Introduction l!

informatique dcisionnelle - Bernard ESPINASSE - 1

Introduction l!Informatique
Dcisionnelle et la Business
Intelligence
(1)

Bernard ESPINASSE
Professeur Aix-Marseille Universit (AMU)
Ecole Polytechnique Universitaire de Marseille

Septembre 2013

Emergence de l!Informatique Dcisionnelle et la Business Intelligence
Problmatique de l!ID
Les outils de l!ID
Un exemple de l!ID dans l!entreprise : la relation client


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 2

1. Emergence de l!Informatique Dcisionnelle (ID) / Business
Intelligence (BI)
2. Des SI oprationnels aux SI dcisionnels
3. Les outils de l!ID/BI
4. Un exemple de l!ID/BI dans l!entreprise : la relation client



Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 3




1 11 E EEm mme eer rrg gge een nnc cce ee d dde ee l ll! !!I IIn nnf ffo oor rrm mma aat tti iiq qqu uue ee
D DD c cci iis ssi iio oon nnn nne eel lll lle ee ( ((I IID DD) )) / // B BBu uus ssi iin nne ees sss ss
I IIn nnt tte eel lll lli iig gge een nnc cce ee ( ((B BBI II) ))

! Contextes conomique et informationnel actuel
! Pilotage de l!entreprise et ID
! Historique de l!ID
! Problmatique de l!ID
! Domaines d!application de l!ID

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 4
Contexte conomique :
! Mondialisation de l'conomie, ouverture de nouveaux marchs
! Concurrence toujours plus accrue
! Besoin d!informations pour prises de dcisions de plus en plus rapides
Contexte informationnel :
! Dcentralisation des donnes vers les utilisateurs
! Difficult d'accs l'information qui est en trop grande quantit
! Un enjeu stratgique d!entreprise
! Les informations, une source de revenu et de comptitivit
Contexte informatique :
! Puissance de calcul croissante
! Capacit de stockage croissante
! Bases de donnes de plus en plus importantes
! SGBD de plus en plus performants (paralllisme, )
! Ouverture sur le Web,


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 5
! Le pilotage d!une entreprise dpend de ses objectifs stratgiques
! Ce pilotage doit prendre en considration :
! Une organisation de plus en plus oriente clients
! Des cycles conception/fabrication de plus en plus courts
! De nouveau canaux de distribution notamment les ventes en ligne sur le
Web
! L!exigence d!internationalisation
!
! Dans ce contexte l!entreprise se doit :
! d!anticiper les besoins des client,
! de contrler l!intgrit et la qualit des flux de gestion
! d!valuer la performance des diffrentes entits la composant
!

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 6
Outils d!analyse :
! pour constituer et mettre jour partir de diverses sources des rservoirs
de grande quantits de donnes historises et multidimensionnelles,
! pour extraire selon divers critres des sous ensembles de donnes de tels
rservoirs
! pour analyser ces donnes selon diffrents axes (OLAP), d!identifier des
tendances, des corrlations, faire de la prvision (Data Mining)
Outils de veille stratgique, de recherche d!information (RI) :
! issus de l!intelligence conomique (Competitive Intelligence), ces outils
ont pour finalit de recueillir des informations sur le march et la
concurrence
! collecter sur le Web d!importante quantit de donnes, les filtrer et en
extraire les informations pertinentes (Web Mining) pour les analyser ensuite
=> Outils relevant de l!Informatique Dcisionnelle (ID) ou
Business Intelligence (BI),

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 7
L!Informatique Dcisionnelle (ID), en anglais Business
Intelligence (BI), est l'informatique l'usage des dcideurs et des
dirigeants des entreprises
Les systmes de ID/BI sont utiliss par les dcideurs pour obtenir
une connaissance approfondie de l'entreprise et de dfinir et de
soutenir leurs stratgies d'affaires, par exemple :
! d!acqurir un avantage concurrentiel,
! d!amliorer la performance de l!entreprise,
! de rpondre plus rapidement aux changements,
! d!augmenter la rentabilit, et
! d!une faon gnrale la cration de valeur ajoute de
l'entreprise.


