7 IntroID 4p PDF

Introduction lInformatique
Dcisionnelle - 1. Emergence de lInformatique Dcisionnelle (ID) / Business

Intelligence (BI)
Business Intelligence 2. Des SI oprationnels aux SI dcisionnels

(7)
Bernard ESPINASSE 3. Les outils de lID/BI
Professeur Aix-Marseille Universit (AMU)
Ecole Polytechnique Universitaire de Marseille
Septembre 2013 4. Un exemple de lID/BI dans lentreprise : la relation client

(CRM)
Emergence de lInformatique Dcisionnelle/Business Intelligence
Problmatique de lID
Les outils de lID
Un exemple de lID dans lentreprise : la relation client
Informatique Dcisionnelle/Business Intelligence - Bernard ESPINASSE - 1 Informatique Dcisionnelle/Business Intelligence - Bernard ESPINASSE - 2
Contexte conomique :
! Mondialisation de l'conomie, ouverture de nouveaux marchs
! Concurrence toujours plus accrue
1 Emergence de lInformatique ! Besoin dinformations pour prises de dcisions de plus en plus rapides
Contexte informationnel :
Dcisionnelle (ID) / Business ! Dcentralisation des donnes vers les utilisateurs
! Difficult d'accs l'information qui est en trop grande quantit
Intelligence (BI) ! Un enjeu stratgique dentreprise
! Les informations, une source de revenu et de comptitivit
! Contextes conomique et informationnel actuel Contexte informatique :
! Pilotage de lentreprise et ID ! Puissance de calcul croissante
! Historique de lID ! Capacit de stockage croissante
! Problmatique de lID ! Bases de donnes de plus en plus importantes
! Domaines dapplication de lID ! SGBD de plus en plus performants (paralllisme, )
! Ouverture sur le Web,
! Le pilotage dune entreprise dpend de ses objectifs stratgiques Outils danalyse :
! Ce pilotage doit prendre en considration : ! pour constituer et mettre jour partir de diverses sources des rservoirs
de grande quantits de donnes historises et multidimensionnelles,
! Une organisation de plus en plus oriente clients ! pour extraire selon divers critres des sous ensembles de donnes de tels
! Des cycles conception/fabrication de plus en plus courts rservoirs
! De nouveau canaux de distribution notamment les ventes en ligne sur le ! pour analyser ces donnes selon diffrents axes (OLAP), didentifier des
Web tendances, des corrlations, faire de la prvision (Data Mining)
! Lexigence dinternationalisation Outils de veille stratgique, de recherche dinformation (RI) :
! ! issus de lintelligence conomique (Competitive Intelligence), ces outils
ont pour finalit de recueillir des informations sur le march et la
! Dans ce contexte lentreprise se doit : concurrence
! danticiper les besoins des client, ! collecter sur le Web dimportante quantit de donnes, les filtrer et en
extraire les informations pertinentes (Web Mining) pour les analyser ensuite
! de contrler lintgrit et la qualit des flux de gestion
=> Outils relevant de lInformatique Dcisionnelle (ID) ou
! dvaluer la performance des diffrentes entits la composant
Business Intelligence (BI),
!
LInformatique Dcisionnelle (ID), en anglais Business Annes 70-90 : dbuts de lInformatique Dcisionnelle :
Intelligence (BI), est l'informatique l'usage des dcideurs et des
dirigeants des entreprises ! Dveloppement d'outils d'dition de rapports, de statistiques,
exploitant les BD oprationnelles
Les systmes de ID/BI sont utiliss par les dcideurs pour obtenir
une connaissance approfondie de l'entreprise et de dfinir et de ! Dveloppement de petits systmes daide la dcision base de
tableurs (simulation budgtaire, )
soutenir leurs stratgies d'affaires, par exemple :
! dacqurir un avantage concurrentiel, ! Dveloppement de systmes experts (IA) systmes base de
rgles, conus par extraction de la connaissance d'un ou plusieurs
! damliorer la performance de lentreprise, experts : intrts et rsultats limits
! de rpondre plus rapidement aux changements, ! Dveloppement de systmes spcifiques d'aide la dcision :
! daugmenter la rentabilit, et bass sur des techniques de Recherche Oprationnelle (RO), la
simulation, loptimisation,
! dune faon gnrale la cration de valeur ajoute de
l'entreprise. => Systmes en gnral mal intgrs au SI oprationnel
Annes 90 - 2000 : essor de linformatique dcisionnelle : La ID/BI est un ensemble de processus, d'outils et de technologies pour
transformer les donnes de l'entreprise en informations exactes et
! Technologie informatique permettant le dveloppement dEntrepts
jour pour soutenir des processus dcisionnels:
de Donnes (Data Warehouse)
! Data Warehousing (DW)
! Nouveaux algorithmes : ! On-Line Analytical Processing (OLAP)
! souvent issus des statistiques et de lIA, permettant d'extraire ! Data Mining (DM) et visualisation de donnes (VIS)
des informations partir de donnes brutes ! Analyse des dcisions (what-if)
! Customer Relationship Management (CRM)
! permettant lextraction d'informations nouvelles ou caches, de
connaissances partir de donnes La ID/BI peut tre considre comme loppos de l'Intelligence
Artificielle (IA) :
! regroups dans des logiciels de Fouille de donnes (Data ! les systmes d'IA prennent des dcisions pour les utilisateurs
Mining) ! les systmes de BI permettent aux utilisateurs de prendre les
bonnes dcisions sur la base des donnes disponibles
! Donnes issues du Web : Recherche dInformation (RI) et Fouille
de donnes sur le Web ( Web Mining ) ! mais de nombreuses techniques de BI ont leurs racines dans lIA.
,

