Business Intelligence Avec SQL Server 2005 (French)

8/9/2019 Business Intelligence Avec SQL Server 2005 (French)

1/433

BUSINESS

INTELLIGENCE AVECSQL SERVER 2005

Bertrand Burquier

APPLICATIONS

&MÉTIERS

Mise en œuvred'un projet décisionnel


2/433

BUSINESSINTELLIGENCE AVEC

SQL SERVER 2005Mise en œuvre

d’un projet décisionnel

Bertrand BurquierConsultant et ingénieur en systèmes d’information


3/433

Toutes les marques citées dans cet ouvrage sont desmarques déposées par leurs propriétaires respectifs.

Photographie de couverture : Bertrand BurquierLac d’Annecy

© Dunod, Paris, 2007ISBN 978-2-10-050536-4


4/433

Table des matières

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

Chapitre 1 – La business intelligence . . . . . . . . . . . . . . . . . . . . . . 5

1.1 La business intelligence pour qui, pour quoi ? . . . . . . . . . . . . . . . 5

1.2 Objectifs et enjeux du décisionnel . . . . . . . . . . . . . . . . . . . . . 7

1.3 Le processus de décision ou le facteur humain dans la prise de décision . 7

1.3.1 Comprendre les besoins d’aide à la décision . . . . . . . . . . . . . . . 8

1.3.2 Agir, analyser, décider, agir… . . . . . . . . . . . . . . . . . . . . . 9

1.3.3 Tableau de bord et business intelligence . . . . . . . . . . . . . . . . . 11

1.3.4 En quoi la BI est-elle utile à l’entreprise ? . . . . . . . . . . . . . . . . 14

1.4 Les modèles d’accès à l’information . . . . . . . . . . . . . . . . . . . . . 25

1.4.1 La dictature de l’information . . . . . . . . . . . . . . . . . . . . . . 25

1.4.2 L’anarchie de l’information . . . . . . . . . . . . . . . . . . . . . . . 26

1.4.3 La démocratie de l’information . . . . . . . . . . . . . . . . . . . . . 26

Chapitre 2 – L’approche méthodologique . . . . . . . . . . . . . . . . . . . . 29

2.1 Les étapes d’un projet informatique . . . . . . . . . . . . . . . . . . . . . 30

2.1.1 Le cycle en V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2.1.2 La méthode agile . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2.1.3 L’étude de faisabilité . . . . . . . . . . . . . . . . . . . . . . . . . . 32

2.1.4 Le cycle de vie du projet BI selon Ralph Kimball . . . . . . . . . . . . 33


5/433

—————————————————————————————————————————————————— Business Intelligence avec SQL Server 2005 IV

2.2 Pourquoi un tableau de bord ? . . . . . . . . . . . . . . . . . . . . . . . . 34

2.3 Les différents types d’indicateurs . . . . . . . . . . . . . . . . . . . . . . . 35

2.3.1 Fonction Commerciale . . . . . . . . . . . . . . . . . . . . . . . . . . 362.3.2 Fonction Direction générale . . . . . . . . . . . . . . . . . . . . . . . 372.3.3 Fonction Ressources humaines . . . . . . . . . . . . . . . . . . . . . . 382.3.4 Fonction Production et recherche – développement . . . . . . . . . . . . 392.3.5 Fonction Logistique et approvisionnements . . . . . . . . . . . . . . . . 412.3.6 Fonction Achats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422.3.7 Fonction Informatique – Études – Exploitation . . . . . . . . . . . . . 43

2.4 Deux mondes différents : OLTP et DW . . . . . . . . . . . . . . . . . . . 45

2.4.1 Qu’est-ce qu’une transaction ? . . . . . . . . . . . . . . . . . . . . . . 462.4.2 Les utilisateurs et les gestionnaires . . . . . . . . . . . . . . . . . . . . 462.4.3 La dimension temporelle . . . . . . . . . . . . . . . . . . . . . . . . . 472.4.4 Le modèle de données entité-relation pour les développeurs . . . . . . . . 492.4.5 Le modèle dimensionnel pour les analystes . . . . . . . . . . . . . . . . 49

2.5 Comparatif des deux modèles de stockage des données . . . . . . . . . . . 53

2.5.1 Le modèle transactionnel (OLTP) . . . . . . . . . . . . . . . . . . . . 53

2.5.2 Le modèle multidimensionnel (OLAP) . . . . . . . . . . . . . . . . . . 552.5.3 Synthèse OLTP et OLAP . . . . . . . . . . . . . . . . . . . . . . . . 562.5.4 Modèle simplifié FASMI . . . . . . . . . . . . . . . . . . . . . . . . . 56

2.6 OLAP ou reporting ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

2.7 Le processus décisionnelavec SQL server 2005 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

2.8 Les erreurs à éviter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

2.8.1 Le facteur Humain . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

2.8.2 Le facteur Technique . . . . . . . . . . . . . . . . . . . . . . . . . . 65

2.9 Les règles du succès . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

2.9.1 Règle 1 – Comprendre les utilisateurs . . . . . . . . . . . . . . . . . . 672.9.2 Règle 2 – Distinguer les décisions stratégiques ou tactiques . . . . . . . . 68

2.10 Construire le tableau matriciel des besoins . . . . . . . . . . . . . . . . . 69

Chapitre 3 – Comment représenter les données ? . . . . . . . . . . . . . . . . 73

3.1 Concepts généraux et pratiques . . . . . . . . . . . . . . . . . . . . . . . 74

3.1.1 Tableaux ou graphiques ? . . . . . . . . . . . . . . . . . . . . . . . . 743.1.2 Données quantitatives ou catégorielles ? . . . . . . . . . . . . . . . . . 75


6/433

Table des matières ——————————————————————————————————————————————————————————————————————— V

3.2 Les nouveaux outils offerts par le complément Proclarity . . . . . . . . . 84

3.2.1 L’arbre de décomposition . . . . . . . . . . . . . . . . . . . . . . . . 84

3.2.2 La carte de performance . . . . . . . . . . . . . . . . . . . . . . . . 853.2.3 La vue en perspective . . . . . . . . . . . . . . . . . . . . . . . . . . 86

Chapitre 4 – Entrepôt de données et analyse décisionnelle . . . . . . . . . . 89

4.1 Architecture de la plate-forme décisionnelle . . . . . . . . . . . . . . . . 92

4.2 Les améliorations de SQL Server 2005 par rapport à la version 2000 . . . 94

4.2.1 Actuellement, comment développons-nous un projet BI ? . . . . . . . . 944.2.2 Quels sont les défis à relever ? . . . . . . . . . . . . . . . . . . . . . 94

4.3 Les nouveaux composants dans SQL Server 2005 . . . . . . . . . . . . . 964.3.1 Les vues des sources de données (Data Source Views, DSV) . . . . . . 964.3.2 Les cubes et UDM . . . . . . . . . . . . . . . . . . . . . . . . . . . 974.3.3 Les perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 974.3.4 Le cache proactif . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

4.4 Les améliorations apportées avec SQL Server 2005 SP1 . . . . . . . . . 98

4.4.1 La mise en miroir des bases de données . . . . . . . . . . . . . . . . . 984.4.2 Une création facilitée de rapports

sous SAP NetWeaver business intelligence . . . . . . . . . . . . . . . 99

4.5 Les services de notification . . . . . . . . . . . . . . . . . . . . . . . . . 99

Chapitre 5 – Introduction à Integration Services . . . . . . . . . . . . . . . . 101

5.1 Présentation de SQL Server Integration Services (SSIS) . . . . . . . . . 101

5.2 Migrer un package DTS 2000 . . . . . . . . . . . . . . . . . . . . . . . . 112

5.3 Migrer une base SQL Server 2000 vers SQL Server 2005 . . . . . . . . . 113

5.4 Tâches d’intégration services . . . . . . . . . . . . . . . . . . . . . . . . 1145.5 Composants des flux de données . . . . . . . . . . . . . . . . . . . . . . 129

Chapitre 6 – Règles d’ETL et assistants . . . . . . . . . . . . . . . . . . . . 145

6.1 Utiliser l’assistant pour générer un lot import . . . . . . . . . . . . . . . 146

6.1.1 Créer le projet d’importation . . . . . . . . . . . . . . . . . . . . . . 1466.1.2 Exécuter le lot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1546.1.3 Modifier le lot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155

6.1.4 Migration de lots DTS de la version 2000 vers 2005 . . . . . . . . . . 1636.1.5 Déploiement de packages SSIS . . . . . . . . . . . . . . . . . . . . . 1676.1.6 Automatisation de l’exécution des packages . . . . . . . . . . . . . . . 169


7/433

—————————————————————————————————————————————————— Business Intelligence avec SQL Server 2005 VI

6.2 Concept de packages dynamiques . . . . . . . . . . . . . . . . . . . . . . 171

6.2.1 Les expressions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171

6.2.2 Les variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1726.2.3 Les configurations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174

