Les systèmes d’aide à la décision

 

 

 

 

Sommaire

 

1.L’historique de l’aide à la décision………………………....................................................

2.L’approche technique des SIAD……………………….........................................................

3.L’utilisation des SIAD pour la clientèle………………………...........................................

4.Conclusion………………………........................................................................................................

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

L’historique de l’aide à la décision

 

De tout tant l’homme a du prendre des décisions et les personnalités les plus importantes avait toujours des conseillers ou autre ce chargeant de faire circuler l’information pour prendre la décisions amenant au résultat voulu.

Le savoir personnel, l’analyse historique ainsi les conseillers et leurs expérience individuelle étaient donc les principales aides à la décision qu’avait les décideurs. Il y avait donc une grande part de subjectivité.

Avec l’apparition de réseaux capable de faire circuler information et données plus facilement, comme dans une certaine mesure l’écriture (livres, journaux), cependant on remarque une croissance exponentielle de l’information, données et leurs échanges entre différents partis avec l'apparition de l'informatique et notamment d'internet qui permet un grand partage de donnée et d'information.

Face à de tel amas de donnée les hommes ont trouvé des outils et techniques permettant de la transformé en information, notamment a partir du XXe avec l’invention d’outils mathématiques comme les algorithmes, les probabilités ou la recherche opérationnel (orientées vers le meilleur choix pour le meilleur résultat).

On voit aussi apparaitre des sociétés spécialisées dans l’aide à la décision auprès des banques, entreprises ou gouvernement.

Plus tard apparait l’informatique décisionnel, et de nouvelle utilisation de celle-ci comme OLAP ainsi que les data Warehouse que nous définirons plus tard.

Cela révolutionne l’aide à la décision. Car l’approche n’est plus subjective mais objective et gagne donc en efficacité.

C’est donc dans un monde submergé par les données et l'information que les entreprises ont besoins de logiciels compètent pour pouvoir analyser et distribuer l'information de manière efficace aux décideurs. Ce sont les systèmes d'aide à la décision.

Cet affluence croissante de donnée causé par l’apparition de nouvelle technologie (les objets connectés et la géolocalisation) sont d’autant plus important à traité pour les entreprises, c’est un grand enjeu commercial et marketing. En effet grâce à ces données, une fois traité comme le propose Critéo, il est possible de faire de la publicité ciblée sur internet, d’où cet enjeu important pour les entreprises. On appel cet amas de donnée le Bigdata, il est composé des données d’une entreprise, ce que saisissent les employés (factures, fichiers…),  des informations tiers qui ne proviennent pas de l’entreprise mais qui lui sont utile (mail, facebook, enquête électronique…),ainsi que de toute les données comme les sites web, standards téléphonique, système d’encaissement, serveurs, mobiles, carte… c’est une masse de données que les entreprise se doivent d’exploité. Il alimente en donnée les SIAD.

 

 

 

Les systèmes d'aide à la décision, ou SIAD, sont des logiciels interactifs principalement consulter pour avoir le maximum d'information en vue d'une décision. Utiliser la finance et la banque, l’informatique ou la politique. Mais ils peuvent aussi être utile pour identifier un problème et le résoudre.

Il permet de transformer un bloc donnée brute, en information utile, trier et classé pour le décideur lui permettant de prendre la meilleure décision en connaissant les tenants et aboutissants.

Elles peuvent être de plusieurs types :

-des informations en cours

-comparer des chiffres de ventes d’une semaine à l’autre,

-le chiffre d’affaires en prévision de la vente de nouveaux produits,

-de se mettre en situation dans un contexte précis,

-de prévoir les conséquences des différentes décisions possibles.

 

Mais avant de rentré dans des explications plus poussé il est important de définir la différence entre des données et l'information, les données sont des informations qui n'ont pas encore été traité, dont on ne peut pas encore tirer des enseignements. Par exemple un achat, on sait qu'elle a eu lieu mais on ne sait pas si c'était en temp et en heure n'y si la totalité a été payé.

 

 

L'information a l'inverse, est une donnée traitée ou transformée qui aident un décideur à prendre une décision, à résoudre un problème. Cette information a un sens à l'instar de la donnée. Une entreprise peut avoir beaucoup de donné mais peu d'information.

 

Nous verrons donc, l'évolution des SIAD, comment une donnée est transformée en information ainsi que tout le processus qui en découlent pour qu'elle soit utile aux décideurs, et l'influences qu'elles ont sur les décisions.

 

 

 

2.L’approche technique des SIAD

 

Le concept global d’aide à la décision est large et ces définitions différentes en fonction de l’auteur, pour illustrer cela Steve Keen (économiste et initiateur du projet Minsky, logiciel permettant des simulation économique) déclare qu’il est impossible de donner une définition précise comprenant toutes les facettes du SIAD.

