Accueil🇫🇷Chercher

Informatique décisionnelle

L’informatique décisionnelle (en anglais business intelligence (BI)[1] ou decision support system (DSS)) est l'informatique à l'usage des décideurs et des dirigeants d'entreprises. Elle désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données, matérielles ou immatérielles, d'une entreprise en vue d'offrir une aide à la décision et de permettre à un décideur d’avoir une vue d’ensemble de l’activité traitée.

Ce type d’application repose sur une architecture commune dont les bases théoriques viennent principalement de Ralph Kimball, Bill Inmon et Dan Linstedt.

  1. Les données opérationnelles sont extraites périodiquement de sources hétérogènes : fichiers plats, fichiers Excel, base de données (DB2, Oracle, SQL Server, etc.), service web, données massives et stockées dans un entrepôt de données.
  2. Les données sont restructurées, enrichies, agrégées, reformatées, nomenclaturées pour être présentées à l'utilisateur sous une forme sémantique (vues métiers ayant du sens) qui permet aux décideurs d'interagir avec les données sans avoir à connaître leur structure de stockage physique, de schémas en étoile qui permettent de répartir les faits et mesures selon des dimensions hiérarchisées, de rapports pré-préparés paramétrables, de tableaux de bords plus synthétiques et interactifs.
  3. Ces données sont livrées aux divers domaines fonctionnels (direction stratégique, finance, production, comptabilité, ressources humaines, etc.) à travers un système de sécurité ou de datamart spécialisés à des fins de consultations, d'analyse, d'alertes prédéfinies, d'exploration de données, etc.

L’informatique décisionnelle s’insère dans l’architecture plus large d’un système d'information, mais n'est pas un concept concurrent du management du système d'information. Au même titre que le management relève de la sociologie et de l'économie, la gestion par l'informatique est constitutive de deux domaines radicalement différents que sont le management et l'informatique. Afin d'enrichir le concept avec ces deux modes de pensées, il est possible d'envisager un versant orienté ingénierie de l'informatique portant le nom d'informatique décisionnelle, et un autre versant servant plus particulièrement les approches de gestion appelé management du système d'information.

DĂ©finition

Le terme anglais de business intelligence (BI) peut prêter à confusion avec la notion d'intelligence économique (IE). Business intelligence ne signifie pas « intelligence économique », contrairement à ce que laisserait croire une traduction littérale (Cf. cette discussion).

La BI diffère de l'IE sur trois points :

  • la BI travaille sur des informations internes Ă  l'entreprise, alors que l'IE exploite des informations externes Ă  l'entreprise ;
  • la BI exploite des informations structurĂ©es, gĂ©rĂ©es dans des entrepĂ´ts de donnĂ©es, alors que l'IE se fonde sur des informations non structurĂ©es ;
  • la BI fournit surtout une vision du passĂ© alors que l'IE est tournĂ©e vers l'avenir.

Enjeux de l'informatique décisionnelle

Actuellement, les données applicatives métier sont stockées dans une (ou plusieurs) bases de données relationnelles ou non relationnelles.
Ces données sont extraites, transformées et chargées dans un entrepôt de données généralement par un outil de type ETL (Extract-Transform-Load) .

Un entrepôt de données peut prendre la forme d’un data warehouse ou d’un datamart. En règle générale, le data warehouse globalise toutes les données applicatives de l’entreprise, tandis que les datamarts (généralement alimentés depuis les données du data warehouse) sont des sous-ensembles d’informations concernant un métier particulier de l’entreprise (marketing, risque, contrôle de gestion…), des usages spécifiques (analyse, reporting...), ou encore répondent à des exigences ou contraintes particulières (cloisonnement des données, volumétrie...). Le terme comptoir de données ou magasin de données est aussi utilisé pour désigner un datamart.

Les entrepôts de données permettent de produire des rapports qui répondent à la question « Que s’est-il passé ? », mais ils peuvent être également conçus pour répondre à la question analytique « Pourquoi est-ce que cela s’est passé ? » et à la question pronostique « Que va-t-il se passer ? ». Dans un contexte opérationnel, ils répondent également à la question « Que se passe-t-il en ce moment ? », voire dans le cas d’une solution d’entrepôt de données actif « Que devrait-il se passer ? ».