6.2.4 La gestion des événements . . . . . . . . . . . . . . . . . . . . . . . . 176

6.3 Planification du projet ETL . . . . . . . . . . . . . . . . . . . . . . . . . 176

6.3.1 La carte de haut niveau . . . . . . . . . . . . . . . . . . . . . . . . . 176

6.4 Les 38 règles qui régissent l’ETL . . . . . . . . . . . . . . . . . . . . . . . 177

Chapitre 7 – Analysis Services . . . . . . . . . . . . . . . . . . . . . . . . . . 179

7.1 OLAP et le data mining . . . . . . . . . . . . . . . . . . . . . . . . . . . 180

7.2 Points d’amélioration entre Analysis 2000 et SSAS 2005 . . . . . . . . . 183

7.3 Méthodologie de création d’une base de donnéesdepuis une source existante . . . . . . . . . . . . . . . . . . . . . . . . . 192

7.4 Création de notre premier cube . . . . . . . . . . . . . . . . . . . . . . . 194

7.4.1 Mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197

7.4.2 Dimensions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197

7.4.3 Le schéma en flocons . . . . . . . . . . . . . . . . . . . . . . . . . . 198

7.4.4 Créer le projet « Mon Premier Cube » à l’aidede l’environnement UDM d’Analysis Services . . . . . . . . . . . . . . 199

7.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227

Chapitre 8 – Méthode de conception des cubes avec SSAS . . . . . . . . . . . 229

8.1 Organisation logique des cubes . . . . . . . . . . . . . . . . . . . . . . . 230

8.1.1 Définition de la structure OLAP . . . . . . . . . . . . . . . . . . . . . 230

8.1.2 Définir les dimensions . . . . . . . . . . . . . . . . . . . . . . . . . . 232

8.1.3 Modification du cube . . . . . . . . . . . . . . . . . . . . . . . . . . 239

8.1.4 L’utilisation des dimensions . . . . . . . . . . . . . . . . . . . . . . . 242

8.1.5 Les calculs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244

8.1.6 Ajouter de la business intelligence . . . . . . . . . . . . . . . . . . . . 245

8.1.7 Les indicateurs clé de performance (KPI) . . . . . . . . . . . . . . . . 246

8.1.8 Les actions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249

8.1.9 Les perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249

8.1.10 Les traductions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250

8.1.11 Le navigateur de données . . . . . . . . . . . . . . . . . . . . . . . . 250


8/433

Table des matières ——————————————————————————————————————————————————————————————————————— VII

8.2 L’organisation physique du cube . . . . . . . . . . . . . . . . . . . . . . 250

8.2.1 Les groupes de mesures et les partitions . . . . . . . . . . . . . . . . . 250

8.2.2 Les différents modes de stockage . . . . . . . . . . . . . . . . . . . . 2528.2.3 Comment SSAS rafraîchit-il les données du cube ? . . . . . . . . . . . 2538.2.4 Paramétrer les agrégations . . . . . . . . . . . . . . . . . . . . . . . 2568.2.5 Processus de mise à jour des cubes . . . . . . . . . . . . . . . . . . . 257

8.3 Recommandations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258

Chapitre 9 – Le data mining . . . . . . . . . . . . . . . . . . . . . . . . . . . 259

9.1 Méthodologie de création du modèle de data mining . . . . . . . . . . . 260

9.1.1 Définition du problème à résoudre . . . . . . . . . . . . . . . . . . . 2609.1.2 Préparation des données . . . . . . . . . . . . . . . . . . . . . . . . 2619.1.3 Construction du schéma de données . . . . . . . . . . . . . . . . . . 2619.1.4 Création du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . 2619.1.5 Exploration du modèle . . . . . . . . . . . . . . . . . . . . . . . . . 2619.1.6 Validation du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . 2629.1.7 Déploiement du modèle . . . . . . . . . . . . . . . . . . . . . . . . . 262

9.2 Quelles sont les tâches du data mining ? . . . . . . . . . . . . . . . . . . 262

9.3 Créer le modèle d’une campagne ciblée . . . . . . . . . . . . . . . . . . 2649.3.1 Créer la source des données . . . . . . . . . . . . . . . . . . . . . . . 2659.3.2 Créer la vue de source des données . . . . . . . . . . . . . . . . . . . 2659.3.3 Créer le modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270

9.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287

Chapitre 10 – Reporting Services . . . . . . . . . . . . . . . . . . . . . . . . 289

10.1 Qu’est-ce que Reporting Services ? . . . . . . . . . . . . . . . . . . . . . 289

10.1.1 À quoi sert Reporting Services ? . . . . . . . . . . . . . . . . . . . . . 29010.1.2 Fonctionnalités de Reporting Services . . . . . . . . . . . . . . . . . . 291

10.2 La création de rapport . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294

10.3 La gestion des rapports . . . . . . . . . . . . . . . . . . . . . . . . . . . 308

10.3.1 La sécurité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30910.3.2 Les rapports liés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31810.3.3 L’exécution de rapports . . . . . . . . . . . . . . . . . . . . . . . . . 31810.3.4 L’historisation des rapports . . . . . . . . . . . . . . . . . . . . . . . 32110.3.5 Abonnements aux rapports . . . . . . . . . . . . . . . . . . . . . . . 323

10.4 Reporting à la demande avec Report Builder . . . . . . . . . . . . . . . 324


9/433

—————————————————————————————————————————————————— Business Intelligence avec SQL Server 2005 VIII

10.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329

Chapitre 11 – L’analyse de données avec Excel . . . . . . . . . . . . . . . . . 331

11.1 L’analyse ad hoc grâce aux tableaux croisés dynamiques . . . . . . . . . . 332

11.2 Complément Microsoft Office Excelpour SQL Server Analysis Services . . . . . . . . . . . . . . . . . . . . . 340

11.3 Reporting interactif sur le web avec OWC . . . . . . . . . . . . . . . . . 344

11.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345

Chapitre 12 – L’analyse de données sur le Web . . . . . . . . . . . . . . . . . 347

12.1 Proclarity for Business Scorecard Manager . . . . . . . . . . . . . . . . . . 348

12.1.1 L’arbre de décomposition . . . . . . . . . . . . . . . . . . . . . . . . 34812.1.2 La carte de performance . . . . . . . . . . . . . . . . . . . . . . . . . 35012.1.3 La vue en perspective . . . . . . . . . . . . . . . . . . . . . . . . . . 351

12.2 Proclarity Analytics Server (PAS) . . . . . . . . . . . . . . . . . . . . . . . 351

12.3 Dashboard Server . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358

12.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359

Chapitre 13 – Passez à l’action ! . . . . . . . . . . . . . . . . . . . . . . . . . 361

13.1 Les caractéristiques du chef de projet décisionnel . . . . . . . . . . . . . 362

13.2 Quel est le retour sur investissement ? . . . . . . . . . . . . . . . . . . . . 365

13.3 Faire une offre de solution décisionnelle . . . . . . . . . . . . . . . . . . 368

13.3.1 Un ETL d’entreprise, Integration Services . . . . . . . . . . . . . . . . 36913.3.2 Un SGBD pour la gestion des gros volumes de données . . . . . . . . . 37013.3.3 Une architecture qui garantit la disponibilité des données . . . . . . . . . 37113.3.4 Compatibilité, ouverture . . . . . . . . . . . . . . . . . . . . . . . . . 371

13.3.5 Productivité dans le développement d’applicationsliées à SQL Server 2005 . . . . . . . . . . . . . . . . . . . . . . . . . 37113.3.6 Administration renforcée . . . . . . . . . . . . . . . . . . . . . . . . . 37213.3.7 Sécurité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37213.3.8 Analysis Services . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37213.3.9 Reporting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37213.3.10 Donner un véritable cockpit de pilotage de l’activité

adapté aux différents niveaux de l’organisation . . . . . . . . . . . . . 373

13.4 Comment mettre en place un projet décisionnel ? . . . . . . . . . . . . . 374

13.4.1 Objectifs de la preuve de faisabilité . . . . . . . . . . . . . . . . . . . . 37513.4.2 Faisabilité sur site . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375


10/433

Table des matières ——————————————————————————————————————————————————————————————————————— IX

13.4.3 Livrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37513.4.4 Planning pour le déploiement de la solution . . . . . . . . . . . . . . . 37513.4.5 Prototype/pilote . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37613.4.6 Opérations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376

13.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377

Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379

A – Petit historique de la BI . . . . . . . . . . . . . . . . . . . . . . . . . . . 383

B – Le marché mondial de la BI aujourd’hui . . . . . . . . . . . . . . . . . . 386

C – Les différentes versions de SQL Server 2005 . . . . . . . . . . . . . . . 391

D – Les profils d’apprentissage des différents acteurs de la BI . . . . . . . . 395

E – Glossaire de la BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405

Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417


11/433


12/433

Introduction

« Voudriez-vous me dire, s’il vous plaît,quel chemin je dois prendre pour m’en aller d’ici ?

– Cela dépend beaucoup de l’endroit où tu veux aller, répondit le chat.

– Peu m’importe l’endroit… dit Alice.

– En ce cas, peu importe la route que tu prendras, répliqua-t-il.– … pourvu que j’arrive quelque part, ajouta Alice en guise d’explication.