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 8
Annes 70-90 : dbuts de l!Informatique Dcisionnelle :
! Dveloppement d'outils d'dition de rapports, de statistiques,
exploitant les BD oprationnelles
! Dveloppement de petits systmes d!aide la dcision base de
tableurs (simulation budgtaire, )
! Dveloppement de systmes experts (IA) systmes base de
rgles, conus par extraction de la connaissance d'un ou plusieurs
experts : intrts et rsultats limits
! Dveloppement de systmes spcifiques d'aide la dcision :
bass sur des techniques de Recherche Oprationnelle (RO), la
simulation, l!optimisation,
=> Systmes en gnral mal intgrs au SI oprationnel

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 9
Annes 90 - 2000 : essor de l!informatique dcisionnelle :
! Technologie informatique permettant le dveloppement d!Entrepts
de Donnes (Data Warehouse)
! Nouveaux algorithmes :
! souvent issus des statistiques et de l!IA, permettant d'extraire
des informations partir de donnes brutes
! permettant l!extraction d'informations nouvelles ou caches, de
connaissances partir de donnes
! regroups dans des logiciels de Fouille de donnes (Data
Mining)
! Donnes issues du Web : Recherche d!Information (RI) et Fouille
de donnes sur le Web ( Web Mining )

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 10
La ID/BI est un ensemble de processus, d'outils et de technologies pour
transformer les donnes de l'entreprise en informations exactes et
jour pour soutenir des processus dcisionnels:
! Data Warehousing (DW)
! On-Line Analytical Processing (OLAP)
! Data Mining (DM) et visualisation de donnes (VIS)
! Analyse des dcisions (what-if)
! Customer Relationship Management (CRM)
La ID/BI peut tre considre comme l!oppos de l'Intelligence
Artificielle (IA) :
! les systmes d'IA prennent des dcisions pour les utilisateurs
! les systmes de BI permettent aux utilisateurs de prendre les
bonnes dcisions sur la base des donnes disponibles
! mais de nombreuses techniques de BI ont leurs racines dans l!IA.


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 11



J. Gamper, Free University of Bolzano, DWDM 2012/13 10
!"# %& '()*+,-
OPERATONAL APPLCATONS
data sources
OLAP ANALYSS
data warehouse
NFORMATON EXPLORATON
statistical techniques
DATA MNNG
learning models
WHAT-F ANALYSS
simulation models
decisions
data
information
knowIedge

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 12

! Q1: Le 11 Octobre 2013, trouver les 5 produits les plus vendus
pour chaque sous-catgorie de produits qui reprsente plus de
20% des ventes dans sa catgorie de produits

! Q2: En date du 15 Dcembre 2012, dterminer la priorit
d'expdition (shipping priority) et de revenu brut potentiel (potential
gross revenue) des commandes qui ont les 10 plus grandes
recettes brutes (largest gross revenues) parmi les commandes qui
n'avaient pas encore t expdies. On ne considre seulement
que les commandes du segment du march du livre.

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 13
Selon Meta Group : DW seul = 15 billion de $ en 2000
Selon Palo Alto Management Group : BI = $ 113 billion de $ en 2002
Le Web rend l!ID/ BI encore plus ncessaire :
! Les clients ne sont pas physiquement dans le magasin
! Les clients peuvent changer d'autres magasins plus facilement
! Comment connatre ses clients :
Analyser les Web log pour analyser le comportement des clients
sur le site
Combiner ces donnes Web avec les donnes traditionnelles des
clients
Internet sans fil ajoute cela :
! Les clients sont toujours "en ligne"
! La position de la clientle est connue
! Combiner la position et la connaissance sur le client => trs utile


