Système d'Information Décisionnel - Le blog de Michel Bruley

Quelques décennies après les premières déclarations de Mac Luhan sur l’âge électronique, force est de constater que pour une fois un « futurologue » avait attiré notre attention dans la bonne direction. Les nouvelles technologies de l’information et des communications ont en effet bouleversé notre façon de faire des affaires et notre vie privée. Aujourd’hui elles étendent nos pouvoirs et nous permettent d’échanger avec la terre entière, ou du moins avec ses parties connectées. Cependant des perspectives non prévues se dessinent : par exemple d’une part un monde virtuel voit le jour dans lequel l’information supplante l’expérience et d’autre part la masse d’informations qui nous arrive chaque jour prend de plus en plus la forme d’une inondation.

Un nouveau déluge a-t-il commencé ? Des cassandres nous prédisent que nous allons être submergés par un tel volume d’informations que nous n’arriverons plus à le traiter, à le canaliser et qu’il nous imposera une vérité incontrôlée. Ici les défis sont de savoir définir ce qui est de l’information et pas seulement des données, de savoir industrialiser le traitement des données pour livrer des éléments qui ont du sens, de savoir gérer les flux d’informations pour alimenter nos activités. Au-delà de la définition des besoins et des priorités, la question centrale est celle de l’architecture de la gestion des données. Faut-il un système d’information décisionnel à côté des systèmes opérationnels ? Vaut-il mieux des systèmes décisionnels spécialisés par fonction plutôt qu’un gisement commun ? Jusqu’à quel niveau de détail et sur quelle profondeur d’historique faut-il conserver les données ?

Les réponses à ces questions sont maintenant établies et expérimentées depuis quelques années, la gestion de données historiques détaillées doit être au cœur de toute solution. La pollution ne vient pas du volume des données mais de la perte de contrôle due à l’absence de réponse aux questions car l’historique est trop court, ou le niveau de détail insuffisant ou qu’il y a de multiples réponses à la question, émanant de systèmes différents gérant des vues différentes de la même réalité. Les meilleurs experts donnent sur ce sujet les principaux conseils suivants : utilisez uniquement la terminologie de votre entreprise de façon à ce que tout le monde puisse comprendre ; mettez toutes vos données dans un seul entrepôt, peu importe sa taille ; gérez les données au niveau le plus détaillé ; structurez vos données grâce un modèle d’entreprise ; facilitez l’accès direct aux données détaillées ; mesurez/mesurez/mesurez votre entrepôt de données (usage, adoption, temps de réponse, …etc).

Pour aller plus loin sur ce sujet vous pouvez utilement consulter mes articles ci-dessous :

De l'utilisation des données historiques

Un Data Warehouse d'entreprise pour tirer toute la valeur de son capital informationnel

Data Warehousing : la vérité... rien que la vérité

Un entrepôt de données central pour l'armée de l'air des Etats-Unis;

Les Technologies de l’Information et des Communications sont essentielles pour aider les entreprises à s’adapter à l’évolution de leurs marchés, notamment aux nouvelles demandes, nouvelles offres, nouvelles réglementations, à la globalisation, à l’évolution des techniques, à la saturation de certains marchés. Dans ce contexte les entreprises doivent faire preuve de beaucoup d’intelligence pour maîtriser leur destinée. Les analystes réputés disent que seules les plus intelligentes survivront. Chez Teradata nous pensons que l’une des clés majeures réside dans la possibilité de transformer des analyses en actions efficaces. Concrètement il ne s’agit pas seulement de faire de la « Business Intelligence » en travaillant des données d’un « Data Warehouse » qui gère des informations plus où moins fraîches, mais de coupler l’Entrepôt de Données avec les systèmes opérationnels de façon à pouvoir toujours fournir au moment voulu, l’information historiques nécessaires pour l’analyse et l’action : c’est le concept d’Active Enterprise Intelligence (AEI).

L’AEI vise à faire passer les moyens décisionnels d’un rôle « passif » à un rôle « actif ». Il ne s’agit plus de seulement supporter les décisions stratégiques comme la détermination des buts, des politiques, la définition des objectifs des organisations, mais de supporter aussi des décisions tactiques, en dotant de moyens décisionnels des opérationnels clés, par exemple ceux qui sont en relation quotidienne avec les partenaires de l’entreprise comme les clients ou les fournisseurs. Dans la fonction Marketing Vente, il s’agit de ne pas se limiter à définir des segmentations, des tarifications, à effectuer des analyses de vente ou de rentabilité, mais de supporter aussi les opérations de Marketing Direct, ou de permettre à un télévendeur de fonder son action sur les données historiques concernant le client avec qui actuellement il est en discussion. L’aide à la décision tactique ou opérationnelle, consiste à donner accès à des informations historiques pour une prise de décision immédiate sur le terrain.