Oh, tu ne manqueras pas d’arriver quelque part,si tu marches assez longtemps. »

Alice au Pays des Merveilles – Lewis Carroll

Bien longtemps, l’informatique décisionnelle a été réservée à des secteurs d’acti-vité friands de reporting financiers et d’analyse marketing, tels que les banques,

les assurances et plus généralement les grands comptes. Ces organisations étaientles seules à tirer parti d’investissements lourds aussi bien en termes d’équipesprojet qu’en termes d’infrastructures matérielles et logicielles. Le coût d’un projetdécisionnel n’était jamais inférieur à 0,5 m€ et dépassait fréquemment 1,5 m€.

Dès le début des années quatre-vingt-dix, partant du constat que les ERP (ouprogrammes de gestion intégrés, PGI) étaient dans l’incapacité de fournir deséditions et rapports synthétiques personnalisés, de nouveaux acteurs tels queHyperion, Business Objects et Cognos, ont apporté une réponse en matière derestitution de l’information.

Un nouveau type d’organisation des données appelées hypercubes OLAP, etde nouvelles interfaces ont permis aux managers d’accéder à leurs données.


13/433

————————————————————————————————————————————————————————————————————————————— Introduction 2

Cependant, la complexité de mise en œuvre du datawarehouse et la création descubes multidimensionnels demeurait forte. Si bien qu’un certain nombre degrands éditeurs ont tenté de développer des applications analytiques « métier ».

Celles-ci ont eu tendance, comme les ERP quelques années plus tôt, à faire entrerl’entreprise dans un schéma analytique standard tout en faisant de nouveauexploser la facture finale.

Le véritable lifting de l’informatique décisionnelle a eu lieu en 2000, lorsqueMicrosoft, qui n’était alors que challenger, rendit disponible la version SQL Ser-ver 2000. Outre le fait que l’éditeur cherchait à s’imposer sur le marché desSGBD face à Oracle et IBM, le leader mondial des logiciels introduisait le germede la business intelligence par l’ajout d’un composant décisionnel appelé Analysis

Services.L’organe d’observation indépendant OlapReport a mesuré la progression ful-

gurante de Microsoft en termes de parts de marché OLAP. Dès 2002, l’éditeurde Redmond a pris la place de leader mondial pour ne jamais plus la quitter.

L’arrivée de SQL Server 2005, disponible depuis le 8 novembre 2005, a euun grand retentissement. Cette nouvelle version intègre les développements lesplus récents en matière de business intelligence. Les développeurs et adminis-trateurs de bases de données ont été entendus et disposent désormais d’outils

complets à tous les niveaux de la fabrication de la chaîne de valeur de l’infor-mation.

Malgré ces avancées technologiques, le constat est affligeant. Aujourd’hui, laplupart des entreprises, y compris les PME/PMI, disposent d´une masse d´infor-mations de plus en plus importante sur leurs clients, leurs ventes, leurs produits,leurs fournisseurs leurs concurrents… dont elles ne font rien ! Croisées, analy-sées, filtrées, ces informations pourraient pourtant devenir un formidable trem-plin pour se différencier de la concurrence, améliorer les résultats de l’entreprise,suivre avec précision ses activités ou fidéliser les clients. Les entrepreneurs avisés

sont pourtant demandeurs de synthèses rapides, de tableaux de bord clairs pourne plus piloter leur entreprise à l’intuition.

Il est pourtant évident que les informations stockées dans les nombreux silosde données répartis dans l’entreprise ne peuvent plus être traitées de manièreartisanale. Il n’est pas rare de constater que certains cadres passent leur temps àressaisir dans Excel des données puisées dans des documents fournis par les sys-tèmes opérationnels (ERP, comptabilité, stocks, production, ventes, RH, etc.).L’objectif est cependant louable : il s’agit de créer son tableau de bord personnel.

Naturellement chaque division procède de la même manière pour élaborerson propre tableau de synthèse. Par conséquence, lorsque les cadres se réunissent encomité interdépartementaux, il n’est pas rare d’observer des synthèses incohérentes


14/433

Introduction ————————————————————————————————————————————————————————————————————————————— 3

ou contradictoires. Au-delà du fait que l’informatique est une fois de plus mon-trée du doigt et discréditée, les décisions qui devraient naturellement découlerde ces réunions sont reportées sine die.

En revanche, les entreprises concurrentes qui ont déployé des outils de busi-ness intelligence perdent moins de temps en réunion et en discussion stériles, carles indicateurs sont en permanence connus de tous, chaque cadre opérationnel dis-posant des leviers permettant d’agir avec intelligence dans des délais très courts.

Que signifie le terme « intelligence » ?

Le Petit Larousse donne la définition suivante : « faculté de connaître, de com-prendre ».

Et l’expression « business intelligence » ?

Wikipedia (encyclopédie libre sur le net) donne la définition suivante de labusiness intelligence (ou informatique décisionnelle) :

« L’informatique décisionnelle (DSS, Decision Support System ou encore BI,business intelligence) désigne les moyens, les outils et les méthodes qui permettentde collecter, consolider, modéliser et restituer les données d’une entreprise envue d’offrir une aide à la décision et de permettre aux responsables de la stratégie

d’une entreprise d’avoir une vue d’ensemble de l’activité traitée. »Cet ouvrage a pour ambition d’offrir une vision méthodologique de la fabri-

cation de la chaîne décisionnelle, un état de l’art des outils disponibles, ainsi qu’unmode opératoire permettant de réaliser vous-même le déploiement de fonctionsde business intelligence au service du métier de votre entreprise.

Public concerné

La business intelligence en tant qu’outil de pilotage s’adresse essentiellement aux

décideurs confrontés chaque jour à des choix stratégiques et tactiques dans leurentreprise. Il est donc bien naturel que les dirigeants (direction générale et direc-tions opérationnelles) disposent d’un langage commun partagé avec les techniciensde l’information. Cet ouvrage leur est particulièrement destiné car il présente uneméthodologie de valorisation de l’information à des fins stratégiques.

Les contrôleurs de gestion, directions financières, commerciales, marketing, res-sources humaines, production verront les aides que peut apporter la business intel-ligence à leurs tâches quotidiennes.

Les directeurs informatiques, responsables informatiques et bureautiques, dis-poseront d’une méthode de mise en œuvre de la chaîne décisionnelle au servicedes acteurs opérationnels de l’entreprise.


15/433

————————————————————————————————————————————————————————————————————————————— Introduction 4

Les consultants, architectes et urbanistes en systèmes d’information, assistants àmaîtrise d’ouvrage, chef de projet informatique, étudiants en informatique de gestion

disposeront d’un outil méthodologique basé sur des cas concrets d’entreprise. Ils

disposeront d’une panoplie d’outils leur permettant de réaliser rapidement desprojets décisionnels.

Les SSII soucieuses d’apporter des prestations nouvelles à leurs clients, lesorganismes de formation, les sociétés de VPC, les hébergeurs d’applications surInternet, les banques et assurances, les sociétés de service, les sociétés fiduciaires,les sociétés industrielles quelle que soit leur taille découvriront avec intérêt lepotentiel de la business intelligence.

Objectifs à atteindre

L’objectif de cet ouvrage est de fournir aux dirigeants la culture nécessaire à lacompréhension des méthodes et outils nécessaires à la mise en œuvre du tableaude bord de l’entreprise. Il permet également de comprendre les mécanismes sous-jacents qui participent à la fabrication de la chaîne décisionnelle. L’informatiquedécisionnelle se fonde sur des concepts spécifiques et un vocabulaire appropriédétaillés en annexe.

Il a également pour objectif d’aider à définir les étapes clés d’un projet déci-sionnel, identifier les processus métier, modéliser les données métier, identifier

les outils qui participent à la conception du datawarehouse, comprendre les outilsd’analyse et de restitution. Communiquer avec ses partenaires grâce à un portaildécisionnel.

Quelles sont les qualités et compétences requises pour être un bon chef deprojet décisionnel ? Calculer le retour sur investissement et faire une offre concrètesont souvent évoqués dans la littérature décisionnelle mais rarement explicités.

L’auteur de cet ouvrage espère participer au mouvement de la démocratisa-tion du décisionnel dans les petites et moyennes entreprises. Les séminaires de

formation qu’il anime sur le sujet montrent bien l’intérêt croissant que tous lesacteurs de l’entreprise portent à ce domaine. L’auteur espère qu’à travers cetouvrage, un dialogue constructif s’établira entre les deux mondes, parfois éloi-gnés, qu’il rencontre dans ses consultations : les informaticiens et les managersd’entreprise.


16/433

1La business intelligence

1.1 LA BUSINESS INTELLIGENCEPOUR QUI, POUR QUOI ?

Aide à la décision, datawarehouses, entrepôts de données, ETL, EIS, SIAD, struc-tures multidimensionnelles OLAP, business intelligence, extranets, portails décision-nels, datamarts… les acronymes et termes relatifs à la business intelligence sontparticulièrement riches. Mais ces termes abondants, parfois abscons, qui revien-nent de manière récurrente dans la bouche des spécialistes, ne permettent pasd’offrir aux acteurs de l’entreprise une vision claire sur le sujet.