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 14
Selon une tude du Gartner Group en 2009 :
Les entreprises rechercheront de plus en plus des cadres qui auront en charge
l!ID/BI et la gestion de la performance pour contribuer la transformation et
l!amlioration de leurs affaires
Jusqu'en 2012, par d!outils de ID/BI plus de 35% des 5000 principales
entreprises mondiales ont rgulirement chou dans la prise de dcisions
cruciales concernant leurs marchs et leurs affaires
En 2010, 20% des entreprises auront une application analytique spcifique de
ID/BI
En 2009, la prise de dcision collaborative va s'imposer et ncessiter la
combinaison d!outils de ID/BI et de logiciels sociaux
Pour S. Chaudhuri, U. Dayal, V. Narasayya [CACM 2011]:
Aujourd'hui, il est difficile de trouver une entreprise prospre qui n'a pas d!effet de
levier technologie ID/BI pour leurs affaires


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 15
Modles de BD oprationnelles complexes et inutilisables :
! souvent difficiles comprendre
! ne concerne pas un objectif unique d!affaire
Donnes des BD oprationnelles :
! identiques dans diffrentes BD
! mme concept souvent dfini diffremment
! adaptes pour les systmes oprationnels (comptabilit, facturation, ),
pas pour l'analyse des fonctions d'affaires
! de qualit mauvaise : donnes manquantes, donnes imprcises,
! volatiles :
elles sont supprimes priodiquement dans les systmes
oprationnels (6 mois)
la modification des donnes au fil du temps - aucune information
historique


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 16

Termes anglais Termes franais
Business Intelligence (BI) Informatique Dcisionnelle (ID)
Decision Support Systems (DSS) Systmes d!aide la dcision (SIAD)
Competitive Intelligence (CI) Intelligence Economique (IE)
Data Warehouse (DW) Entrept de donnes (ED)
On-Line Analytical Processing (OLAP) Analyse en ligne de donnes
Knowledge Discovery in databases (KDD) Extraction de Connaissances dans les
donnes
Data Mining (DM) fouille de donnes, orpaillage
Customer Relationship Management (CRM) Gestion de la Relation Client


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 17
! Domaines concerns :
! commercial, financier, transport, tlcommunications, sant,
services, ...
! Applications :
! gestion de la relation client
! gestion de commandes, de stocks
! prvisions de ventes
! dfinition de profil utilisateur
! analyse de transactions bancaires
! dtection de fraudes
!

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 18





Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 19





2 22 D DDe ees ss S SSI II o oop pp r rra aat tti iio oon nnn nne eel lls ss a aau uux xx S SSI II
d dd c cci iis ssi iio oon nnn nne eel lls ss

! Systmes d!information oprationnels : traitement en ligne des
donnes (OLTP)
! Nouveaux besoins : du traitement en ligne des donnes leur
analyse en ligne (OLAP)
! Des SI Oprationnels aux SI Dcisionnels

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 20
! Supportent en gnral une ou plusieurs grandes fonctions de l!entreprise
(production, marketing, commercial, ressources humaines, finance, comptabilit,
recherche, )
! Parfois intgrs dans un ERP, ils s!appuient sur des SGBD traditionnels (Oracle,
DB2, ) pour grer des BD oprationnelles ou de production (Mega-
Giga octets)
! Permettent des processus de traitement en ligne des donnes OLTP
(On line Transactionnal Processing) : Interactifs, Concurrents, Nombreux,
Rptitifs, Structurs, Simples
! Ces processus OLTP concernent :
! La mise jour de donnes
! Un nombre restreint d!enregistrements
! Des donnes prcises et jour

Exemple : un supermarch ENREGISTRANT ses ventes

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 21
Pour prendre de bonnes dcisions , on doit pouvoir accder en temps rel
aux donnes de l'entreprise, traiter ces donnes, extraire l'information pertinente de
ces donnes, par exemple pour savoir :
! Quels sont les rsultats des ventes par gamme de produit et par rgion
pour l'anne dernire ?
! Quelle est l'volution des chiffres d'affaires par type de magasin et par
priode ?
! Comment qualifier les acheteurs de mon produit X ?
Nouvelles attentes des SI :
! Considrer des quantits de donnes historises de plus en plus
importantes (Tera, Penta octets), organises selon diffrentes dimensions
(temps, espace gographique, gammes de produit, )
! Passer du traitement en ligne des donnes (OLTP) l!analyse en ligne de
ces donnes (On Line Analysis Processing - OLAP) selon diffrentes
dimensions pour procder des analyses de ces donnes pour construire des
indicateurs indispensables au pilotage de l!entreprise