Le reporting est probablement l'application la plus utilisée encore aujourd'hui de l’informatique décisionnelle, il permet aux gestionnaires :

  • de sĂ©lectionner des donnĂ©es relatives Ă  telle pĂ©riode, telle production, tel secteur de clientèle, etc.
  • de trier, regrouper ou rĂ©partir ces donnĂ©es selon les critères de leur choix
  • de rĂ©aliser divers calculs (totaux, moyennes, Ă©carts, comparatif d'une pĂ©riode Ă  l'autre…)
  • de prĂ©senter les rĂ©sultats d’une manière synthĂ©tique ou dĂ©taillĂ©e, le plus souvent graphique selon leurs besoins ou les attentes des dirigeants de l’entreprise

Les programmes utilisés pour le reporting permettent bien sûr de reproduire de période en période les mêmes sélections et les mêmes traitements et de faire varier certains critères pour affiner l’analyse. Mais le reporting n'est pas à proprement parler une application d'aide à la décision. L'avenir appartient plutôt aux instruments de type tableau de bord équipés de fonctions d'analyses multidimensionnelles de type Olap. Fonction OLAP qui peut être obtenue de différentes façons par exemple via une base de données relationnelle R-OLAP, ou multidimensionnelle M-OLAP, voire aussi en H-OLAP.

Les datamart et/ou les datawarehouses peuvent ainsi permettre via l'OLAP l’analyse très approfondie de l’activité de l’entreprise, grâce à des statistiques recoupant des informations relatives à des activités apparemment très différentes ou très éloignées les unes des autres, mais dont l’étude fait souvent apparaître des dysfonctionnements, des corrélations ou des possibilités d’améliorations très sensibles.

L'interopérabilité entre les systèmes d'entrepôt de données, les applications informatiques ou de gestion de contenu, et les systèmes de reporting est réalisée grâce à une gestion des métadonnées.

Du tableau Ă  l'hypercube

L'informatique décisionnelle s'attache à mesurer :

  • un certain nombre d'indicateurs ou de mesures (que l'on appelle aussi les faits)
  • restituĂ©s selon les axes d'analyse, que l'on appelle usuellement les dimensions.

Tableau

En haut : tableau de données de départ. En bas, un tableau croisé dynamique généré.

Par exemple, on peut vouloir mesurer :

  • Trois faits : le chiffre d'affaires, le nombre de ventes, le montant de taxes pour les ventes de produits
  • selon une première dimension, le calendrier : par annĂ©e, par trimestre, par mois, par jour ;
  • et selon une deuxième dimension, la hiĂ©rarchie de produits : famille de produits, gamme de produits, rĂ©fĂ©rence produit.

On obtient ainsi un tableau à deux entrées :

  • par exemple en lignes : la nomenclature produits Ă  3 niveaux (famille, gamme, rĂ©fĂ©rence)
  • et en colonnes : les annĂ©es, dĂ©composĂ©es en trimestres, dĂ©composĂ©s en mois
  • avec au croisement des lignes et colonnes, pour chaque cellule : le chiffre d'affaires, le montant de taxes et le nombre de ventes

À titre d'illustration, les tableaux croisés des principaux tableurs permettent de construire ce type de tableau de bord depuis une base de données.

Cube

Si l'on s'intéresse à une troisième dimension d'analyse, par exemple, la hiérarchie géographique des points de vente (par pays, région, magasin) on passe ainsi à un cube. Les tableaux croisés dynamiques d'Excel permettent de représenter ce type de cube avec le champ "page", qui représente les données agrégées pour chaque niveau hiérarchique et pour chaque dimension.

Hypercube

Si l'on s'intéresse à un axe d'analyse supplémentaire, par exemple la segmentation des clients (par catégorie, profession, client), on obtient alors un cube à plus de 3 dimensions, appelé hypercube. Le terme cube est souvent utilisé en lieu et place d' hypercube.

