Les experts débattent depuis déjà plusieurs années des avantages et inconvénients relatifs des data marts et des data warehouses. Bien qu’elle recèle une dimension philosophique, cette polémique est de plus en plus oiseuse du point de vue de la gestion d’entreprise. Les data marts indépendants permettent certes à des départements spécifiques de réaliser des évaluations analytiques, mais les autres départements ne peuvent pas y accéder directement, même s’ils ont besoin d’obtenir rapidement un instantané complet et à jour sur un sujet transverse comme ceux relatifs aux partenaires de l’entreprise, par exemple les clients ou les fournisseurs. Par contre, en rendant l’ensemble des données accessibles par tous les départements, les data warehouses représentent « la version unique de la vérité », et non une « semi-vérité ». Eux seuls fournissent une base cohérente pour le processus décisionnel d’une entreprise.
De nombreuses entreprises sont leurrées par le faible investissement initial des data marts isolés et sous-évaluent les coûts globaux d’exécution et de maintenance de plusieurs petites bases de données, surtout si chaque département est responsable de ses propres budgets en matériel, logiciels, maintenance et personnel. La solution est évidente : un système de stockage consolidé pour l’ensemble des données, un data warehouse à l’échelle de l’entreprise contenant des informations fiables et exhaustives, capable d’offrir des avantages sur le long terme. Selon toutes les études réalisées par les analystes (Gartner, Forrester, IDC, Ovum, …) une solution centralisée est toujours économiquement meilleure dés que le nombre de data marts est supérieur à trois. Les facteurs décisifs qui sous-tendent la création d’un data warehouse sont en outre sa souplesse technique et son évolutivité. De plus il est tout à fait possible pour une entreprise qui opte pour une solution de data warehousing, de commencer avec une installation modeste et de la faire évoluer au fur et à mesure.
Dans les grandes entreprises mondiales, il convient aussi de pouvoir s’adapter à des volumes de données croissants. En effet la globalisation des activités et des processus métier, la pression croissante sur les prix exercée par la concurrence et les investissements accrus dans la gestion des connaissances, génèrent un désir d’accès facile aux informations, de temps de réponse courts, de prise en charge d’un plus grand nombre d’utilisateurs et de traitement de critères de recherche variés et plus nombreux.
Tandis que les systèmes statistiques conventionnels répondent à la question « Que s’est-il passé ? », un data warehouse est également conçu pour répondre à la question analytique « Pourquoi est-ce que cela s’est passé ? » et à la question pronostique « Que va-t-il se passer ? ». Dans un contexte opérationnel, il répond également à la question « Que se passe-t-il en ce moment ? », voire dans le cas d’une solution de data warehousing active « Que devrait-il se passer ? ». Cela fournit aux entreprises une vision à jour et complète de leur activité préalablement à la mise en œuvre d’applications, telles que la gestion de la chaîne de la demande, la gestion de la relation client, l’optimisation de la chaîne d’approvisionnement, la gestion de la performance financière, …etc. Outre la vitesse, les facteurs clés dans la prise en charge des processus d’aide à la décision par le data warehouse sont la pertinence et la précision. Pour cela il est approprié de faire gérer par le data warehouse un référentiel de données d’entreprise intégré, provenant de l’ensemble des départements. Ainsi les analyses ne sont pas basées sur un petit échantillon de données qui pourrait induire une évaluation erronée du passé et du futur.
Pour de nombreux secteurs, tels que la distribution, les télécommunications, la banque, l’assurance, …etc. des modèles de données standards pour data warehouse d’entreprise ont été élaborés. Par exemple Teradata propose des modèles de données brevetés 3NF (3 Normal Form). Ces modèles comprennent de 8 à 12 domaines thématiques de base. Ces modèles ont été créés conformément aux standards, par exemple ceux qui s’appliquent au secteur de l’assurance (ACORD AL3, ANSI, X12). Ces modèles de données sont disponibles en format électronique. La durée nécessaire à la mise en œuvre d’un data warehouse d’entreprise est considérablement réduite grâce à la disponibilité de tels modèles.