La grande ambition de l’AEI est de permettre un support optimum de l’utilisateur dans son cycle de travail de la donnée à l’action. Vu dans une logique d’apprentissage, ce cycle comprend cinq étapes : observer, comprendre, prévoir, agir, capitaliser l’expérience. Une solution active suppose une grande qualité d’intégration du système d’information, tant au niveau des données historiques prises en compte dans les analyses, qu’au niveau de la liaison avec les systèmes opérationnels pour mener les actions. Les critères de qualité ici sont fraîcheur des données et vitesse de réaction. Concrètement la solution doit offrir des services automatisés spécifiques, tels que des rapports pointant spécialement les exceptions, des analyses ad hoc qui débouchent sur des propositions, des alertes adressées directement à la bonne personne et en temps utile, ou par exemple le déclenchement d’une action externe impliquant aucune ou un minimum d’intervention d’un membre de l’organisation.

L’AEI suppose une architecture adaptée qui permet de prendre en charge les contraintes inhérentes aux fonctions esquissées dans les paragraphes ci-dessus. Dans les grandes entreprises un tel système a les caractéristiques suivantes : multiples domaines fonctionnels, téras octets de données, plusieurs centaines de tables, milliers d’utilisateurs, plusieurs années d’historiques détaillés, services particulièrement exigeants de mises à jour et de requêtes. Concrètement au niveau de l’entrepôt de données les entreprises ont le choix entre une approche centralisée ou une approche départementale, mais tous les grands analystes s’accordent aujourd’hui pour reconnaître la supériorité d’une centralisation des gisements de données, le coût financier prohibitif et l’inefficacité des solutions construites sur des data marts indépendants.

L’AEI ne transforme pas automatiquement la façon de faire des affaires, il apporte seulement une potentialité qui doit être exploitée, il s’agit là d’organisation, de formation, de créativité, d’expérimentation de nouvelles voies, d’évolution de la culture de l’entreprise. Il est clair qu’une entreprise ne peut pas passer en une seule étape d’un décisionnel primaire construit sur des infocentres ou des data marts indépendants, à un Entrepôt de Données Actif ; mais par une urbanisation des systèmes décisionnels et un lotissement correct des projets, il est possible en six à dix mois pour une grande entreprise de mettre en production une infrastructure et les premières applications opérationnelles d’AEI.

Pour aller plus loin sur ce sujet vous pouvez utilement consulter mes articles ci-dessous :

L’avenir des entrepôts de données est dans le Real Time BI et l’Active Enterprise Intelligence

Mise en œuvre d’Active Intelligence Enterprise et de Real-Time BI

Champs d’application & cas concrets d’Active Intelligence Enterprise et de Real-Time BI (Distribution)

Active Intelligence Enterprise et Real-Time BI dans le secteur Bancaire

De l’intelligence active pour les industries Manufacturières

De l’intelligence pour supporter les entreprises actives (Télécommunications)

Le postulat fondamental de ces approches est que dans toute base de données enregistrant les événements d’un processus économique, les données ne sont pas distribuées au hasard. Bien que ces données soient simplement constatées, le plus souvent collectées à des fins purement opérationnelles, on suppose qu’elles ont été générées par une réalité en grande partie déterministe, mais selon des processus que généralement on ne connaît pas. Les approches analytiques cherchent à mettre en évidence, décrire et permettre de reconstruire les effets de ces processus. Cette action d’identification des effets d’un processus à partir de données se caractérise par la construction d’un modèle, ensemble de règles, d’équations, de formules qui rendent compte de la distribution des données dans la base.

Construire méthodiquement un modèle des données dont on dispose sur un objet de gestion, est un saut important sur le chemin de la connaissance et de la décision. Au lieu de gigaoctets de données brutes, le décideur dispose alors d’une vue interprétable de son sujet d’étude. Mais attention de ne pas se laisser piéger par la métaphore liée à l’expression data mining qui suggère que les données (data) ne seraient qu’un amoncellement de débris, que l’on creuse (mining) à la recherche de la pépite. Elle fait croire que le data mining rejette une grande proportion des données disponibles, pour ne conserver qu’une petite partie particulièrement significative. Or ce n’est pas exactement le cas, dans l’élaboration d’un modèle toutes les données sont prises en compte et traitées sensiblement sur un pied d’égalité. Le modèle est construit en fonction des régularités (patterns) de l’ensemble des données. Le succès de l’analyse se mesure à sa capacité à détecter les régularités fortement significatives.

D’autre part pour certains, toutes ces approches analytiques de pointe, data mining ou fouille de données ne seraient que de nouveaux noms branchés de la vénérable statistique. La réponse est : oui, mais …. Oui, car si vous faisons abstraction des techniques mises en œuvre, l’objectif est le même : élaboration et interprétation de modèles de la réalité construits à partir d’une description partielle de cette réalité par des données. Mais …, car la statistique traditionnelle ne répond pas complètement aux attentes des utilisateurs potentiels. Le progrès le plus attendu des nouvelles approches c’est l’industrialisation des analyses, alors que la statistique reste une activité artisanale, réservée à un petit nombre de spécialistes traitant avec beaucoup de soin un petit volume de données très structurées, et mettant en œuvre un savoir faire peu automatisé. Or l’ambition des nouvelles approches c’est d’amener les biens faits de la statistique à tous les responsables sans qu’ils aient constamment recours à des statisticiens.

