BI et Big Data Management

Par Ulrich Hambuch

Ces dernières années, l'importance du facteur de production qu'est l'information a considérablement augmenté. Les entreprises réalisent de plus en plus que l'analyse de leurs informations commerciales (Business Intelligence, Big Data, Data Science) peut générer des avantages concurrentiels décisifs. De plus, les exigences légales en matière de conformité telles que BCBS 239, Bâle II et III, SOX et Solvabilité II exigent un minimum de qualité des données et des processus de reporting et de planification. La mise en place d'une gestion des données à l'échelle de l'entreprise reste donc l'un des grands défis auxquels les professionnels de l'informatique et de la gestion devront faire face dans les années à venir.

La qualité des données est un facteur clé de succès pour la mise en place d'une infrastructure d'information optimale. Une étude de "The Data Warehousing Institute" (TDWI) de 2002 a estimé que les coûts dus à une mauvaise qualité des données aux États-Unis s'élevaient à environ 622 milliards de dollars. En 2006, la société d'études de marché Gartner a déclaré : "Une mauvaise qualité des données coûte à une organisation typique 20% de son chiffre d'affaires...".

La crise économique mondiale de 2007 peut également être considérée, avec le recul, comme une crise de la qualité des données. Malgré des exigences de conformité étendues, de nombreuses entreprises du secteur des services financiers n'ont pas été en mesure en 2017 d'agréger et de préparer leurs données de risque de manière adéquate pour gérer leurs risques efficacement.

À l'ère du Big Data, où les données sont considérées comme la nouvelle huile et où le volume mondial de données disponibles se multiplie d'année en année, les exigences en matière de transparence et de qualité des flux de données continueront d'augmenter car elles constituent la base de certains nouveaux cas d'utilisation (pas seulement décisionnels).

Mais à quoi servent des quantités de données de plus en plus importantes si leur qualité et leur origine ne sont pas garanties et si les coûts de développement, d'exploitation, d'intégration et d'analyse des données augmentent avec leur volume ? "La qualité des données n'est pas tout, mais sans la qualité des données, rien n'est possible".

Les métadonnées et la gestion des métadonnées sont des outils importants pour garantir une qualité de données adéquate. L'objectif de ce livre est, d'une part, de présenter les termes et tendances actuels et de remettre la gestion de la qualité des données et la gestion intégrée des métadonnées dans la conscience des chefs de projet, des responsables informatiques et de la direction d'entreprise, des architectes informatiques, des analystes et des développeurs.

• Langue: Français
• Éditeur: BadPress
• Date de sortie: 8 mai 2023
• ISBN: 9781667456430

Ulrich Hambuch

Ulrich Hambuch has been an independent business consultant concentrating on Business Intelligence, Data Warehouse, Big Data, and management since 2011. He has more than 15 years’ experience in IT and has been working on significant BI projects in industry-leading enterprises for over 10 years. In addition to being a consultant and an active partner for SAP and HortonWorks, he is the author of the 2008 book "Erfolgsfaktor Metadatenmanagement - Relevanz des Metadatenmanagements für die Datenqualität bei Business Intelligence" and has been working on vendor-independent certifications for Business Intelligence Consultants and Big Data Engineers with CeLS (an initiative by GECO & IDG).

Aperçu du livre

Table des Matières

BI et Big Data Management | Ulrich Hambuch | Traduit par Zoran Ivancic

BI et Big Data Management

Ulrich Hambuch

––––––––

Traduit par Zoran Ivancic 

BI et Big Data Management

Écrit Par Ulrich Hambuch

Copyright © 2023 Ulrich Richard Hambuch

Tous droits réservés

Distribué par Babelcube, Inc.

www.babelcube.com

Traduit par Zoran Ivancic

Babelcube Books et Babelcube sont des marques déposées de Babelcube Inc.

BI und Big Data Management

Sagesse en matière d'information pour les architectes, les consultants et les décideurs

Impressum

© / Copyright: 2017 Ulrich Hambuch

E-Mail: [e-mail]

Web: http://www.infogenesis.de

Erstauflage

Umschlaggestaltung, Illustration: Ulrich Hambuch,

Coverbild: http://www.pixabay.com

Bilder: http://www.pixabay.com und http://freeimages.com

Abb. 23 mit freundlicher Genehmigung von: ORAYLIS GmbH

Das Werk, einschließlich seiner Teile, ist urheberrechtlich geschützt. Jede Verwertung ist ohne Zustimmung des Verlages und des Autors unzulässig. Dies gilt insbesondere für die elektronische oder sonstige Vervielfältigung, Übersetzung, Verbreitung und öffentliche Zugänglichmachung.

Bibliografische Information der Deutschen Nationalbibliothek:

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

Celui qui considère la fin de la même manière qu'il a considéré le début ne gâchera rien.

Lao Tseu, 6ème siècle avant J.-C.