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 22
L!informatique oprationnelle ne peut satisfaire ces besoins :
! BD oprationnelles trop complexes pour tre apprhendes facilement
par tout utilisateur dcideur
! SI oprationnel ne peut tre interrompu pour rpondre des questions
ncessitant des calculs importants
! Processus d!entreposage des donnes mal adapt
! Analyse en ligne des donnes trs limite

=> recours l!ID pour l!laboration de SI Dcisionnels


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 23






3 33 L LLe ees ss o oou uut tti iil lls ss d dde ee l ll! !!i iin nnf ffo oor rrm mma aat tti iiq qqu uue ee
d dd c cci iis ssi iio oon nnn nne eel lll lle ee

! Entrept de donnes
! Analyse en ligne (OLAP)
! Fouille de donnes
! Architecture multi-niveaux

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 24
Entrept de donnes (Data Warehouse) :
! Il rcolte, stocke et gre efficace des gros volumes de donnes pour la
prise de dcision
! Il assure un regroupement homogne et exploitable de donnes
htrognes, trs nombreuses et distribues
Analyse en ligne des donnes OLAP (On Line Analytical processing) :
! donnes organises selon plusieurs axes d!analyse et selon diffrents
niveaux de dtail
! traitements permettant interactivement de changer de points de vue, de de
niveau de dtail, et effectuer les oprations OLTP classiques
Fouille de donnes (Data Mining):
! extraction automatique de connaissances (proprits caches) dans de
grands volumes de donnes :
! connaissances valides, nouvelles, comprhensibles, pertinentes et
implicites

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 25
Dfinition de Inmon (1992) :
une collection de donnes thmatiques, intgres, non volatiles et
historises, organises pour le support d'un processus d'aide la
dcision
Donnes :
thmatiques : donnes pertinentes pour un sujet ou thme et ncessaire
aux besoins d!analyse
intgres : donnes rsultant de l!intgration de donnes provenant de
diffrentes sources pouvant tre htrognes
historises : donnes reprsentent l!activit d!une entreprise durant
une certaine priode (plusieurs annes)
non-volatiles : donnes essentiellement utilises en interrogation
(consultation) et ne peuvent pas tre modifies


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 26
Caractristiques des processus d!analyse en ligne OLAP :
! Interactifs
! Concurrents
! Peu nombreux
! Non prvisibles
! Complexes
Les processus OLAP concernent :
! L!exploitation des donnes
! Un nombre d!enregistrement trs important
! Des donnes consolides et synthtiques
! Exploration et analyse de donnes historiques
!

Exemple : un supermarch ANALYSANT l!ensemble de ses ventes

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 27

Caractristiques OLTP OLAP
Conception Orientation Transaction Analyse
Conception Entit-Relation Star/snowflake
Donnes Granularit Dtail Rsumes,
agrges
Nature Relationnelle Multidimentionnelle
Actualisation Actualises, mises
jour
Historises,
recalcules
Taille 100 Mo/Go 100 Go/To
Traitements Unit de travail Transaction simple Requte complexe
Accs Lecture/criture Lecture
Nb de tuples accds Dizaines Millions
Mtrique Dbit de
transactions
Temps de rponse
Utilisateurs Utilisateur Agent oprationnel Analyste/dcideur
Nombre d!utilisateurs Milliers Centaines