Cependant il ne faut pas se cacher, que la réalité est souvent compliqué, voire complexe, et que les approches analytiques peuvent être délicate à mettre en œuvre et leurs résultats parfois ambigus ou incertains, même si de nombreuses entreprises utilisent ces techniques avec beaucoup de succès dans toutes les fonctions de l’entreprise et en particulier dans les domaines de la relation client, de la logistique, de la qualité.

Pour aller plus loin sur ce sujet vous pouvez utilement consulter mes articles ci-dessous :

5 mythes sur le data mining

En analyse de données comme en cuisine, la réussite se joue en grande partie avec les ingrédients
Fouille de données : une démarche en cinq étapes

Fouille de données : les biens faits des approches en laboratoire

Faire son data mining directement dans son entrepôt de données

Fouille de données & PMML : vers une extraction de données plus rapide, plus facile et moins coûteuse

Comment choisir un outil d’exploration de données

Le système d’information décisionnel des dirigeants et des collaborateurs d’une entreprise, a pour objet de permettre de rassembler et d’analyser des données concernant le passé, le présent et le futur, de façon à faciliter le suivi et la compréhension détaillée de l’environnement, des résultats, des acteurs internes ou externes, notamment les clients, pour optimiser les décisions stratégiques et la conduite des opérations.

Pour qu’une entreprise obtienne un avantage sur la concurrence, il convient qu’elle mobilise de nombreux acteurs dans le cycle qui mène de la donnée à l’action. En effet un avantage significatif s’obtient par la mise en œuvre d’actions permettant la réalisation profitable d’une opportunité : opportunité + action = avantage. L’opportunité elle même est le produit d’une information et d’une décision : information + décision = opportunité. Dans ce cycle, différents acteurs (statisticiens, analystes métier, responsables d’activité, collaborateurs en charge des clients, des fournisseurs, etc.), sont impliqués aux différentes étapes qui voient la naissance des opportunités et leur réalisation.

Si la qualité d’un système d’information décisionnel permet d’espérer le succès, il est certain que celui-ci ne s’obtient pas de façon mécanique. Les paragraphes ci-dessous présentent de façon résumée, quelques idées à méditer sur le cycle : Données – Informations – Décisions - Actions.

Il est fondamental de bien séparer les données et l'information

Entre la donnée et l'information, au sens général du terme, il y a nécessairement un ou plusieurs médiateurs qui organisent, choisissent, rapprochent certaines données, décident d'en abandonner d'autres, pour pouvoir en tirer une sorte de synthèse d'un niveau plus élaboré que ses éléments constitutifs de base. Au final le travail de l'analyste est de dégager des faits, de les replacer dans une perspective, de les pondérer les uns par rapport aux autres, de les rendre clairs et compréhensibles : faits plus commentaires donnent alors l’information.

Transformer les données en information est un métier qui nécessite des compétences, une morale pour passer de la donnée à l'information, car cela implique d'y ajouter du subjectif, du spéculatif. L'essentiel des informations utiles à la décision sont extérieures à l'entreprise (clients, concurrence, ...), et l'utilisateur doit cerner les informations dont il a besoin, or on entend souvent les utilisateurs se plaindre de ne pas avoir la "bonne" information. Souvent cela vient du fait que les définitions employées ne correspondent pas à leurs visions personnelles.

Une information n'a pour raison d'être que d'aboutir à une décision qui souvent se traduit en action

Les passages de la donnée à l'information et de l'information à la décision supposent une suite d'actions volontaires, réfléchies, intelligentes. Les mots information et décision sont tellement multiformes qu'ils peuvent avoir des sens contraires : une information peut être une désinformation, et une absence de décision faire office de décision. Décider est différent de ratifier, c'est aussi créer et imaginer. Décision peut dire fixation de règles, étant entendu que l'application d'une règle ne suppose aucune prise de décision, mais par contre ne pas appliquer une règle est une décision. Souvent le contenu d'une décision sert d'information pour prendre une autre décision, on constate qu'il y a un réseau de décisions, avec des liens de dépendance et des liens pour information et pour action. Enfin, force est de constater que de nombreuses actions ne sont pas la suite d’un acte de décision.

La maîtrise de l'information est source de pouvoir

Les utilisateurs cherchent des systèmes à leur mesure et qu’ils maîtrisent. Ceci induit le risque de voir apparaître dans l'entreprise de multiples systèmes, non nécessairement cohérents entre eux, voire redondants. Les directions générales souhaitent des systèmes qui supportent en priorité leurs initiatives stratégiques et assurent la cohérence d’ensemble de l’entreprise. Ceci conduit à mettre en place des systèmes qui visent à partager les informations entre les différents utilisateurs.

Les informaticiens veulent bâtir des systèmes qui répondent à tous les besoins, qu'ils soient exprimés ou non. L'intention est louable, mais certainement un peu utopique, car les activités et les besoins d’une entreprise sont par essence évolutifs. Cependant suivant l’infrastructure mise en place (systèmes indépendants ou système d’entreprise), il est plus ou moins facile de concilier personnalisation, performance, cohérence et évolution.

Pour aller plus loin sur le sujet :
Donnée
Information
Décision
Action