! 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.
!"#$ %#&#!!&'#$ %

J. Gamper, Free University of Bolzano, DWDM 2012/13 10
Selon Meta Group : DW seul = 15 billion de $ en 2000 Selon une tude du Gartner Group en 2009 :
Selon Palo Alto Management Group : BI = $ 113 billion de $ en 2002
Les entreprises rechercheront de plus en plus des cadres qui auront en charge
Le Web rend lID/ BI encore plus ncessaire : lID/BI et la gestion de la performance pour contribuer la transformation et
! Les clients ne sont pas physiquement dans le magasin lamlioration de leurs affaires
! Les clients peuvent changer d'autres magasins plus facilement Jusqu'en 2012, par doutils de ID/BI plus de 35% des 5000 principales
! Comment connatre ses clients : entreprises mondiales ont rgulirement chou dans la prise de dcisions
cruciales concernant leurs marchs et leurs affaires
Analyser les Web log pour analyser le comportement des clients
sur le site En 2010, 20% des entreprises auront une application analytique spcifique de
Combiner ces donnes Web avec les donnes traditionnelles des ID/BI
clients En 2009, la prise de dcision collaborative va s'imposer et ncessiter la
Internet sans fil ajoute cela : combinaison doutils de ID/BI et de logiciels sociaux
! Les clients sont toujours "en ligne" Pour S. Chaudhuri, U. Dayal, V. Narasayya [CACM 2011]:
! La position de la clientle est connue Aujourd'hui, il est difficile de trouver une entreprise prospre qui n'a pas deffet de
! Combiner la position et la connaissance sur le client => trs utile levier technologie ID/BI pour leurs affaires
Modles de BD oprationnelles complexes et inutilisables :

! souvent difficiles comprendre Termes anglais Termes franais
! ne concerne pas un objectif unique daffaire
Business Intelligence (BI) Informatique Dcisionnelle (ID)
Donnes des BD oprationnelles : Decision Support Systems (DSS) Systmes daide la dcision (SIAD)
! identiques dans diffrentes BD
Competitive Intelligence (CI) Intelligence Economique (IE)
! mme concept souvent dfini diffremment
! adaptes pour les systmes oprationnels (comptabilit, facturation, ), Data Warehouse (DW) Entrept de donnes (ED)
pas pour l'analyse des fonctions d'affaires
On-Line Analytical Processing (OLAP) Analyse en ligne de donnes
! de qualit mauvaise : donnes manquantes, donnes imprcises,
! volatiles : Knowledge Discovery in databases (KDD) Extraction de Connaissances dans les
donnes
elles sont supprimes priodiquement dans les systmes
oprationnels (6 mois) Data Mining (DM) fouille de donnes, orpaillage
la modification des donnes au fil du temps - aucune information Customer Relationship Management (CRM) Gestion de la Relation Client
historique
! 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
!
! Supportent en gnral une ou plusieurs grandes fonctions de lentreprise

