Les plateformes BI s'appuient traditionnellement sur des entrepôts de données pour leurs informations de référence. Un entrepôt de données regroupe des données provenant de plusieurs sources de données dans un système central, afin de prendre en charge l'analytique des affaires et la production de rapports. Le logiciel d'aide à la décision interroge l'entrepôt et présentent les résultats à l'utilisateur sous forme de rapports, de graphiques et de cartes.

Les entrepôts de données peuvent inclure un moteur OLAP (Online Analytical Processing) de pour prendre en charge les requêtes multidimensionnelles. Par exemple : quelles sont les ventes de notre région Est par rapport à notre région Ouest cette année, par rapport à l'année dernière ?

« OLAP fournit une technologie puissante pour la découverte de données, facilitant l'aide à la décision, les calculs analytiques complexes et l'analytique prédictive », explique Doug Dailey, responsable de l'offre d'IBM, dans son blogue sur l'entreposage de données. « L'un des principaux avantages d'OLAP est la cohérence des informations et des calculs qu'il utilise pour piloter les données, afin d'améliorer la qualité des produits, les interactions avec les clients et les améliorations des processus. »

Certaines solutions d'aide à la décision plus récentes peuvent extraire et ingérer des données brutes directement à l'aide d'une technologie telle que Hadoop, mais les entrepôts de données restent la source de données de choix dans de nombreux cas.

Le terme aide à la décision a été utilisé pour la première fois en 1865 par l'auteur Richard Millar Devens, lorsqu'il a cité un banquier qui collectait des informations sur le marché avant ses concurrents. En 1958, un informaticien d'IBM, Hans Peter Luhn, a exploré le potentiel de l'utilisation de la technologie pour recueillir des informations d'aide à la décision. Ses recherches ont permis d'établir des méthodes pour créer certaines des premières plateformes analytiques d'IBM.

Dans les années 1960 et 1970, les premiers systèmes de gestion des données et systèmes d'aide à la décision (DSS) ont été développés pour stocker et organiser des volumes croissants de données.

« De nombreux historiens suggèrent que la version moderne de l'aide à la décision a évolué à partir de la base de données DSS », indique le site de formation IT 'éducation informatiqueDataversity. « Un assortiment d'outils a été développé pendant cette période, dans le but d'accéder aux données et de les organiser de manière plus simple. OLAP, systèmes d'information de direction et entrepôts de données sont quelques-uns des outils développés pour travailler avec DSS. ²

Dans les années 1990, l'aide à la décision a gagné en popularité, mais la technologie était encore complexe. Elle nécessitait généralement un support informatique, ce qui entraînait souvent des retards dans la production des rapports. Même sans l'aide de l'informatique, les analystes et les utilisateurs de l'aide à la décision avaient besoin d'une formation approfondie pour pouvoir interroger et analyser leurs données. ³

Le développement plus récent s'est concentré sur les applications d'aide à la décision en libre-service, permettant aux utilisateurs non experts de bénéficier de leurs propres rapports et analyses. Les plates-formes modernes basées sur le cloud ont également étendu le périmètre de l'aide à décision au-delà des frontières géographiques. De nombreuses solutions traitent désormais les données Big Data et incluent un traitement en temps réel, ce qui permet des processus décisionnels fondés sur des informations actualisées.

L'aide à la décision donne aux organisations la possibilité de poser des questions en langage clair et d'obtenir des réponses compréhensibles.

Au lieu d'utiliser les meilleures suppositions, ils peuvent fonder leurs décisions sur ce que leur disent les données de l'entreprise, qu'il s'agisse de la production, de la chaîne d'approvisionnement, des clients ou des tendances du marché.

Pourquoi les ventes baissent-elles dans cette région ? Où avons-nous des stocks excédentaires ? Que disent les clients sur les médias sociaux ? L'aide à la décision permet de répondre à ces questions essentielles.