Table des matières

Impressum.......................................2

Introduction.......................................6

Délimitation des termes............................19

La pertinence de la stratégie concurrentielle............30

Approches architecturales..........................37

..................................................38

Tableau 4 : Différenciation entre Big Data, Data Warehouse et Data Mart......52

Tableau 7 : Impacts d'une mauvaise qualité des données..82

Qualité des données dans le domaine de Business Intelligence......95

Catégories de métadonnées........................123

QUATRE........................................163

L'auteur est consultant indépendant depuis 2011, spécialisé dans les domaines de la Business Intelligence, du Data Warehouse, du Big Data et du pilotage d'entreprise. Il possède plus de 15 ans d'expérience en informatique et travaille depuis plus de 10 ans sur des projets de BI de grande envergure pour des entreprises de premier plan. En complément de son activité de conseil et en tant que partenaire actif de SAP et HortonWorks, il est l'auteur du livre spécialisé Erfolgsfaktor Metadatenmanagement - Relevanz des Metadatenmanagements für die Datenqualität bei Business Intelligence publié en 2008, et s'engage depuis 2016 chez CeLS (une initiative de GECO & IDG) pour la certification indépendante des consultants en Business Intelligence.........167

Introduction

Au cours des dernières décennies, l'importance du facteur de production qu'est l'information a considérablement augmenté. Les entreprises reconnaissent de plus en plus que l'analyse de leurs informations commerciales (business intelligence) permet de générer des avantages concurrentiels décisifs. En conséquence, des stratégies et des techniques sont de plus en plus recherchées pour rendre les précieuses données visibles, disponibles et interprétables dans les processus commerciaux.

De plus, les réglementations légales, dans le contexte des exigences de conformité BCBS 239, Bâle II et III, SOX et Solvabilité II, exigent un minimum de qualité des données et des processus de reporting et de planification. La mise en place d'une gestion des données à l'échelle de l'entreprise reste donc l'un des grands défis auxquels l'IT et la direction devront faire face au cours des prochaines années.

Le sujet de la qualité des données est un facteur clé de succès pour l'établissement d'une infrastructure d'information optimale. Une étude de The Data Warehousing Institute (TDWI) de 2002 a estimé que les coûts liés à la mauvaise qualité des données aux États-Unis s'élevaient à environ 622 milliards de dollars.

Pour approcher progressivement une entreprise à une gestion standardisée et intégrée des données et de l'information, qui est une condition préalable essentielle à une qualité de données adéquate, les métadonnées jouent un rôle essentiel.

Les métadonnées servent à décrire les données. Elles abstraient de l'application respective et donnent ainsi aux données une neutralité. Cela rend les données intégrables et utilisables dans d'autres contextes.

Un grand nombre de projets mis en œuvre dans le cadre de systèmes d'information de prise de décision, respectivement de systèmes de Business Intelligence (BI) ou d'initiatives Big Data, échouent en raison d'une mauvaise qualité des données. Les conséquences des défauts de qualité des données vont du travail supplémentaire pour le nettoyage des données, à la diminution de l'acceptation du système BI, en passant par des décisions suboptimales et un soutien insuffisant des processus commerciaux opérationnels.

En 2006, la société d'études de marché Gartner a déclaré: La mauvaise qualité des données coûte à une organisation typique 20 % de son chiffre d'affaires.... Une étude de l'entreprise de recherche de Würzburg BARC en 2011 a constaté que la mauvaise qualité des données a des impacts négatifs de différentes manières. Elle rend les employés mécontents lorsqu'ils doivent consacrer beaucoup de temps au nettoyage inutile des données. 61% des personnes interrogées ont également signalé des coûts croissants dus à la mauvaise qualité des données. 47% ont constaté une baisse de la satisfaction des clients.

La crise économique et financière mondiale à partir de 2007 peut également être considérée, avec le recul, comme une crise de la qualité des données. Malgré des exigences de conformité étendues, de nombreuses entreprises du secteur des services financiers ne sont pas en mesure en 2017 d'agréger et de préparer leurs données de risque de manière appropriée pour pouvoir gérer leurs risques de manière adéquate. Outre des facteurs tels qu'une compréhension homogène des termes, une architecture de processus et de systèmes modernisée et une gouvernance des données, une gestion adéquate et globale de la qualité des données, ainsi qu'une gestion des métadonnées intégrée autant que possible, jouent un rôle décisif dans la gestion efficace et fiable des données.

À l'ère du Big Data, où les données sont considérées comme la nouvelle huile et où la quantité de données disponibles dans le monde se multiplie d'année en année, les exigences en matière de transparence et de qualité des flux de données vont encore augmenter, car ils doivent servir de base à des cas d'utilisation parfois entièrement nouveaux (pas seulement pour la prise de décision).

Figure 1: Prévision du volume annuel de données numériques générées dans le monde de 2005 à 2020 (en exaoctets), source : étude « Digital Universe « .

Les métadonnées et la gestion des métadonnées sont des outils importants pour assurer une qualité de données adéquate. Les métadonnées peuvent être grossièrement divisées en deux catégories de métadonnées:

Tableau 1