Plan du site  
français  English
pixel

Blog du campus SUPINFO Grenoble

Présentation de l’informatique décisionnelle par Ali (Master 2)

Publié le 4 juin 2017 dans Témoignages

Définition

L’informatique décisionnelle (en anglais business intelligence ou BI1) est l’informatique à l’usage des décideurs, des stakeholders et des dirigeants d’entreprises. Elle désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données, matérielles ou immatérielles, d’une entreprise en vue d’offrir une aide à la décision et de permettre à un décideur d’avoir une vue d’ensemble de l’activité traitée L’informatique décisionnelle s’insère dans l’architecture plus large d’un système d’information mais n’est pas un concept concurrent du management du système d’information. Au même titre que le management relève de la sociologie et de l’économie, la gestion par l’informatique est constitutive de deux domaines radicalement différents que sont le management et l’informatique. Afin d’enrichir le concept avec ces deux modes de pensées, il est possible d’envisager un versant orienté ingénierie de l’informatique portant le nom d’informatique décisionnelle, et un autre versant servant plus particulièrement les approches de gestion appelé management du système d’information. Les Etapes de l’informatique decisionnelle(BI) : différentes phases :

La phase d’alimentation : Cette phase va faire intervenir des processus ETL qui se chargeront de récupérer toutes les données nécessaires depuis les différentes sources de stockage.

La phase de modélisation : Cette phase est le moment où les données sont stockées sous une forme adaptée pour les analyses que nous souhaitons effectuer. Elle contient notamment le datawarehouse chargé de centraliser les données. Elle fait aussi intervenir les notions de cubes et de datamarts nécéssaire pour coller au plus près des attentes métiers.

La phase de restitution : C’est dans cette phase que les différents outils de restitution vont intervenir. Nous trouverons 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.

La phase d’analyse : C’est dans cette phase que les utilisateurs finaux interviennent et analysent les informations qui leurs sont fournies. Elle peut aussi faire intervenir des spécialistes en analyse pour utiliser des outils de statistique et ressortir des prévisions ou des estimations futures (datamining).

 

Les processus ETL

▪ Les processus ETL (Extraction, Transformation et Chargement) sont en charge de récupérer les données depuis l’ensemble des sources opérationnelles existantes et de les charger vers le système décisionnel : ▪ Extraction de données des bases de données opérationnelles (ERP, SGBDR, fichiers en dur, etc.) ▪ Transformation de ces données pour nettoyer, conformer, standardiser, documenter, corriger et de dupliquer. ▪ Chargement des données dans les systèmes décisionnels : Datawarehouse, Datamarts, ou Cube. Pourquoi est-il intéressant d’utiliser un outil ETL ? ▪ Les données à traiter pour les systèmes décisionnels sont généralement très volumineuses, les ETL sont adaptés à cette volumétrie en croissance exponentielle. ▪ D’autres part, les ETL proposent un grand nombre de composant permettant de se connecter facilement à tout type de source. Ils implémentent aussi des outils qui offrent des services annexes comme par exemple un envoi d’alertes pour prévenir les administrateurs en cas de problèmes.

▪ La représentation graphique des scripts offre une prise en main facile et rapide. Ces outils permettent de clarifier et standardiser les processus ce qui est un gain en matière d’évolution et de maintenance du système. Le Datawarehouse Le Datawarehouse est le point de stockage de toutes les données utilisées par le système pour analyser les informations. Il assure dans un premier temps une étanchéité entre le système opérationnel et le système décisionnel. Il n’y a donc pas de risque que les outils décisionnels affectent les performances du système déjà en place. Il suit 4 grands principes :

Orienté métiers : C’est à dire que sa structure est conçue en fonction des besoins utilisateurs. Il se base généralement sur une topologie en étoile et va privilégier les performances de réponse au détriment de la normalisation.

Non volatile : Un datawarehouse est dans son utilisation une base en lecture seule.

Intègre : Nécessaire pour obtenir des résultats fiables et cohérents.

Historisé : Toutes les informations sont datées et aucune n’est supprimés. Son unicité permet une centralisation et une uniformisation de l’information au sein de l’entreprise. Tous les services pourront se baser sur une information commune et sûre.

