Business Intelligence ou informatique décisionnelle

: définition et outils
Bastien L 30 août 2023 14 minutes de lecture Business, Data Analytics

La Business Intelligence désigne l’ensemble des technologies permettant aux

entreprises d’analyser les données au profit de leurs prises de décisions.
L’analyse de données peut être très utile pour assister les entreprises dans leurs prises de
décisions. Pour collecter et analyser les données, il est nécessaire d’utiliser une large variété
d’outils et de technologies. C’est la Business Intelligence.

Business Intelligence : qu’est-ce que l’informatique

décisionnelle ?
Le terme Business Intelligence (BI), ou informatique décisionnelle, désigne les applications,
les infrastructures, les outils et les pratiques offrant l’accès à l’information. La BI permet
d’analyser l’information pour améliorer et optimiser les décisions et les performances d’une
entreprise. En d’autres termes, elle constitue le processus d’analyse des données piloté par la
technologie pour découvrir des informations exploitables. Celles-ci aident les chefs d’entreprise
et les autres utilisateurs finaux à prendre des décisions plus éclairées.
En tant que telle, la BI englobe une grande variété d’outils, d’applications et de
méthodologies. Elle permet de collecter des données à partir de systèmes internes et externes,
de les préparer à l’analyse, de les développer. Ces outils créent ensuite des rapports, des
tableaux de bord et des visualisations de données pour mettre les résultats à la disposition des
décideurs.
Particularité de la BI
Parfois, la BI rassemble une grande quantité de données brutes qui peuvent sembler écrasantes.
En particulier si celles-ci ne sont pas représentées dans un contexte qui justifie leur utilisation.
Les données ne servent alors à rien et peuvent même conduire à des erreurs.
Afin d’avoir une vue d’ensemble claire et ordonnée de ces informations, il faut les organiser
dans un tableau de bord. Le but du tableau de bord consiste à rendre toutes ces données brutes
accessibles et compréhensibles.
Ces données se présentent sous la forme de tableaux ou de graphiques qui permettent de les
hiérarchiser. Ainsi, la prise de décision gagne en rapidité et en efficacité. Heureusement, il
existe des tutoriels qui expliquent en détail comment faire un tableau de bord. Ils vous guident
pas à pas dans la mise en place de ce précieux outil et vous permettent de répondre aux besoins
que vous avez établis. Le tableau de bord s’avère donc essentiel en accompagnement de la BI.
Bi : origine du terme
L’utilisation sporadique du terme Business Intelligence remonte aux années 1860. Toutefois, le
consultant Howard Dresner est considéré comme le premier à avoir utilisé ce terme. En 1989,
il l’a utilisé pour décrire l’utilisation de techniques d’analyse de données pour la prise de
décision dans les entreprises. Les technologies BI sont toutefois plus anciennes. De temps à

