils de statistiques. Des
portails décisionnels comme l’EIP Enterprise Information Portal permettent aussi de
distribuer l’information à l’ensemble des partenaires.
La quatrième et dernière étape de la chaîne décisionnelle est celle de l’exploitation des
données. Les données nettoyées, consolidées, accessibles et stockées sont désormais prêtes à
être analysées par les utilisateurs finaux ou les spécialistes de l’analyse. Pour ce faire, on
utilise différents outils tels que les cubes OLAP (pour les analyses multidimensionnelles), le
Data Mining (pour chercher des corrélations), ou encore des tableaux de bord présentant les
indicateurs clés.
Business Intelligence : quel personnel et quelles
infrastructures pour profiter de la BI ?

En règle générale, les données de Business Intelligence sont stockées dans des data
warehouses, ou dans de plus petits data marts. Par ailleurs, les systèmes Hadoop sont de plus
en plus utilisés au sein des architectures BI en guise de répertoires de données,
notamment pour les données non structurées, les fichiers log, les données de capteurs et
autres types de Big Data.
Avant d’être utilisées pour les applications BI, les données brutes en provenance de différents
systèmes sources doivent être intégrées, consolidées et nettoyées en utilisant des outils
d’intégration de données de qualité de données pour s’assurer que les utilisateurs analysent
des données précises et consistantes.

Outre les managers BI, les équipes de business intelligence incluent généralement des
architectes BI, des développeurs BI, des analystes de business et des professionnels de la
gestion de données. Les business users se joignent également aux équipes pour représenter le
côté business et s’assurer que les besoins de la firme se retrouvent dans le processus de
développement BI.
Ainsi, un nombre croissant d’entreprises remplacent le développement traditionnel par une
approche basée sur l’Agile BI et le data warehousing en utilisant des techniques de
développement logiciel Agile afin de diviser les projets BI en petites parties et proposer de
nouvelles fonctionnalités aux utilisateurs finaux. Cette approche permet aux entreprises de
déployer plus rapidement les fonctionnalités BI pour raffiner ou modifier les plans de
développement au fil des changements de business ou des nouveaux besoins qui émergent et
deviennent prioritaires.

