Devant l’utilisation de plus en plus importante de solutions de BI dans vos missions, nous vous proposons une nouvelle fiche pratique destinée aux professionnels du B2B souhaitant se familiariser ou se refamiliariser avec le vocabulaire de la Business Intelligence en 2024.
Nous avons scindé l’ensemble des terminologies étudiées en deux parties.
A
- Analyses multipolaires : Modèle de big data distribué où les données sont collectées, stockées et analysées pour être placées et utilisées dans différentes parties de l’entreprise plutôt que de manière centralisée.
- Analyse comportementale : Associer l’intention de l’utilisateur aux données pour prédire un comportement à un stade ultérieur.
- Analyse multidimensionnelle : Navigation dans les différentes dimensions de données, en passant d’un étage à l’autre de la hiérarchie, soit de manière visuelle (drill down en descendant vers le détail, drill up en remontant vers le global), soit au travers de formules de calcul.
- Requête Ad Hoc : C’est une demande d’informations adressée à la base de données, répondant à une demande spécifique. Cette requête s’oppose à la requête prédéfinie.
- Anonymisation : Consiste à protéger les données personnelles en modifiant ou supprimant les liens entre les personnes et leurs informations dans une base de données afin d’éviter toute violation de la vie privée et de la confidentialité.
B
- Balanced Scorecard ou Tableau de bord prospectif : Outil de gestion des performances qui lie différentes sources de données de résultats à une page (par exemple, les résultats des ventes par rapport aux niveaux des stocks).
- Base de données : Ensemble de données classées pour pouvoir être facilement retrouvées avec des applications et des logiciels d’analyse.
- Big Data : Le Big Data, que l’on peut traduire par “grandes données”, consiste à enregistrer le plus de données possibles afin qu’elles puissent être analysées automatiquement pour établir des modèles, des tendances et des interactions.
- Business Intelligence : Processus où les données, souvent en interne, sont analysées dans le but de soutenir la direction dans ses décisions.
- Les 7 V du Big Data : Les « 7 V » aident à expliquer le concept du Big Data. Il n’y a pas de consensus sur le nombre de « V » à prendre en compte, et cette liste a été augmentée au fil du temps. Voici les 7 V étendus du Big Data :
- Volume : Quantité de données ou combinaisons de données qui ne peuvent pas être stockées dans un système traditionnel.
- Variété : Ensembles d’informations provenant de différentes sources et de différents types.
- Vitesse : Croissance rapide des données, nécessitant un traitement rapide.
- Véracité : Fiabilité des données collectées, essentielle pour leur bonne exploitation.
- Valeur : Grande quantité de données contenant des informations précieuses, exploiter cette valeur efficacement est un défi quotidien.
- Visualisation : Conversion de grandes masses de données en outils de visualisation dynamiques et bien structurés.
- Variabilité : L’environnement du Big Data étant très variable, il oblige les modèles prédictifs et les professionnels à se tenir constamment à jour.
- BI en libre-service : Proposer aux utilisateurs des logiciels leur permettant de réaliser eux-mêmes des rapports, en naviguant dans les données pour récupérer celles dont ils ont besoin. Il est alors indispensable de leur fournir des données préalablement validées;
C
- CRM : Stratégies et logiciels destinés à organiser et optimiser les relations clients.
- Cube de données ou Base OLAP (On-Line Analytical Processing) : Base de données permettant de gérer le stockage de données organisées de manière hiérarchique et de stocker les valeurs des mesures aux différentes intersections (par exemple, chiffre d’affaires en France en 2016, marge en Italie en janvier 2016, etc.).
D
- Data Quality : Capacité d’une entreprise à s’assurer que les données de son ou ses systèmes d’information sont correctes et pérennes. La qualité des données est un enjeu important pour les entreprises. Elle consiste à fournir des données correctes, complètes, à jour et cohérentes à tous les utilisateurs.
- Datawarehouse : Base de données qui stocke toutes les données de l’entreprise, quelles que soient leur origine et leur usage. Il s’agit donc d’une base intermédiaire, qui n’est pas directement interrogée par les utilisateurs.
- Datamart : Base de données qui stocke des données à usage décisionnel pour les utilisateurs d’un domaine fonctionnel (ex. : datamart RH, datamart Achats). Sa principale source est constituée des données provenant des systèmes opérationnels, enrichies de données dimensionnelles (année, trimestre, mois) et de mesures (chiffre d’affaires, marge, masse salariale, etc.).
- Data Visualization (DataViz) : Terme récent associé à la mise à disposition de nouvelles représentations des données, telles que les cartes de chaleur ou les graphes Mekko.
- Data Storytelling : Manière de raconter des histoires en se basant sur les données. L’auditoire retiendra bien mieux une histoire qu’un simple tableau de chiffres.
- Data broker : Entreprise qui recueille des renseignements personnels sur les consommateurs et vend ces informations à d’autres entreprises.
- Data cleansing ou Data cleaning : Processus par lequel des données incorrectes et/ou incomplètes sont modifiées ou supprimées.
- Data point : Élément distinct d’un graphique ou d’un schéma.
- Données contextuelles : Structuration des données reliant des contextes situationnels à des éléments de la base de données pour obtenir des informations commerciales récoltées à partir de données d’activités web récentes (par exemple, enregistrement des préférences d’achat d’un client en plus de ses coordonnées).
- Outil décisionnel : Ensemble des solutions informatiques mettant à disposition des utilisateurs les données et les logiciels nécessaires à l’analyse de l’activité de l’entreprise. Les Anglo-Saxons utilisent l’expression Business Intelligence, souvent abrégée en BI.
- Dimension : Ensemble de critères d’analyse organisés de manière hiérarchique, communément appelé axe d’analyse. Un exemple courant est la dimension Temps, découpée en année, semestre, trimestre, mois et jour.