D’un côté, les discours marketing centrés sur la BI s’adressent à la populationparfaitement identifiée des dirigeants opérationnels des entreprises. Il s’agitd’offrir des solutions particulièrement innovantes autour du métier du dirigeant.

Nous verrons dans le chapitre suivant le large éventail des domaines dans les-quels la BI offre des réponses concrètes.

De l’autre côté les éditeurs de logiciels de BI s’adressent aux informaticiensdans le but bien naturel de réaliser des volumes importants de licences. Le dis-cours est dans ce cas très technique et s’attache à mettre en avant les performan-ces, la simplification et la richesse des fonctionnalités des produits.

Entre ces deux mondes, il réside un fossé d’incompréhension. Pourquoi ? Lesdirigeants opérationnels (finance, marketing, commercial, RH…) ont un besoin

crucial d’informations concernant le déroulement de leur activité. Ils réclamentrégulièrement des rapports nouveaux auprès des informaticiens dans le but de satis-faire des besoins d’analyse de l’activité immédiate de l’entreprise. Dans le


17/433

————————————————————————————————————————————————————————————————— 1. La business intelligence 6

meilleur des cas, un délai de quelques jours sera nécessaire aux programmeurspour délivrer lesdits rapports. Dans le pire des cas ces développements ne verrontjamais le jour soit de par la « complexité apparente » de la demande, soit tout

simplement par la non-disponibilité des développeurs, très chargés par ailleurs.

En réalité, on s’aperçoit que les métiers de l’informatique évoluent vers destâches d’administration de systèmes d’information de plus en plus complexes,qui nécessitent tous les jours davantage de soins et d’attention, sans parler de lasécurité omniprésente. Paradoxalement, l’informaticien est de plus en plus auservice de la machine et de moins en moins au service du métier de l’entreprise.

Malgré des réussites évidentes, le déploiement des ERP (progiciels de gestionintégrée) a nécessité des ressources importantes dans les entreprises qui les ontmis en place. Des équipes de projet se sont bien souvent épuisées à faire entrerle métier de l’entreprise dans des standards. Tout naturellement, les entreprisesont donc « standardisé » leur métier. Elles cherchent aujourd’hui, à juste titre,des facteurs de différenciation.

La business intelligence est un système permettant aux dirigeants d’analyseret d’interpréter, à l’aide d’outils simples, les données complexes de l’entrepriseet de son environnement économique.

Les données brutes sont transformées et restituées dans des entrepôts structurés,afin de permettre d’analyser et de suivre les indicateurs stratégiques de l’entreprise.

Ces outils doivent permettre de découvrir et de partager la stratégie à tous lesniveaux de l’entreprise. Grâce à ses outils « multidimensionnels » la BI est par-ticulièrement adaptée à l’analyse immédiate. Elle offre la capacité de suivre auquotidien les indicateurs métiers et de les comparer aux objectifs opérationnelsdéfinis par la direction.

Bien sûr, le discours marketing ambiant tente de démontrer qu’il suffitd’acquérir tel ou tel produit décisionnel pour que la magie opère. Comme on ditcommunément, « si c’était aussi simple ça se saurait ». À quoi serviraient alorsles SSII, les intégrateurs et les consultants spécialisés en systèmes décisionnels ?Seraient-ils devenus inutiles parce que les éditeurs ont mis en place des assistantsvisant à simplifier le processus de création de la chaîne décisionnelle ? Rien n’estmoins sûr.

Nous verrons au fil de cet ouvrage les pièges qu’il est nécessaire de connaîtreavant d’entreprendre un projet BI. Nous découvrirons que la phase la plus déli-cate de la chaîne décisionnelle ne réside ni dans la conception du cube, ni dans

la restitution. Nous verrons également qu’un cadre méthodologique est néces-saire à la création de l’entrepôt de données, centre névralgique des applicationsdécisionnelles.


18/433

1.2 Objectifs et enjeux du décisionnel ——————————————————————————————————————————————————————— 7

Toute interrogation métier, selon qu’elle est stratégique ou tactique, nécessitedes outils appropriés qu’il faut identifier dans la panoplie offerte par les éditeursde logiciels. Nous verrons quels processus se mettent en place lors de la prise de

décision. Nous montrerons comment, grâce à des outils appropriés, être tantôtl’architecte du projet, tantôt le « consommateur » de l’information. Chaque rôle,très complémentaire, revêt une importance capitale dans la mise en œuvre dela BI en entreprise.

1.2 OBJECTIFS ET ENJEUX DU DÉCISIONNEL

L’objectif d’un système décisionnel est de :• connaître;

• mesurer;

• prévoir;

• agir.

Les moyens pour y parvenir sont :

• une information riche, pertinente, détaillée, historisée, fiable;• des outils d’analyse et de restitution puissants et adaptés;

• des indicateurs qui favorisent le pilotage et favorisent l’action.

Le cycle du projet comprend plusieurs étapes :

• Sélectionner les axes de progrès.

• Sélectionner le ou les processus à analyser.

• Définir les objectifs.• Définir les indicateurs.

• Bâtir le portail décisionnel.

1.3 LE PROCESSUS DE DÉCISION OU LE FACTEURHUMAIN DANS LA PRISE DE DÉCISION

Dans un contexte d’inflation des données d’entreprises, plusieurs technologiesrécentes arrivent à point nommé pour répondre concrètement à l’augmentationdes besoins d’analyse et de prise de décisions émis par les dirigeants opérationnels.


19/433


Parmi ces innovations, il en est une qui offre la plus grande avancée enmatière d’aide à la décision. La technologie OLAP (On Line Analytic Processing )qui pendant quelques années a servi de niche technologique à certains éditeurs

bien connus, vient de faire une avancée remarquable du fait de l’améliorationdes performances des ordinateurs et de la découverte de nouveaux algorithmes.OLAP représente l’avancée la plus spectaculaire en matière de business intelli-gence depuis la découverte des bases de données relationnelles, dont les fonde-ments ont été établis par Chris Date et Edgar Codd en 1993.

Bien que de nombreux articles aient été publiés décrivant le fonctionnementdes technologies OLAP, très peu ont mis en avant « quand » et « comment »utiliser ces technologies dans le cadre de l’aide à la décision.

Dans ce chapitre, nous mettrons en évidence les deux volets de la prise dedécision : le volet quelque peu mécaniste de la création d’information à partirdes données de base et le volet humain, qui permettra de découvrir LA bonneinformation.

Divers outils de reporting basés sur les bases de données relationnelles exis-tent et sont largement utilisés dans les entreprises. Les tableurs sont égalementdes outils désormais banalisés. Bien que demeurant déconnectés des systèmes cen-traux, ils sont devenus indispensables aux financiers et contrôleurs de gestiondans des tâches quotidiennes de collecte d’informations et de consolidation.

Mais quel que soit le soin apporté à la gestion de ces données, leur restitutionne représente qu’une partie de la prise de décision. L’autre partie, à nos yeux laplus importante, est de savoir comment les décisionnaires « consomment » lesinformations, les comprennent et agissent enfin.

1.3.1 Comprendre les besoins d’aide à la décision

Une étude récente du Forester Research montre que 66 % des utilisateurs de

rapports sont insatisfaits. Les programmeurs qui développent ces rapports expri-ment également leurs frustrations en ces termes :

• « Nous apportons aux utilisateurs ce qu’ils demandent mais ces derniers nesont toujours pas satisfaits. »

• « Les utilisateurs ne savent pas ce qu’ils veulent. Ils changent souvent d’avis. »

• « Nos données posent problème mais nous n’y pouvons rien. »

• « Nous avons construit l’entrepôt de données, mais il ne semble pas queles utilisateurs s’en servent. »

• « Nous avons beaucoup investi dans le stockage des données, cependantchacun semble encore disposer de ses propres chiffres et de sa propre vérité. »


20/433

1.3 Le processus de décision ou le facteur humain dans la prise de décision ————————————————————— 9

Ces commentaires suggèrent que les technologies actuelles sont inadéquatesdans le cadre de l’aide à la décision. Cependant, ces réflexions nous aident àcomprendre la complexité et la nature des attentes des utilisateurs.

1.3.2 Agir, analyser, décider, agir…

Utiliser des données dans le but de prendre des décisions pertinentes représentela part humaine du processus de décision. Ce processus débute lors de la mise àdisposition des données auprès du décisionnaire jusqu’à la décision finale.

Toute action dans l’entreprise implique d’en conserver la trace. Les systèmes ERP(PGI) enregistrent chaque seconde les opérations élémentaires (factures, achats,

commandes, clients…). Une action dont la trace est conservée dans des journaux(log) ressort du domaine transactionnel.

Les décideurs observent comment vont les choses afin confronter leur stra-tégie à la réalité. Ils cherchent à découvrir les faits qui expliquent la marche del’entreprise. Ils élaborent une modélisation de causes à effets. Ils en déduisentles décisions à prendre. Le domaine analytique permet de passer de l’analyse àla décision.

Figure 1.1 — Le cycle décisionnel dans l’entreprise


21/433


La compréhension du mode de consommation des informations et de la façondont les acteurs de l’entreprise prennent leur décision est la clé nécessaire à lamise en place de solutions d’aide à la décision.

