« Gestion de projet stratégique/Projet décisionnel » : différence entre les versions

Contenu supprimé Contenu ajouté
m Robot : Remplacement de texte automatisé (- d'en + d’en )
m Robot : Remplacement de texte automatisé (- l'opposition + l’opposition , - d'asile + d’asile , - s'adresser + s’adresser , - l'ensemble + l’ensemble , - d'argent + d’argent , - l'argent + l’argent , - l'augmentation + l’augmentat...
Ligne 19 :
 
=== Qu'est-ce que le projet décisionnel ? ===
[[FileFichier:Projet png.png|thumb|272x272px|Schéma cheminement information]]
Le projet décisionnel, dit Business Intelligence, est apparu dans les années 90 en même temps que la mondialisation. Le risque omniprésent et la forte concurrence ont incité le management vers les sciences d’aide à la décision et l’information décisionnelle.
La concurrence s’étant accrue, le besoin de prendre des décisions stratégiques pour défier les concurrents se faisait ressentir. C’est dans ce sens que les entreprises ont fait appel aux outils et méthodes d’aide à la décision par l’informatique décisionnelle pour devenir plus compétitif. Ces dernières sont basées sur une exploitation massive des données produites par les systèmes opérationnels. Le Business Intelligence est né.
 
Il est intéressant de noter que le BI est diffusé aux États-Unis dans le contexte d’un affrontement concurrentiel acharné entre grandes entreprises sur leur propre marché. Sa pratique s’est développée au sein de grandes entreprises comme Motorola et IBM pour s’imposer comme une véritable discipline largement pratiquée.
Ligne 36 :
Les outils sont regroupés dans un système appelé "ETL" (Extraction, Transformation et Loading). Ce système représente environ 70% du projet décisionnel en moyenne, il est complexe et on ne doit pas y trouver de mauvaises informations, sinon il sera inutilisable. On ne peut pas trouver de modèle de conception d'ETL car chaque organisation possède ses propres systèmes, sa propre logique de fonctionnement ou culture. ETL a pour utilité d'optimiser les outils pour gérer des flux de données.
 
* Le stockage : les bases de données, appelées Datawarehouse, qui sont utilisées pour le stockage sont différentes des bases de production. Le datawarehouse n'est pas utilisé uniquement pour stocker mais aussi pour gérer l’historique des données pour observer l'évolution des données de l'entreprise dans le temps. De plus, le stockage des données peut être considérablement plus volumineux que les bases opérationnelles qui l'alimentent. Au vu du volume important et des données qui peuvent s'emmagasiner, la diffusion se fait via des datamarts. Ces derniers sont comme des datawarehouse mais contenant des données moins lourdes. Grâce aux datamarts, le projet peut être rapidement conduit à son terme et le temps d'attente est moins long pour les utilisateurs.
 
* La diffusion : le but des datawarehouse est de stocker des données et celui des datamarts est de présenter une vue métier des données. Cette vue a comme but de nettoyer les informations inutiles pour l'utilisateur et de transformer des données pour prendre un sens métier. Cela permet aux utilisateurs d’avoir plusieurs significations différentes sur une même base de données en fonction de l'utilisateur qui y accède. En effet, par exemple, un service peut avoir une appellation différente ou une signification différente d'un autre service. La diffusion peut être sous différentes formes ou moyens tels que des diffusions de rapports, des portails d'entreprises ou des applications (exemple : Business Object).
 
* L'exploitation des données : cette étape est la dernière. Elle permet de donner à l'utilisateur final des données exploitables. Il peut les exploiter de différentes façons : établir des tableaux de bord et des KPI (Key Process Indictors c'est-à-dire des indicateurs clés) pour piloter son activité opérationnelle, conclure des données pour identifier des tendances futures grâce aux outils de datamining (exploration des données du datawarehouse), analyser les données grâce à des outils de consolidation (grouper des données) ou diffuser des rapports pour informer des performances de l'entreprise.
 