Les outils du monde décisionnel offrent des possibilités de « navigation » dans les différentes dimensions du cube ou de l'hypercube :

  • le drill down ou le forage avant : c'est la possibilitĂ© de « zoomer » sur une dimension (par exemple d'Ă©clater les annĂ©es en 4 trimestres pour avoir une vision plus fine, ou de passer du pays aux diffĂ©rentes rĂ©gions)
  • le drill up ou le forage arrière (aussi appelĂ© "roll-up") : c'est l'opĂ©ration inverse qui permet d'« agrĂ©ger » les composantes de l'un des axes (par exemple de regrouper les mois en trimestre, ou de totaliser les diffĂ©rentes rĂ©gions pour avoir le total par pays)
  • le slice and dice, aussi appelĂ© "dice down" (que l'on peut traduire par « hacher menu », c'est-Ă -dire couper en lamelles puis en dĂ©s) : c'est une opĂ©ration plus complexe qui entraĂ®ne une permutation des axes d'analyse (par exemple, on peut vouloir remplacer une vue par pays/rĂ©gions par une nouvelle vue par familles et gammes de produits)
  • le drill through : lorsqu'on ne dispose que de donnĂ©es agrĂ©gĂ©es (indicateurs totalisĂ©s), le drill through permet d'accĂ©der au dĂ©tail Ă©lĂ©mentaire des informations (chaque vente de chaque produit Ă  chaque client dans chaque magasin)

Précautions à prendre

Chacune de ces vues partielles du cube se traduit finalement, soit par un tableau à double entrée (tri croisé), soit par un graphique le plus souvent bidimensionnel.

Ainsi, bien que la navigation dans le cube soit multidimensionnelle, le décideur n’a pas, en réalité, accès à une synthèse, mais à une multitude de tris croisés ou de vues bidimensionnelles dont l’exploration, longue et fastidieuse, est parfois court-circuitée faute de temps. Cela peut conduire à de coûteuses erreurs de décision.

Aussi peut-il être utile d’associer à cette démarche une iconographie des corrélations, qui permet une vue d’ensemble réellement multidimensionnelle, débarrassée des redondances.

Fonctions essentielles de l'informatique décisionnelle

Un système d'information décisionnel (SID) doit être capable d'assurer quatre fonctions fondamentales : la collecte, l'intégration, la diffusion et la présentation des données. À ces quatre fonctions s'ajoute une fonction d'administration, soit le contrôle du SID lui-même.

Fonction de collecte

La fonction collecte (parfois appelée datapumping) recouvre l'ensemble des tâches consistant à détecter, sélectionner, extraire et filtrer les données brutes issues des environnements pertinents compte tenu du périmètre couvert par le SID. Comme il est fréquent que les sources de données internes et/ou externes soient hétérogènes — tant sur le plan technique que sur le plan sémantique — cette fonction est la plus délicate à mettre en place dans un système décisionnel complexe. Elle s'appuie notamment sur des outils d'ETL (extract-transform-load pour extraction-transformation-chargement).

Les données sources qui alimentent le SID sont issues des systèmes transactionnels de production, le plus souvent sous forme :

  • d'Ă©lĂ©ments issus de l'enregistrement de flux : compte-rendu d'Ă©vĂ©nement ou compte-rendu d'opĂ©ration . C'est le constat au fil du temps des opĂ©rations (achats, ventes, Ă©critures comptables…), le film de l'activitĂ© quotidienne, en tous cas rĂ©gulière, de l'entreprise
  • d'Ă©lĂ©ments reflĂ©tant une situation Ă  un moment donnĂ© : compte-rendu d'inventaire ou compte-rendu de stock. C'est l'image photo prise Ă  un instant donnĂ© (une fin de pĂ©riode par exemple : mois, trimestre…) de donnĂ©es caractĂ©risant un stock. Par exemple : le stock des clients, des contrats, des commandes, des encours…

La fonction de collecte joue également, au besoin, un rôle de recodage. Une donnée représentée différemment d'une source à une autre impose le choix d'une représentation unique et donc d'une mise en équivalence utile pour les futures analyses.

Fonction d'intégration

La fonction d'intégration consiste à concentrer les données collectées dans un espace unifié, dont le socle informatique essentiel est l'entrepôt de données. Élément central du dispositif, il permet aux applications décisionnelles de masquer la diversité de l'origine des données et de bénéficier d'une source d'information commune, homogène, normalisée et fiable, au sein d'un système unique et si possible normalisé.

