Managers, directions fonctionnelles, opérationnels, statisticiens, tous ont besoin d’informations diverses et variées à tout moment.
Les outils décisionnels doivent leur apporter de l’information fiable rapidement pour les aider dans leurs décisions stratégiques. L’information est disponible sous différentes formes : états classiques, outils d’analyse sur mesure, tableaux de bord de Direction, e-mail, alertes…
Construire un système décisionnel demande plusieurs étapes au cours desquelles des choix sont à effectuer:
- Acquisition des données : il s’agit d’enrichir son système d’information avec des données externes et de s’assurer de disposer de la donnée pertinente. La donnée aura une valeur d’autant plus importante qu’elle sera précise, complète, exacte, consistante, contrôlée, adaptée au contexte.
- Extraction, transformation et alimentation des données dans une base cible : il s’agit de réunir, au sein d’une base, des données éparses, et de normaliser des informations répondant à la même définition mais stockées de façon différente dans des sources distinctes. Cette phase passe par une phase de normalisation des données afin que les mêmes concepts métier soient comparables.
- Conception du référentiel cible qui va stocker les données : il faut choisir entre un:
- datawarehouse qui stocke l'historique et va permettre des analyses comparatives dans le temps,
- datamart, référentiel distinct ou partition d’un datawarehouse, destiné à gérer une seule fonction métier ou process de l’entreprise. Cette option permet d´optimiser les temps de réponse des applications décisionnelles avec des bases spécialisées par métier,
- référentiel de métadonnées : information technique sur la donnée mentionnant la source, l’unité de mesure, mode de calcul, contexte d’utilisation
- Modélisation de données
La conception devra déterminer quel type de modélisation mettre en œuvre : 3FN, modélisation en étoile, modélisation en flocons .. en fonction de différents critères :nombre de niveaux hiérarchiques de la dimension, taille de la dimension, nature de l’analyse…
- Techniques d'analyse :
SQL : utilisation basée sur des tableaux ne nécessitant pas une analyse multi-dimensionnelle. Ces outils de reporting de masse se distribuent également via Internet ou intranet et restent toutefois peu interactifs (les requêtes évoluent peu) et sont surtout utilisés pour des rapports statistiques sur l’activité commerciale.
OLAP : Les bases de données relationnelles, n´ayant pas été prévues pour le rapprochement simultané de plusieurs types de données (analyse multidimensionnelle), rencontrent des problèmes de performances. Il faut alors s´appuyer généralement sur un moteur OLAP, qui pré-calcule certains croisements de données afin d´optimiser les performances de l´application. Beaucoup plus dynamiques, ces tableaux de bord permettent aux utilisateurs de réaliser leurs propres croisements de données selon différents axes d´analyse, de dégager de nouvelles tendances, d´approfondir une analyse en effectuant des requêtes "drill down".
Data mining : prédiction de modèles de comportements (intelligence artificielle, réseaux neuronaux) à partir d’un jeu de données complexes
Text mining : outil de détection de nouvelles tendances (analyse de sites web, de blogs techniques) par analyse de texte et fréquence d’utilisation de certains mots
- Outils de présentation de données : c’est l’outil utilisé par nos managers, nos directeurs et opérationnels et statisticiens (comme Business Objects, Cognos, Hypérion…) qui va mettre à disposition des états des alertes sous diverses formes intégrant le mail, le SMS…
- Administration, sécurité des données : il s’agit de définir comment créer de nouvelles données, rafraîchir des données existantes, définir les droits d’accès, la politique d’archivage..
Un partenaire : 
Leader mondial des serveurs de base de données décisionnelle hautes performances, Netezza a apporté à ses clients comme Amazon.com ou Orange de nouvelles possibilités pour se différencier de la concurrence et gagner des parts de marché :Netezza Performance Server combine hautes performances de traitement et capacité à manipuler de gros volumes de données.
Cette technique, contribue aux gains de performances observés qui varient ainsi entre un facteur 10 et 100 et ce à une fraction du prix d’un système de conception traditionnelle. Des traitements d’alimentation qui duraient plusieurs heures s’exécutent en quelques minutes.
Netezza Performance Server s’intègre très facilement à une infrastructure existante. Sa simplicité de mise en œuvre et son respect scrupuleux des standards font de Netezza Performance Server l’atout principal de tous les projets recherchant des hautes performances et une maîtrise des budgets.
