Introduction à

l’Informatique Décisionnelle
& la Business Intelligence

2022-2023
Contexte Économique et Informationnel actuel

Contexte économique
Mondialisation de l'économie, ouverture de nouveaux marchés
Concurrence toujours plus accrue
Besoin d’informations pour prises de décisions de plus en plus rapide.

Contexte informationnel
Décentralisation des données vers les utilisateurs
L'information est en trop grande quantité
Un enjeu stratégique d’entreprise: les informations sont une source
de revenu et de compétitivité

Contexte informatique
Puissance de calcul & Capacité de stockage croissantes
Bases de données de plus en plus importantes et SGBD de plus en plus
performants
Ouverture sur le Web, etc.
2
Problématique

Une grande masse de données est archivée:

 Complexe
 Variables
 Très Détaillée

A traiter :
 Synthétiser / Résumer
 Analyser

Pour une utilisation par :

 Des experts et des analystes d'un domaine métier
– NON informaticiens
– NON statisticiens

3
Problématique

Les entreprises ne veulent plus seulement savoir :

« Combien de clients ont acheté tel produit pendant une telle période ? »

Mais des nouvelles questions métiers :

Clientèle :

 « Quel est leur profil ? »

 « Quels autres produits les intéresseront ? »
 « Quand seront-ils intéressés ? »
 « Comment les conserver ou les faire revenir ? »

Marketing, actions commerciales :

 « Où placer ce produit/service ? »
 « Comment cibler plus précisément mes clients
concernant ce produit /service? »

4
Constatations

Conquérir un nouveau client coûte 5 fois plus cher que de

fidéliser un client existant

5% d'amélioration de la fidélité des clients entraîne une

augmentation des profits de 10 à 15%

Tous les clients ne sont pas égaux : 30% des clients génèrent
70% du CA

Le Client attend un service personnalisé, sur-mesure

La personnalisation est une source de profit

5
Avantages

Mieux connaitre le client

– pour mieux le servir
– pour augmenter sa satisfaction
– pour augmenter sa fidélité (+ coûteux d’acquérir un client
que le conserver)

La connaissance du client est encore plus utile :

– les produits se ressemblent entre établissements
 le prix n’est pas toujours déterminant
 ce sont surtout le service et la relation avec le client
qui font la différence

6
Problématique: Enjeux du Décisionnel

 L’activité d’une entreprise est multi-process:

Elle a besoin de découper son activité principale en plusieurs
processus métiers, par exemple,
 le processus d’achat,
 le processus de vente,
 le processus d’exploitation,
 les processus de ressources humaines,
 etc.

 Chacun de ces processus génère des données opérationnelles qui sont

le plus souvent capturées soit
 à partir d’une application spécialisée telle qu’un ERP (Entreprise
Ressource Planning),
 soit à travers des feuilles de calcul Excel (ou des fichiers plats,
csv, etc.).

7
Problématique: Enjeux du Décisionnel

 Il s’en suit un « silotage des données » qui empêche au management

d’avoir une vision globale de l’activité de l’entreprise :
 l’application de finance capture les données de la finance,
 l’application de logistique capture les données générées par le
processus Logistique,
 l’application RH capture les données générées par les RH etc.

 Comme ces applications sont distinctes, propres à chaque

processus métier, l’entreprise se retrouve avec plusieurs bases de
données différentes.

8
Pilotage de l’entreprise

 Ces données sont généralement :

 éparpillées au sein des départements et non connectées entre elles
 hétérogènes dans leurs formats techniques et leurs organisations
structurelles, voire leurs sémantiques
 implémentées pour l'action (par construction) et non pour l'analyse
 volatiles, au sens où leur mise à jour peut conduire à oublier des
informations obsolètes

 Les bases de données, fichiers structurés et non-structurés éparses,

dans lesquelles sont dispersées les feedback de l’activité (ou des
processus métiers) de l’entreprise, sont les matières premières de
l’informatique décisionnelle.
 Elles seront modélisées, intégrées et homogénéisées à l’aide
de techniques précises, avant d’être consolidées pour le calcul
d’indicateurs d’aide à la décision (les KPI).

9
Pilotage de l’entreprise: Outils Informatiques le supportant

Outils d’analyse pour

constituer et mettre à jour à partir de diverses sources de grandes

quantités de données historisées et multidimensionnelles, etc.
extraire selon divers critères des sous ensembles de données
analyser ces données selon différents axes (OLAP), d’identifier des
tendances, des corrélations, faire de la prévision (Data Mining)

Outils de veille stratégique, de recherche d’information (RI)

issus de l’intelligence économique: ils recueillent des informations sur

le marché et la concurrence
collecter sur le Web d’importante quantité de données, les filtrer et en
extraire les informations pertinentes (Web Mining) pour les analyser
ensuite

Outils relevant de l’Informatique Décisionnelle (ID) ou

Business Intelligence (BI)
10
Pilotage de l’entreprise

 À cet effet, l’informatique décisionnelle fournit aux décideurs deux

choses :

 Les Tableaux de bord (dashboard): qui mettent en relief des

indicateurs clé de performance, qui vont aider les décideurs à
suivre les activités de l’entreprise en fonction des objectifs
stratégiques qu’ils auront préalablement définis.