1
autre, le terme de business intelligence est remplacé par celui de business analytics. Ce dernier
désigne plus généralement les technologies analytiques avancées, mais peut aussi inclure la
business intelligence.
Business Intelligence : quels bénéfices pour les entreprises ?
Les programmes de business intelligence peuvent avoir de nombreux bénéfices pour
l’entreprise. Ils permettent d’accélérer et d’améliorer la prise de décision, d’optimiser les
processus internes, d’augmenter l’efficience d’exploitation, de générer de nouveaux
revenus, et de prendre l’avantage sur la concurrence. Les systèmes BI aident également les
entreprises à identifier les tendances du marché et à repérer les problèmes qui doivent être
résolus.
Les données de business intelligence peuvent inclure des informations historiques, mais
aussi de nouvelles données en provenance de systèmes sources, collectées dès qu’elles sont
générées. Ainsi, les analyses BI permettent de prendre aussi bien des décisions tactiques que
des décisions stratégiques.
Initialement, les outils BI étaient principalement utilisés par les analystes de données et les
professionnels informatiques qui se chargeaient d’analyser les données et de produire des
rapports. Toutefois, aujourd’hui, de plus en plus d’exécutifs et d’employés utilisent les logiciels
BI eux-mêmes, notamment grâce à l’essor du self-service BI et des outils de découverte de
données.
Les PME peuvent-elles se payer la BI ?
Grâce aux technologies de Business Intelligence, il devient plus facile d’accéder à des
informations importantes sur les opérations, les performances et, surtout, les clients. Mais une
question se pose : les PME peuvent-elles profiter de la BI ?
Il y a quelques années, la modélisation, la visualisation et le reporting des informations dont les
entreprises ont besoin étaient hors de portée de tous. Seules les grandes entreprises y avaient
accès.
Aujourd’hui, les technologies du cloud ont fait baisser le coût de mise en œuvre des solutions
de business intelligence. Par conséquent, les solutions de BI sont beaucoup plus accessibles
aux petites et moyennes entreprises. En particulier le puissant outil de BI en libre-service de
Microsoft. Il permet même aux petites et moyennes entreprises d’explorer des outils d’analyse
et d’aide à la décision de niveau entreprise pour un coût initial nul.
Bien entendu, la mise en œuvre varie en fonction des choix de déploiement, de la composition
du public et des exigences de visualisation. Si certains fournisseurs proposent des prix
transparents, d’autres ne le font pas, il faudra donc en tenir compte. Avant de rechercher des
fournisseurs, il est important de connaître les besoins spécifiques de l’entreprise en matière de
logiciel de BI et son budget.
Business Intelligence : quels sont les outils d’informatique
décisionnelle ?
La Business Intelligence rassemble de nombreuses applications d’analyse de données, de
reporting, de traitement analytique en ligne (OLAP), de mobile BI, de BI en temps réel, de BI
d’exploitation, de logiciels en tant que service (SaaS), et de BI open source.

2
Les technologies BI incluent également des logiciels de data visualization permettant de
dessiner des graphiques et autres infographies, ou des outils permettant de créer des tableaux
de bord et des cartes de performance pour afficher les données visualisées sous forme
d’indicateurs de performances et de métriques d’entreprise. Ces applications peuvent être
achetées séparément auprès de différents vendeurs ou sous la forme d’une plateforme unifiée
auprès d’un seul vendeur.
Les programmes BI peuvent également incorporer des formes d’analyses avancées comme
le data mining, les analyses prédictives, le forage de texte, les analyses statistiques ou les
analyses Big Data. Dans la plupart des cas, toutefois, les projets analytiques avancés sont
menés par des équipes séparées de data scientists, de statisticiens, de modeleurs prédictifs, ou
autres analystes professionnels expérimentés. Les équipes BI se chargent généralement de
projets plus simples.
Business Intelligence ou informatique décisionnelle : qu’est-ce
que la chaîne décisionnelle ?
La chaîne décisionnelle est la chaîne de traitement de l’information. Elle permet de transformer
les données collectées en informations pouvant être utilisées à des fins décisionnelles. Cette
chaîne se compose d’éléments et d’outils que l’on présente souvent en quatre catégories
distinctes. Chacune de ces catégories correspond à une phase du processus.
Première étape : la collecte de données
Il s’agit d’extraire les données en provenance des différentes sources de l’entreprise (systèmes
de production), de les transformer, et de les charger vers la base de données. C’est ce qu’on
appelle le processus » ETL » (Extract, Transform, Load), qui permet d’adapter les données à
un usage décisionnel.
Deuxième étape : stockage des données
Appelée également modélisation des données, cette étape consiste à centraliser les données
structurées et traitées afin qu’elles soient disponibles pour l’usage décisionnel, faciles à
analyser. Pour ce faire, on entrepose les données dans un Data Warehouse ou un Data Mart :
une base de données spécialisée adaptée aux requêtes décisionnelles.
Troisième étape : la distribution ou restitution des données
Elle consiste à utiliser différents outils afin de restituer l’information sous une forme exploitable
pour la prise de décision. On va notamment utiliser des outils de reporting, des portails d’accès
à des tableaux de bord, des outils de navigation dans des cubes, ou des outils de statistiques.
Des portails décisionnels comme l’EIP Enterprise Information Portal permettent aussi de
distribuer l’information à l’ensemble des partenaires.
Quatrième étape : exploitation des données
Les données nettoyées, consolidées, accessibles et stockées sont désormais prêtes à être
analysées par les utilisateurs finaux ou les spécialistes de l’analyse. Pour ce faire, on utilise
différents outils tels que les cubes OLAP (pour les analyses multidimensionnelles), le Data
Mining (pour chercher des corrélations), ou encore des tableaux de bord présentant les
indicateurs clés.
Business Intelligence : quel personnel et quelles infrastructures
pour profiter de la BI ?
3
En règle générale, les données de Business Intelligence sont stockées dans des data warehouses,
ou dans de plus petits data marts. Par ailleurs, les systèmes Hadoop sont de plus en plus
utilisés au sein des architectures BI en guise de répertoires de données. Notamment pour
les données non structurées, les fichiers log, les données de capteurs et autres types de Big Data.
Avant d’être utilisées pour les applications BI, les données brutes en provenance de différents
systèmes sources doivent être intégrées, consolidées et nettoyées en utilisant des outils
d’intégration de données de qualité de données pour s’assurer que les utilisateurs analysent des
données précises et consistantes.