Au passage les données sont épurées ou transformées par :

  • un filtrage et une validation des donnĂ©es en vue du maintien de la cohĂ©rence d'ensemble : les valeurs acceptĂ©es par les filtres de la fonction de collecte mais susceptibles d'introduire des incohĂ©rences de rĂ©fĂ©rentiel par rapport aux autres donnĂ©es doivent ĂŞtre soit rejetĂ©es, soit intĂ©grĂ©es avec un statut spĂ©cial
  • une synchronisation : s'il y a nĂ©cessitĂ© d'intĂ©grer en mĂŞme temps ou Ă  la mĂŞme « date de valeur » des Ă©vĂ©nements reçus ou constatĂ©s de manière dĂ©calĂ©e ou dĂ©phasĂ©e
  • une certification : pour rapprocher les donnĂ©es de l'entrepĂ´t des autres systèmes « lĂ©gaux » de l'entreprise comme la comptabilitĂ© ou les dĂ©clarations rĂ©glementaires)

C'est également dans cette fonction que sont effectuées éventuellement les calculs et les agrégations (cumuls) communs à l'ensemble du projet.

La fonction d'intégration est généralement assurée par la gestion de métadonnées, qui assurent l'interopérabilité entre toutes les ressources informatiques, qu'il s'agisse de données structurées (bases de données accédées par des progiciels ou applications), ou des données non structurées (documents et autres ressources non structurées, manipulés par les systèmes de gestion de contenu).

Fonction de diffusion (ou distribution)

La fonction de diffusion met les données à la disposition des utilisateurs, selon des schémas correspondant aux profils ou aux métiers de chacun, sachant que l'accès direct à l'entrepôt de données ne correspond généralement pas aux besoins spécifiques d'un décideur ou d'un analyste. L'objectif prioritaire est à ce titre de segmenter les données en contextes informationnels fortement cohérents, simples à utiliser et correspondant à une activité décisionnelle particulière. Alors qu'un entrepôt de données peut héberger des centaines ou des milliers de variables ou indicateurs, un contexte de diffusion raisonnable n'en présente que quelques dizaines au maximum. Chaque contexte peut correspondre à un datamart, bien qu'il n'y ait pas de règles générales concernant le stockage physique. Très souvent, un contexte de diffusion est multidimensionnel, c'est-à-dire modélisable sous la forme d'un hypercube; il peut alors être mis à disposition à l'aide d'un outil OLAP.

Les différents contextes d'un même système décisionnel n'ont pas tous besoin du même niveau de détail. De nombreux agrégats ou cumuls, n'intéressent que certaines applications et n'ont donc pas lieu d'être gérés en tant qu'agrégats communs par la fonction d'intégration : La gestion de ce type de spécificité peut être prise en charge par la fonction de diffusion. Ces agrégats pouvant au choix, être stockés de manière persistante ou calculés dynamiquement à la demande.

À ce stade et lorsqu'il s'agit de concevoir un système de reporting, trois niveaux de questionnement doivent être soulevés :

  • Ă€ qui s'adresse le rapport spĂ©cialisĂ© ? : choix des indicateurs Ă  prĂ©senter, choix de la mise en page
  • Par quel trajet ? : circuit de diffusion type « workflow » pour les personnes ou circuits de transmission « tĂ©lĂ©coms » pour les moyens
  • Selon quel agenda ? : diffusion routinière ou dĂ©clenchĂ©e sur Ă©vĂ©nement prĂ©dĂ©fini

Fonction présentation

Cette quatrième fonction, la plus visible pour l'utilisateur, régit les conditions d'accès de l'utilisateur aux informations, dans le cadre d'une interface Homme-machine déterminé (IHM). Elle assure le contrôle d'accès et le fonctionnement du poste de travail, la prise en charge des requêtes, la visualisation des résultats sous une forme ou une autre. Elle utilise toutes les techniques de communication possibles : outils bureautiques, requêteurs et générateurs d'états spécialisés, infrastructure web, télécommunications mobiles, etc.

Fonction administration

C'est la fonction transversale qui supervise la bonne exécution de toutes les autres. Elle pilote le processus de mise à jour des données, la documentation sur les données (les méta-données), la sécurité, les sauvegardes, et la gestion des incidents.