Généralement, le processus de prise de décision requiert les compétencesd’une personne ayant une vision claire des données afin d’en tirer pleinementdu sens, d’en comprendre les causes, et de prendre les décisions et les actions quis’imposent. Par ailleurs, on peut identifier trois concepts fondamentaux quiinfluent sur la prise de décision : le référentiel métier, le niveau d’abstraction et leprocessus d’apprentissage.

La mise en place du référentiel métier

Le référentiel métier apporte la signification et la pertinence des données. Il trans-forme des données brutes en informations utiles aux décisionnaires, par l’ajoutde calculs, de sélections complémentaires, de regroupements et de présentation.Un fichier rempli de nombres est sans intérêt tant qu’il n’a pas été transforméen tendances, ratios financiers ou taux de pénétration de marché.

Le référentiel d’une organisation représente le composant essentiel de sa pro-priété intellectuelle et de son avantage compétitif. La compréhension et l’inter-prétation sont basées non seulement sur les données mais aussi sur la manièredont les données sont transformées en une information porteuse de sens. Par exem-ple, une tendance à la baisse du taux de pénétration peut conduire à un change-ment dans la distribution des produits ou de nouvelles campagnes promotionnellesdans les différents canaux de vente.

La manière dont le référentiel métier est géré dans un système d’aide à ladécision détermine sa mise en valeur auprès des décisionnaires et est déterminantpour leur productivité. En effet, dans l’entreprise, le référentiel métier est-il faci-lement accessible ? Est-il centralisé sur un serveur partagé ou bien stocké loca-lement dans des tableaux Excel ? Est-il correctement géré et maintenu à jour ?

Un puissant référentiel métier largement accessible et facile à utiliser offre uneforte valeur ajoutée aux décisionnaires.

Les niveaux d’abstraction

Le niveau d’abstraction permet aux utilisateurs de résoudre des problèmes dansun contexte propre au métier pratiqué. Par exemple, un administrateur de basesde données manipule des objets à fort niveau d’abstraction que sont les tables,les colonnes les jointures et les index. Parallèlement, dans la même organisation,les dirigeant traitent des allocations de ressources, de productivité, de satisfaction

clients, de lignes de produits ou de périodes fiscales. Bien que la matière brutereprésentée par les données soit naturellement la même pour ces deux acteurs,celles-ci sont manipulées et interprétées de façon différente.


22/433


Le bon niveau d’abstraction de manipulation des données est fondamentalpour la prise de décision. La réflexion des cadres dans le domaine des ventes seconcentrera autour des régions, des quotas, des commissions et de la productivité

de l’équipe. Les cadres financiers vont manipuler des notions telles que comman-des, chiffre d’affaire, marge et retour sur investissement. Aucun de ces acteursne s’attend à devoir manipuler des requêtes, des colonnes ou des agrégats.

Le processus d’apprentissage

Lorsque les données sont organisées en référentiel métier et présentés au niveaud’abstraction adéquat, les décisionnaires peuvent alors les utiliser et les compren-dre. Le processus d’apprentissage implique des réflexions itératives de la part dudécisionnaire. Celles-ci se matérialisent par des requêtes successives dont lesréponses engendrent naturellement de nouvelles questions.

De manière similaire, nous pouvons attribuer le succès sans précédent duWeb par l’application de ces trois principes : organisation, navigation et visualisation.Pour trouver une information sur un DVD, nous tapons ces deux mots « DVD NomDuChanteur » dans un moteur de recherche. Ce dernier propose plusieurssites commerciaux. Nous pouvons facilement comparer, naviguer, approfondir notrerecherche en cliquant sur des hyperliens.

Le second point repose sur le fait que le processus d’apprentissage est rarementlinéaire. Le Web est particulièrement adapté à ce mode de fonctionnement. Leshyperliens nous permettent de passer d’un sujet à un autre. Les boutons de retouren arrière du navigateur permettent de revoir toutes les étapes du cheminement.Cette approche est particulièrement efficace lors d’une découverte non structurée.

Enfin, la visualisation enrichie du Web présente une information dans saforme la plus compréhensible. Des images animées, des graphiques pour exprimerdes tendances, des tableaux pour comparer, etc. Tous ces modes de représenta-tion, exprimés selon une organisation intuitive et flexible, font du Web une des

inventions les plus efficaces qui soit dans le domaine de l’information.

1.3.3 Tableau de bord et business intelligence

Le cockpit

Si vous vous êtes déjà trouvé sur un vol long courrier, vous n’avez pas pu échapperà ces écrans qui vous permettent de suivre en temps réel votre parcours, repro-duisant de manière fidèle la position de votre avion et du chemin déjà parcouru.

De quoi s’agit-il ? L’écran qui servira plus tard à divertir le voyageur, afficheà chaque instant la position de l’avion par rapport aux villes survolées, laissantune trace du chemin déjà réalisé. Au fur et à mesure de la progression du vol,


23/433


des vues différentes permettent d’observer le chemin parcouru, le chemin qui resteà parcourir et l’orientation que prend l’avion.

Lorsque nous observons ces images, nous n’avons pas idée de la masse de don-nées qu’il est nécessaire de collecter dans le but de restituer sur l’écran une vuecompréhensible par le voyageur. Et lorsque l’écran s’éteint, nous nous trouvonssubitement plongé dans l’inconnu. On ne peut alors que faire des suppositionssur l’identification de la région survolée.

Maintenant, le commandant de bord vous invite à pénétrer dans le cockpitde l’avion afin de vous faire découvrir le tableau de bord de pilotage mis à sadisposition. Après quelques explications simples des écrans d’affichage, vous décou-vrez la signification des différentes jauges et autres voyants lumineux.

Progressivement, vous vous familiarisez avec les indicateurs tels que position(latitude, longitude), altitude, vitesse, consommation de kérosène, températureextérieure, etc. Les cadrans donnent un ensemble d’informations qui situent pré-cisément l’aéronef dans son environnement géographique en trois dimensions.

Concentré sur son tableau de bord, le copilote actionne un levier qui permet àl’avion de corriger imperceptiblement sa trajectoire puis de se stabiliser à nouveau.

Figure 1.2 — Dans le cockpit : suivre le plan de vol


24/433


Les voyants affichent immédiatement de nouvelles données reflétant la nou-velle orientation de l’avion. La trace est immédiatement perceptible dans la cabinepour l’ensemble des passagers.

Quel parallèle avec la business intelligence ?

Le plan de vol (départ Roissy, arrivée Los Angeles 11 heures plus tard) représentele plan de vol à suivre afin de mener l’avion à bon port dans le délai convenud’avance.

En business intelligence, nous parlerons de la stratégie de l’entreprise.

La trace que laisse l’avion sur l’écran matérialise la collecte de données depositionnement et de progression de l’avion. Ces données sont naturellement stoc-kées dans la boîte noire de l’appareil. La mémoire du vol est ainsi historisée dansce dispositif ultra-sécurisé, pouvant résister aux chocs les plus violents. L’ensembledes voyageurs visualise en cabine ces informations de positionnement grâce àl’écran GPS.

En business intelligence, nous parlerons de processus ETL (Extract, Transfor-ming, Loading ) qui représente le mécanisme d’alimentation et de stockage desdonnées de l’entreprise dans un entrepôt centralisé (datawarehouse). L’entreprisestructure ses données éparses, les rend homogènes, les stocke et les délivre.

Les indicateurs de vol fournis au copilote grâce aux différents cadrans mis àsa disposition forment son espace d’analyse, qui vise à suivre la progression del’avion.

En business intelligence, nous disposerons de manière similaire d’outils devisualisation des indicateurs de performance sous forme de reporting , d’analysemultidimensionnelle et de data mining (découverte des causes et des effets) syn-thétisé dans un tableau de bord. Il s’agit de focaliser les collaborateurs sur ce quiest important et d’attirer leur attention en permanence.

Tour écart de trajectoire est corrigé par le pilote.En business intelligence, nous parlerons d’écarts sur objectifs prévisionnels,

d’optimisation, de planning, de prévu/réalisé.

Toute décision de correction de trajectoire entraîne une action dans le postede pilotage.

En business intelligence d’entreprise, les écarts entre le prévu et le réalisévont engendrer des actions correctives.

Des indicateurs externes à l’avion (radar détectant la présence d’un autreavion à proximité, perturbations atmosphériques prévisibles sur carte météo, for-tes turbulences en vue), vont amener le pilote à changer de trajectoire…


25/433


L’atterrissage est maintenant proche, le pilote s’apprête à agir sur la trajectoireet l’altitude.

En business intelligence, la direction générale s’apprêtera à agir par la mise enplace d’actions opérationnelles. Dans l’entreprise, cela peut entraîner des chan-gements de comportements pour atteindre les objectifs.

Voici synthétisé le modèle du processus de prise de décision transposé à l’entre-prise.

