Mthodologie de conceptualisation BI

Business Intelligence (BI)

La Business intelligence est un outil dcisionnel incontournable la gestion stratgique et quotidienne des
entits. Il fournit de linformation indispensable, sous plusieurs formes, aux utilisateurs finaux afin que ces
derniers puissent analyser et piloter leurs activits.
Cette offre propose une mthodologie gnrale de conceptualisation doutils BI.
On y propose une mthodologie dimplmentation BI base sur le besoin de lutilisateur final et qui se
proccupe de tous les aspects fonctionnels, pour proposer des outils techniques adquats aux besoins
exprims. Le choix des outils techniques appropris aux besoins peut correspondre un outil de base tel
que Excell ou Access jusqu des choix tels que Oracle, Db2,

Stratgie de cration dun outil BI

La mise en place dun outil BI repose sur la gestion et la manipulation des donnes prsentes dans les
entits. En effet, les diffrentes donnes utiles la conception doutils daide la dcision peuvent tre
stockes dans deux types de rceptacles, un datawarehouse et des datamarts. Le datawarehouse joue
alors le rle dentrept gnral de donnes o ces dernires seront tries, formates et organises. Les
datamarts sont une srie de petites bases de donnes orientes chacune vers un domaine fonctionnel
spcifique.
Aprs avoir cr ces bases de donnes avec leurs spcificits propres et leurs best practices, ltape
suivante consiste utiliser linformation stocke pour la diffuser aux utilisateurs finaux. Lutilisateur final
aura sa disposition des tableaux de bord, des cubes et des rapports statiques ou volutifs en cours de
journe permettant de lui offrir de manire combine une vue densemble et spcifique de lactivit gre.

Principes de la mthodologie
Le principe de base de la mthodologie est une approche la fois dtaille et globale des besoins
utilisateurs afin de rpondre, au plus prs, aux attentes spcifiques et simultanment aux besoins globaux
de rapport. Lapproche dtaille rpond aux besoins spcifiques de lutilisateur en termes dactivit mtier
spcifique de lentit, tandis que lapproche globale rpond quant elle la vue densemble des chiffres
clefs de lentit indispensable pour lquipe managriale.
La vue globale permet une approche homogne de la problmatique dimplmentation. En effet, la
structure mme du datawarehouse et des datamarts associs au projet ncessite une vue globale et
homogne de linformation que lon dsire utilise dans loutil de business intelligence.
Best Practices : conceptualisation globale de la modlisation
1. Dfinir la dcoupe du modle de donnes en termes de domaines fonctionnels afin de dterminer
les diffrents datamarts utiles lobjet BI.
Intrt de la dcoupe en domaines fonctionnels : accs ais et rapide linformation via des
datamarts ddis.
2. Dfinir les jointures possibles et univoques (clefs primaires entre bases de donnes et tables) en
termes de donnes fonctionnelles entre les diffrents domaines fonctionnels

 Intrts dune rflexion sur les jointures : passage ais entre une information globale et
agrge, souvent utilise par le management dune entreprise, une information dtaille et
prcise ncessaire aux analyses fines.
3. Le choix de la prsence ou non dun datawarehouse dpend de lutilisation que lon fera de lobjet
BI et de la quantit dinformation traiter dans la globalit. Sa prsence ou non sera donc fonction
de ltude des besoins fonctionnels et de la volumtrie implique.

La ralisation du projet se dcoupe en 5 tapes qui sont toutes indispensables la mise en place dun outil
oprationnel. Cependant, chacune de ces tapes seront traites avec un degr importance li aux besoins
de lentit.

Modlisation

Concept

Collecter

Spcifications
du modle

GLOBAL
SO

Progiciel

Stocker

ETL

ETL

DataWarehouse
ETL

Datamarts

ETL

ETL

Datamarts

Datamarts

Dfinition du Besoin
en terme de restitution

Restituer

Exploiter

Diffuser

Datamarts

ETL

Cubes/Dashboard

SPECIFIQUE

Rapports

DataMining

Restitution

La modlisation dun outil BI selon notre mthodologie passe par diverses tapes allant du stockage des
donnes leur restitution tout en gardant constamment lesprit que cest le besoin spcifique de
lutilisateur qui doit tre la finalit de loutil. La modlisation sera spcifie aprs analyse fine et pousse de
la donne la plus prcise restituer mais en globalisant tous les besoins pour garantir une restitution plus
globale de linformation.