(production, marketing, commercial, ressources humaines, finance, comptabilit,
recherche, )
! Parfois intgrs dans un ERP, ils sappuient sur des SGBD traditionnels (Oracle,
2 Des SI oprationnels aux SI DB2, ) pour grer des BD oprationnelles ou de production (Mega-
Giga octets)
dcisionnels ! Permettent des processus de traitement en ligne des donnes OLTP
(On line Transactionnal Processing) : Interactifs, Concurrents, Nombreux,
Rptitifs, Structurs, Simples
! Systmes dinformation oprationnels : traitement en ligne des
donnes (OLTP) ! Ces processus OLTP concernent :
! Nouveaux besoins : du traitement en ligne des donnes leur ! La mise jour de donnes
analyse en ligne (OLAP) ! Un nombre restreint denregistrements
! Des SI Oprationnels aux SI Dcisionnels ! Des donnes prcises et jour
Exemple : un supermarch ENREGISTRANT ses ventes
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 Linformatique oprationnelle ne peut satisfaire ces besoins :
ces donnes, par exemple pour savoir :
! Quels sont les rsultats des ventes par gamme de produit et par rgion ! BD oprationnelles trop complexes pour tre apprhendes facilement
pour l'anne dernire ? par tout utilisateur dcideur
! Quelle est l'volution des chiffres d'affaires par type de magasin et par
priode ? ! SI oprationnel ne peut tre interrompu pour rpondre des questions
! Comment qualifier les acheteurs de mon produit X ? ncessitant des calculs importants
Nouvelles attentes des SI :
! Processus dentreposage des donnes mal adapt
! Considrer des quantits de donnes historises de plus en plus
importantes (Tera, Penta octets), organises selon diffrentes dimensions ! Analyse en ligne des donnes trs limite
(temps, espace gographique, gammes de produit, )
! Passer du traitement en ligne des donnes (OLTP) lanalyse en ligne de
ces donnes (On Line Analysis Processing - OLAP) selon diffrentes
dimensions pour procder des analyses de ces donnes pour construire des => recours lID pour llaboration de SI Dcisionnels
indicateurs indispensables au pilotage de lentreprise
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
3 Les outils de linformatique Analyse en ligne des donnes OLAP (On Line Analytical processing) :
! donnes organises selon plusieurs axes danalyse et selon diffrents
dcisionnelle niveaux de dtail
! traitements permettant interactivement de changer de points de vue, de de
niveau de dtail, et effectuer les oprations OLTP classiques
! Entrept de donnes
Fouille de donnes (Data Mining):
! Analyse en ligne (OLAP)
! extraction automatique de connaissances (proprits caches) dans de
! Fouille de donnes
grands volumes de donnes :
! Architecture multi-niveaux
! connaissances valides, nouvelles, comprhensibles, pertinentes et
implicites
Dfinition de Inmon (1992) : Caractristiques des processus danalyse en ligne OLAP :
une collection de donnes thmatiques, intgres, non volatiles et ! Interactifs
historises, organises pour le support d'un processus d'aide la ! Concurrents
dcision ! Peu nombreux
Donnes : ! Non prvisibles
! Complexes
thmatiques : donnes pertinentes pour un sujet ou thme et ncessaire
aux besoins danalyse Les processus OLAP concernent :
intgres : donnes rsultant de lintgration de donnes provenant de ! Lexploitation des donnes
diffrentes sources pouvant tre htrognes ! Un nombre denregistrement trs important
! Des donnes consolides et synthtiques
historises : donnes reprsentent lactivit dune entreprise durant
une certaine priode (plusieurs annes) ! Exploration et analyse de donnes historiques
!
non-volatiles : donnes essentiellement utilises en interrogation
(consultation) et ne peuvent pas tre modifies
Exemple : un supermarch ANALYSANT lensemble de ses ventes
! recherche de la connaissance sous forme de modles de comportement