1.3.4 En quoi la BI est-elle utile à l’entreprise ?

De la donnée brute à l’information

Selon l’enquête de PricewaterhouseCoopers réalisée en 2001, « les sociétés quiutilisent leurs données en tant que ressource stratégique et investissent dans leurqualité, en tirent déjà un avantage en terme de réputation et de profitabilité ».Selon une vision traditionnelle, les données sont le « carburant » qui pilote les

processus, étant entendu que l’entreprise utilise l’ordinateur pour l’aider à réaliserson business. La connaissance stratégique est déduite de la vision prospective, elle-même basée sur les données de l’entreprise.

Figure 1.3 — Les étapes de la prise de décision dans l’entreprise


26/433


Interrogeons-nous un instant : Une chaîne de supermarché a-t-elle pour objetde vendre de la nourriture ou bien son activité ne consiste-t-elle pas à exploiterla connaissance des préférences du client, de son positionnement géographique,

de la logistique et des coûts d’approvisionnement ? Le cycle de vie des produits,des informations sur la concurrence, le niveau d’inventaire, le prix proposé et ladisposition du produit en rayon ne doivent-ils pas être considérés comme autantd’informations pour accroître la marge réalisée sur chaque article vendu ?

À l’ère de l’Information, la réponse que vous ferez à ces questions déterminerala viabilité à long terme de votre entreprise.

Très bien me direz-vous ! Mais comment transformer les données en ressourcestratégique ? Une partie de la réponse réside dans l’application adéquate des nou-velles technologies sur vos données. Mais la plus grande part de la réponse consisteà comprendre et de manière subséquente à construire son business autour de lavaleur de l’information. On le voit bien, cet exercice d’abstraction est particu-lièrement délicat, aussi nous observerons dans ce chapitre la différence fonda-mentale qui réside entre une approche traditionnelle basée sur une technologietransactionnelle à des fins de reporting et une vision moderne de l’utilisation desdonnées à des fins d’analyse prospective.

Nous introduirons la notion du dirigeant « sachant ». En effet, celui-ci base

son observation sur les faits, c’est-à-dire les données stockées dans l’entreprise. Nous aborderons les aspects de l’information qui révèlent de la valeur et quelssont les processus à mettre en place afin d’extraire cette valeur des données. Nous présenterons également quelques applications de business intelligence afind’illustrer la méthodologie proposée dans cet ouvrage.

Les atouts de l’information et l’évaluation des donnéesLes données peuvent-elles être considérées comme un actif ?

Bien que personne n’ait jamais observé dans un bilan de société la moindreligne concernant les données de l’entreprise, ni du côté de l’actif, ni du passif,il convient de considérer cependant que certains coûts associés à la gestion desdonnées – le coût de stockage, la maintenance, la surface utilisée, l’équipe, etc. –apparaissent bien au compte d’exploitation comme des charges réelles.

En contrepartie, les données doivent être considérées comme de l’actif, parceque celles-ci sont employées à générer des bénéfices, sont contrôlées par l’orga-nisation, et sont le résultat de transactions liées à l’activité de l’entreprise (soit parcequ’elles sont générées en interne, soit parce qu’elles ont été acquises à l’extérieur).

Traiter des données comme un actif représente un intérêt pour l’entreprisecar cela peut être de nature à justifier un investissement en business intelligence.


27/433


L’entreprise sera en mesure de montrer comment la valeur d’actif des donnéess’est enrichie.

Cela implique naturellement de pouvoir mesurer la valeur des données, et c’estbien là que nous bloquons dans notre réflexion.

Il existe cependant des cas concrets où nous pouvons attribuer précisémentune valeur à l’information. Prenons par exemple le cas d’une demande au servicedes renseignements téléphoniques dont le coût est, par exemple, de 1 euro alorsque l’information demandée peut être obtenue gratuitement grâce à un annuairetéléphonique sur internet. Le coût de la transaction accepté par le client estcependant justifié par un service immédiat. Quel que soit l’endroit où il setrouve, et le moment de son choix, le demandeur obtient l’information capitale.

D’une manière générale, la valeur de l’information dépend d’un certain nom-bre de facteurs que nous évoquerons. Il est intéressant de constater que plus nouspouvons préciser ces facteurs et plus nous sommes en mesure d’élaborer le modèled’évaluation de l’information.

La valeur « temps » des donnéesAfin d’illustrer la contrepartie monétaire de la valeur « temps », prenons un exem-ple simple. Nous sommes le 1er mars et je rencontre un « gourou » de la finance

qui m’informe que suite à un accord entre la société Alcatel et un Consortiumchinois, l’action de l’équipementier clôturera demain 2 mars, en hausse probablede 5 euros. Je m’empresse de passer mes ordres d’achat auprès de mon broker enligne. L’exécution de l’ordre est immédiate. Le 2 mars peu avant la clôture, jerevends mes actions et prends mon bénéfice. Si au lieu de recevoir cette infor-mation le 1er j’en prends connaissance le 3 mars, inutile de dire que l’action àmener serait tout autre.

Cet exemple montre bien que la valeur de l’information se dégrade dans letemps. Parce que les données stockées représentent un instantané de la situation,

il paraît évident qu’en l’absence de toute réactualisation, et parce que le mondechange à tout instant, notre « photographie » tend à devenir obsolète très rapide-ment.

L’information en tant que ressource partageableContrairement à toute autre ressource matérielle utilisée dans le processus defabrication, les données sont des ressources qui non seulement ne s’altèrent pasmais dont la valeur informationnelle s’accroît par l’usage d’un plus grand nombred’utilisateurs. La connaissance d’un tel processus s’illustre par exemple dans le

cas d’un vendeur, alerté du moment le plus opportun pour contacter un prospect.Cette connaissance peut rationaliser le travail des vendeurs. Et même si plusieursvendeurs partagent la même connaissance avec d’autres membres de l’équipe,


28/433


cette connaissance transmise aux autres ne subit aucune dégradation. Cela veutdire que grâce à son partage, la valeur de l’information est proportionnelle aunombre de personnes qui la possèdent.

Dans le contexte de la business intelligence, cela se traduit par le stockagedes données dans le datawarehouse. Cet entrepôt centralisé offre de nombreuxaccès aux utilisateurs qui observent tous la même information. Et puisqu’elle estutilisée par des observateurs distincts, sa valeur est multipliée par le nombre depersonnes qui l’utilisent.

Bernard Liautaud, président et PDG de Business Objects a écrit dans unouvrage remarquable, que « la valeur d’une information augmente avec le carrédu nombre d’utilisateurs pouvant accéder à l’information, multiplié par le nom-bre de services dans lesquels ces utilisateurs travaillent ». (e-business intelligence,Éditions Maxima).

Valeur de l’information =(Nombre d’utilisateurs)² × (Nombre de départements de l’entreprise)

Cette formule est empruntée à une réflexion de Bob Metcalfe, l’inventeur del’Internet, qui avait formulé la loi qui porte son nom comme suit : « la valeurd’un réseau varie en fonction du carré du nombre d’unités interconnectées ».

Il ne fait pas de doute que plus le nombre de personnes disposant de la mêmeinformation augmente, mieux elles communiquent et plus elles prennent desdécisions collectives et pertinentes.

La transversalité de l’information peut s’illustrer de la manière suivante : sije fournis à une équipe commerciale les outils pour analyser ses ventes par pro-duit, par clients, par mois, par vendeur, cela constitue une arme qui sera utiliséedans la démarche commerciale face aux clients. Cette même information trans-mise au contrôleur de gestion, qui ajoutera l’indicateur du plan prévisionnel, lui

fournira immédiatement une vue complémentaire utile au pilotage.

L’accroissement de la valeur proportionnellement à son usagePour la plupart des actifs immobilisés, plus leur usage est fréquent, plus leurvaleur diminue. Par exemple, chaque kilomètre parcouru par une automobilediminue sa valeur. A contrario, la valeur des données ne décroît pas lors de leurusage, car elles ne subissent aucune dégradation lorsqu’elles sont utilisées.

Si dans l’organisation, chacun sait comment accéder à l’information et com-

ment l’exploiter, la valeur de cette information croît rapidement. Si les donnéesstockées ne sont jamais utilisées, elles n’apportent aucune valeur ajoutée et devien-nent rapidement une charge.


29/433


L’accroissement de la valeur au travers de la qualitéSi l’on reprend l’exemple de notre gourou qui, au lieu de nous prédire une hausse

de l’action, envisage au contraire une baisse probable du cours Alcatel de 5 euros,la probabilité de réaliser une perte plutôt qu’un bénéfice devient forte.

Ceci met en évidence la valeur liée à l’exactitude de l’information et la néces-sité d’obtenir une information de haute qualité mais aussi de mettre en place lesmoyens de la mesurer. Ainsi, grâce à l’interprétation de cette mesure de qualité,il sera plus aisé de déterminer le risque associé à la prise de décision.

L’accroissement de la valeur grâce à la fusionLa combinaison des éléments de la connaissance fournit un levier puissant au

fur et mesure de l’accroissement de la valeur. Si je dispose d’informations surmes canaux de vente, je possède une certaine valeur. Si je possède une informa-tion sur le processus d’approvisionnement, je dispose également d’une valeurinformationnelle. Mais si je combine ces deux informations entre elles, j’obtiensune connaissance précise sur le mouvement des produits depuis le fournisseurjusqu’au consommateur.

