Samedi 21 octobre 2017
NASDAQ : 6629.0532 23.9863   nasdaq0.36 %
RECHERCHE
OK
 
NEWSLETTER
newsletter
Abonnez-vous gratuitement
à notre newsletter
hebdomadaire - Cliquez ICI
Indexel
  • DOSSIERS
  • PRATIQUE
pub Publicité
 

APPLICATIONS

Réussir son projet de reporting en quatre étapes

Imprimer Envoyer à un ami Contacter la rédaction
Par Marie Varandat le 18/05/2005 - indexel.net
 

Les outils décisionnels se sont multipliés dans les entreprises. Mais les utilisateurs ne sont pas les mieux placés pour en tirer le meilleur profit et, surtout, éviter les problèmes techniques. Les quatre grandes règles à respecter.

 

Les outils de reporting orientés utilisateurs (ou ad hoc) ont gagné en simplicité de mise en oeuvre, laquelle a favorisé leur généralisation dans les entreprises. Mais, "faute de communication entre utilisateurs et informaticiens, on aboutit souvent à des erreurs de conception fonctionnelle", explique Eric Julian, consultant manager de Keyrus, SSII spécialisée dans le décisionnel. En donnant la main à des utilisateurs qui n'ont pas été sensibilisés aux implications techniques de la création d'états, les entreprises sont en effet confrontées à des problèmes : submergée par les requêtes, la base de données s'effondre et sa volumétrie explose ; les utilisateurs croisent des informations qui n'ont pas été modélisées pour cela et aboutissent à des résultats aberrants sur lesquels ils vont pourtant fonder des décisions ; enfin, la création d'états prend du temps et se traduit par des pertes de productivité. Pour remédier à ces problèmes, voici quatre grandes règles à respecter :

 

1. Identifier les besoins des utilisateurs - Créer des groupes de profil

 

Ce n'est pas parce que les outils de reporting permettent de créer des états à volonté que le projet doit échapper à une règle de base, clé de la réussite de tout projet décisionnel, à savoir l'identification des besoins. Cette étape qui consiste à définir les besoins des utilisateurs en matière de croisements des données est d'autant plus critique que c'est elle qui va permettre à l'équipe informatique de modéliser et d'optimiser la structure de l'entrepôt de données. A ce stade, il convient de réunir les utilisateurs par grands profils d'utilisation (analyses marketing, commerciales, etc.), quitte par la suite à affiner la personnalisation des états avec les outils fournis par les éditeurs de reporting.

 

2. Modéliser l'entrepôt de données - Créer des datamarts

 

En s'appuyant sur l'identification des besoins, l'équipe informatique peut créer une structure de base (tables, jointures, etc.) adaptée aux états nécessaires aux utilisateurs. L'entrepôt général ou datawarehouse ne peut toutefois pas toujours être optimisé pour tous les croisements de données : optimisée pour rapprocher le chiffre d'affaire par région et par mois, sa structure ne permet pas forcément dans un même temps de rapprocher, par exemple, le chiffre d'affaires par commercial et par année. Plutôt que d'autoriser des croisements de données coûteux en performances faute de jointures adaptées (précalculs entre les tables pour optimiser les performances), il convient alors d'opter pour la création de datamarts ou entrepôts de données de plus petite taille, spécialisés par métier. Indépendants de l'entrepôt général, ils apportent une nouvelle souplesse en autorisant la création d'une structure de données optimisée pour des besoins qui n'ont pu être modélisés dans le datawarehouse.

 

3. Filtrer les accès

 

Tous les outils de reporting sont livrés avec des fonctions pour filtrer l'accès aux données. Le principe est simple : plutôt que de donner une vue globale sur l'ensemble des données présentes dans l'entrepôt, on propose aux utilisateurs une vue dans laquelle sont regroupés les axes de données qu'ils sont autorisés à croiser. Ces axes sont présentés sous forme d'objets qu'ils peuvent manipuler pour créer leur état. En fondant cette vue sur les profils d'utilisateurs identifiés au cours de la première étape, on interdit ainsi les croisements de données anarchiques pour lesquels l'entrepôt n'a pas été optimisé. Par la même occasion, on accroît la sécurité en interdisant aux utilisateurs de voir des données qui ne les concernent pas.

 

4. Observer les usages - Limiter le reporting personnalisé

 

La conception fonctionnelle (identification de profils, modélisation de l'entrepôt de données, etc.) étant une étape souvent complexe et longue (réunions de consultations des utilisateurs, consensus à trouver, etc.), certaines entreprises passent outre en autorisant toutes les créations de reporting personnalisé dans un premier temps avant de revenir au reporting de masse créé et diffusé par l'équipe informatique.

 

Une démarche adoptée par Isochem : "Nous nous sommes accordés trois mois d'observation pour regarder ce que les utilisateurs allaient faire du reporting. Passé ce délai nous transformerons leurs pratiques en états que nous leurs fournirons en standard. Nous avons ainsi la certitude d'émettre des rapports adaptés à leurs besoins", explique Jean-Marc Dubus (photo), DSI de cette filiale de la Société Nationale des Poudres et Explosifs. Cette approche qui exclut à terme la création d'états par les utilisateurs suppose toutefois la mise en oeuvre d'outils de "tracking". Souvent fournis avec les serveurs de reporting, ils permettent de surveiller les pratiques des utilisateurs. Enfin, la modélisation du datawarehouse doit également être suffisamment flexible pour s'adapter aux évolutions des besoins.

 

 
Partager :
 
pub Publicité

CloudStack by IkoulaCloudStack by Ikoula

Cloud Computing : Atouts et freins, acteurs du marché, conseils et témoignages