L'aide à la décision fournit des informations passées et actuelles sur l'entreprise », explique Maamar Ferkoun dans son blogue IBM cloud computing et business intelligence. « On y parvient grâce à un éventail de technologies et de pratiques, de l'analyse et de la production de rapports à l'exploration de données et à l'analytique prédictive. En fournissant une image précise de l'entreprise à un moment donné, l'aide à la décision donne à l'organisation les moyens de concevoir une stratégie commerciale basée sur des données factuelles. »

L'aide à la décision permet aux organisations de devenir des entreprises axées sur les données, à améliorer leurs performances et à acquérir un avantage concurrentiel. Elle peuvent :

Améliorer le retour sur investissement en comprenant l'activité et en allouant intelligemment les ressources pour atteindre les objectifs stratégiques.
• Découvrez le comportement, les préférences et les tendances des clients, et utilisez ces informations pour mieux cibler les prospects ou adapter les produits aux besoins changeants du marché.
• Surveillez les opérations commerciales et corrigez ou apportez des améliorations en permanence, en vous appuyant sur les données.
• Améliorez la gestion de la chaîne d'approvisionnement en contrôlant l'activité en amont et en aval et en communiquant les résultats avec les partenaires et les fournisseurs.

Les enseignes, par exemple, peuvent accroître leurs économies en comparant les performances et les points de référence entre les magasins, les canaux et les régions.. En outre, grâce à la visibilité du processus de traitement des demandes d'indemnisation, les assureurs peuvent déterminer où ils n'atteignent pas les objectifs de service et utiliser ces informations pour améliorer les résultats.

Les organisations sont gagnantes lorsqu'elles peuvent évaluer pleinement leurs opérations et leurs processus, comprendre leurs clients, évaluer le marché et apporter des améliorations. Elles ont besoin des outils adapté pour rassembler des informations commerciales provenant de n'importe où, les analyser, découvrir des modèles et trouver des solutions.

Le meilleur logiciel d'aide à la décision soutient ce processus de prise de décision en :

• Se connectant à une grande variété de systèmes de données et de jeux de données différents, y compris des bases de données et des feuilles de calcul.
• Fournissant une analyse approfondie, en aidant les utilisateurs à découvrir des relations et des modèles cachés dans leurs données.
• Présentant erles réponses sous forme de visualisations de données informatives et convaincantes, telles que des rapports, des cartes, des diagrammes et des graphiques.
• Permettant des comparaisons côte à côte de données dans différents scénarios.
• Fournissant des fonctions d'analyse descendante, ascendante et transversale, permettant aux utilisateurs d'examiner différents niveaux de données.

Les systèmes d'aide à la décision et analytiques avancés peuvent également intégrer l'intelligence artificielle (IA) et l'apprentissage automatique pour automatiser et rationaliser les tâches complexes. Ces fonctionnalités accélèrent encore la capacité des entreprises à analyser leurs données et à obtenir des informations à un niveau profond.

Voyez, par exemple, comment IBM Cognos Analytics réunit l'analyse des données et les outils visuels pour prendre en charge la création de cartes pour les rapports. Le système utilise l'IA pour identifier automatiquement les informations géographiques. Il peut ensuite affiner les visualisations en ajoutant une cartographie géospatiale du globe entier, d'un quartier individuel ou de tout ce qui se trouve entre les deux.

Selon un rapport sur la réinvention numérique de l'IBM Institute for Business Value : « Dans cinq ans, 58 % des 1 100 responsablecs que nous avons interrogés dans le cadre de l'étude sur la réinvention numérique s'attendent à ce que les nouvelles technologies réduisent les barrières à l'entrée et 69 % prévoient une concurrence intersectorielle accrue. »

« L'analytique avancée permet de tirer du Big Data des informations commerciales plus approfondies et une meilleure connaissance du consommateur, produisant des informations qui vont du descriptif au prédictif. »

Hôpital général de North York
Découvrez comment ce client contribue à garantir la qualité des soins en calculant les paramètres de performance quotidiens, en identifiant les tendances et en affinant ses processus.