Projet décisionnel

Dans une entreprise, le volume de données traitées croît rapidement avec le temps. Ces données peuvent provenir des fournisseurs, des clients, de l’environnement, etc. Cette quantité de données augmente en fonction du secteur et de l'activité de l’entreprise. Par exemple, dans la grande distribution, les quantités de données collectées chaque jour sont énormes (notamment lorsque les magasins collectent les tickets des caisses).

L'entreprise dispose de plusieurs options pour traiter ce flux de données :

  • les donnĂ©es anciennes sont effacĂ©es et l'entreprise ne conserve que les donnĂ©es actives ou un historique rĂ©cent
  • les donnĂ©es sont stockĂ©es dans une base et l'entreprise n'envisage pas d'usage immĂ©diat
  • les donnĂ©es sont stockĂ©es au fur et Ă  mesure qu’elles arrivent de manière cohĂ©rente pour qu’elles soient exploitables directement

Le projet décisionnel correspond à cette dernière option. Il s’agit de traiter les données et de les stocker de manière cohérente au fur et à mesure qu’elles se présentent. C’est pour cela que le projet décisionnel est un projet sans limite dans le temps. C'est-à-dire que dès que l’entreprise commence ce projet, elle ne s’arrête pas (sauf cas exceptionnel). Wal-Mart (une chaîne de la grande distribution) est l’une des entreprises qui stockent le plus de données (elle a multiplié par 100 ses données en quelques années) et va atteindre dans les années à venir le pétaoctet (1 000 téraoctets).

Pour mener à bien ces projets décisionnels, il existe une multitude d'outils, chacun étant plus ou moins adapté à la taille de l'entreprise, à la structure des données existantes et au type d'analyse désiré.

Rappel de la chaîne de la valeur décisionnelle

  • Des SGBD relationnels et d'autres systèmes qui contiennent les donnĂ©es d'exploitation.
  • Un ETL extrait les donnĂ©es pertinentes et les charge dans l'ODS du datawarehouse
  • Les donnĂ©es sont structurĂ©es dans le datawarehouse [2]
  • Des datamarts qui exploitent une technologie X-OLAP sont mis Ă  jour Ă  partir du datawarehouse
  • Des rapports sont gĂ©nĂ©rĂ©s sur ces donnĂ©es

Phase de recueil des exigences

Trois domaines doivent être particulièrement documentés :

  1. le type d'information dont l'utilisateur des rapports a besoin
  2. le type de restitution (ergonomie, fréquence, vitesse de restitution)
  3. le système technique existant : technologies utilisées

Phase de conception et de choix technique

  • En fonction des exigences recueillies, quels sont les Ă©lĂ©ments de la chaĂ®ne de la valeur dĂ©cisionnelle qui doivent ĂŞtre implĂ©mentĂ©s ?
  • Doit-on seulement crĂ©er un rapport sur un cube OLAP existant ?
  • Construire toute la chaĂ®ne ?
  • Quelles sont prĂ©cisĂ©ment les donnĂ©es que l'on doit manipuler ?

Cela conduit au choix de technologies précises et à un modèle particulier.

Acteurs open source

La quasi-totalité des domaines de l'informatique décisionnelle du monde propriétaire sont aussi couverts par l'OSBI.

L'OSBI, dont les codes logiciels sont en partie publics, n'a rien à voir avec l'open source intelligence (OSINT) qui désigne la recherche dans les sources publiques, c'est-à-dire les journaux, annuaires…

Bases de données

Le monde du logiciel libre propose des alternatives face aux systèmes de bases de données propriétaires Oracle ou Microsoft SQL Server. Les solutions les plus réputées sont :

ETL

Les ETL (extract-transform-load) sont les outils pour manipuler les données, comme pour la construction et l'alimentation des datawarehouse (entrepôts de données).

