L’intelligence d’affaires (BI) et l’entreposage de données (DW) sont des entités distinctes qui servent des fonctions distinctes dans les organisations. L’entrepôt de données, représentant l’architecture de l’information de l’entreprise, servant à réaliser une « version unique de la vérité », est encore nécessaire aujourd’hui pour prendre en charge le système de BI orienté vers l’utilisateur dans la solution DW/BI.  Une fois que les systèmes opérationnels sont complètement normalisés, réduits à des données transactionnelles comprenant un historique pour les données de base et de transaction, et génèrent des données parfaites, serons-nous peut-être en mesure d’utiliser des outils de BI directement contre eux?  La réalité est que l’entrepôt de données traditionnel est encore principalement nécessaire pour prendre en charge le BI.

Une fois que le service informatique aura créé, rempli et validé l’exactitude des données dans l’entrepôt de données, l’objectif sera de permettre aux utilisateurs professionnels d’accéder à leurs données et de les analyser sans trop d’aide informatique, produisant essentiellement un BI en libre-service.  Le BI en libre service disposant de données de qualité devrait idéalement se traduire par une meilleure prise de décision opérationnelle, permettant aux cadres et aux gestionnaires d’agir.

Un entrepôt de données recherche principalement la gestion et la communication des données.  La gestion des données, qui comprend l’analyse des données, englobe l’essentiel de l’effort, car elle implique la normalisation et l’intégration de données provenant de sources multiples. En outre, la capacité de partager les données et de réutiliser les processus est un objectif principal d’un environnement mature de DW/BI.

Étant donné que l’entrepôt de données est lié au BI, il existe plusieurs composants qui encadrent l’initiative globale de BI.

Besoins opérationnels

Le premier aspect dans l’établissement d’un entrepôt de données, et la raison principale d’avoir une initiative de BI, est l’analyse des besoins opérationnels pour les capacités d’analyse.  Le premier défi réside dans la hiérarchisation des besoins d’analyse stratégique, ce qui se traduit habituellement par le meilleur rendement du capital investi par rapport aux exigences opérationnelles en matière de rapport, fournissant généralement un RCI inférieur.  Les principaux facteurs dont il faut tenir compte et qui influent sur l’effort global et la portée du projet comprennent : l’évaluation de la préparation organisationnelle, la communication efficace des changements à venir à toutes les parties touchées, la gestion de la portée des utilisateurs modifiant leurs propres exigences initiales, et la division du projet en étapes gérables et facilement réalisables.

Conception d’un entrepôt de données

La comparaison des exigences opérationnelles clés aux bénéfices obtenus par le BI est la procédure qui permettra de déterminer les indicateurs clés à améliorer.  Les changements bénéfiques aux IRC tels que l’augmentation des revenus, l’amélioration des marges bénéficiaires et la réduction des coûts doivent être pris en compte pour les besoins de l’infrastructure de données. La conception globale devrait également intégrer une stratégie d’atténuation des risques.

Il est possible d’optimiser la valeur organisationnelle en répondant à ces exigences extrêmement importantes et prioritaires de BI et en les transformant en une conception ou un modèle de données viables.

L’analyse et l’administration des données constituent une partie importante des tâches de l’étape de conception, car certaines activités comme l’intégration des données, le profilage des données, la modélisation des données, la collaboration avec les propriétaires de données, la gestion des données, le nettoyage des données, la résolution des problèmes d’intégrité des données et des différends, ainsi que d’autres responsabilités administratives telles que les validations de données doivent avoir lieu pour réaliser une conception robuste. Des anomalies de données, des malentendus et des désaccords sur les données peuvent apparaître parmi les utilisateurs et doivent être abordés.

Le premier aspect d’une conception de base de données comprend le schéma de conception, qui est un modèle de données physiques montrant des tableaux, des colonnes, des clés primaires et étrangères et des indices. Il s’agit d’un schéma en étoile, d’un schéma en flocon de neige, ou d’un schéma relationnel / non multidimensionnel.

Le deuxième aspect est le document de conception physique, qui décrit le placement des ensembles de données, le placement des index, etc. Les autres aspects sont composés des fichiers de script, qui incluent les déclarations de langage de définition de données (DDL) et de langage de contrôle de données (DCL) des bases de données.

