Business Intelligence : Entrepôt de données

Suivez FullPress sur Google

Ajoutez-nous à vos sources préférées.

Cette dernière définition est la plus répandue et reconnue, car elle déplace l’attention sur une série d’aspects particuliers du DWH : 1. orienté vers l’objet d’investigation (le client, les ventes, …) dans le sens où il inclut toutes les données qui seront utilisées dans le processus de contrôle et de décision, en les regroupant par zones ou thèmes d’intérêt (Datamart) et en les destinant à ceux qui les utilisent et non à ceux qui les génèrent ; en d’autres termes, alors que les systèmes d’information traditionnels supportent des fonctions ou activités opérationnelles spécifiques (inventaire, facturation, gestion des commandes, etc.), dans le DW les données sont organisées par objets d’analyse jugés pertinents : produits, clients, agents, points de vente, et ainsi de suite, afin d’offrir toutes les informations relatives à un phénomène ou fait marketing spécifique important ; 2. intégré, c’est-à-dire cohérent par rapport à un schéma conceptuel global des données, au glossaire d’entreprise et par rapport aux unités de mesure et aux structures de décodage partagées au niveau de l’entreprise ; en d’autres termes, alors que les données archivées dans les systèmes d’information opérationnels sont souvent hétérogènes en termes de codification et de format, dans un DW les données sont homogènes et cohérentes ; 3. variant dans le temps, c’est-à-dire que les données dans le DW ont un horizon temporel historique de 3 à 5 ans, incluent les données courantes et souvent les données prévisionnelles relatives à un futur immédiat ; non volatile, dans le sens où les données sont chargées périodiquement hors ligne, c’est-à-dire qu’une fois correctement stockées, elles peuvent être consultées mais pas modifiées par l’utilisateur ; en d’autres termes, les données opérationnelles des systèmes transactionnels sont mises à jour en continu et ne sont valables qu’au moment où elles sont extraites (par exemple, une donnée de facturation extraite une heure avant ou une heure après peut être très différente) ; dans le DW les données relatives à chaque objet ou phénomène à analyser se réfèrent généralement à une période temporelle précise, sont chargées périodiquement en masse, puis analysées : les données originales chargées ne sont jamais modifiées et conservent leur intégrité dans le temps, parce qu’elles se réfèrent à des faits passés (par ex. les ventes de la semaine, le nombre de tickets dans le mois, etc.) qui ne doivent donc subir aucune modification, afin d’être conservées de manière précise et réutilisables à différents moments.Méthodologie Le cycle de vie d’un système de DW et de Marketing Intelligence s’articule, comme tous les systèmes d’information, en trois grandes phases de conception, de réalisation et de gestion : dans ce contexte, nous nous attarderons uniquement sur la phase de conception qui a une dimension plus managériale et moins technique par rapport aux autres. La première phase critique de conception d’un DW est d’identifier les Business Requirements ou le Business Model du système de marketing intelligence, définissant l’ensemble des informations, des indicateurs, des mesures quantitatives et des dimensions d’analyse les plus pertinentes et significatives pour l’ensemble des utilisateurs destinataires identifiés. Suivant la logique typique de la conception « top-down », le point de départ doit nécessairement être la définition des besoins informatifs et fonctionnels de marketing, pour ensuite rechercher les données élémentaires nécessaires qui satisfont ces besoins, bien que cette activité de collecte des exigences soit structurellement difficile et incertaine : il existe à cet égard des techniques spécifiques (enquêtes guidées ou libres, brainstorming, analyse du système d’information de l’utilisateur, prototypage, etc.) qui aident à mener le processus, mais qui ne résolvent pas de manière définitive le problème de la définition des besoins informatifs de marketing qui, en tout cas, évoluent, apparaissent progressivement en passant à des niveaux successifs d’analyse, de compréhension des phénomènes marketing et donc d’expérience, y compris dans l’utilisation de ces systèmes de marketing intelligence plus avancés. Les deux phases suivantes, la modélisation des données et l’identification de toutes les sources de données nécessaires pour produire les informations et indicateurs définis, présentent un autre ensemble de difficultés qui concernent surtout la conception de l’architecture de la base de données du DW, fondée sur les concepts de « largeur » et de « profondeur » des données. La largeur est définie par le nombre de phénomènes, d’informations, d’indicateurs et de mesures que le système doit pouvoir produire ; la profondeur dépend du niveau de détail souhaité des données (en jargon, la granularité maximale), par exemple le jour ou l’heure dans la dimension temporelle, le client unique, l’article de produit unique, la zone territoriale minimale (commune ou zones de recensement), etc. Une fois conçue l’architecture du système de DW et de marketing intelligence, il est nécessaire de se concentrer sur les phases et les processus principaux de la grande phase de réalisation : Le processus de chargement, ou peuplement, du DW L’objectif d’un DW est de rassembler les données provenant des systèmes opérationnels avec celles des bases de données externes et de les faire converger dans l’environnement décisionnel pour rendre les informations disponibles via des systèmes d’intelligence économique. L’acquisition des données pour le DW s’effectue par des opérations complexes de capture des données des systèmes sources, de leur nettoyage et de leur transformation ultérieure selon des règles métier définies lors des phases de développement du projet (par exemple, uniformité des unités de mesure). Une fois transformées, les données sont mappées et transportées dans les différents DM ou dans le DW.Le processus de recherche et de production de l’information marketing Constitue une autre phase cruciale dans le processus de construction d’un système de DW et de marketing intelligence. Les efforts importants requis et consacrés à la réalisation du DW détournent fréquemment l’attention des outils end-user et des applications front-end nécessaires à la recherche et à l’utilisation des informations dans ces mêmes bases de données, avec pour conséquence de laisser les utilisateurs finaux aux prises avec leurs outils traditionnels déjà en usage, tels que les tableurs, des applications personnalisées très rigides, des interfaces peu conviviales. La flexibilité et la facilité de production de l’information, ainsi que l’accès aux données, sont les clés du succès du processus décisionnel et, donc, du DW. Domaines d’application Les principaux domaines d’application des systèmes de Business Intelligence & Decision sont : • Analyse Marketing & Ventes • Base de Données Client & Marketing • Budgétisation (cycle, formulation, etc.) • Reporting Financier • Consolidation Financière • Reporting de Gestion (reporting décisionnel) • Tableaux de bord directionnels, Tableau de Bord (EIS), Balanced Scorecard • Analyse de Rentabilité ; Analyse de Qualité & Satisfaction • Analyse Clickstream • Géomarketing REPRODUCTION RÉSERVÉE