Construire un entrepôt de données pour saisir des opportunités
Par Michel Bruley, Directeur Marketing Teradata Europe de l’Ouest

mercredi 24 février 2010

Lorsque qu’une entreprise examine sa situation une des questions fondamentales qu’elle se pose au-delà du bilan de ses actions passées et de ses résultats présents, est comment identifier des opportunités d’améliorer la conduite de ses affaires (vendre plus, réduire ses coûts, réduire ses risques, améliorer son cash flow, faire progresser son image, …). Bien sûr l’examen des résultats fait parfois ressortir des voies claires d’amélioration dues à des choix antérieurs dépassés, erronés, à des constats explicites de nouvelles tendances par exemple, mais la plupart du temps l’entreprise ne peut faire l’économie d’une recherche spécifique d’idées, et donc elle est conduite à réaliser de nombreuses analyses, à raisonner de nombreuses métriques, à envisager des actions marché, des changements internes, des remises en cause de ses processus.

Dans ce jeu de piste aux bonnes idées, la première manche se joue sur la disponibilité et la qualité des données historiques, qui vont être utilisées pour identifier et évaluer les opportunités. A ce niveau il convient de disposer d’un gisement de données détaillées fondé sur un modèle qui autorise une vision d’ensemble des activités de l’entreprise, et permet ainsi d’éviter les pièges inhérents aux données agrégées qui moyennent les résultats et masquent certaines réalités. La deuxième manche se joue sur la façon de structurer ses questions métier, et enfin la troisième manche se joue dans la définition des analyses et des métriques, que l’on va élaborer pour répondre aux questions métier compte tenu des données disponibles.

Bâtir des scénarios

Pour illustrer mon propos je vais prendre des exemples dans le monde de la Distribution. Les principales questions métiers peuvent être regroupées en une dizaine de domaines de gestion (assortiment, promotions, opérations magasins, …). Chaque domaine se décompose en moyenne en une demi-douzaine de thèmes clés (prévision de la demande, mesure de la valeur client, …). Chaque thème clé peut faire l’objet de plus d’une douzaine d’analyses (valeur, quantité, marge, taux d’écoulement, affinité articles, …). Chaque analyse est fondée sur une ou plusieurs métriques qui nécessitent des données émanant de différents systèmes front ou back office, qu’il faut rapprocher et suivre dans le temps. En particulier certaines analyses (préférences clients par exemple) nécessitent de disposer du détail du ticket client. Enfin chaque analyse débouche sur des scénarios d’actions qui peuvent aussi nécessiter des analyses.

Dans le cas du secteur de la distribution il faut donc envisager plusieurs centaines d’analyses différentes et la situation est la même pour d’autres secteurs (Banque, Assurances, Télécommunications, Transport, …). Au niveau des données à gérer, les entités se comptent en centaines et les attributs en milliers. Il est clair que les entreprises ne peuvent mettre en place que progressivement de telles approches analytiques qui nécessitent beaucoup de moyens humains et techniques. D’autant plus qu’en cours de route elles ont généralement de mauvaises surprises au niveau de la qualité de leurs données, et que leurs gestionnaires doivent apprendre à mener de nouveaux raisonnements quantitatifs et qualitatifs. De façon générale, les clés du succès sont l’itération, le lotissement, l’évolutivité de l’infrastructure, une vision d’entreprise, la granularité des données du gisement de base et la prédominance des besoins métiers pour tous les choix.

Encourager le dialogue

Il est possible de trouver sur le marché des modèles sectoriels multifonctions de « Business Improvement Opportunities », dont j’ai esquissé la mécanique dans les lignes ci-dessus. Ces modèles autorisent une meilleure vision des liens entre les questions métier, les analyses, les métriques et les données ; ils guident les maîtres d’ouvrage dans la définition de leurs besoins et dans l’ordonnancement de leurs projets, et l’expérience nous a montré leur efficacité, en particulier leur impact sur la qualité des dialogues (entre utilisateurs et entre les utilisateurs & la maîtrise d’œuvre).

Les modèles de « Business Improvement Opportunities » permettent aux entreprises de mieux conduire leur projet d’entrepôt de données, en facilitent la définition des premières itérations et la vision des questions métier clés susceptibles au-delà des objectif initiaux, de profiter de la disponibilité de données historiques déjà dans l’entrepôt ou qui pourraient venir le compléter. Ainsi ces modèles peuvent aider une entreprise à mieux utiliser et capitaliser sur ses données en identifiant les façons de les exploiter, ce qui permet de maximiser la rentabilité des investissements en matière de système d’information décisionnel.

Imprimer l'article