Datawarehouse & Datamart

Datawarehouse

Le lieu de stockage intermédiaire des différentes données en vue de la constitution du système d'information décisionnel est appelé entrepôt de données (en anglais datawarehouse).

Le datawarehouse est ainsi le lieu unique de consolidation de l'ensemble des données de l'entreprises. Le créateur du concept de DataWareHouse, Bill Inmon, le définit comme suit :

« Un datawarehouse est une collection de données thématiques,
intégrées, non volatiles et historisées pour la prise de décisions. »

Ses principales caractéristiques sont donc les suivantes :

* Le datawarehouse est orienté sujets, cela signifie que les données collectées doivent être orientées « métier » et donc triées par thème
* Le datawarehouse est composé de données intégrées, c'est-à-dire qu'un « nettoyage » préalable des données est nécessaire dans un souci de rationnalisation et de normalisation
* Les données du datawarehouse sont non volatiles ce qui signifie qu'une donnée entrée dans l'entrepôt l'est pour de bon et n'a pas vocation à être supprimée
* Les données du datawarehouse doivent être historisées, donc datées

Datamart

Le terme Datamart (littéralement magasin de données) désigne un sous-ensemble du datawarehouse contenant les données du datawarehouse pour un secteur particulier de l'entreprise (département, direction, service, gamme de produit, etc.). On parle ainsi par exemple de DataMart Marketing, DataMart Commercial, ...

http://www.datawarehouse-datamart.php3

JZ

Tous ce qu’il faut savoir sur la Business Intelligence

Qu'est-ce que la business intelligence ? Quelle différence avec le processus décisionnel ?

Terme anglais signifiant "intelligence d'affaires", la business intelligence couvre l'ensemble des technologies permettant en bout de chaîne d'apporter une aide à la décision. De fil en aiguille, le mot "décisionnel" correspond simplement à la traduction française du terme "business intelligence". Pour être aidé dans ses choix, le décideur a besoin d'une information exacte lui permettant de jauger son activité à l'aide d'indicateurs de performance clefs. Sans cette démarche critique, les décisions perdent de leur acuité ou prennent beaucoup plus de temps. Or, le décideur de la nouvelle économie dispose d'un temps de plus en plus réduit.

Quelles sont les quatre grandes étapes de la chaîne, ou du processus décisionnel ?

• Etape 1 : extraction des données. Pour produire les indicateurs voulus, il convient d'aller chercher les données où elles se trouvent. Connecté aux différentes applications et bases de données, l'outil d'ETL se charge de récupérer ces données et de les centraliser dans une base de données particulière, l'entrepôt de données.
• Etape 2 : consolidation. Une fois les données centralisées, celles-ci doivent être structurées au sein de l'entrepôt de données. Il s'agit d'un prétraitement permettant aux outils d'analyse d'y accéder plus facilement, sachant que ces entrepôts ne sont pas nourris à la main.
• Etape 3 : traitement. En fonction d'une question plus ou moins complexe posée à l'aide d'un formulaire, l'outil d'analyse recueille la requête et confronte les données correspondantes, de façon à produire les indicateurs voulus.
• Etape 4 : restitution. Egalement appelée reporting, cette étape se charge de diffuser et de présenter les informations à valeur ajoutée de telle sorte qu'elles apparaissent de la façon la plus lisible possible pour le décideur.
  

Qu'est ce qu'un ETL ? Et quelle différence avec l'EAI ?

Pour en extraire les données utiles, l'outil d'ETL (Extraction transfer loading) doit pouvoir se connecter aux sources, qu'il s'agisse des applications ou des bases en production. En ce sens, il joue un rôle d'intégration au niveau des données. De son côté, l'EAI (Enterprise application integration) est un domaine général qui regroupe toutes les formes d'intégration entre des applications, des processus ou/et des interfaces. Par voie de conséquence, l'ETL est donc un sous-ensemble de l'EAI positionné sur l'intégration des données.

Pourquoi choisir un datawarehouse plutôt qu'un datamart, et vice-versa ? Quelles sont les principales différences entre les deux ?

D'un point de vue technologique, il n'y a a priori que très peu de différences entre les deux, qui sont des entrepôts de données à part entière. Mais sur son utilisation, le datawarehouse s'avère complètement centralisé, et regroupe des informations en provenance d'applications transversales ou disséminées à travers l'entreprise, en vue de produire une vision plus globale lors de l'étape de restitution. De l'autre côté, le datamart est plus spécialisé suivant une fonction ou un domaine vertical de l'entreprise. Et l'on trouve, par exemple, des datamarts spécifiques reliés aux centres d'appels afin d'analyser le service client.

