Les fondamentaux de la Business Intelligence

Le Big Data apparaît aujourd’hui comme une continuité logique et une évolution naturelle du décisionnel. Cet article se propose de faire un retour sur les fondamentaux de la Business Intelligence et ce qui a fait son succès. C’est le premier article d’une série de trois sur le thème « De la BI au Big Data ».

Les principes de la Business Intelligence

Le décisionnel est basé sur un principe simple : la nécessité de construire une architecture dédiée avec une modélisation adaptée. En effet, l’utilisation directe des bases de production pour l’analyse de données pose trois problèmes principaux:

• Une dégradation du fonctionnement des applications opérationnelles et de la qualité de service requise (SLA) du fait de la non prévisibilité du nombre et de la nature des requêtes
• Des temps de réponses aux requêtes insatisfaisants du fait d’un modèle en troisième forme normale (3FN) non adapté à des requêtes d’évolution ou de tendances s’appuyant sur un nombre important de lignes dans les tables (plusieurs millions à plusieurs milliards).
• Un modèle complexe qui nécessite le plus souvent une expertise pour construire les requêtes et qui va à l’encontre de l’autonomie souhaitée par les métiers pour interroger les données.
• La difficulté ou l’impossibilité de prendre en compte dans les bases opérationnelles les évolutions de structure (catalogue produits, réseau commercial, etc.) ou l’augmentation de la profondeur d’historique, ce qui constitue pourtant une demande forte des utilisateurs pour suivre et analyser les impacts de certains changements.

Les principales avancées

Les travaux de Bill Inmon sur l’entrepôt de données et ceux de Ralph Kimball sur la modélisation constituent les fondations du décisionnel que nous connaissons aujourd’hui. Les principales avancées portent principalement sur trois éléments :

• Une architecture technique dédiée pour le décisionnel constituée d’une base de données pour le stockage, d’un outil de type ETL (Extraction Transformation Loading) pour alimenter la base à partir des systèmes sources et de différents outils pour restituer les informations aux utilisateurs (reporting, analyse, outil statistique, etc.).
• Une architecture fonctionnelle à plusieurs étages avec un ODS, un entrepôt de données (datawarehouse), des magasins métiers (datamarts), l’ensemble permettant de transformer de la données brutes en informations contextualisées et qualifiées pour des utilisateurs métiers.
• Une modélisation en étoile (star schema) offrant aux utilisateurs un accès simplifié aux données et d’excellents temps de réponse à leurs requêtes.

Cette approche a permis de répondre aux besoins de pilotage des entreprises. La BI a pris de l’importance dans les organisations, les entrepôts se sont étoffés pour couvrir tous les domaines d’activité. Souvent rattaché au début à des pôles applicatifs métiers, le décisionnel est devenu au fil des années une activité reconnue, structurée la plupart du temps autour d’une cellule transverse de la DSI. Pendant plus de vingt ans, le succès ne s’est pas démenti.

Les sociétés de l’internet ont été les premières à rencontrer des problèmes, suivies de près par celles de la grande distribution. L’accroissement démesuré des volumes de données ont en effet mis en lumière une limitation technique de nos architectures classiques qui conduira à l’avènement du Big Data. Nous détaillerons ce point dans un billet suivant.