La business intelligence ne cesse de gagner de l'ampleur au sein des entreprises. Collecter des données, les rendre disponibles, être capable de les analyser et de les présenter de manière claire, sont autant d'actions de plus en plus régulièrement appliquées à des fins décisionnelles. Lorsqu'elles sont maîtrisées, ces actions présentent un avantage concurrentiel non négligeable et il est dans l'intérêt des entreprises de les rationaliser.

Pour ce faire, de nombreux outils de business intelligence sont mis à disposition des managers afin de les aider à développer des stratégies basées sur une vision pertinente et cohérente du business. Parmi eux OLAP, un modèle permettant de réaliser des analyses multidimensionnelles en réorganisant à volonté les données disponibles pour faciliter la prise de décision.

>> Téléchargez ce kit gratuit et réalisez une étude de marché approfondie. 

 

Qu'est-ce que OLAP en business intelligence ?

La technologie OLAP, acronyme pour Online Analytical Processing, intervient au dernier maillon de la chaîne décisionnelle de la business intelligence. Il s'agit de l'étape finale de l'exploitation des données après que ces dernières aient été collectées, stockées et restituées auprès des utilisateurs. À ce stade du processus de traitement de l'information, les données sont prêtes à être analysées par les spécialistes de la data ou autres principaux intéressés dans un objectif décisionnel et stratégique.

La particularité d'OLAP est qu'il permet de mettre au point des analyses multidimensionnelles, c'est-à-dire d'exploiter des données de multiples manières, selon plusieurs axes. Il offre ainsi la possibilité de réorganiser et de comparer à souhait les informations collectées afin d'élaborer des analyses précises et pointues. OLAP facilite également le traitement d'une importante quantité de données, qu'elles soient internes ou externes et issues ou non de la même source. En effet, il est capable d'analyser en même temps des informations présentes dans plusieurs bases de données et au sein de différents systèmes.

OLAP fournit aux data scientists et autres métiers de l'entreprise ayant accès à son système, les informations dont ils ont besoin pour comprendre la performance de leur marché et quelles améliorations peuvent être envisagées. Il permet, entre autres, d'accélérer et de faciliter la prise d'initiatives, d'être un support à la mise au point de nouvelles orientations stratégiques et de perfectionner les processus internes. En aidant les utilisateurs à piloter du mieux possible les données récupérées et consolidées, OLAP s'inscrit dans les outils d'aide à la décision en entreprise.

Qu'est-ce que le growth hacking ?

Téléchargez ce guide gratuit et découvrez toutes les techniques indispensables pour mettre en place votre stratégie de growth hacking.

Comment fonctionne OLAP ?

Pour comprendre le fonctionnement d'OLAP, il est souvent comparé à celui d'OLTP (Online Transactional Processing), les deux étant corrélés. En des termes simples : OLTP permet de faire marcher une entreprise tandis qu'OLAP aide à la comprendre. Plus précisément, OLTP est un système organisationnel qui soutient et automatise les processus opérationnels de l'entreprise, soit l'ensemble des activités permettant à cette dernière d'atteindre ses objectifs. OLTP est particulièrement connu pour la gestion des transactions qui englobent toutes les opérations découlant de ces processus opérationnels. Il s'appuie sur une base de données relationnelle qualifiée à deux dimensions.

Cependant, la plupart des requêtes décisionnelles nécessitent de croiser les données selon plusieurs dimensions en fonction des informations voulues. Suivant une logique de stockage et offrant un point de vue statique, le système OLTP n'est donc pas adapté pour répondre à des requêtes multidimensionnelles. Par conséquent, un second système est nécessaire en support afin de piloter ces données collectées et de satisfaire les besoins des décideurs de l'entreprise : un système décisionnel ou OLAP. OLAP a un rôle de suivi de gestion des activités opérationnelles. Ce monitoring se traduit en indicateurs de performance (KPI) permettant aux différents métiers de l'entreprise d'avoir une vision objective de leur activité à une période donnée et ainsi, de les aider à prendre des décisions appropriées.

Pour illustrer ce qu'est OLAP et ce qu'il n'est pas, voici deux cas concrets. Une requête OLTP est relativement simple et permet d'enregistrer une information telle que : un produit a été vendu dans telle boutique, à telle date et par tel commercial. Une requête OLAP est plus complexe et réorganise les données d'OLTP pour répondre à des requêtes multidimensionnelles comme :

  • Le nombre de ventes d'un produit sur une période donnée par rapport à la même période l'année précédente.
  • Le nombre de ventes d'une gamme de produits sur un territoire spécifique par rapport à un autre territoire.
  • Le chiffre d'affaires de chaque commercial au sein d'une équipe de vente sur une période donnée.

Pour réaliser ces analyses complexes, une base de données multidimensionnelle, aussi appelée cube OLAP, est nécessaire.

Le cube OLAP

cube OLAP

Source : commons.wikimedia.org

 

Pour répondre au besoin de manier, de croiser et de comparer les données comme l'exigent aujourd'hui les requêtes décisionnelles à l'ère du Big Data, il faut donc passer d'OLTP à OLAP. Il s'agit de troquer une vue aplatie en deux dimensions d'un modèle de base de données opérationnelle, avec celle à plusieurs dimensions d'un modèle de base de données décisionnelle. Cela revient à transformer les éléments d'OLTP en ‘faits' qui seront traités selon plusieurs axes. Pour ce faire, les données sont stockées dans un espace à plusieurs dimensions : un cube.

Le cube OLAP stocke et modélise ainsi des faits, mesurables grâce à des indicateurs, en suivant une fonction d'agrégation. Chaque cellule du cube représente l'indicateur d'un fait ou une mesure sur le croisement de plusieurs dimensions correspondant aux axes de recherche des utilisateurs. Ces dimensions peuvent par exemple être un produit, une région ou encore une période selon les requêtes déterminées pour le cube.

Afin d'apporter les réponses adéquates aux requêtes décisionnelles, les cubes OLAP ont besoin d'être manipulés pour localiser de nouvelles intersections et les afficher. Ils disposent pour cela de 3 opérateurs multidimensionnels : la rotation, l'extraction et la sélection. La rotation consiste à faire pivoter à 90° deux dimensions du cube. L'extraction nécessite, quant à elle, d'enlever un bloc de données du cube afin de le recalculer plus aisément. Enfin, la sélection prend en considération certaines dimensions du cube en faisant un focus sur une ou plusieurs d'entre elles ou sur certains niveaux de profondeur de l'information. Le cube OLAP facilite ainsi grandement la manipulation des données permettant aux utilisateurs une grande flexibilité dans l'élaboration de leurs rapports et une prise de décision accélérée.

Pour aller plus loin, téléchargez ce kit d'étude de marché gratuit et étudiez vos concurrents et cernez le profil de vos clients potentiels.Bottom-CTA : Kit d'étude de marché

Publication originale le 5 juillet 2021, mise à jour le 05 juillet 2021

Sujet(s):

Business intelligence