Pour aller plus loin sur le thème de l’entrepôt de données d’entreprise et les modèles de données correspondants vous pouvez utilement consulter les liens ci-dessous :
http://www.teradata.com/enterprise-data-warehouse
http://www.teradata.com/t/page/158781/?src=tdmo_rl&i=v07n01
De nombreuses entreprises sont leurrées par le faible investissement initial des data marts isolés et sous-évaluent les coûts globaux d’exécution et de maintenance de plusieurs petites bases de données, surtout si chaque département est responsable de ses propres budgets en matériel, logiciels, maintenance et personnel. La solution est évidente : un système de stockage consolidé pour l’ensemble des données, un data warehouse à l’échelle de l’entreprise contenant des informations fiables et exhaustives, capable d’offrir des avantages sur le long terme. Selon toutes les études réalisées par les analystes (Gartner, Forrester, IDC, Ovum, …) une solution centralisée est toujours économiquement meilleure dés que le nombre de data marts est supérieur à trois. Les facteurs décisifs qui sous-tendent la création d’un data warehouse sont en outre sa souplesse technique et son évolutivité. De plus il est tout à fait possible pour une entreprise qui opte pour une solution de data warehousing, de commencer avec une installation modeste et de la faire évoluer au fur et à mesure.
Dans les grandes entreprises mondiales, il convient aussi de pouvoir s’adapter à des volumes de données croissants. En effet la globalisation des activités et des processus métier, la pression croissante sur les prix exercée par la concurrence et les investissements accrus dans la gestion des connaissances, génèrent un désir d’accès facile aux informations, de temps de réponse courts, de prise en charge d’un plus grand nombre d’utilisateurs et de traitement de critères de recherche variés et plus nombreux.
Tandis que les systèmes statistiques conventionnels répondent à la question « Que s’est-il passé ? », un data warehouse est également conçu pour répondre à la question analytique « Pourquoi est-ce que cela s’est passé ? » et à la question pronostique « Que va-t-il se passer ? ». Dans un contexte opérationnel, il répond également à la question « Que se passe-t-il en ce moment ? », voire dans le cas d’une solution de data warehousing active « Que devrait-il se passer ? ». Cela fournit aux entreprises une vision à jour et complète de leur activité préalablement à la mise en œuvre d’applications, telles que la gestion de la chaîne de la demande, la gestion de la relation client, l’optimisation de la chaîne d’approvisionnement, la gestion de la performance financière, …etc. Outre la vitesse, les facteurs clés dans la prise en charge des processus d’aide à la décision par le data warehouse sont la pertinence et la précision. Pour cela il est approprié de faire gérer par le data warehouse un référentiel de données d’entreprise intégré, provenant de l’ensemble des départements. Ainsi les analyses ne sont pas basées sur un petit échantillon de données qui pourrait induire une évaluation erronée du passé et du futur.
Pour de nombreux secteurs, tels que la distribution, les télécommunications, la banque, l’assurance, …etc. des modèles de données standards pour data warehouse d’entreprise ont été élaborés. Par exemple Teradata propose des modèles de données brevetés 3NF (3 Normal Form). Ces modèles comprennent de 8 à 12 domaines thématiques de base. Ces modèles ont été créés conformément aux standards, par exemple ceux qui s’appliquent au secteur de l’assurance (ACORD AL3, ANSI, X12). Ces modèles de données sont disponibles en format électronique. La durée nécessaire à la mise en œuvre d’un data warehouse d’entreprise est considérablement réduite grâce à la disponibilité de tels modèles.
Pour aller plus loin sur le thème de l’entrepôt de données d’entreprise et les modèles de données correspondants vous pouvez utilement consulter les liens ci-dessous :
http://www.teradata.com/enterprise-data-warehouse
http://www.teradata.com/t/page/158781/?src=tdmo_rl&i=v07n01