Informatique décisionnelle
informatique à l'usage des décideurs et des dirigeants d'entreprises
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.
Certaines informations figurant dans cet article ou cette section devraient être mieux
reliées aux sources mentionnées dans les sections « Bibliographie », « Sources » ou
« Liens externes » (juin 2017).
Vous pouvez améliorer la vérifiabilité en associant ces informations à des références à
l'aide d'appels de notes.
Pour les articles homonymes, voir BI et DSS.
Ce type d’application repose sur une architecture commune dont les bases théoriques viennent
principalement de Ralph Kimball, Bill Inmon (en) 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.
Définition
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 à l'entreprise, alors que l'IE exploite des
informations externes à l'entreprise ;
la BI exploite des informations structurées, gérées dans des entrepôts de données, alors que
l'IE se fonde sur des informations non structurées ;
la BI fournit surtout une vision du passé alors que l'IE est tournée 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 sélectionner des données relatives à telle période, telle production, tel secteur de clientèle,
etc.
de trier, regrouper ou répartir ces données selon les critères de leur choix
de réaliser divers calculs (totaux, moyennes, écarts, comparatif d'une période à l'autre…)
de présenter les résultats d’une manière synthétique ou détaillée, 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 à l'hypercube
L'informatique décisionnelle s'attache à mesurer :
un certain nombre d'indicateurs ou de mesures (que l'on appelle aussi les faits)
restitués 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 année, par trimestre, par mois, par jour ;
et selon une deuxième dimension, la hiérarchie de produits : famille de produits, gamme de
produits, référence produit.
On obtient ainsi un tableau à deux entrées :
par exemple en lignes : la nomenclature produits à 3 niveaux (famille, gamme, référence)
et en colonnes : les années, décomposées en trimestres, décomposés 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.
Navigation dans un 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 possibilité de « zoomer » sur une dimension (par
exemple d'éclater les années en 4 trimestres pour avoir une vision plus fine, ou de passer du
pays aux différentes régions)
le drill up ou le forage arrière (aussi appelé "roll-up") : c'est l'opération inverse qui permet
d'« agréger » les composantes de l'un des axes (par exemple de regrouper les mois en
trimestre, ou de totaliser les différentes régions pour avoir le total par pays)
le slice and dice, aussi appelé "dice down" (que l'on peut traduire par « hacher menu », c'est-à-
dire couper en lamelles puis en dés) : c'est une opération plus complexe qui entraîne une
permutation des axes d'analyse (par exemple, on peut vouloir remplacer une vue par
pays/régions par une nouvelle vue par familles et gammes de produits)
le drill through : lorsqu'on ne dispose que de données agrégées (indicateurs totalisés), le drill
through permet d'accéder au détail élémentaire des informations (chaque vente de chaque
produit à 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'éléments issus de l'enregistrement de flux : compte-rendu d'événement ou compte-rendu
d'opération . C'est le constat au fil du temps des opérations (achats, ventes, écritures
comptables…), le film de l'activité quotidienne, en tous cas régulière, de l'entreprise
d'éléments reflétant une situation à un moment donné : compte-rendu d'inventaire ou compte-
rendu de stock. C'est l'image photo prise à un instant donné (une fin de période par exemple :
mois, trimestre…) de données caractérisant 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 données en vue du maintien de la cohérence d'ensemble : les
valeurs acceptées par les filtres de la fonction de collecte mais susceptibles d'introduire des
incohérences de référentiel par rapport aux autres données doivent être soit rejetées, soit
intégrées avec un statut spécial
une synchronisation : s'il y a nécessité d'intégrer en même temps ou à la même « date de
valeur » des événements reçus ou constatés de manière décalée ou déphasée
une certification : pour rapprocher les données de l'entrepôt des autres systèmes « légaux » de
l'entreprise comme la comptabilité ou les déclarations réglementaires)
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 :
À qui s'adresse le rapport spécialisé ? : choix des indicateurs à présenter, choix de la mise en
page
Par quel trajet ? : circuit de diffusion type « workflow » pour les personnes ou circuits de
transmission « télécoms » pour les moyens
Selon quel agenda ? : diffusion routinière ou déclenchée sur événement prédéfini
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 données anciennes sont effacées et l'entreprise ne conserve que les données actives ou un
historique récent
les données sont stockées dans une base et l'entreprise n'envisage pas d'usage immédiat
les données sont stockées au fur et à mesure qu’elles arrivent de manière cohérente 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 [Quand ?] 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 données d'exploitation.