Il est aisé de comprendre que la valeur de l’information s’accroît lorsqu’ellepeut être combinée avec d’autres sources d’information. Le processus de BI con-

cerne la capacité à collecter, agréger, et plus important encore de rapprocherplusieurs sources entre elles. En d’autres termes, si nous pouvons rapprocher deuxinformations, les lier entre elles, et en déduire quelque chose de nouveau quin’aurait pu être découvert autrement, nous pouvons exploiter cette découvertepour en tirer un avantage concurrentiel.

La valeur face au volumeContrairement au comportement de certains actifs, nous n’obtenons pas néces-sairement plus de valeur par l’accroissement d’information. La quantité phéno-

ménale d’information produite chaque année est stupéfiante. La complexité del’intégration des données croît proportionnellement au nombre de sources dedonnées.

Toute la difficulté réside dans le fait de mesurer l’apport d’une source nouvellede données eu égard à la complexité à être intégrée dans le référentiel existant.Il faut comprendre que chaque ajout d’une nouvelle source de données induitun mode d’accès nouveau (connecteur). Tout nouveau connecteur implique unsoin particulier pour la mise à jour des données dans le référentiel centralisateur.

Il faut également considérer une différence importante en matière de qualitéentre l’acquisition de données provenant de sources disparates de celles qui sontpuisées à la même source. Par exemple, conserver une grande quantité de don-


30/433


nées sur les ventes réalisées depuis plusieurs années peut apporter plus de valeurs’il s’agit d’analyser des tendances.

La mesure de la valeur de l’informationLe coût historique : cette méthode consiste à évaluer la valeur basée sur le coûtd’acquisition de l’information ou le coût de remplacement.

La valeur marché : cette méthode évalue la valeur en fonction de ce qu’un opé-rateur est susceptible de payer pour l’acquérir.

La valeur utile : cette méthode consiste à estimer la valeur en fonction du bénéficeattendu.

Les applications de la business intelligence

L’analyse ClientLes termes CRM (Customer Relationship Management) et en français GRC (ges-tion de la relation clients) ont été utilisés abondamment. Ils sont devenus enquelque sorte des mots « tarte à la crème » souvent vidés de leur sens initial pardes vendeurs plus prompts à vendre des licences en grand nombre plutôt qued’écouter le besoin du client et d’apporter une réponse adaptée.

Pour améliorer la relation client, point n’est besoin de monter une « usine àgaz ». Le challenge consiste à mieux comprendre le client afin de lui apporter leproduit ou le service qu’il désire. On le comprend bien, il s’agit de satisfaire unclient grâce à son profil parfaitement identifié.

Les rubriques énumérées ci-dessous ont pour but d’augmenter la visibilité desservices ventes, marketing et d’une manière générale tout département qui inte-ragit avec le client final.

Profil Client

La plus grande partie des actions marketing consiste à « ratisser large » et à espérercapturer le plus grand nombre de clients possibles. Après les études très détailléesde Martha Rodgers consacrées au « marketing one to one », les entreprises pren-nent de plus en plus conscience que les prospects sont différents les uns des autreset que leur approche doit être adaptée en fonction du profil du prospect. Desinformations comportementales, préférentielles, géographiques et sociologiquesconcernant le prospect permettent d’adapter individuellement le discours.

Le ciblage marketing

La connaissance des ressemblances et dissemblances permet de constituer desensembles de prospects ayant des comportements similaires afin d’élaborer unecommunication adéquate.


31/433


La personnalisation

L’analyse fine du caddie, que ce soit au supermarché ou sur un site marchand en

ligne, permet en temps réel de connaître les produits achetés en magasin ou surle site et d’en déduire immédiatement des analyses fines et d’effectuer les actionsqui s’imposent. À cet égard, le navigateur web est un formidable outil de décou-verte de l’internaute, tant les traces numériques laissées lors de ses recherches ethésitations sont révélatrices du comportement de ce dernier. Le serveur web ala capacité d’interagir avec l’internaute afin de l’aider dans sa recherche ou mêmede suggérer des achats complémentaires.

Les « cookies » permettent l’identification d’un individu sur un site. Lors d’unaccès ultérieur il devient possible de dialoguer intelligemment avec l’internaute

et d’agir en tant que conseil auprès de celui-ci.Le filtrage collaboratif

Si vous êtes déjà allé sur des sites de ventes en ligne tels qu’Amazon.com ouFnac.com, cette notion de filtrage collaboratif ne vous a sans doute pas échappé.Lors du choix d’un CD ou d’un livre, le site vous suggère des achats alternatifsou complémentaires basés sur les préférences d’autres clients. L’information affi-chée sur la page web est très suggestive : « Les gens qui ont acheté le produit Xont également acheté le produit Y. » Les processus de filtrage collaboratif évaluent

la similitude des préférences entre des groupes de consommateurs. Ces recom-mandations créent en général des opportunités de cross-sell (ventes croisées) et deup-sell (ventes additionnelles).

La satisfaction du client

Un des avantages induits par le profilage est de connaître la satisfaction d’unclient par rapport à des produits ou services. Un rapide sondage permet de col-lecter le niveau de satisfaction d’un client, de comparer par rapport à l’ensembledes clients. L’historisation des données permet de connaître la tendance de lasatisfaction générale de la cible et naturellement de réagir avant qu’il ne soit

trop tard.

La durée de vie d’un client

Comment les entreprises déterminent quels sont leurs meilleurs clients ? Quandon connaît le coût induit par la recherche et l’acquisition d’un nouveau client,la durée de vie d’un client devient naturellement une mesure de profitabilité.L’analyse Client permet de mettre en place des indicateurs afin de mesurer ladurée de vie d’un client.

La fidélité du clientOn a coutume de dire que les meilleurs nouveaux clients d’une entreprise sontles clients actuels. Cela veut dire que les plus belles opportunités de réaliser de


32/433


nouvelles ventes se font auprès des clients de l’entreprise qui sont heureux detravailler avec vous et satisfaits de vos produits et services.

L’analyse des clients en portefeuille est une aide efficace.L’analyse de la productivité du capital humainL’utilisation et l’optimisation du centre d’appels

Si vous avez déjà fait l’expérience des longues minutes d’attente passées au télé-phone avant d’obtenir le service souhaité et l’irritation naturelle qui en découle,vous comprendrez sans difficulté la valeur qui résulte de l’analyse du tempsd’attente du client au sein de votre entreprise. Lorsqu’on sait par ailleurs que lesappels entrants proviennent en grande partie de clients non satisfaits, la durée

d’attente aura un effet déplorable sur la qualité du dialogue qui suivra.La rentabilité effective

Cette notion regroupe la performance, le coût du travail et le rendement de laproduction; autant de facteurs qui montrent comment les membres du personneltravaillent. Cette information peut être intégrée dans le référentiel et apporterune valeur supplémentaire à l’analyse globale.

L’analyse de la productivité

Ce domaine d’analyse très répandu génère un grand nombre d’indicateurs etd’analyses.

L’analyse des produits défectueux

Alors que les entreprises se battent quotidiennement afin d’améliorer la qualitédes produits qu’elles fabriquent, des facteurs affectent le nombre de produitsdéfectueux, dont les causes sont les matières premières utilisées ou les personnelsqui les fabriquent. Il est aisé de suivre ces facteurs grâce aux indicateurs de pro-ductivité.

Le suivi du planning et l’optimisation des ressourcesLa compréhension de l’utilisation des ressources qui composent l’actif d’uneusine (machines, personnel, rendements attendus, matières premières, entrepôts,production en flux tendus, etc.) peut être grandement facilitée par l’usage de labusiness intelligence.

Le reporting financier

Les contraintes sévères liées à l’industrie obligent les entreprises et maintenantles administrations (LOLF, loi organique relative aux lois de finances promul-

guée le 1er août 2001) à fournir de nombreux rapports financiers afin de présenterleurs résultats. Ces contraintes se sont encore alourdies suite aux scandales finan-ciers qui ont défrayé récemment la chronique. Indépendamment de leur carac-


33/433


tère obligatoire, les analyses qui en résultent sont un excellent moyen de prendrele pouls de l’entreprise et de repérer des secteurs nécessitant une surveillanceparticulière.

Dans cet esprit, le Congrès américain a fait adopter en juillet 2002 la loiSarbane-Oxley contraignant ainsi les entreprises cotées à communiquer rapide-ment leurs résultats financiers.

L’article 404 de la loi vise à renforcer la fiabilité de l’information financièredélivrée et rend obligatoire l’utilisation d’un cadre d’analyse reconnu en matièrede contrôle interne et cite en substance le référentiel COSO (Committee of Spon-soring Organizations, association américaine ayant pour objectif d’établir des règlesde contrôle financier interne et d’améliorer la qualité des reporting financiers).

La gestion du risque

C’est la capacité à trouver des solutions pour minimiser les conséquences desévénements associés à une situation.