Outre les managers BI, les équipes de business intelligence incluent généralement des
architectes BI, des développeurs BI, des analystes de business et des professionnels de la
gestion de données. Les business users se joignent également aux équipes pour représenter le
côté business et s’assurer que les besoins de la firme se retrouvent dans le processus de
développement BI.
Ainsi, un nombre croissant d’entreprises remplacent le développement traditionnel par une
approche basée sur l’Agile BI et le data warehousing. Il utilise des techniques de développement
logiciel Agile afin de diviser les projets BI en petites parties et proposer de nouvelles
fonctionnalités aux utilisateurs finaux. Cette approche permet aux entreprises de déployer plus
rapidement les fonctionnalités BI pour raffiner ou modifier les plans de développement au fil
des changements de business ou des nouveaux besoins qui émergent et deviennent prioritaires.

Business Intelligence : quels sont les problèmes potentiels de

l’informatique décisionnelle ?
L’une des principales barrières à l’adoption de la Business Intelligence est la résistance
culturelle des employés de l’entreprise. De même, la mauvaise qualité des données ou la
grande quantité de données inutiles peut poser problème. La solution pour obtenir des données
pertinentes en provenance des systèmes d’informatique décisionnelle repose sur les données
standard.
En effet, les données sont la composante principale de n’importe quelle solution BI. Il s’agit
des blocs de construction des insights. Les entreprises doivent s’assurer que leurs data
warehouses sont bien rangées avant de commencer à extraire des insights. Dans le cas contraire,
elles opéreront sur des informations falsifiées.

Les outils BI eux-mêmes peuvent également être des obstacles. Les outils sont plus intuitifs
qu’auparavant, mais ne sont pas encore pleinement accessibles. Enfin, de nombreuses
entreprises ne comprennent pas suffisamment leurs business processes pour déterminer
comment les améliorer. De plus, les entreprises doivent rester prudentes quant aux procédés
qu’elles choisissent.
Si le procédé n’a pas d’impact direct sur le revenu de l’entreprise ou s’il n’est pas standardisé
à l’échelle de l’entreprise, tous les efforts risquent d’être vains. Les firmes doivent
comprendre toutes les activités liées au procédé, la façon dont les informations et le flux de
données traverse l’entreprise, comment les données sont transmises aux différents business