ETL (extraire, transformer, charger) est le processus le plus compliqué dans un environnement DW/BI, car il doit coordonner l’alimentation de toutes les bases de données cibles des entrepôts de données. Le processus ETL vise à extraire des données à partir de sources disparates et à les transférer vers les bases de données cibles des entrepôts de données, tout en uniformisant et intégrant les données. L’aspect le plus important de la conception ETL est le document de correspondance de la source à la cible, qui montre toutes les transformations de données.

Création d’un entrepôt de données

L’approche la plus réussie s’est avérée l’adoption d’une méthodologie éprouvée et solide de développement d’entrepôt de données, combinée à une approche collaborative, dans le but de céder la propriété de l’application de BI aux gens d’affaires.  En créant une architecture de données plus axée sur le libre-service, la communauté des utilisateurs devient de plus en plus autonome et la productivité augmente.

La mise en œuvre du processus ETL dorsal se fait habituellement à l’aide d’un outil ETL tel que SQL Server Integration Services (SSIS). Selon l’état de vos fichiers sources (intégrité, emplacement, historique), la complexité des transformations requises et les limitations fonctionnelles de l’outil ETL, il serait peut-être nécessaire d’écrire un code sur mesure pour enrichir la fonctionnalité de l’outil ETL.

Architecture et modélisation du BI

La mise en place de procédures, lignes directrices et conventions standard est de rigueur pendant l’étape de modélisation du BI.  L’établissement de politiques de modélisation est essentiel pour que les composants de DW et de BI et les relations entre eux fonctionnent bien.  Le modèle de BI cède la place aux applications opérationnelles qui sont les procédés qui accèdent aux données de l’entrepôt au moyen de rapports, de requêtes ad hoc, de tableaux de bord d’activités, etc.  Ces derniers permettent aux cadres supérieurs d’agir en se fondant sur l’information pour apporter des changements dans l’entreprise.

Planification de projet

La gestion continue des composants interdépendants de l’initiative de BI devrait chevaucher toutes les étapes du projet d’entrepôt de données pour obtenir la valeur organisationnelle optimale. Souvent, les entreprises travaillent en interne sur plusieurs projets en parallèle, ce qui complique la gestion du projet DW/BI tout en respectant les échéanciers, les étapes et l’harmonisation des besoins avec les besoins changeants de l’entreprise. Il est impossible de créer un plan de projet et d’établir des échéanciers à moins de connaître les efforts nécessaires pour la création d’un entrepôt de données.

Après la mise en œuvre

Une fois le nouveau projet DW/BI mis en œuvre en production, l’équipe du projet effectue une évaluation après mise en œuvre. Des leçons sont tirées de chaque projet et généralement il est possible de rationaliser l’approche de développement en pratiquant une plus grande réutilisation des procédés, en évitant les tâches redondantes, en améliorant la communication et les méthodes d’estimation, en relevant les lacunes dans l’infrastructure et en définissant les facteurs essentiels à la réussite des prochains projets.

Conclusion

Même s’il présente beaucoup de risques, l’objectif de DW/BI n’est pas d’ajouter au chaos des données. Au contraire, il s’agit de transformer l’anarchie des données provenant de sources et de systèmes opérationnels disparates en données opérationnelles utiles et en informations fiables d’une souplesse et d’une réutilisation maximales. Pour cela, il faut une approche méthodologique pour développer l’entrepôt de données et les applications de BI qui l’utilisent.

Le résultat devrait être un entrepôt de données cohérentes, propres, normalisées et fiables, suffisamment souple pour évoluer, auxquelles auront accès les applications de BI et qui seront mises rapidement à la disposition de la communauté des utilisateurs pour analyse, c’est-à-dire une « version unique de la vérité ».

Consultez notre page Services pour plus d’informations et être à l’affût des mises à jour sur plus de détails sur la façon dont nous travaillons avec nos clients à construire leurs infrastructures Analytique, l’Architecture et modèle.

Ou, entretemps, communiquez avec nous pour de l’assistance à mettre en œuvre votre entrepôt de données pour BI.