BI (informatique décisionnelle)

Objectifs de la BI

Accélération et amélioration de la prise de décisions ; optimisation des processus métier internes ; augmentation de l'efficacité opérationnelle ; génération de nouvelles recettes ; et gain d'avantages concurrentiels : autant de bénéfices potentiels qu'offrent les programmes BI.

Ces programmes contribuent également à identifier les tendances des marchés et les problèmes métier qu'il convient de résoudre.

Les données BI peuvent inclure des informations historiques, ainsi que de nouvelles données collectées auprès de systèmes source au fur et à mesure qu'elles sont générées. L'analyse BI peut ainsi soutenir des processus décisionnels tant stratégiques que tactiques.

Au départ, les outils BI étaient essentiellement utilisés par les professionnels de l'informatique, notamment les analystes des données. Ils procédaient aux analyses et généraient des rapports contenant des résultats de requêtes destinés aux utilisateurs métier. Aujourd'hui, les cadres et les opérationnels utilisent de plus en plus les logiciels BI, grâce au développement d'outils d'exploration de données et de BI en libre-service.

Variantes et déclinaisons

Interrogation et analyse ponctuelles ; rapports d'entreprise ; traitement analytique en ligne (OLAP) ; BI mobile ; BI en temps réel ; BI opérationnelle ; BI en Cloud et SaaS ; BI open source ; BI collaborative : l'informatique décisionnelle se décline dans de nombreuses applications d'analyse de données.

La technologie BI comprend également les logiciels de visualisation de données (ou DataViz) – qui permettent de mettre en forme des éléments infographiques (graphes, etc.) – ainsi que différents outils d'élaboration de tableaux de bord et de cartes de scores – qui présentent, de manière facile à appréhender, des données visualisées sous forme d'éléments de mesure métier et d'indicateurs clés de performance (KPI).

Les applications BI peuvent s'acheter séparément auprès de différents éditeurs, ou auprès d'un seul dans le cadre d'une plateforme BI unifiée.

Les programmes BI peuvent également intégrer des formes d'analytique avancé, telles que l'exploration de données (data mining), l'analytique prédictif, l'exploration de texte (text mining), l'analyse statistique ou encore l'analytique Big Data.

Toutefois, dans nombre de cas, les projets d'analytique avancé sont pilotés et réalisés par des équipes distinctes de professionnels compétents du domaine, tels que les data scientists, des statisticiens, ou encore des développeurs de modèles prédictifs, tandis que les équipes BI supervisent une analyse et une interrogation des données métier à un niveau plus simple.

Sous le capot

Les données de l'informatique décisionnelle sont stockées dans des entrepôts ou, à une moindre échelle, dans des Datstores. Ces conteneurs stockent des sous-ensembles des informations d'une entreprise.

Parallèlement, les architectures BI font de plus en plus appel à des systèmes Hadoop en guise de référentiels ou de réceptacles pour données BI et analytiques, particulièrement dans le cas de données non structurées, de fichiers journaux, de données de capteurs et d'autres types de Big Data.

Avant leur utilisation dans les applications BI, les données brutes issues de différents systèmes source doivent être intégrées, consolidées et nettoyées. A cette fin, des outils d'intégration et de qualité des données garantissent que les analyses porteront sur des informations précises et homogènes.

En plus des responsables BI, les équipes d'informatique décisionnelle combinent généralement architectes et développeurs BI, analystes et professionnels de l'administration des données.

Les utilisateurs métier sont souvent présents eux aussi : ils représentent l'activité et s'assurent que le processus de développement BI répond bien à leurs besoins.

Pour contribuer à ce développement, un nombre croissant d'entreprises remplacent le développement en cascade classique par des approches Agile des entrepôts de données et de l'informatique décisionnelle. Ces approches font appel aux techniques de développement Agile pour scinder les projets BI en plusieurs parties et apporter aux utilisateurs de nouvelles fonctionnalités selon un mode incrémental et itératif. Les entreprises peuvent ainsi accélérer la mise en place de fonctions BI et optimiser ou modifier les plans de développement, à mesure que les besoins métier changent ou que de nouvelles exigences apparaissent et prennent le pas sur les précédentes.

Un peu d’Histoire

Equivalent anglais de l'intelligence décisionnelle, le terme de Business Intelligence faisait déjà l'objet d'un emploi sporadique dans les années 1860. Mais c'est le consultant Howard Dresner qui l'a proposé pour la première fois en 1989 pour désigner l'ensemble des techniques d'analyse des données venant à l'appui des processus de prise de décisions métier.

Les technologies qui allaient ensuite être connues sous l'appellation d'informatique décisionnelle, ou BI, sont dérivées de systèmes analytiques antérieurs, souvent exploités sur des mainframes, notamment les systèmes d'aide à la décision et les systèmes d'information destinés aux dirigeants (EIS, Executive Information Systems).

Différence entre BI classique et analytique avancé

La BI est parfois utilisé comme synonyme d'analytique métier ; dans d'autres cas, le terme d'analytique métier peut désigner soit, dans un contexte restreint, l'analytique de données avancé, soit, plus largement, à la fois l'informatique décisionnelle et l'analytique avancé.