Caractristiques OLTP OLAP
cach dans les donnes : Extraction de connaissance partir de
Conception Orientation Transaction Analyse
donnes (Knowledge Discovery in Database - KDD)
Conception Entit-Relation Star/snowflake
Donnes Granularit Dtail Rsumes, ! domaine jeune lintersection de lIntelligence artificielle (IA) , les
agrges statistique, lanalyse de donnes, et les BD
Nature Relationnelle Multidimentionnelle
Actualisation Actualises, mises Historises, ! techniques de fouille traditionnelles : issues des statistiques et de
jour recalcules lanalyse de donnes
Taille 100 Mo/Go 100 Go/To
Traitements Unit de travail Transaction simple Requte complexe ! nouvelles techniques de fouille : linduction darbre de dcision, les
Accs Lecture/criture Lecture algorithmes gntiques, les rseaux de neurones,
Nb de tuples accds Dizaines Millions
Mtrique Dbit de Temps de rponse
! tendance une intgration croissante de ces techniques de fouille dans
transactions les entrepts de donnes (notamment dans loffre commerciale)
Utilisateurs Utilisateur Agent oprationnel Analyste/dcideur
Nombre dutilisateurs Milliers Centaines
0 1 2 3
Sources externes Entrept OLAP Front-ends
BD SGBDR BD Relationnelle tableur
Fichiers HTML BD Data Mining (fouille de
donnes)
Fichiers plats Multidimensionnelle Outils statistiques
Combinaison des 2
4 Un exemple de lID dans
lentreprise : la relation client
! Contexte conomique gnral
! la Gestion de la Relation Client
! ID/BI pour la Gestion de la Relation Client
Dans un climat de concurrence mondiale tendu :

Evolution historique gnrale :
! Conqurir un nouveau client cote 5 fois plus cher que de
fidliser un client existant
! Annes 40: pr-industrialisation
! 5% d'amlioration de la fidlit des clients entrane une
! Annes 50 et 60: production de masse augmentation des profits de 10 15%
! Annes 70: optimisation de la production ! Tous les clients ne sont pas gaux : 30% des clients gnrent 70%
! Annes 80: gestion de la qualit du CA
! Annes 90: gestion du client ! Le Client attend un service personnalis, sur-mesure
! 2000: intensification de la tendance client ! La personnalisation est une source de profit

(Marketing One to One,
customisation, services personnaliss, )
! Gestion de la relation client (Customer Relationship Management CRM) :
dmarche mergente dans les domaines du marketing et du commercial Dfinition du CRM :
! Afin de rpondre aux questions : ! capacit identifier, acqurir et fidliser les meilleurs clients
! Quels sont les besoins et les attentes des clients? Comment y dans le but daugmenter le chiffre daffaires et les bnfices.
rpondre?
! capacit btir une relation profitable sur le long terme avec les
! Quels sont les clients prts acheter de nouveaux produits?
meilleurs clients en capitalisant sur lensemble des points de contacts
! Quels sont les clients les plus profitables, fidles et pourquoi?
! Quels sont les clients mcontents, et pourquoi? ! Principales dimensions de la Gestion de la Relation Client :
! Besoin de mieux connatre et comprendre ses clients pour : stratgique,

! Rduire les cots (clients infidles)
temporelle et
! Comment augmenter les profits ?
! Comment fidliser une clientle? gographique
! Comment identifier les nouvelles opportunits?
! Les concurrents sattaquent certains de nos clients?
=> Une rponse par linformatique dcisionnelle
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
!
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

7 IntroID 4p PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

7 IntroID 4p PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Introduction lInformatique

Dcisionnelle - 1. Emergence de lInformatique Dcisionnelle (ID) / Business

Business Intelligence 2. Des SI oprationnels aux SI dcisionnels

Septembre 2013 4. Un exemple de lID/BI dans lentreprise : la relation client

! Q2: En date du 15 Dcembre 2012, dterminer la priorit

n'avaient pas encore t expdies. On ne considre seulement

J. Gamper, Free University of Bolzano, DWDM 2012/13 10

Modles de BD oprationnelles complexes et inutilisables :

! Supportent en gnral une ou plusieurs grandes fonctions de lentreprise

Exemple : un supermarch ENREGISTRANT ses ventes

Entrept de donnes (Data Warehouse) :

! recherche de la connaissance sous forme de modles de comportement

Dans un climat de concurrence mondiale tendu :

! Annes 90: gestion du client ! Le Client attend un service personnalis, sur-mesure

! 2000: intensification de la tendance client ! La personnalisation est une source de profit

! Besoin de mieux connatre et comprendre ses clients pour : stratgique,

Cot du contact Client sur le Web trs faible :

! En 2001, 1/3 des contacts clients provenaient d'Internet

! En 2003, Internet et les applications de commerce lectronique

Intgration du Web dans le CRM :

S-ar putea să vă placă și