Un ETL extrait les données pertinentes et les charge dans l'ODS du datawarehouse
Les données sont structurées dans le datawarehouse[2]
Des datamarts qui exploitent une technologie X-OLAP sont mis à jour à partir du
datawarehouse
Des rapports sont générés sur ces données
Phase de recueil des exigences
Article détaillé : gestion 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 éléments de la chaîne de la valeur
décisionnelle qui doivent être implémentés ?
Doit-on seulement créer un rapport sur un cube OLAP existant ?
Construire toute la chaîne ?
Quelles sont précisément les données que l'on doit manipuler ?
Cela conduit au choix de technologies précises et à un modèle particulier.
Acteurs open source
Article détaillé : Informatique décisionnelle 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 :
MySQL/MariaDB;
PostgreSQL.
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
extraction et chargement de données en provenance de nombreux SGBD via les drivers
JDBC : Oracle, PostgreSQL, MySql, MS SqlServer, IBM DB2, Sybase, Teradata…
extraction et alimentation de fichiers plats : CSV, Excel, XML, fichier dont la longueur d'un
Étape 1 : Extraction enregistrement est fixe
extraction et chargement dans des progiciels spécifiques (SAP, SugarCRM…) ou des
annuaires LDAP
validation et nettoyage de données
Étape 2 : Dédoublonnage de lignes, contrôles et routages de flux
Transformation
transtypage, ajouts de champs calculés et de constantes, mapping, normalisation et
dénormalisation
fonction de recherche (lookup) d'informations additionnelles permettant par exemple la
jointure entre deux SGBD différents
Étape 3 : fonctions décisionnelles : Slowly Changing Dimension, lecture de cubes OLAP
Chargement (Mondrian (en), Palo (en)), agrégations
fonctionnalités orientées EAI : récupération et envoi de fichiers par FTP, SSH, Mail,
Scripting, messages orientés 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 Description
reconnus
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
Talend Open généré (et visible) pour chaque traitement d'intégration de données. Talend Integration Suite
Studio (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.
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
Pentaho Data
peut être stocké sous forme de fichier plat (XML) ou bien dans un SGBD (« Kettle repository »), ce
Integration (PDI)
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
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
[3]
MentDB Weak 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
InfiniDB et Infobright
Plateformes OSBI WEB
JasperServer, Pentaho, SpagoBI et Vanilla
Outils d'exploration et d'analyse de données statistiques
Weka, KNIME et Sipina[4]
R, Octave et OpenNN
Progiciel de gestion intégré (ERP) et de la relation client (CRM)
Odoo, Axelor et SugarCRM
Acteurs propriétaires
Cette section ne cite pas suffisamment ses sources (mars 2022). [afficher]
Access avec Access Insight DigDash (Logiciel DigDash Enterprise,
logiciel de tableaux de bord full web et
Anaplan, planification financière
mobile)
[5]
Applied Olap Dodeca
Dimensional Insight
BiX Software - Solution sur cubes OLAP (MS,
Domo
ORACLE, IBM, SAP, SAS...) de Reporting et
d'Analyse de Données. Hurence - ETL natif Hadoop et solutions BI
basées sur Hadoop, HBase et Pig
Information Builders (en)
IcCube
BearingPoint (HyperCube)
IBM :
BiBOARD - Reporting transactionnel qui est
Cognos
en redressement judiciaire depuis le
11/06/2017 [6] TM1 [11]
Bittle - Reporting online et tableaux de bord SPSS
BIME [7] Jedox (en)
BI Square Software (Business Intelligence Informatica
pour l'IT)
Inside Reporting
BOARD [8]
Microsoft
BrightAnalytics [9] Power BI[12]
Business Objects (SAP) [10] et son nouveau Excel, Power Pivot et Power View (ce
nom SAP BI4 dernier en cours d'abandon)
IMS Health avec le logiciel Reportive SQL Server Reporting Services (en)
Coheris Liberty SQL Server Analysis Services
Comarch Business Intelligence MicroStrategy
CORICO, logiciel d'iconographie des MyReport
corrélations
MyDataViz
DATAROCKS avec PROMPTO
OpenText - ETL OTIC de son ancien nom Tagetik
Génio
Teradata
Oracle Corporation avec :
SAS et son outil de Data Visualisation SAS
Oracle Business Intelligence Enterprise
Visual Analytics
[13]
Edition (OBIEE)
Qlik avec les logiciels QlikView[14] et Qlik
Hyperion (ex Brio)
Sense
Sage BI Reporting
R2C SYSTEM - MyDataBall (Logiciel de
Serenytics Business Optimisation)
Tableau Software avec des outils comme SYMTRAX avec le logiciel StarQuery
Tableau Desktop
Weenove
Talend
World Programming (en)
Notes et références
1. « Qu’est-ce que la Business Intelligence (BI) ? ([Link]
usiness-intelligence-bi/) [archive] »
2. Méthodologie d'un projet Data Warehouse [1] ([Link]
rehouse) [archive]
3. « Innov-AI | Smart-Earth and Strong AI ([Link] [archive] », sur
[Link] (consulté le 18 août 2020)
4. « Sipina Research -- Classification Trees Software ([Link]
ml) [archive] », sur [Link] (consulté le 6 octobre 2021).