La précision de l’observation dans le suivi de l’activité et de la productivitéoffre aux gestionnaires la capacité de prendre de meilleures décisions, par exem-ple sur l’allocation de ressources dans le but de réduire le risque de l’organisation.De plus l’analyse du risque peut apporter des réponses dans le cadre de la négo-

ciation de contrats avec les fournisseurs et les partenaires en général.La mise en place du nouveau règlement Bâle 2 vise à améliorer la qualité du

système bancaire grâce à la transparence dans la gestion des risques opérationnels.

Le juste à temps

Le concept de production en juste à temps doit aboutir à une diminution desrisques liés à la volatilité des prix des produits. Il est fortement recommandé depouvoir corréler les informations reçues au travers du canal de ventes afin deréagir le plus rapidement en termes d’approvisionnement et de production.

L’analyse des canaux de venteLe marketing

La capacité de régler finement un programme de marketing ainsi que la mesurede l’efficacité dudit programme, découlent en partie de l’analyse du canal deventes. Le processus itératif classique consiste à identifier des profils de groupesde clients et de régler sa stratégie sur ces observations. L’efficacité de la stratégiesera fortement dépendante des données recueillies par le canal de vente. Les

résultats seront naturellement comparés avec les objectifs attendus. La conver-gence ou la divergence des résultats par rapport aux objectifs précisera demanière itérative de nouvelles stratégies.


34/433


L’analyse de la performance des ventes

Les résultats de l’équipe de vente permettent d’identifier des variables qui agis-

sent sur le cycle des ventes, tels que les vendeurs, les régions, le type d’industrie,la qualité des contacts, la récurrence et la fréquence des contacts.

L’analyse de la chaîne d’approvisionnementL’analyse de la chaîne d’approvisionnement permet de caractériser les fournis-seurs afin de mieux les comparer.

La gestion des vendeurs des fournisseurs

Un grand nombre d’organisations sont dans l’incapacité d’identifier précisémentqui sont les vendeurs qui leur fournissent biens et services. L’analyse de la chaîned’approvisionnement permet aux gestionnaires de tracer la performance et lafiabilité des fournisseurs, d’évaluer et de classer la qualité des produits fournis etainsi d’optimiser la relation avec le fournisseur en ce qui concerne les dépenses,les délais de livraison et les risques.

L’expédition

Il existe différentes méthodes pour livrer des marchandises auprès des clients,chacune générant des coûts différents. Par exemple, il sera plus coûteux de livrerdes produits par avion plutôt que par transport routier, mais les produits arrive-

ront à destination plus rapidement. Ce délai plus court peut être exploité pourrépondre à une demande dont il faut mesurer la justification.

L’analyse du comportementIl est utile de repérer des modèles de comportement qui sont le présage d’évé-nements significatifs. Ce type d’analyse fait un usage abondant des données afinde repérer des modèles susceptibles de générer tel ou tel événement. Le but del’analyse consistera donc à repérer la mise en place de tels modèles dans le butde prédire l’apparition des phénomènes attendus. Ces études sont fortement uti-

lisées en analyse technique boursière. L’analyse d’une action sur une durée signi-ficative permet de mettre en évidence des modèles susceptibles de prédire deschangements de tendance. L’analyse chartiste est basée sur ces phénomènes.

Les tendances d’achats

Bien qu’il soit possible de connaître avec précision le cycle de vie des produits,il existe des tendances qui échappent à ce schéma. Les cas les plus parlants sontles produits à effet de mode. L’approche des fêtes de Noël rend parfois difficiletoute prévision, faisant flamber tel article de jouet ou s’effondrer tel autre pro-

duit. Dans le domaine de la mode, il est fréquent d’observer une corrélation entrela tenue vestimentaire d’une star invitée à une émission grand public et le décol-lage soudain des ventes du même article en magasins.


35/433


L’activité du Web

Nous l’avons déjà signalé précédemment, l’analyse du comportement d’achat surun site de commerce électronique est relativement aisée. Elle donne de surcroîtdes indications d’achat et de tendance en temps réel. Cette détection des modè-les de comportement d’achat peut être à l’origine d’un modelage du site afin demieux prendre en compte les attentes des internautes.

La détection des fraudes

Les comportements abusifs ou frauduleux sont fréquemment modélisables. Parexemple dans le domaine de la santé, il est aisé de constater que certains prati-ciens ont tendance à prescrire des médicaments onéreux ou en surnombre. Unefois ces comportements modélisés, zoomer sur les auteurs de tels actes devient

un jeu d’enfant.

L’attrition du client

Un problème récurrent pour un grand nombre d’organisations est l’attrition duclient ou la capacité de ce dernier à quitter son fournisseur habituel. Dans lesindustries à caractère compétitif, il est bien plus profitable de convaincre unclient de rester fidèle à un fournisseur avant qu’il n’ait pris la décision de lequitter plutôt qu’après. On constate cela fréquemment dans la lutte effrénée quese livrent les opérateurs téléphoniques pour conquérir de nouveaux clients. Les

coûts de séduction de ces nouveaux clients sont proprement exorbitants. Le repé-rage des clients susceptibles de quitter l’entreprise par une observation fine desmodèles de comportements (historiques des appels et des plaintes) permettraitde proposer des offres personnalisées susceptibles de retarder le départ voiremême de l’éviter.

Le tableau de bord de l’intelligenceUn indicateur clé de performance (KPI, Key Performance Indicator) est une mesureobjective d’un aspect de l’activité qui est critique pour le succès de l’entreprise.

De tels indicateurs sont les composants du tableau de bord représentatif de l’acti-vité de l’entreprise. Il synthétise les différentes activités et mesures de cette der-nière telles que la satisfaction du client, la productivité, la performance du canald’approvisionnement et la profitabilité. Il synthétise également la qualité deshommes et des femmes de l’entreprise, la qualité des outils qui leur sont mis àdisposition.

Le tableau de bord de l’intelligence d’entreprise reflète les résultats des ana-lyses sous forme d’indicateurs, dans une représentation synthétique et compré-hensible. Des alerteurs visuels, de différentes couleurs, attirent le regard pour une

compréhension plus rapide. Ce tableau de bord dynamique permet en outre dezoomer sur tel ou tel indicateur et d’approfondir l’analyse jusqu’à remonter à lacause première des phénomènes.


36/433

1.4 Les modèles d’accès à l’information ————————————————————————————————————————————————————— 25

Voici quelques-uns de ces indicateurs :

• graphe des ventes régionales par ville;

• statistiques du personnel;• rapport d’approvisionnement par fournisseur;

• mesure de la satisfaction client;

• mesure de la productivité de l’usine, d’un département, d’un atelier, etc.;

• moyenne de la profitabilité client.

La valeur ajoutée de la business intelligenceAu cours de nos réalisations, et au vu des avantages instantanés que nos clients

ont obtenus, nous avons acquis la ferme conviction que la business intelligencepermet d’insuffler un niveau de connaissance jusqu’alors inégalé dans l’entre-prise. La qualité du dialogue des dirigeants par le partage de la connaissanceobjective s’en trouve améliorée. La connaissance transversale, par la suppressiondes cloisonnements départementaux dans l’entreprise, sont autant de facteursgénérateurs d’observations nouvelles.

1.4 LES MODÈLES D’ACCÈS À L’INFORMATION

Bernard Liautaud, dans l’ouvrage déjà mentionné, fait une analyse sans complai-sance de la situation des trois modèles qui gouvernent l’accès à l’informationdans l’entreprise. Il cite :

• La dictature de l’information, où seuls quelques initiés ont accès aux données.

• L’anarchie de l’information, où chacun recrée son propre système d’informationprovoquant un véritable chaos de données.

• La démocratie de l’information, où l’information bien gérée circule librement.

1.4.1 La dictature de l’information

Le premier cas met en évidence une attitude dictatoriale vis-à-vis du partage etde la diffusion de l’information dans l’entreprise. Dans les années quatre-vingt,les données étaient stockées sur des serveurs centraux hautement protégés. Ladiffusion de l’information se faisait au travers de listings volumineux, dupliqués,et regorgeant souvent de données inexploitables. Les analyses étaient confiées àdes équipes d’experts qui grâce à des logiciels spécifiques, parvenaient à extraire

des analyses qu’ils diffusaient ensuite auprès des personnels concernés. C’était lerègne des infocentres dotés parfois de tableaux de bord centralisés appelés EIS(Executive Information System).


37/433


1.4.2 L’anarchie de l’information

Dans les années quatre-vingt-dix, grâce à la diffusion massive de la micro-infor-

matique, silos de données et applicatifs personnels vont progressivement se met-tre en place, faisant apparaître un nouveau comportement anarchique. En effet,pour se libérer du carcan imposé par les structures centralisées, les directeurs desdépartements opérationnels vont rapidement comprendre que les outils bureau-tiques peuvent répondre à de nombreux besoins restés jusque-là sans réponse.Les managers vont se doter massivement d’outils tels qu’Excel et Access dans lebut de répondre quasi instantanément à leur demande de tableaux de bord et dereporting . C’est le début de la multiplication des organismes de formation enbureautique. Les personnels opérationnels rapidement formés vont s’approprier

des donn�

Documents

Business Intelligence Avec SQL Server 2005 (French)