Les Datamarts

Les datamarts peuvent être considérer comme un sous ensemble du datawarehouse. De ce fait ils suivent les mêmes principes que celui-ci, leur différence se situe sur le fait qu’un datamart va répondre à un besoin métier plus spécifique que le datawarehouse.

 

Les Cubes

Les Cubes OLAP (ou hypercubes) permettent une représentation multidimensionnelle de l’information et le calcul de mesures agrégées. Chaque dimension a la possibilité d’être hiérarchisée en fonction des besoins de l’utilisateur. Une dimension temps pourra par exemple utiliser la hiérarchie : Année, Trimestre, Mois, Semaine. Il est ainsi possible d’accéder facilement et rapidement à l’information souhaiter en fonction de plusieurs dimensions. La navigation au sein d’un cube peut être faite soit en utilisant le langage MDX (Multidimensionnel Expressions), soit à travers des outils proposant des interfaces intuitives ne nécessitant pas de connaissance spécifique en informatique.

 

Le Reporting

Les outils de reporting permettent de restituer les données sous forme de rapport. Il existe deux grands domaines dans le reporting : le reporting ad hoc et le reporting de masse. ▪ Le reporting ad hoc offre la possibilité à l’utilisateur de créer lui-même le rapport qui l’intéresse avec les données qu’il souhaite. L’utilisateur aura accès à des vues métiers spécialement conçu en fonction de ses besoins qui lui permettront de choisir facilement l’information qu’il souhaite. Aucune connaissance en base de données n’est nécessaire, les vues font la passerelle entre les données stockés et les besoins de l’utilisateur. ▪ Le reporting de masse quant à lui va permettre de créer à l’avance des modèles de rapport qui seront susceptible d’être souvent demandé par les utilisateurs. Le reporting de masse permet de répondre rapidement à un besoin régulier de beaucoup d’utilisateurs.

 

Le Datamining

Les outils de datamining ouvrent de nouvelles perspectives sur l’utilisation de la masse d’information disponible dans le système opérationnel. Le datamining est l’utilisation d’outils statistiques ou d’algorithmes mathématiques sur les données afin de prédire, expliquer, ou de classer des informations. Les outils sont variés, on peut citer : la régression linéaire multiple, les arbres de décisions, les réseaux de neurones…

 

Architecture logicielle de l’informatique décisionnelle :

Fig1 : Architecture logicielle de BI

 

Conclusion :

En ayant lu cet article, vous pourrez avoir la vision nécessaire pour entrer dans cette discipline passionnante qu’est l’informatique décisionnelle. Mes prochains articles entreront dans le vif du sujet : méthodes de conception d’entrepôt de données, topologies d’ETL, création de cubes avec SQL Server 2005, etc. Entre temps je vous invite à parcourir ces livres pour un approfondissement de ce qui a été traité dans cet article.

 

Ali (Étudiant en Master 2)

Rencontrez SUPINFO Grenoble

Rencontrez-nous à l'occasion des Journées Portes-Ouvertes (JPO) organisées dans l'ensemble des campus SUPINFO en France et dans le monde.

Rencontrez SUPINFO Grenoble

Contactez SUPINFO Grenoble

Vous avez besoin d'informations complémentaires sur l'établissement ? Vous désirez parler à une conseillère d'orientation ou obtenir une adresse régionale ?

Contactez SUPINFO Grenoble
A propos de SUPINFO | Contacts & adresses | Conditions d'utilisation & Copyright | Respect de la vie privée
Logo de la société Cisco, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société IBM, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Sun-Oracle, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Apple, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Sybase, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Novell, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Intel, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Accenture, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société SAP, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Prometric, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Toeic, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo du IT Academy Program par Microsoft, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management

SUPINFO International University
Ecole d'Informatique - IT School
École Supérieure d'Informatique de Paris, leader en France
La Grande Ecole de l'informatique, du numérique et du management
Fondée en 1965, reconnue par l'État. Titre Bac+5 certifié au niveau I.
SUPINFO International University is globally operated by EDUCINVEST Belgium - Avenue Louise, 534 - 1050 Brussels