5. description de Dodeca spreedsheat Management System [2] ([Link]
solution-bi/solutions-de-reporting/expert-bi-applied-olap-dodeca/) [archive]
6. Redressement Judiciaire BI BOARD [Link]
judiciaire/1322625/[Link] [archive]
7. description de BIME [3] ([Link] [archive]
8. description de Board [4] ([Link] [archive]
9. description de BrightAnalytics [5] ([Link] [archive]
10. La suite BusinessObjects [6] ([Link] [archive]
11. [7] ([Link] [archive]
12. [8] ([Link]
[Link]) [archive]
13. description d'OBIEE [9] ([Link]
ntelligence/enterprise-edition/overview/[Link]) [archive]
14. description de qlikView [10] ([Link]
e/) [archive]
Cet article est partiellement ou en totalité issu de l'article intitulé « Informatique décisionnelle
open source ([Link]
en_source&oldid=cur) » (voir la liste des auteurs ([Link]
d%C3%A9cisionnelle_open_source&oldid=cur&action=history) ).
Voir aussi
Articles connexes
Aide à la décision Gestion de réseaux (informatique)
Business analytics Group Decision Support System
Analyse décisionnelle des systèmes Informatique décisionnelle open source
complexes
Management du système d'information
Base de données : IBM , Oracle, Teradata
Métadonnée
Magasin de données
Recherche opérationnelle
Modèle de données dit « en étoile »
Table de décision
Exploration de données
Traitement analytique en ligne
Entrepôt de données
Bibliographie
Alphonse Carlier, Business intelligence et management, La Plaine Saint-Denis, Afnor éd., 2013,
277 p. (ISBN 978-2-124-65429-1, OCLC 863268218 ([Link] )
(en) Lawrence Corr et Jim Stagnitto, Agile Data Warehouse Design : Collaborative Dimensional
Modeling, from Whiteboard to Star Schema, DecisionOne Press, novembre 2011, 328 p.
(ISBN 978-0-9568172-0-4).
Jean-Marie Gouarné, Le projet décisionnel : enjeux, modèles et architectures du Data Warehouse,
Paris, Eyrolles, 1997, 237 p. (ISBN 978-2-212-05012-7,
OCLC 467095172 ([Link] , lire en ligne ([Link]
c/le_projet_decisionnel.pdf) [archive])
Alain Garnier et Nicolas Manson, L'Information non structurée dans l'entreprise : usages et outils,
Paris, Hermes Science Publications ; Lavoisier, coll. « Management et informatique », 2007,
245 p. (ISBN 978-2-746-21605-1, OCLC 180840509 ([Link] )
Ralph Kimball, Laura Reeves, Margy Ross, Warren Thornthwaite et Véronique Campillo, Le data
warehouse : guide de conduite de projet, Paris, Eyrolles, 2015, 6e éd., 576 p.
(ISBN 978-2-212-11600-7, OCLC 1248953327 ([Link] )
Alain Fernandez, Les Nouveaux Tableaux de bord des managers, Le Projet Business Intelligence
clés en main, Eyrolles, 6e édition, 2013. (ISBN 978-2-212-55647-6) présentation éditeur ([Link]
[Link]/Livre/9782212556476/les-nouveaux-tableaux-de-bord-des-manager
s) [archive]
Roland et Patrick Mosimann, Meg Dussault, The Performance Manager Faire de la performance
le quotidien de chacun ([Link]
ks/CognosPerformanceManager_FR.zip) [archive], Cognos Press, 2007, (ISBN 978-0-9730124-4-6)
James Taylor, Decision Management System ([Link]
tl03049usen/[Link]) [archive], IBM Press, Pearson Education
Portail de l’informatique Portail du management