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 28
! recherche de la connaissance sous forme de modles de comportement
cach dans les donnes : Extraction de connaissance partir de
donnes (Knowledge Discovery in Database - KDD)
! domaine jeune l!intersection de l!Intelligence artificielle (IA) , les
statistique, l!analyse de donnes, et les BD
! techniques de fouille traditionnelles : issues des statistiques et de
l!analyse de donnes
! nouvelles techniques de fouille : l!induction d!arbre de dcision, les
algorithmes gntiques, les rseaux de neurones,
! tendance une intgration croissante de ces techniques de fouille dans
les entrepts de donnes (notamment dans l!offre commerciale)

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 29
0
Sources externes
1
Entrept
2
OLAP
3
Front-ends
BD SGBDR BD Relationnelle tableur
Fichiers HTML BD Data Mining (fouille de
donnes)
Fichiers plats Multidimensionnelle Outils statistiques
Combinaison des 2




Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 30






4 44 U UUn nn e eex xxe eem mmp ppl lle ee d dde ee l ll! !!I IID DD d dda aan nns ss
l ll! !!e een nnt ttr rre eep ppr rri iis sse ee : :: l lla aa r rre eel lla aat tti iio oon nn c ccl lli iie een nnt tt

! Contexte conomique gnral
! la Gestion de la Relation Client
! ID/BI pour la Gestion de la Relation Client

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 31

Evolution historique gnrale :

! Annes 40: pr-industrialisation
! Annes 50 et 60: production de masse
! Annes 70: optimisation de la production
! Annes 80: gestion de la qualit
! Annes 90: gestion du client
! 2000: intensification de la tendance client
(Marketing One to One,
customisation, services personnaliss, )


Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 32
Dans un climat de concurrence mondiale tendu :
! Conqurir un nouveau client cote 5 fois plus cher que de
fidliser un client existant
! 5% d'amlioration de la fidlit des clients entrane une
augmentation des profits de 10 15%
! Tous les clients ne sont pas gaux : 30% des clients gnrent 70%
du CA
! Le Client attend un service personnalis, sur-mesure
! La personnalisation est une source de profit

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 33
! Gestion de la relation client (Customer Relationship Management CRM) :
dmarche mergente dans les domaines du marketing et du commercial
! Afin de rpondre aux questions :
! Quels sont les besoins et les attentes des clients? Comment y
rpondre?
! Quels sont les clients prts acheter de nouveaux produits?
! Quels sont les clients les plus profitables, fidles et pourquoi?
! Quels sont les clients mcontents, et pourquoi?
! Besoin de mieux connatre et comprendre ses clients pour :
! Rduire les cots (clients infidles)
! Comment augmenter les profits ?
! Comment fidliser une clientle?
! Comment identifier les nouvelles opportunits?
! Les concurrents s!attaquent certains de nos clients?
=> Une rponse par l!informatique dcisionnelle

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 34
Dfinition du CRM :
! capacit identifier, acqurir et fidliser les meilleurs clients
dans le but d!augmenter le chiffre d!affaires et les bnfices.
! capacit btir une relation profitable sur le long terme avec les
meilleurs clients en capitalisant sur l!ensemble des points de contacts
! Principales dimensions de la Gestion de la Relation Client :
stratgique,
temporelle et
gographique

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 35
Enjeux du CRM :
! Connatre ses clients rentables et se concentrer sur les clients fort
potentiel
! Augmenter la fidlit des clients
! Comprendre le comportement de ses clients
! Augmenter le panier moyen
! Diminuer les cots des programmes marketing avec un meilleur
ciblage des meilleurs clients
! Adapter les produits au march
! Aider les commerciaux vendre
! Rentabiliser la BD Clients
! Mesurer les rsultats des actions CRM
!

Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 36



Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 37



Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 38




Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 39





Introduction l!informatique dcisionnelle - Bernard ESPINASSE - 40

Cot du contact Client sur le Web trs faible :
! Web = un point de contact important
! En 2001, 1/3 des contacts clients provenaient d'Internet
! En 2003, Internet et les applications de commerce lectronique
gnrent 60% du volume de contact des centres d'appels

Intgration du Web dans le CRM :
! e-CRM
! Web Mining
!