Pourquoi parle-t-on d'analyse multi-dimensionnelle ?

Pour pouvoir analyser des données représentant l'activité d'une entreprise, il faut pouvoir les modéliser suivant des axes. Ainsi, pour prendre l'exemple le plus courant, le chiffre d'affaires par catégorie de client sur un produit donné se décline en trois axes au minimum : chiffre d'affaires, catégorie de clients, et produit. De nombreux autres axes peuvent être définis, notamment en fonction de la zone géographique, du prix, ou d'un commercial de l'équipe en charge des opérations.

A quoi sert un cube OLAP ?

Ici, le cube est une vue de l'esprit car il comporte en général plus de trois dimensions. Le "cube" en question représente les axes de l'entreprise évoqués dans la question précédente. Ensuite, OLAP (Online analytical processing) qualifie la méthode analytique en tant que telle, qui s'applique à ce modèle multi-dimensionnel.

Existe-t-il d'autres formes d'analyse, comme le data mining ? Quel est son usage ?

En général plus anciens que les algorithmes d'analyse multi-dimensionnelle, ceux de data mining emploient une approche statistique pour dessiner des courbes dans le temps. A partir d'un certains nombre d'événements observés et historisés, il est parfois possible de prévoir selon les critères entrés au préalable comment la courbe va évoluer. Par exemple, le data mining est souvent utilisé par les opérateurs pour prévenir le "churn", c'est à dire le moment même où les abonnés d'un réseau de télécommunication vont devenir infidèles. Dans ce cadre, seule une historisation du comportement de l'utilisateur (achat de services, degré d'utilisation...) permet de définir des probabilités en fonction de critères tirés d'observations préalables.

A quel besoin répondent les applications analytiques ? Permettent-elles d'effectuer du reporting de masse ?

Parmi les outils d'analyse et de restitution, certains s'adressent à un petit nombre d'utilisateurs, qui sont des décideurs à haut niveau. Leur besoin se tourne vers une analyse poussée, qu'il est possible d'affiner en reformulant différemment la requête. Ces logiciels, qui constituent la spécialité d'éditeurs comme Business Objects, sont regroupés derrière le vocable "applications analytiques". A l'inverse, ceux qui permettent de diffuser les indicateurs vers un périmètre très large d'utilisateurs dans l'entreprise entrent dans le cadre du reporting de masse. Le plus souvent, les requêtes sont pré-paramétrées et ne peuvent pas être affinées, l'objectif étant de réduire au maximum la charge.

A consulter:

• http://www.salonbi.com/
• http://www.businessintelligence.com/

Visiter Mon Blog :

http://pages.usherbrooke.ca/yhassibou/

Youssef HASSIBOU

BI ou la compétence d'exploiter les données non utilisées!

Dans l'article Business Intelligence Gets Smarter (CIO.com) on évoque que les entreprises de logiciels BI effectuent des profits pratiquement exponentielles! Il est apparemment peu rare pour une entreprise de posséder près de 5 logiciels BI différents afin d'extraire de la valeur de leur données dormantes, qui représentent près de 80% de l'ensemble de leurs données. Les entreprises y voient un potentiel important et sont près à investir beaucoup d'argent afin d'avoir une solution efficace, pour optimiser ses processus dans le futur où le Business Objects gagnera en importance.

L'article explique que les BI ont un retour sur investissement irréprochable en permettant d'économiser du temps et de prendre des décisions d'affaire plus réfléchies. On y mentionne quelques utilisations efficaces de logiciels BI qui permettent toujours de sauver beaucoup de temps mais surtout de clarifier le processus décisionnel en éliminant les décisions basées sur le feeling.

Bref, l'article se termine en indiquant que la raison pour une entreprise d'acquérir un logiciel de BI ne doit pas être d'avoir l'impression qu'il sera utile mais bien d'avoir une fonction ou une problématique précise à lui déléguer. On mentionne enfin l'exemple de Fairchild Semiconductor qui a utilisé le BI afin d'avoir des prix dynamiques pour leur 50 000 produits, activité qui auparavant était si complexe que l'on ne l'effectuait qu'à chaque quart d'année, en plus de prendre plusieurs décisions au feeling... Avez-vous d'autres raisons d'utiliser le BI?