4
 users, et comment elles sont utilisées par chacun pour remplir sa part du process. C’est le rôle
en partie joué par le Business Intelligence Manager.
Exemples de cas d’utilisation de la BI
Les cas d’utilisation spécifiques et les applications de la BI varient d’un secteur à l’autre. Par
exemple, les sociétés de services financiers et les assureurs utilisent la BI pour l’analyse des
risques au cours des processus d’approbation des prêts. Plus encore, cette derniere permet de
les identifier des produits supplémentaires à proposer aux clients existants sur la base de leurs
portefeuilles actuels.
La BI aide les détaillants dans la gestion des campagnes de marketing, la planification des
promotions et la gestion des stocks. Quant aux fabricants, ils s’appuient sur la BI pour
l’analyse historique et en temps réel des opérations des usines. Ils en profitent pour gérer la
planification de la production, l’approvisionnement et la distribution.
En ce qui concerne les compagnies aériennes et les chaînes hôtelières, elles sont de grandes
utilisatrices de l’informatique décisionnelle. Cette dernière leur permet notamment :
 de suivre la capacité des vols et le taux d’occupation des chambres,
 de fixer et d’ajuster les prix,
 et de planifier le travail des employés.
Dans les organismes de santé, la BI et l’analytique contribuent au diagnostic des maladies et
d’autres conditions médicales. Elle contribue à l’amélioration des soins et des résultats pour
les patients. Quant aux universités et systèmes scolaires, ils utilisent la BI pour surveiller les
performances globales des étudiants.
Business Intelligence vs Big Data : quelle est la différence ?

Le Big Data peut être considéré comme une composante de la Business Intelligence. En fait,
il permet à l’entreprise de rassembler des informations par-delà ses propres sources internes.
Bien souvent, le Big Data constitue l’information menant aux » insights » de Business
Intelligence.
La notion de Business Intelligence englobe une large variété de données, y compris de vastes
bases de données en ligne pouvant être considérées comme le Big Data. En revanche, le terme
de Big Data désigne uniquement ces larges ensembles de données.
Les outils de Big Data et de Business Intelligence diffèrent également. Les logiciels de BI
permettent de traiter des sources de données standards, mais ne sont pas adaptés à la gestion

5
du Big Data. Il est nécessaire de se tourner vers de systèmes spécialisés pour le traitement du
Big Data.
De même, la notion de Business Intelligence couvre l’ensemble des processus métiers et
procédures d’analyse de données facilitant la collecte du Big Data. Elle englobe donc
également le Data Mining ou forage de données, que l’on peut considérer comme une forme
d’informatique décisionnelle.
Plus spécifiquement, le Data Mining peut être considéré comme une fonction de Business
Intelligence. Il est utilisé pour collecter des informations pertinentes et dégager des insights.
La Business Intelligence peut aussi être pensée comme le résultat du Data Mining, puisqu’elle
consiste à utiliser des données pour acquérir des insights.
Le Data Mining permet de chercher des ensembles de données pertinents, tandis que la
Business Intelligence permet de dégager des insights. Ainsi, les analystes utilisent le Data
Mining pour trouver les informations donc ils ont besoin, et utilisent la Business Intelligence
pour déterminer pourquoi elles sont importantes.
Quelles différences entre Business Intelligence et Data Science
?
La Business Intelligence est un ensemble de technologies, d’applications, de processus utilisées
pour l’analyse de données métier. Elle permet de convertir des données brutes en
informations pertinentes, utilisables pour aiguiller la prise de décision.
La Data Science, ou science des données, consiste de son côté à extraire des informations et des
connaissance à partir des données. Elle utilise différentes méthodes scientifiques, algorithmes
et processus. Il s’agit donc d’une combinaison entre divers outils mathématiques, algorithmes,
statistiques et techniques de Machine Learning. Cela permet de trouver des tendances
historiques cachées dans les données pour comprendre les tendances actuelles et futures.
Ces deux domaines sont donc similaires, mais présentent aussi des différences notables. La
Data Science utilise des outils statistiques et mathématiques pour découvrir des tendances dans
les données, tandis que la Business Intelligence est un ensemble de technologies, d’applications
et de processus utilisées par les entreprises pour l’analyse de données métier.
La Data Science se focalise sur le futur, la BI sur le passé et le présent. La science des
données permet de traiter à la fois les données structurées et non-structurées, tandis que la
Business Intelligence se concentre principalement sur les données structurées.
Par ailleurs, la Data Science est nettement plus flexible que la BI qui nécessite de planifier et
de délimiter les sources de données. La méthode est scientifique dans le premier cas, analytique
dans le second cas.
La Data Science est par ailleurs plus complexe, et nécessite l’expertise d’un Data
Scientist tandis que la Business Intelligence est accessible aux » business users « . Enfin, les
outils utilisés ne sont pas les mêmes.