 La visualisation de données (Data Visualisation) :

la représentation graphique ou visuelle des informations/indicateurs
du tableau de bord. Grâce à des éléments visuels tels que les
histogrammes, les boîtes à moustache, les graphiques croisés, ou
encore les cartes géographiques.

11
Pourquoi Construire un Système Décisionnel ?

Le Système d’Information Décisionnel (SID) résulte d’un

processus qui consiste à :

extraire les données à partir des systèmes opérationnels et

d’autres sources externes à l’entreprise

les transformer en information de pilotage

les rendre accessibles aux utilisateurs

La Base Décisionnelle est aujourd’hui reconnue comme un actif

stratégique par beaucoup d’entreprises

12
Informatique Décisionnelle/Business Intelligence

L'Informatique Décisionnelle (ID), en anglais Business Intelligence (BI),

est l'informatique à l'usage des décideurs et des dirigeants des
entreprises.

Les systèmes de ID/BI sont utilisés par les décideurs pour obtenir
une connaissance approfondie de l'entreprise et de définir et de
soutenir leurs stratégies d'affaires, par exemple:
d'acquérir un avantage concurrentiel,
de répondre plus rapidement aux changements,
d'augmenter la rentabilité, et
d'une façon générale la création de valeur ajoutée de
l'entreprise
etc.

13
Informatique Décisionnelle/Business Intelligence

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.

14
Informatique Décisionnelle/Business Intelligence

Le système d'information décisionnel est un ensemble de données

organisées de façon spécifiques, facilement accessibles et
appropriées à la prise de décision [...].
La finalité d'un système décisionnel est le pilotage d'entreprise.
Les systèmes de gestion sont dédiés aux métiers de l'entreprise
[...].
(Goglin, 2001, pp21-22)

15
Informatique Décisionnelle/Business Intelligence

Le terme décisionnel Business Intelligence couvre l'ensemble des

technologies permettant en bout de chaîne d'apporter une aide à la
décision.
Capable d'agréger les données internes ou externes et de les transformer
en information servant à une prise de décision rapide.

16
Historique de l’Informatique Décisionnelle

Années 70-90 : débuts de l’Informatique Décisionnelle :

Développement d'outils d'édition de rapports, de statistiques,

exploitant les BD opérationnelles

Développement de petits systèmes d’aide à la décision à base de

tableurs (simulation budgétaire, etc.)

Développement de systèmes experts (IA) systèmes à base de règles,

conçus par extraction de la connaissance d'un ou plusieurs experts :
intérêts et résultats limités

Développement de systèmes spécifiques d'aide à la décision : basés

sur des techniques de Recherche Opérationnelle (RO), la simulation,
l’optimisation, etc.

=> Systèmes en général mal intégrés au SI opérationnel

17
Historique de l’Informatique Décisionnelle

Années 90 - 2000 : Essor de l’informatique décisionnelle :

Technologie informatique permettant le développement d’Entrepôts

de Données (Data Warehouse)

Nouveaux algorithmes :

souvent issus des statistiques et de l’IA, permettant d'extraire des

informations à partir de données brutes

permettant l’extraction d'informations nouvelles ou cachées, de

connaissances à partir de données

regroupés dans des logiciels de Fouille de données (Data Mining)

Données issues du Web : Recherche d’Information (RI) et Fouille de

données sur le Web (« Web Mining »)

18
Métriques d’Aide à la Décision

Sagesse
Connaissance

Information

Donnée

19
Métriques d’Aide à la Décision: Donnée

Résultat direct d’une mesure

Peut être collectée par un outil de mesure, ou peut être présente dans
une base de données
Ne permet pas de prendre de décision sur une action à lancer

20
Métriques d’Aide à la Décision: Information

Donnée à laquelle un sens et une interprétation ont été donnés

Permet au responsable de prendre une décision sur une action

21
Métriques d’Aide à la Décision: Connaissance

Résultat d’une réflexion sur les informations analysées

Se base sur les expériences, les idées, valeurs, avis de
personnes consultées

22
Métriques d’Aide à la Décision: Sagesse

Etat d’esprit général de discernement final sur le contenu et

du jugement de bon sens.
permet de lancer des actions d’adaptation de l’organisation,
des personnes, des processus et des outils.

Exemple:
Le responsable sénior de l’organisation prend des décisions à
long terme et des décisions stratégiques pour l’organisation
informatique.

23
Métriques d’Aide à la Décision: Des données aux décisions

Données :
Points de ventes, géographiques,
démographiques, etc.

Informations :
I vit dans R, I est âgé de A, etc.

Connaissances :
Dans X%, le produit Y est vendu en
même temps que le produit Z, etc.

Décisions :
Lancer la promotion de Y & Z dans R
auprès des clients plus âgés que A, etc.