Mathieu

C’est la fin du marché de l’intelligence d’affaire

IBM s’est porté acquéreur de la société d'Ottawa Cognos, pour 58 $ l'action et une transaction d’un montant de près de 5 milliards. Cognos était devenue la dernière société œuvrant dans le secteur de l’intelligence d’affaires qui avait gardé son indépendance des grands groupes. Elle était donc devenue une cible privilégiée de rachat. Pour IBM, Cognos constitue la 23e acquisition dans ce secteur. Cette société s’intègre dans sa stratégie qui vise à démontrer son expertise dans la gestion de l'intégration de l'information, dans le développement de contenus et l'analyse de données ainsi que dans la gestion des services d'affaires. L'opération permettra à IBM d'enrichir de son offre de logiciels décisionnels et de gestion de la performance. IBM rachète non seulement l’entreprise mais également tout le savoir-faire qui va avec et qui repose sur son équipe professionnelle. Cognos possède plus de 23 000 clients dans 135 pays. Il s’engage aussi à garder les postes au Canada. La phase de consolidation se fait autour des 5 grands écosystèmes (IBM, Microsoft, Oracle, SAP, HP). D'après Gartner, le marché mondial de la Business Intelligence (BI) aurait généré 4,6 milliards de dollars de revenus mondiale l'an dernier (+14,9% sur un an). Malgré ce dynamisme, les parts de marché des spécialistes du secteur ont reculé. Est-ce que c’est la fin des petits fournisseurs de solution?

Nicolas

liens:

http://www.lesaffaires.com/article/0/technologies/2007-11-12/467081/ibm-achete-cognos-pour-5-gdollars.fr.html

Supply Chain Management, c'est quoi ???

Notion de la chaîne logistique

Dans une entreprise de production, le temps de réalisation d'un produit est fortement conditionné par l'approvisionnement en matières premières, en éléments d'assemblage ou en pièces détachées à tous les niveaux de la chaîne de fabrication. On appelle ainsi "chaîne logistique" l'ensemble des maillons relatifs à la logistique d'approvisionnement :

Achats
Approvisionnement
Gestion des stocks
Transport
Manutention



Schéma pour la chaîne logistique :



Définition du SCM :

On appelle SCM (Supply Chain Management, ou en français GCL, gestion de la chaîne logistique) les outils et méthodes visant à améliorer et automatiser l'approvisionnement en réduisant les stocks et les délais de livraison. On parle ainsi de travail en "flux tendu" pour caractériser la limitation au minimum des stocks dans toute la chaîne de production.
Les outils de SCM s'appuient sur les informations de capacité de production présentes dans le système d'information de l'entreprise pour passer automatiquement des ordres de commandes. Ainsi les outils de SCM sont très fortement corrélés au Progiciel de Gestion Intégré) (ERP, Enterprise Resource Planning) de l'entreprise.

Idéalement un outil de SCM permet de suivre le cheminement des pièces (on parle de traçabilité) entre les différents intervenants de la chaîne logistique.

Stratèges en évolution d'entreprises

Du concept à la pratique

La gestion du cycle de vie est une boîte à outils de la mise en oeuvre du développement durable. Il est utilisé par un nombre croissant d'entreprises, d'institutions, de gouvernements et d'organisations partout dans le monde. Pourquoi? Parce qu'il permet de mesurer concrètement la performance d'un produit, d'un procédé et d'un service sur l'ensemble de son cycle de vie. Qu'est-ce que le cycle de vie d'un produit?

L'approche traditionnelle évalue la performance d'une entreprise en fonction de ses activités seulement.L'approche du cycle de vie évalue la performance en tenant compte des activités sur l'ensemble du cycle de vie du produit ou du service :
L'acquisition des ressources
La transformation en produits
La distribution
L'utilisation
La fin de vie (recyclage et élimination)
Les dirigeants qui ont adopté l'approche du cycle de vie dans leurs pratiques de gestion réussissent aujourd'hui à réduire considérablement leurs impacts sur l'environnement tout en améliorant leurs profits. Pour découvrir comment, consultez la section de nos chroniques.Mesurer pour gérerLa gestion du cycle de vie (GCV) consiste à intégrer de nouveaux critères de décisions dans les pratiques de gestion des décideurs. Ces critères sont basés sur des méthodes d'analyses scientifiques, encadrées par l'Organisation internationale de normalisation, qui permettent d'évaluer les impacts potentiels d'une activité sur l'environnement, les populations et les finances.La gestion du cycle de vie dispose de plusieurs outils d'évaluation:
L'analyse (environnementale) du cycle de vie (ACV)
L'analyse des coûts du cycle de vie (ACCV)
L'analyse sociale du cycle de vie (ASCV)
Le diagnostic du cycle de vie (DCV)
L'écoconception
Améliorer la performance au meilleur coûtLe recours à ces outils permet aux dirigeants de découvrir les points faibles dans leur système de produits et d'agir là où les résultats seront les plus spectaculaires au meilleur coût possible. À qui s'adresse la GCV?Peu importe votre secteur d'activité, Voici quelques secteurs où la GCV est déjà utilisée:
La construction de bâtiments
La production de pâte et papier
La production d'aluminium
Les services bancaires
L'impression
Le transport
Les activités minières
La production d'énergie
La conception de produits
La production et la transformation alimentaire
La réduction des émissions de gaz à effet de serre
www.ugsplm.fr/solutions/mc/eec.php
www.01net.com/article/313799.html
www.ellipsos.ca/modules/
www.assetium.com/suite-@UDROS.php