La différence et la similitude entre la BI et l’IA

La BI et l’IA sont distinctes, mais complémentaires. Dans l’IA, le terme « intelligence » fait
référence à l’intelligence informatique. Dans la BI, il fait référence à la prise de décision
commerciale plus intelligente que l’analyse et la visualisation des données peuvent produire.
6
La BI peut aider les entreprises à mettre de l’ordre dans les quantités massives de données
qu’elles collectent. Mais des visualisations et des tableaux de bord soignés ne suffisent pas
toujours.
L’IA peut permettre aux outils de BI de produire des informations claires et utiles à partir
des données qu’ils analysent. Un système alimenté par l’IA peut clarifier l’importance de
chaque point de données à un niveau granulaire. En outre, il peut aider les opérateurs humains
à comprendre comment ces données peuvent se traduire par de véritables décisions
commerciales. En adoptant la confluence de l’IA et de la BI, les entreprises peuvent synthétiser
de grandes quantités de données en plans d’action cohérents.
Quelles sont leurs différences ?
L’IA et la BI ont toutes deux des applications commerciales essentielles, qui se chevauchent
dans certains cas. Cependant, il existe des différences importantes entre ces technologies que
les entreprises doivent saisir.
La BI vise à rationaliser le processus de collecte, de rapport et d’analyse des données.
L’utilisation de la BI permet aux entreprises d’améliorer la qualité des données qu’elles
recueillent et la cohérence avec laquelle elles les recueillent.
La modélisation de l’intelligence humaine est l’un des principaux objectifs de l’intelligence
artificielle. Contrairement à la BI, l’IA peut permettre aux ordinateurs de prendre eux-
mêmes des décisions commerciales. Par exemple, les chatbots peuvent, sans intervention
humaine, répondre aux questions des clients. Au-delà de la simple clarification d’une image
confuse, l’IA peut fournir aux opérateurs humains des prescriptions et agir sur ces
prescriptions de manière autonome.
En quoi la BI diffère-t-elle de l’ERP ?
Les systèmes ERP intègrent essentiellement toutes les fonctions disparates de l’entreprise. Ils
permettent de surmonter le phénomène de « mentalité de silo » en créant une architecture de
données unique et centralisée. Le logiciel ERP collecte, stocke et gère les données relatives
aux activités de l’entreprise. Son principal objectif consiste à améliorer l’efficacité de
l’entreprise et à réduire les coûts.
La BI et l’ERP sont fréquemment confondus. En fait, ils fonctionnent ensemble et leurs
définitions de base suggèrent un certain degré de chevauchement, pourtant ils diffèrent
considérablement.
L’ERP collecte les données de l’entreprise tandis que la Business Intelligence les analyse. Cette
dernière utilise des tableaux de bord et d’autres interfaces pour présenter ces données de
manière à les rendre facilement compréhensibles.
Le bon système ERP va rendre votre entreprise plus organisée et rationaliser radicalement
vos fonctions administratives. L’application des bons outils BI à ces données pour l’analyse des
données, les tendances et les prévisions rend cette combinaison inestimable.
Il est clair que l’ERP et le système de BI ne sont pas les mêmes. Au contraire, ils travaillent
ensemble pour convertir vos données en informations et en connaissances sur votre
entreprise. Cette aproche transforme votre entreprise en un moteur de croissance basé sur les
données.