Les ETL open source permettent d'effectuer un grand nombre de traitements pour l'extraction (« E »), la transformation (« T ») et le chargement (loading, « L ») de données, ceci depuis ou vers un grand nombre de systèmes :

Etapes Description
Étape 1 : Extraction
  • extraction et chargement de donnĂ©es en provenance de nombreux SGBD via les drivers JDBC : Oracle, PostgreSQL, MySql, MS SqlServer, IBM DB2, Sybase, Teradata…
Étape 2 : Transformation
  • validation et nettoyage de donnĂ©es
  • DĂ©doublonnage de lignes, contrĂ´les et routages de flux
  • transtypage, ajouts de champs calculĂ©s et de constantes, mapping, normalisation et dĂ©normalisation
Étape 3 : Chargement
  • fonction de recherche (lookup) d'informations additionnelles permettant par exemple la jointure entre deux SGBD diffĂ©rents
  • fonctions dĂ©cisionnelles : Slowly Changing Dimension, lecture de cubes OLAP (Mondrian (en), Palo (Palo)), agrĂ©gations
  • fonctionnalitĂ©s orientĂ©es EAI : rĂ©cupĂ©ration et envoi de fichiers par FTP, SSH, Mail, Scripting, messages orientĂ©s services, Web Services

Il existe plusieurs ETL open source, avec des versions de base entièrement libres (gratuites) et des versions professionnelles (payantes). Ces dernières sont dotées de fonctionnalités avancées et permettant d'obtenir un support direct auprès de l'éditeur.

Les ETL open source les plus complets et reconnus sont les suivants :

Open source complets et reconnus Description
Talend Open Studio Talend Open Studio (TOS) est édité par la société Talend. Talend est un ETL dont l'interface graphique s'appuie sur Eclipse RCP et est de type « générateur de code » : un code spécifique est généré (et visible) pour chaque traitement d'intégration de données. Talend Integration Suite (TIS) désigne la version professionnelle, dont l'essentiel des fonctionnalités supplémentaires a pour but de fournir des fonctionnalités avancées d'entreprise : développement collaboratif, gestion des déploiements, console d'administration et de planification des jobs en production.
Pentaho (Pentaho) Data Integration (PDI) également connu sous le nom de « Kettle » : PDI est un ETL qui présente à peu de chose près les mêmes fonctionnalités que Talend, la différence principale étant son interface basée sur Java SWT et son mécanisme de « méta moteur ». PDI embarque en effet la totalité du code nécessaire dans son noyau et ne traite ainsi que les flux de données. Ainsi, un traitement Kettle peut être stocké sous forme de fichier plat (XML) ou bien dans un SGBD (« Kettle repository »), ce dernier servant également de référentiel de travail partagé. Un des attraits de PDI est son niveau d'intégration avec la plateforme OSBI Pentaho : Kettle peut ainsi servir de source de données au moteur de reporting de Pentaho et même permettre l'élaboration de vues d'analyses multidimensionnelles avec le concept « Agile BI » et l'outil Pentaho Analyzer
CloverETL (en) CloverETL est édité par la société Javlin
Streamsets
MentDB Weak[3] C'est une solution ETL open-source édité par la société Innov-AI. Le serveur est basé sur une couche de type Service Oriented Architecture (SOA) et permet avec un langage de programmation compressé (le MQL) d'effectuer des tâches ETL pour transférer des données d'un logiciel à un autre. Il possède aussi un générateur de code pouvant accélérer les développements ainsi que 26 modules de connexions standards prêt à l'usage (FTP, SSH, SFTP, Excel, CSV, JSON, XML, SQL ...). C'est un outil pensé pour du développement collaboratif, le déclenchement de jobs dans le temps et intègre quelques algorithmes de machine learning.

Outils de reporting et d'analyse multidimensionnelle

  • Jasper (iReport), Eclipse Birt (Actuate) et JFreeReport / JFreeChart
  • Mondrian et Palo (OLAP database)

SGBD relationnels d'analyse

Plateformes OSBI WEB

Outils d'exploration et d'analyse de données statistiques

Progiciel de gestion intégré (ERP) et de la relation client (CRM)