==== Les acteurs ====
[[File Fichier:PDec.png|thumb|Le projet décisionnel dans une grande structure]]
Le projet décisionnel est basé sur un système d’information. Ces sources d’informations peuvent être internes : CRM, Excel ou autres. Elles peuvent être externes également : internet, des recherches, ou d’autres bases de données de partenaires.
 
La mise en place d’un projet BI dépend de la structure de l’entreprise. Néanmoins, la conduite du projet implique un certain nombre d’acteurs dans l’entreprise. Les principaux intervenants dans le projet décisionnel sont :
* La Direction Système information (DSI) : Son rôle est de maintenir les infrastructures informatiques en phase avec les besoins de l’entreprise. Cependant, elle participe au management de projet et est tenue d’intégrer des apports technologiques et de développement. De ce fait, elle fournit des éléments nécessaires à la conduite du projet, accompagne et facilite, la mise à disposition du projet, les moyens techniques et humains.
* Les services supports : la BI concerne tous les services dans l’entreprise dont la finance, les ressources humaines, la finance, le service commercial. Ces derniers collectent des données qui seront transférés à la DSI pour être traitées. Ils représentent des ressources importantes.
* Direction générale : la BI est adressé aux dirigeants des entreprises en général. Elle a le rôle de sponsors et de guide dans la description du projet. Elle oriente la DSI et soumet ses besoins.
Ligne 83 :
Comme il a été dit précédemment, le projet décisionnel sert à récupérer des données pour qu’elles puissent être collectées, traitées et comprises. Cependant pour qu’elles puissent l'être, il faut utiliser un ou plusieurs outils logiciels, en voici quelques exemples :
 
* '''Business Object''' : cet outil comprend des interfaces entre les données des bases de DATAMART (données du marché) et utilisateurs (appelées les univers). Il assure la fonction d'interface utilisateur composée de différents types et de classes organisant ces objets en regroupements logiques. Il assure aussi de nombreuses fonctions techniques qui seront masquées aux utilisateurs. Il contient le modèle de données qui définit l'ensemblel’ensemble des règles permettant de générer des requêtes liées à l'interface utilisateur.
* '''Cognos''' : il s'agit d'un outil qui récupère les données mais qui également les affiche automatiquement sous forme de tableau de bord ou de feuille de reporting. Il va aider, lui aussi, à la prise de décision grâce à une cohérence de modèle fiable.
* '''Isoff Alice''' : Ce logiciel est simple d'utilisation et il va nous permettre d'analyser les données que nous recevons.
Ligne 103 :
La structure des données qui est adoptée sert-elle aux besoins décisionnels ?
Prenons l'exemple d'une demande décisionnelle comme:
* Connaître le chiffre d'affaire de chaque magasin
* La part des clients du produit X qui ont également acheté le produit Y
Concernant le premier exemple, connaître le CA de chaque magasin, une modélisation du système peut répondre à ce besoin que lorsque la structure interne est impliquée. Ainsi, une requête simple, permettra de connaître le CA.
Dans le deuxième cas, la part des clients du produit X qui ont également acheté le produit Y, il s'agit d'une demande qui nécessite une organisation spécifique des données. Afin, de répondre aux besoins prévus et prévisibles, il faut que les demandes soient anticipées à l'avance par les concepteurs du SID. Or, les demandes décisionnelles sont sujettes à des fluctuations visant à approfondir les résultats pour répondre à la demande. Les SID sont construits autour de principes spécifiques d'organisation des données, on parle alors de '''modèles dimensionnels'''.
L'idée d'une telle organisation est de se baser non pas sur les besoins exprimés en termes de tableaux ou de graphiques, mais sur des éléments simples qui permettent de les constituer par exemple:
* le client
* une vente
* les produits
* les magasins
 
