Système décisionnel : comment concilier industrialisation et capacité d’innovation

En mettant en œuvre une organisation industrielle, on obtiendra au final la qualité recherchée mais on en subira aussi les contraintes par exemple en termes de lourdeur, de délai d’obtention de résultats (le fameux effet tunnel), de sentiment de perte de contrôle de la part des maîtres d’ouvrage et de délitement du support des sponsors. Outre ces difficultés, il est très difficile de mettre en œuvre une approche industrielle pour tous les lots d’un système décisionnel, c’est particulièrement le cas pour des gisements de données qui n’ont pas encore fait l’objet d’une utilisation décisionnelle, dont la qualité réelle est mal connue ou dont les possibilités d’analyse, d’apport de connaissance et d’action restent à être déterminées.

Le besoin de flexibilité dans la construction d’un système décisionnel est d’autant plus nécessaire, qu’il s’agit d’un projet sans fin car les activités des entreprises évoluent de façon organique ou par rachat, car de nouvelles idées métiers voient le jour régulièrement, parce que la technologie offrent constamment de nouvelles possibilités et enfin parce les entreprises sont toujours à la recherche de nouveaux avantages concurrentiels et que les systèmes décisionnels sont absolument clé pour cela. L’entreprise a besoin d’une grande flexibilité pour s’adapter au marché, pour supporter l’innovation et concrètement comprimer au maximum le délai de transformation d’une idée en action.

La construction et la vie d’un système décisionnel impliquent donc d’assumer des besoins d’évolution rapides voir inopinés, de prendre en charge de nouvelles données, de nouveaux rythmes d’alimentation, de nouvelles intégration ou production de données, d’indicateurs, d’analyses, de restitutions diverses, pour des populations d’utilisateurs qui s’élargissent sans cesse. Dans ce contexte pour pouvoir concilier rigueur et flexibilité, il faut mettre en place en parallèle deux approches complémentaires, l’une classiquement industrielle et l’autre spécifiquement dédiée à l’apprentissage et l’innovation.

Pratiquement il s’agit en parallèle, du développement, de l’exploitation classique et industrielle de systèmes décisionnels, d’offrir un environnement spécifique d’apprentissage et d’innovation, ayant son fonctionnement propre en termes de gouvernance, d’organisation, de méthodologie, d’architecture, de processus, de technologie et d’exploitation. Un tel dispositif, appelé DataLab ou SandBox doit offrir une flexibilité qui permette de rapidement & facilement tester la faisabilité, et évaluer l’intérêt métier ou technique de façons de gérer ou d’utiliser des données historiques.

Concrètement, il s’agit d’offrir à des utilisateurs métier et des informaticiens, des espaces privatifs offrant un cadre de fonctionnement adapté à leur problématique spécifique. Par exemple il convient pour un espace offrant des facilités d’apprentissage à des utilisateurs finaux, de minimiser les exigences de gestion, alors que pour un espace dédié à de la recherche et de l’innovation en matière d’analyses avancées de données, il convient de les élever. Ces espaces peuvent être utilisés pour réaliser tout ou partie des opérations ci-dessous,

Gestion de nouvelles données : possibilité de charger, d’analyser et d’intégrer des données en complément de celles gérées par le système décisionnel existant,
Bi & Analytique avancé : possibilité de réaliser toutes les approches analytiques imaginables des plus simples aux plus complexes sur toutes les données des systèmes décisionnels de l’entreprise permanents ou temporaires,
Prototypage : faciliter la réalisation de prototypes d’applications décisionnelles afin de tester certains choix de conception ou de moyens,
Services bureau : possibilité d’offrir temporairement aux utilisateurs métier des services réguliers de production de supports d’aide à la décision (indicateurs, tableaux de bord, scores, …),
Dépannage production (patch run) : possibilité pour l’informatique d’épauler provisoirement son système décisionnel de production en attendant la réalisation d’une mise à niveau des moyens existants.

D’un point de vue infrastructure, différentes possibilités sont envisageables mais comme pour un entrepôt de données et pour globalement les mêmes raisons, l’approche intégrée du DataLab/SandBox est préférable à toute autre. Enfin pour rester court, il convient de noter que la deuxième clé majeure de la réussite d’un DataLab/SandBox réside dans la coopération entre utilisateurs métier & informaticiens, et dans le cas de la réalisation d’approches analytiques avancées il faut aussi enrôler des experts de l’analyse de données dans le centre de compétence spécifique qu’il convient de créer.

Les gains à attendre d’un dispositif DataLab/SandBox sont une plus grande capacité à innover et concrètement une plus grande capacité à générer, tester, industrialiser et déployer de nouvelles idées métiers utiles à la conduite des affaires et ceci de façon beaucoup plus rapide & économe.

Teradata a déjà une grande expérience dans ce domaine des espaces privatifs d’essai et de nombreux clients qui mettent déjà en œuvre ce genre d’approche, comme e-Bay, Bank Austria, Cabelas et en France, SFR, Leroy Merlin, FT Orange, Banque Populaire, Bouygues Telecom. Pour aller plus loin sur ce sujet, vous pouvez utilement consulter le document ci-dessous, coécrit par des praticiens de chez e-Bay, Wellpoint & Teradata, et intitulé « Agile Data Warehousing with Integrated Sandboxing » :

http://www.teradata.com/t/pdf.aspx?a=83673&b=184026