Business Intelligence : quels sont les problèmes

potentiels de l’informatique décisionnelle ?
L’une des principales barrières à l’adoption de la Business Intelligence est la résistance
culturelle des employés de l’entreprise. De même, la mauvaise qualité des données ou la
grande quantité de données inutiles peut poser problème. La solution pour obtenir des
données pertinentes en provenance des systèmes d’informatique décisionnelle repose sur les
données standard. En effet, les données sont la composante principale de n’importe quelle
solution BI. Il s’agit des blocs de construction des insights. Les entreprises doivent s’assurer
que leurs data warehouses sont bien rangées avant de commencer à extraire des insights. Dans
le cas contraire, elles opéreront sur des informations falsifiées.
Les outils BI eux-mêmes peuvent également être des obstacles. Les outils sont plus intuitifs
qu’auparavant, mais ne sont pas encore pleinement accessibles. Enfin, de nombreuses
entreprises ne comprennent pas suffisamment leurs business processes pour déterminer
comment les améliorer. De plus, les entreprises doivent rester prudentes quant aux procédés
qu’elles choisissent.
Si le procédé n’a pas d’impact direct sur le revenu de l’entreprise ou s’il n’est pas standardisé
à l’échelle de l’entreprise, tous les efforts risquent d’être vains. Les firmes doivent
comprendre toutes les activités liées au procédé, la façon dont les informations et le flux de
données traverse l’entreprise, comment les données sont transmises aux différents business
users, et comment elles sont utilisées par chacun pour remplir sa part du process. C’est le rôle
en partie joué par le Business Intelligence Manager.
Business Intelligence : les meilleurs cours et formations
à l’informatique décisionnelle
Il existe en France un grand nombre de formations permettant de devenir expert en
Business Intelligence. Ces formations mènent aux professiones de Data Scientist, Data
Miner, chef de projet en informatique décisionnelle, consultant expert en décisionnel ou
encore ingénieur en informatique décisionnelle.
Parmi ces différents cursus, les meilleures formations sont des Masters de niveau Bac+5.
Les plus réputées sont le Mastère Spécialisé en Business Intelligence de l’EISTI, le Master
Ingénierie Statistique et Financière de l’Université Panthéon-Assas Paris II, et le Master (1
et 2) Économétrie, statistiques – Parcours Économétrie et Statistique Appliquée (ESA)
de l’Université d’Orléans.
On peut aussi citer le Master Exploration Informatique des Données et Décisionnel
de l’Institut Galilée – Université Paris 13, le Master MIAGE-IF – Informatique pour la
Finance de l’Université Paris-Dauphine, et le Master MIASHS, parcours Ingénierie de la
Statistique de l’Université de Versailles Saint-Quentin-en-Yvelines.
D’autres universités proposent aussi des masters en Business Intelligence. C’est le cas de
l’IMT Atlantique, de l’Université François Rabelais Tours, de l’Université Lumière Lyon 2, et
de l’IAE Montpellier. Précisons que plusieurs organismes proposent des formations à la BI,
comme le Cnam, M2i Formation et Orsys Formation.
Vous pouvez aussi vous auto-former en apprenant à maîtriser les outils les plus utilisés dans le
domaine de la Business Intelligence tels que Qlikview, QlikSense, SSIS, Talend et les SQL.
Business Intelligence vs Big Data : quelle est la
différence ?
Le Big Data peut être considéré comme une composante de la Business Intelligence,
puisqu’il permet à l’entreprise de rassembler des informations par-delà ses propres sources
internes. Bien souvent, le Big Data constitue l’information menant aux  » insights  » de
Business Intelligence.
La notion de Business Intelligence englobe une large variété de données, y compris de vastes
bases de données en ligne pouvant être considérées comme le Big Data. En revanche, le
terme de Big Data désigne uniquement ces larges ensembles de données.
Les outils de Big Data et de Business Intelligence diffèrent également. Les logiciels de BI
permettent de traiter des sources de données standards, mais ne sont pas adaptés à la gestion
du Big Data. Il est nécessaire de se tourner vers de systèmes spécialisés pour le traitement du
Big Data.
De même, la notion de Business Intelligence couvre l’ensemble des processus métiers et
procédures d’analyse de données facilitant la collecte du Big Data. Elle englobe donc
également le Data Mining ou forage de données, que l’on peut considérer comme une forme
d’informatique décisionnelle.
Plus spécifiquement, le Data Mining peut être considéré comme une fonction de Business
Intelligence. Il est utilisé pour collecter des informations pertinentes et dégager des insights.
La Business Intelligence peut aussi être pensée comme le résultat du Data Mining, puisqu’elle
consiste à utiliser des données pour acquérir des insights.
Le Data Mining permet de chercher des ensembles de données pertinents, tandis que la
Business Intelligence permet de dégager des insights. Ainsi, les analystes utilisent le Data
Mining pour trouver les informations donc ils ont besoin, et utilisent la Business Intelligence
pour déterminer pourquoi elles sont importantes.
Quelles différences entre Business Intelligence et Data
Science ?
La Business Intelligence est un ensemble de technologies, d’applications, de processus
utilisées pour l’analyse de données métier. Elle permet de convertir des données brutes en
informations pertinentes, utilisables pour aiguiller la prise de décision.
La Data Science, ou science des données, consiste de son côté à extraire des informations et
des connaissance à partir des données en utilisant différentes méthodes scientifiques,
algorithmes et processus. Il s’agit donc d’une combinaison entre divers outils
mathématiques, algorithmes, statistiques et techniques de Machine Learning permettant de
trouver des tendances historiques cachées dans les données pour comprendre les tendances
actuelles et futures.
Ces deux domaines sont donc similaires, mais présentent aussi des différences notables. La
Data Science utilise des outils statistiques et mathématiques pour découvrir des tendances
dans les données, tandis que la Business Intelligence est un ensemble de technologies,
d’applications et de processus utilisées par les entreprises pour l’analyse de données métier.
La Data Science se focalise sur le futur, la BI sur le passé et le présent. La science des
données permet de traiter à la fois les données structurées et non-structurées, tandis que la
Business Intelligence se concentre principalement sur les données structurées.
Par ailleurs, la Data Science est nettement plus flexible que la BI qui nécessite de planifier
et de délimiter les sources de données. La méthode est scientifique dans le premier cas,
analytique dans le second cas.
La Data Science est par ailleurs plus complexe, et nécessite l’expertise d’un Data
Scientist tandis que la Business Intelligence est accessible aux  » business users « . Enfin, les
outils utilisés ne sont pas les mêmes.