Il s'agit ici d'exemples simples mais des analyses décisionnelles impliquent en général un nombre plus important de notions. L'enjeu est d’offrir un modèle d'organisation de données qui permette de répondre aux attentes actuelles et aux demandes prévisibles.
La modélisation dimensionnelle introduit deux notions:
* les données de fait qui sont des données dites "évènementielles"
* les axes d'analyse
Ce type d'organisation se base sur la classification des données dans l'une de ces deux catégories.
Les faits peuvent représenter les ventes, les mouvements de stocks ou les mouvements comptables. Ces données reflètent l'activité de l'entreprise et s'accumulent dans le SID. Les faits passés ne sont jamais remis en cause, au cours du temps le SID constitue ainsi un historique qui permet de retracer l'évolution de toute activité.
A partir de ces faits, qui représentent de réelles données élémentaires, sont calculés les indicateurs.
Puis, les axes d'analyse qui regroupent les informations "structurelles" auxquelles se rattachent les données de fait, peuvent être
* le client
* le produit
* le magasin
Contrairement aux faits qui reflètent l'activité par exemple une vente, les données des axes d'analyse représentent la connaissance que l'entreprise a de son environnement.
 
Ligne 158 :
 
Dans la plupart des entreprises, les utilisateurs non techniques représentent en moyenne 80% des utilisateurs de l'information alors que les analystes métier et les analystes avancés se partagent les 20%. Ces derniers souvent proche des directions opérationnelles ont vite compris l’intérêt des outils apportés par la Business Intelligence. Ils ont souvent joués en quelque sorte le rôle d'intermédiaire lors de l'acquisition de ces outils d'aide à la décision et les informaticiens étaient jusque là les seuls concepteurs de leurs requêtes.
L'intégration de SQL Server en 2005, a bouleversé le monde de la Business Intelligence. Ce serveur a évolué et apporte un lot d'innovation et une réelle capacité d'amélioration des données pour les entreprises et permet une analyse décisionnelle pour l'ensemblel’ensemble des acteurs d'une entreprise sans nécessiter une intervention lourde des services informatiques.
On constate bien qu'Excel offre une réponse grâce aux tableaux croisés dynamiques connectés directement sur les Cubes OLAP. Les Cubes OLAP permettent d’offrir un accès rapide aux données.
 
Puis, nous remarquerons que le partage de l'information reste encore secret dans les entreprises. Par exemple, dans le cycle du projet décisionnel, le piège classique est de penser que seuls les administrateurs des base de données peuvent accéder et modifier l'information des bases de données. Cela est justifier par le fait qu’il n'est pas concevable de fournir à un utilisateur l'accès direct au système de base de gestion des données sur lequel est basé l'ERP. L'ERP (Entreprise Ressource Planning) regroupe les applications nécessaires à la gestion de l'entreprise.
De nombreuses raisons sont mises en avant telles que la sécurité dans les entreprises qui va contribuer à éloigner les utilisateurs des sources de données et les risques de non compréhension du modèle de données par les utilisateurs ont étés les principaux frein à la mise à disposition d'outils permettant de réaliser des requêtes.
L'une des solutions est la mise en place d'un datawarehouse déconnecté de l'ERP.Les facteurs humains sont fondamentaux dans la réussite du projet décisionnel mais, également des facteurs techniques mal maîtrisés peuvent être à l'origine d'erreurs.
Les données sources peuvent être :
* Incomplètes c'est-à-dire, la présence de champs manquants conduisant à des cellules vides. Egalement, elles peuvent être incorrectes dans ce cas, il s'agit de mauvaises codification, de calculs imprécis, d'enregistrements doublonnés ou encore de mauvaise information entrée dans le système source telle qu'une inversion de date.
* Incompréhensibles telles que des codifications inconnues du système ou encore des données non structurées en provenance de traitement de texte.
* Incohérentes liés à des codifications changeantes liées à des réorganisations dans l'entreprise. Dans ce cas, il y a un risque de perdre l'antériorité de l’historique de l'entreprise. La présence de multiplication de codes différents pour une même entité comme par exemple un produit ou client ayant changé plusieurs fois de codification dans le temps. Les données peuvent concernés des périodes différentes ce qui fausse l'information ou encore la mise à jour de la table des faits dans le datawarehouse est quotidienne alors que la table de dimension associée est mensuelle, ce qui engendre une non correspondance des données.
 
