BI 201x : l’an 4 de la Business Intelligence ? (Partie 3) 

Tendance #7 : La gestion de l’information, au-delà de la BI : la dimension informationnelle, chaînon manquant des architectures SOA.

L’enjeu : La BI, par nature, est un endroit où les problèmes de qualité de données sont mis en lumière. Dans la mesure où ceci est « une douleur », les équipes projets, mais aussi celles qui supportent le système au quotidien, ont établi avec le temps un savoir faire pour modéliser les données, les consolider à partir de sources hétérogènes, gérer leur qualité, responsabiliser les métiers pour les améliorer …
Désormais, l’information est devenue une ressource précieuse, plus seulement pour accompagner l’aide à la décision. Les données incomplètes, incorrectes ou difficiles d’accès sont à l’origine de bien des dysfonctionnements : par exemple, dans quasiment tous les  projets informatiques, la qualité de données figure systématiquement dans le palmarès des trois problèmes les plus fréquemment rencontrés. Il est donc devenu indispensable de mettre en œuvre des programmes transverses pour éviter l’introduction de données incorrectes ou incomplètes dans les systèmes, consolider les données et organiser leur distribution… Les données doivent aussi être auditables, corrigées quand elles s’avèrent corrompues, documentées, détruites quand elles sont caduques... A l’instar de programmes comme Six Sigma qui ont permis aux entreprises d’améliorer considérablement la qualité de leurs produits ou de leurs processus, ces initiatives sont mises en place pour mieux maîtriser la qualité des données, alimenter les applications de gestion avec des référentiels de données dont la cohérence est maitrisée, responsabiliser chacun sur les conséquences de la non qualité de l’information, transmettre les informations entre les applications en mode « juste à temps »… On parle alors d’Enterprise Information Management Information, de  Master Data Management, de programmes de gouvernance des données…
L’entrepôt de données, situé jusque là en aval des systèmes d’information stratégiques de l’entreprise à seule fin d’assurer la distribution d’une information, devient l’usine de production de l’information (ou Corporate Information Factory), en charge de l’assemblage de l’information et de sa distribution dans toutes les applications de gestion de l’entreprise.

Ainsi, les équipes en charge des initiatives décisionnelles apparaissent les mieux placées pour ce qui pourrait bien être les futurs grands chantiers des systèmes d’information de demain. La mission est ambitieuse, mais c’est aussi un passionnant mais difficile challenge. Car s’il ne fait aucun doute que les processus de gestion sont l’affaire de l’entreprise, l’information est de son côté souvent considérée comme un bien propre à chaque individu ou groupe de travail : une gestion du changement importante est nécessaire pour accompagner ces grands chantiers, ce qui explique sans doute pourquoi les entreprises qui s’y engagent aujourd’hui le font avec beaucoup de prudence.

Un exemple concret de mise en application de cette tendance : L’industrie mécanique se caractérise par la grande complexité des données produits et composants à manipuler : elles sont en quantité très importante, d’origines diverses, interdépendantes entre elles, et doivent être suivies tout au long de leur cycle de vie. Ces données doivent en outre être partagées par un  grand nombre d’acteurs diversifiés : R&D, marketing, ventes, SAV, achats, clients, fournisseurs. C’est  à cette complexité que les équipes métier et informatique ont  choisi de se confronter en raison des problèmes de qualité de données de plus en plus sensibles auxquels elles étaient confrontées au quotidien. Un programme en plusieurs étapes est ainsi définit.
La première étape, de très courte durée, permet un audit des données existantes tout en corrigeant de manière automatisée les problèmes de qualité les plus basiques. Ainsi, l’entreprise a une vue plus précise de la dimension du problème, tout en faisant état d’une amélioration concrète en termes de qualité de données.
Une seconde étape se focalise sur la dimension organisationnelle. Elle vise la création d’une équipe de gouvernance des données, en charge de toute la chaine logistique informationnelle, depuis la matière première (c'est-à-dire les données d’origine telles qu’elles sont récupérées dans les systèmes) jusqu’à leur diffusion en passant par tout le processus de transformation. Une chaine de responsabilités est ainsi définie.
La troisième étape permet enfin d’outiller ce processus à l’aide  d’outils de Master Data Management (MDM) en complément des outils de gestion de la qualité de données et de gestion des mouvements de données déjà utilisés dans les étapes précédentes.

[Revenir au sommaire général]