Introduction au Product Lifecycle Management (PLM)

Le PLM (ou gestion du cycle de vie produit), est une stratégie d'entreprise qui vise à créer, gérer et partager l'ensemble des informations de définition, de fabrication, de maintenance et de recyclage d'un produit industriel, tout au long de son cycle de vie, depuis les études préliminaires jusqu'à sa fin de vie.

La gestion du cycle de vie des produits est la solution tout indiquée pour les entreprises axées sur la conception et sur le client qui souhaitent livrer des produits personnalisés élaborés à partir de modules conçus partout dans le monde. L'innovation naît de la collaboration d'esprits créateurs. Dans le monde concurrentiel et exigeant d'aujourd'hui, les entreprises qui innovent sont destinées au plus brillant avenir.

Quelques avantages du PLM:

• Optimiser leos processus de développement et mettre au point de nouveaux produits pour répondre aux exigences élevées du marché;
• Améliorer la productivité et la collaboration tout au long du cycle de vie des produits;
• Saisir, partager et réutiliser les ressources internes pour pouboir tirer le maximum des données actuelles en fournissant aux employés, aux fournisseurs et aux partenaires l'information la plus récente sur les produits;
• Simplifier les processus, accélérer l'innovation, accroître l'efficacité et exploiter chaque secteur de l'entreprise.

La gestion du cycle de vie des produits intègre trois processus distincts mais étroitement liés.

• La collaboration de la chaîne d'approvisionnement permet d'accéder à des ressources compétentes et chevronnées en matière de produits, dans l'entreprise et au-delà.
• Le développement de produits permet de mettre au point de meilleurs produits dans un meilleur environnement de conception.
• L'intégration des processus d'entreprise permet d'intégrer l'information sur les produits à tous les processus internes.

Et pour en savoir plus sur les PLM, je vous invite à lire les articles suivants :

• Research issues on closed-loop PLM
• Development of value chain collaborative model for product lifecycle management and its LCD industry adoption

Par : Youssef HASSIBOU

Un outil électronique pour le CRM

Quand on parle de CRM, on fait référence entre autre aux services et aux supports de ventes mises en place par les entreprises pour satisfaire leurs clients.
Par exemple, sur des sites internet, on trouvera presque toujours des FAQ ou des sections aides, pour que l'internaute client puisse utiliser le site correctement (et donc au final acheter).
Or justement des sociétés développent depuis quelques années un nouvel outil qui pourrait mettre à FAQ à la poubelle: les agents intelligents.
Voyez-vous les agents d'aides sur Microsoft Office ayant l'apparence d'un chient ou d'un magicien ? Et bien il s'agit du même principe, sauf que cette technologie va beaucoup plus loin. Imaginez que lorsque vous arrivez sur un site, une hôtesse apparait sur l'écran et vous signale sa présence. Celle-ci reste à votre disposition pour répondre à toutes vos questions, voire vous faire part d'annonces concernant des nouveauté sur le site. D'ailleurs si vous avez un micro, celle-ci pourra correspondre oralement avec vous.
Au final, un site de vente en ligne pourrait devenir un véritable magasin virtuel avec des vendeurs "virtuels". Le concept irait donc jusqu'au bout. Le principal intérêt est de reprendre les différents aspects du CRM utilisé dans le "brick-and-mortar" pour l'appliquer sur le net.
Vous trouverez un aperçu de ces agents sur le site ci-dessous:

http://www.sitepal.com/

Altan Kiliç