La phase de préparation du chargement des données dans le datawarehouse (ETL) est longue et coûteuse. Elle nécessite de multiples contrôles afin d'assurer une parfaite cohérence des données. On comprends que la complexité d'un entrepôt de données s'accroît avec le nombre de sources de données en entrée. Cependant, il ne faut pas négliger le fait que l'identification de pièges peuvent disparaître selon les personnes. Pour cela, l'ETL (Extrat Transform Load) qui est un outil destinés à l'extraction, à la transformation et au chargement des données dans un datawarehouse devra faire l’objet d'une documentation précise afin de limiter les risques d'erreurs.
Ligne 186 :
* Tester : il est essentiel de tester le projet pour s'assurer qu’il soit conforme en impliquant les utilisateurs pour qu’ils puissent détecter des anomalies.
 
Certaines règles sont également conseillées pour mettre en œuvre un projet informatique. En effet, il est important de maintenir un système évolutif. Les datawarehouse doivent évolués en même temps que l'activité de l'entreprise. Si l'entreprise évolue, les prises de décisions évoluent ausi par la suite. Le système décisionnel soit s'adapter et évoluer dans le même temps. S'il y a des changements à effectuer, ils doivent se faire rapidement pour éviter des retards car le projet décisionnel doit être en concordance avec l'activité de l'entreprise. Puis, effectuer des mises à jour peuvent fausser l'ensemblel’ensemble de la base de données. Un oubli ou une unique erreur peut rendre fausse la base entière. Il doit donc y avoir une cohérence des données stockées.
Une communication transversale entre service est essentielle pour maîtriser le projet compte tenu des informations qu’ils vont utiliser. La mise en place d'un projet décisionnel nécessite également d'un accompagnement des utilisateurs. La réussite du projet dépend de l’implication réelle des principaux concernés d’où un accompagnement des futurs utilisateurs. Il nécessite un suivi d’évolution car un projet est inscrit dans la durée. Il n’est jamais complètement terminé. Donc il faudra donner des indicateurs nouveaux.
Ligne 195 :
Voici quelques exemples d'entreprises utilisant le projet décisionnel :
 
Prenons l'exemple de l'entreprise Orange : Les Responsables Facturation Client ont pour mission tous les trimestres de connaître la satisfaction du client par rapport à des produits ou services. Ainsi, un sondage via IPSOS, permet de collecter le niveau de satisfaction d'un client, de connaître leurs mécontentements et de comparer par rapport à l'ensemblel’ensemble des clients. Toutes ces données sont enregistrées et permettent de connaître la tendance de la satisfaction globale des clients et naturellement de réagir face à leurs demandes.
 
Cette entreprise, devrait au-delà de mesurer le nombre de mécontentements des clients, s'intéresser davantage aux clients qui sont contents. La mesure de la durée de vie d'un client représente une mesure importante de profitabilité de l'entreprise. Quand on connaît le coût concernant l'acquisition de nouveaux clients on se rend bien compte que mettre en place des indicateurs afin de mesurer la durée de vie d'un client est naturellement nécessaire.
Ligne 211 :
=== Bibliographie ===
 
* Henri Kloetzer, <i>'' La maîtrise d'ouvrage des projets informatiques </i>'', Lavoisier, 2002.
 
* Benjamin Watrin, <i>''SAP Business Objects XI 3.1 Mise en oeuvre d'un projet décisionnel</i>'', Solutions informatiques, Coll., 2010.