Acteurs propriétaires

  • Access avec Access Insight
  • Anaplan, planification financière
  • Applied Olap Dodeca [5]
  • BiX Software - Solution sur cubes OLAP (MS, ORACLE, IBM, SAP, SAS...) de Reporting et d'Analyse de DonnĂ©es.
  • Information Builders (en)
  • BearingPoint (HyperCube)
  • BiBOARD - Reporting transactionnel qui est en redressement judiciaire depuis le 11/06/2017 [6]
  • Bittle - Reporting online et tableaux de bord
  • BIME [7]
  • BI Square Software (Business Intelligence pour l'IT)
  • BOARD [8]
  • BrightAnalytics [9]
  • Business Objects (SAP) [10] et son nouveau nom SAP BI4
  • IMS Health avec le logiciel Reportive
  • Coheris Liberty
  • Comarch Business Intelligence
  • CORICO, logiciel d'iconographie des corrĂ©lations
  • DATAROCKS avec PROMPTO
  • DigDash (Logiciel DigDash Enterprise, logiciel de tableaux de bord full web et mobile)
  • Dimensional Insight
  • Domo
  • Hurence - ETL natif Hadoop et solutions BI basĂ©es sur Hadoop, HBase et Pig
  • IcCube (en)
  • IBM :
  • Jedox (en)
  • Informatica
  • Inside Reporting
  • Microsoft
  • MicroStrategy
  • MyReport
  • MyDataViz
  • OpenText - ETL OTIC de son ancien nom GĂ©nio
  • Oracle Corporation avec :
    • Oracle Business Intelligence Enterprise Edition (OBIEE) [13]
    • Hyperion (ex Brio)
  • Sage BI Reporting
  • Serenytics
  • Tableau Software avec des outils comme Tableau Desktop
  • Talend
  • Tagetik
  • Teradata
  • SAS et son outil de Data Visualisation SAS Visual Analytics
  • Qlik avec les logiciels QlikView[14] et Qlik Sense
  • R2C SYSTEM - MyDataBall (Logiciel de Business Optimisation)
  • SYMTRAX avec le logiciel StarQuery
  • Weenove
  • World Programming (en)

Notes et références

  1. « Qu’est-ce que la Business Intelligence (BI) ? »
  2. MĂ©thodologie d'un projet Data Warehouse
  3. « Innov-AI | Smart-Earth and Strong AI », sur www.mentdb.org (consulté le )
  4. « Sipina Research -- Classification Trees Software », sur univ-lyon2.fr (consulté le ).
  5. description de Dodeca spreedsheat Management System
  6. Redressement Judiciaire BI BOARD http://www.procedurecollective.fr/fr/redressement-judiciaire/1322625/biboard.aspx
  7. description de BIME
  8. description de Board
  9. description de BrightAnalytics
  10. La suite BusinessObjects
  11. description d'OBIEE
  12. description de qlikView

Voir aussi

Articles connexes

Bibliographie

  • Alphonse Carlier, Business Intelligence et Management, Afnor Éditions, 2013, (ISBN 978-2-12-465429-1)
  • (en) Lawrence Corr et Jim Stagnitto, Agile Data Warehouse Design : Collaborative Dimensional Modeling, from Whiteboard to Star Schema, DecisionOne Press, , 328 p. (ISBN 978-0-9568172-0-4). Ouvrage utilisĂ© pour la rĂ©daction de l'article
  • Jean-Marie GouarnĂ©, Le Projet dĂ©cisionnel - Enjeux, Modèles, Architectures du Data Warehouse, Eyrolles, 1997, (ISBN 978-2-212-05012-7)
  • Alain Garnier, L'Information non structurĂ©e dans l'entreprise - Usages et Outils, Hermes - Lavoisier, 2007, (ISBN 978-2-7462-1605-1)
  • R. Kimball, L. Reeves, M. Ross, W. Thornthwaite, Le Data Warehouse : Guide de conduite de projet, Eyrolles, 2005, (ISBN 978-2-212-11600-7)
  • Alain Fernandez, Les Nouveaux Tableaux de bord des managers, Le Projet Business Intelligence clĂ©s en main, Eyrolles, 6e Ă©dition, 2013. (ISBN 978-2-212-55647-6) prĂ©sentation Ă©diteur
  • Roland et Patrick Mosimann, Meg Dussault, The Performance Manager Faire de la performance le quotidien de chacun, Cognos Press, 2007, (ISBN 978-0-9730124-4-6)
  • James Taylor, Decision Management System, IBM Press, Pearson Education


Cet article est issu de wikipedia. Text licence: CC BY-SA 4.0, Des conditions supplémentaires peuvent s’appliquer aux fichiers multimédias.