Accueil / Dévelopement & Progiciel / Quel est l’apport de la BI (Business intelligence)

Quel est l’apport de la BI (Business intelligence)

ERP-Business-Intelligence

Qu’est ce que la BI

On qualifie d’informatique décisionnelle (en anglais « Business intelligence », parfois appelé tout simplement « le décisionnel ») l’exploitation des données de l’entreprise dans le but de faciliter la prise de décision par les décideurs, c’est-à-dire la compréhension du fonctionnement actuel et l’anticipation des actions pour un pilotage éclairé de l’entreprise.

Les champs d’application

Traditionnellement centré sur les questions comptables, (consolidation et planification budgétaire), le champ de la BI s’est petit à petit étendu à l’ensemble des grands domaines de l’entreprise, de la gestion de la relation client à la gestion de la chaîne logistique en passant par les ressources humaines.

Pour ce faire, les éditeurs spécialisés ont défini des bibliothèques d’indicateurs prêts-à-l’emploi permettant de suivre ces différentes activités.

 

Comment fonctionne une plate-forme décisionnelle ?

Il s’agit des deux grands types de traitement avancé mis en oeuvre par les systèmes de BI. L’analyse multidimensionnelle consiste à modéliser des données selon plusieurs axes. L’exemple le plus classique : le calcul du chiffre d’affaires par catégorie de client sur une gamme de produit donnée combine trois axes (le chiffre réalisé, la catégorie de clients et la ligne de produits). De nombreux autres axes supplémentaires peuvent être définis : zone géographique ou équipe commerciale en charge des opérations par exemple. Le cube “OLAP” (pour Online analytical processing) désigne la technologie analytique qui s’applique à ce modèle de représentation.

Quant à l’analyse prédictive (ou data mining), elle exploite un ensemble d’événements observés et historisés pour tenter de prévoir l’évolution d’une activité en dessinant des courbes de projection. Cette méthode peut s’appliquer à la gestion de la relation client pour prédire le comportement d’un client. L’objectif est par exemple de déterminer les profils d’individus présentant une probabilité importante d’achat ou encore de prévoir à partir de quel moment un client deviendra infidèle.

 

Analyse multidimensionnelle et prédictive : quelles différences ?

Il s’agit des deux grands types de traitement avancé mis en oeuvre par les systèmes de BI. L’analyse multidimensionnelle consiste à modéliser des données selon plusieurs axes. L’exemple le plus classique : le calcul du chiffre d’affaires par catégorie de client sur une gamme de produit donnée combine trois axes (le chiffre réalisé, la catégorie de clients et la ligne de produits). De nombreux autres axes supplémentaires peuvent être définis : zone géographique ou équipe commerciale en charge des opérations par exemple. Le cube “OLAP” (pour Online analytical processing) désigne la technologie analytique qui s’applique à ce modèle de représentation.

Quant à l’analyse prédictive (ou data mining), elle exploite un ensemble d’événements observés et historisés pour tenter de prévoir l’évolution d’une activité en dessinant des courbes de projection. Cette méthode peut s’appliquer à la gestion de la relation client pour prédire le comportement d’un client. L’objectif est par exemple de déterminer les profils d’individus présentant une probabilité importante d’achat ou encore de prévoir à partir de quel moment un client deviendra infidèle.

Rapport entre Business intelligence et les technologies in-memory

Avec la nécessité de disposer de rapports toujours plus frais et de tableaux de bord publiant des indicateurs en temps réel, la Business Intelligence s’est rapidement retrouvée devant des problématiques de performance. La complexité des bases multi-dimentionnelles (OLAP) et la croissance des historiques de données n’arrangeant rien à cette difficulté. Les technologies d’analyse en mémoire (ou in-memory) apportent un début de réponse à cette question. Elles consistes à stocker les données en mémoire vive en vue d’accélérer les temps de traitement. Elles peuvent aussi tirer parti des architectures processeurs en multi-cœurs, pour optimiser encore l’exécution des requêtes lancées sur les systèmes de base de données (SGBD).


Télécom
   
Systèmes
   
Développement
& progiciel
Sécurité electronique
Scroll To Top