24
Mise en Situation

Suite à la baisse du chiffre d’affaires en mois d’octobre, des décisions

doivent être prises.
Pour prendre les bonnes décisions, il faut savoir :
Pourquoi le CA a-t-il baissé ?
Comment a-t-il baissé ?
Dans quelle gamme de produits ?
Dans quels pays, quelles régions ?
N’avait-on pas une baisse semblable en octobre chaque année ?

25
Exemples de requêtes relevant de l’ID/BI

Q1: Le 11 septembre 2021, trouver les 5 produits les plus vendus pour
chaque sous-catégorie de produits qui représente plus de 20% des
ventes dans sa catégorie de produits

Q2: En date du 15 Décembre 2021, déterminer la priorité d'expédition

et de revenu brut potentiel des commandes qui ont les 10 plus grandes
recettes brutes parmi les commandes qui n'avaient pas encore été
expédiées. On ne considère seulement que les commandes du segment
du marché du livre.

26
Domaines d’Application du BI

Les domaines privilégiés :

Domaine bancaire
Domaine de la grande distribution
Domaine des télécommunications
Domaines de l’assurance et de la pharmacie
Domaine de la sant
etc.

27
 Domaines d’Application des DW: La grande Distribution

Intéressant de regrouper les informations de ventes pour déterminer :

les produits à succès,

mieux suivre les modes,
détecter les habitudes d’achats,
les préférences des clients par secteur géographique

La fouille de données (Data Mining) a permis de développer des techniques

sophistiquées d’exploitation de données qui aident à mettre en évidence les
règles de consommation

Exemple: Explorer le panier de la ménagère: il s’agit de trouver à partir de

l’enregistrement des transactions quelles sont les habitudes d’achats, plus
précisément quels sont les produits achetés en même temps

Wal-Mart, for example, discovered that people who buy Pampers often buy beer, so they
moved Pampers and beer close together. The result was that sales of both increased
(Computer Business Review, October 1996)

28
Exemples de ‘’Succes story ‘’

En 2004, Wal-Mart décide de tester ses nouvelles méthodes

d’analyse prédictive afin de comprendre quels sont les produits qui
seront les plus demandés avant la tempête: pour s’assurer de ne
pas manquer de stock.

Des produits naturellement liés à l’évènement comme des lampes

de poche ou des batteries émergent du lot des items convoités.

Les résultats invisibles et imprévisibles: une hausse pour la

demande des Pop-Tarts aux fraises et pour la bière étaient
beaucoup moins évidentes à prévoir.

« Thanks to those insights, trucks filled with toaster pastries and six-packs
were soon speeding down Interstate 95 toward Wal-Marts in the path of
Frances. Most of the products that were stocked for the storm sold quickly,
the company said » (Hays, 2004).

29
La Chaîne Décisionnelle

30
 La Chaîne Décisionnelle

Planification: Un tel projet nécessite une administration solide

 comprend l’identification,
l’estimation et affectation des
tâches.

ETL : Extract, Transform, Load

 Extraction des données à partir d’une ou plusieurs sources de données
 Transformation des données agrégées
 Chargement des données dans la banque de données de destination
(datawarehouse)

Stockage: Plusieurs manières de stocker la donnée dans un datawarehouse.

Analyses: Regroupement de l’ensemble des techniques de statistique,

d’économétrie, de Data Mining, et de recherche opérationnelle
Restitution: Ce sont généralement de jolies interfaces intuitives permettant de
consulter des rapports, des tableaux de bord, de les annoter, voire de les créer.
31
Les professionnels de l’ID

Il existe plusieurs types de professionnels exerçant dans l’informatique

décisionnelle :

 Le chef de projet BI qui s’occupe de la gestion du projet. Il traite

directement avec le demandeur, et propose la meilleure solution.

 Le développeur BI qui développe la solution, éventuellement aidé

par un architecte BI, qui apportera ses compétences en
construction de datawarehouse et datamart. Le développeur est
généralement sous la supervision du chef de projet BI.

 Le Data Analyst qui intervient en aval, est expert des calculs

d’indicateurs et de la restitution (graphiques, cartes, différents
types de visuels sont possibles) et proposent des analyses
stratégiques.

 Les experts métiers et autres non professionnels de la BI

consultent les applications BI (un tableau de bord par exemple).
Ils n’ont pas besoin de compétences techniques pour cela.
32
Informatique Décisionnelle: Nouveaux Termes

Termes Anglais Termes Français

Business Intelligence (BI) Informatique Décisionnelle (ID)

Decision Support Systems (DSS) Systèmes d’aide à la décision (SIAD)

Competitive Intelligence (CI) Intelligence Economique (IE)

Data Warehouse (DW) Entrepôt de Données (ED)

On-Line Analytical Processing (OLAP) Analyse en Ligne de Données

Knowledge Discovery in Databases (KDD) Extraction de Connaissances dans les

données

Data Mining (DM) Fouille de données

Customer Relationship Management Gestion de la Relation Client

(CRM)

33
À Suivre

2022-2023