Etapes de ralisation
Dans loffre BI, chaque tape fait lobjet dun processus de modlisation et dune srie de Best Practices
mises au point partir dexpriences acquises au cours de projets importants dimplmentation BI.
Le chapitre suivant dtaille chacun de ces processus et leurs best practices.
1. Collecter
Collecter

Ltape de collecte de linformation utiliser

dans lobjet BI est ltape sans doute la plus
importante mais aussi la plus dlicate. En effet,
tout en gardant lesprit que linformation doit
pouvoir sagrger et faire partie dun ensemble
global de donnes, il faut dans cette tape se
focaliser sur les besoins spcifiques de
lutilisateur final afin de pouvoir rpondre
toutes ses attentes. Il faut donc porter une
attention particulire aux systmes oprationnels
(SO) et progiciels qui sont utiliss au sein de
lentit. Et ensuite lier lexistant aux besoins des
utilisateurs finaux.

SO

Progiciel

Stocker

ETL

ETL

DataWarehouse
ETL

ETL

Datamarts

ETL

ETL

Datamarts

Datamarts

Cubes/Dashboard

Restituer

Exploiter

Diffuser

Datamarts

Rapports

DataMining

Restitution

Description du processus

Besoin BI

Customer
Service/
Management

SO/
Progiciel

Audit

Analyse

Definition du
besoin utilisateur

Situation AS IS

Dfinition des
donnes
fonctionnelles
ncessaires au
besoin BI

Best Practices : collecte des data

1. Mettre en vidence linformation minimale dfinissant un besoin de restitution, cette information
minimale dfinira les clefs (primaires des tables) qui greront les jointures entre les diffrents
domaines fonctionnels.
2. Dfinir linformation complmentaire utile la restitution dtaille des rapports.

2. Stocker
Collecter

Ltape de stockage fait appel la

modlisation
dun
datawarehouse.
Le
datawarehouse
permet
daccder
simultanment diffrentes sources de
donnes. Il permet de simplifier le modle de
donnes et de proposer linformation de
manire organise. On comprend ds lors que
le datawarehouse ne sera vraiment utile que
lorsque la quantit dinformation grer dans
loutil BI est vraiment trs importante.

SO

Progiciel

Stocker

ETL

ETL

DataWarehouse
ETL

ETL

Datamarts

ETL

ETL

Datamarts

Datamarts

Exploiter

Diffuser

Datamarts

Restituer

LETL dans cette tape est un outil qui extrait,

transforme et charge les donnes.

Cubes/Dashboard

Rapports

DataMining

Restitution

Description du processus

Donnes
fonctionnelles

Structurer

Organiser

Lien entre les

diffrentes
donnes
fonctionnelles

Uniformisation des
donnes
fonctionnelles

Architecture du
Datawarehouse

Best Practices : stockage des data

1. Dfinir de faon trs claire les clefs (des tables de chaque modle) qui lieront les diffrents
domaines fonctionnels
2. Uniformiser/formater linformation grce des ETL en terme de format (nombres, montants, prix,
quantit, date, memo,)

3. Diffuser
Collecter

Ltape de diffusion de linformation est la clef

de la modlisation de loutil BI. En effet, cest
dans cette tape quapparatront les diffrents
domaines fonctionnels qui seront directement
interrogs pour la restitution. Cest donc dans
cette phase quil faudra bien dfinir les
contours de chaque domaine fonctionnel, et
prvoir
un
ensemble
de
datamarts
comprhensibles.

SO

Progiciel

Stocker

ETL

ETL

DataWarehouse
ETL

ETL

Datamarts

ETL

ETL

Datamarts

Datamarts

Cubes/Dashboard

Restituer

Exploiter

Diffuser

Datamarts

Rapports

DataMining

Restitution

Description du processus

DW

Donnes
fonctionnelles

Donnes
fonctionnelles

Trier par
domaine
fonctionnel

Synthtiser
mutualiser les
besoins

Modlisation des
structures de tables
dun datamart par
domaine fonctionnel

Dfinition du contenu
de chaque table des
datamart

Datamarts

Best Practices : Diffusion des data

1. Dnormaliser (par opposition la modlisation en toile) un maximum linformation disponible au
sein des datamarts
Intrt de la dnormalisation : les domaines fonctionnels sont donc complets et utilisables
indpendamment dautres domaines, linterrogation du datamart se fera plus rapidement si
toutes linformation ncessaire est disponible au sein dun mme domaine fonctionnel.
2. Lvolution par couche dans la descente de linformation (stockage vers restitution) implique que
toute linformation ncessaire doit se retrouver au niveau des datamarts et lon ne retournera pas
chercher cette information au niveau du Datawarehouse ou encore des systmes oprationnels. Si
lon constate lusage quune information est manquante au niveau des datamarts, ce modle
volutif permettra que lon modifie les rceptacles au niveau des datamarts pour ajouter cette
donne manquante.

4. Exploiter
Collecter

La phase dexploitation du projet est celle qui

dfinit la faon dont on utilisera les donnes
ncessaires aux rapports. Cest ce niveau
que lon dfinira les cubes, tableaux de bord et
rapports qui seront crs. Cest au cours de
cette tape que linformation sera prsente
dans des layouts spcifiques.

SO

Progiciel

Stocker

ETL

ETL

DataWarehouse
ETL

ETL

Datamarts

ETL

ETL

Datamarts

Datamarts

Cubes/Dashboard

Restituer

Exploiter

Diffuser

Datamarts

Rapports

DataMining

Restitution

Description du processus

Datamarts

Extraction des
donnes
(ventuellement de
faon conditionnelle :
datamining)

Assemblage
de data

Prsentation
des donnes

Rapports/
Dashboards/
Cubes/
DataLMining

Lexploitation de linformation sous forme de DataMining devient par cet outil BI trs aise. En effet,
quelques soient les outils techniques choisis pour la modlisation BI, toute information peut tre exploite
en imposant les conditions que lon souhaite sur les donnes ressortir, pour autant que la donne tester
soit prsente au niveau des datamarts. Si tel nest pas le cas, il suffit de ly ajouter. Les jointures simples et
compltes entre les diffrents datamarts sont la base de cette forme dexploitation de linformation.
Best Practices : Exploitation des data
1. Cette tape ncessite esprit de synthse, et esprit danticipation par rapport aux besoins finaux
2. La cration dun rapport ou tableau de bord passe par une spcification fonctionnelle et un
maquettage de ceux-ci ainsi quune communication constante avec lutilisateur final avant toute mise
en production.

5. Restituer
Collecter

La phase de restitution dcrit comment les

tableaux de bord, rapports et cubes seront
fournis lutilisateur final en fonction des
besoins et selon les niveaux de scurit dfini.

SO

Progiciel

Stocker

ETL

ETL

DataWarehouse
ETL

ETL

Datamarts

ETL

ETL

Datamarts

Datamarts

Cubes/Dashboard

Restituer

Exploiter

Diffuser

Datamarts

Restitution

Description du processus

Rapports/
Dashboard/
Cubes

Diffusion Web

Diffusion Mail

Portail Web

Procdure de
diffusion mail

Procdure

Best Practices : Restitution des data

1. Les accs doivent tre grs de faon efficace

Rapports

Outil dcisionnel

DataMining

6. Administration du projet BI
En parallle de la mise en place du modle BI, toute une partie administration de ce modle ne doit pas
tre nglige. Dans cette partie du projet seront dfinis :
la quantit et la dure de rtention de linformation,
la gestion des sauvegardes,
la gestion de la confidentialit et des accs aux outils,
la frquence de rafraichissement des donnes
.

Aspects techniques du projet BI

Une srie doutils sont disponibles pour raliser un projet BI : freeware, progiciel, dveloppement interne,
Modlisation

Concept

GLOBAL

Collecter

Spcifications
du modle

Outils

SO

Progiciel

Stocker

ETL

ETL

Datamarts

ETL

Progiciel

Datastage, Requte,...
Oracle, Db2, Access,...

ETL

Datamarts

DataStage, Requte,...
Datamarts

Oracle, Access...

Oracle,...

Oracle,...

Oracle,...

Diffuser
Restituer

Exploiter

Administration

ETL

DataWarehouse
ETL
Datamarts

Dfinition du Besoin
en terme de restitution

SO

Cubes

SPECIFIQUE

Rapports

Restitution

DataMining

SAS, ...

BO, Jasper, Excell,

Access,...

BO, Jasper, Excell,

Access,...

Portail Web, email, rpertoires ddis,.

Ce qui est propos

Une mthodologie fonctionnelle de modlisation BI qui saxe sur les besoins finaux,

Des solutions techniques appropries la taille de lentreprise pour la ralisation du projet BI et

Une expertise base sur une exprience prouve.