Par exemple pour TURBAN il y a 13 caractéristiques standards pour un SIAD :

-Le problème a résoudre n’est pas organiser et peut être réglé par la compilation des informations ainsi qu’un jugement humain.

-Il est flexible, on peut le modifier à sa guise en supprimant modifiant, ajoutant des éléments de base.

-le SIAD doit être facile d’accès pour des personne n’étant pas à l’aise avec l’informatique, visuel attrayant ainsi qu’une facilité d’utilisation.

-Il ne doit pas remplacer le décideur mais lui donné toutes les informations souhaiter pour une prise de décision.

-Le SIAD ne doit pas informer sur un travail exécuter en aval de l’observation.

 

L’alimentation : Elle constitue avec les applications, la base de données vivante et les silos la première couche du SIAD.

Les applications opérationnelles récoltes les données pour les envoyés dans la base de données vivante. Elle est qualifiée de vivante car son contenu évolue en permanence, a l’inverse les silos ont une base dites « morte » car ce n’est qu’une accumulation d’image prise au fur à mesure a un instant T. Cela peut être d’un événement daté ou de manière périodique, on peut voir cela comme une sauvegarde incomplète de la base de données qui est en perpétuelle évolution.

Enfin juste avant de passé a la deuxième couche les données, les données passe au redresseur où elles sont triées, les erreurs corriger. Pour faciliter les comparaisons, corrélation ou leurs combinaison possible pour fournir au manager les données les plus optimiser possible.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Stockage : Il est composé de l’entrepôt de données (datawharehouse), et des cubes OLAP, ils forment la deuxième couche du SIAD.

L’entrepôt réunis les données récoltées des différents silo suite au redressement. Effectuer dans la première couche. Bill INMON, (ingénieur en informatique) reconnu par beaucoup comme étant le père de l’entrepôt de donner, le défini comme « Une collection de données orientées sujets, intégrées, non volatiles et historiées, organisées pour le support d’un processus d’aide à la décision ». C’est un référentiel global et centralisé d’une entreprise.

 

Grace a un data warehouse, les entreprises peuvent segmenter les données d’utilisateur précis, pour les analyser en profondeur. Grace aux grandes avancés sur la collecte de données, de puissances de calcul, de transmission de données et de capacités de stockage. Cette centralisation de l’information permet de maximiser l’accès des utilisateurs.

 

 

 

 

 

 

 

 

Pour extraire les informations de la wharehouse on utilise le forage de donnée ou datamining, cela désigne l’analyse de données depuis différentes perspectives et le fait de transformer ces données en informations utiles, en établissant des relations entre les données. Ce sont des logiciels qui permettent la découverte de connaissances dans la wharehouse/bigdata/entrepot. Ils sont principalement utiliser en marketing, dans la finance, mais aussi dans la recherche comme les mathématiques, la cybernétiques ou la génétique.

Il permet de traité différents types de donnée :

-Les données opérationnelles ou transactionnelles telles que les données de ventes, de couts, d’inventaire, de ticket de caisse ou de comptabilité

-Les données non opérationnelles, telles que les données de ventes industrielles, les données prévisionnelles, les données macro-économique.

-Les métadonnées, à savoir les données concernant les données elles-memes, telles que les définitions d’un dictionnaire de données.

Il y a plusieurs techniques de Datamining :

-Association : Chercher des patterns au sein desquelles un événement est lié à un autre événement.

-Analyse de séquence : chercher des patterns au sein desquelles un événement mène à un autre événement plus tardif.

-Classification : chercher de nouvelles patterns, quitte à changer la façon dont les données sont organisées.

-Prédiction : découvrir des patterns de données pouvant mener à des prédictions raisonnables sur le futur.

Différents niveaux d’analyse sont disponibles :

  • Les réseaux de neurones artificiels: Des modèles prédictifs non linéaires qui apprennent par l’entraînement et s’apparentent à des réseaux neuronaux biologiques dans leur structure.
  • Algorithmes génétiques: Les techniques d’optimisation utilisent des procédés tels que la combinaison génétique, la mutation, et la sélection naturelle dans un design basé sur les concepts de l’évolution naturelle.
  • Les arbres décisionnels: Ces structures en forme d’arbres représentent des ensembles de décisions. Ces décisions génèrent des règles pour la classification d’un ensemble de données. Les méthodes spécifiques d’arbres décisionnels incluent les Arbres de Classification et Régression (CART), et les Chi Square Automatic Interaction Detection (CHAID). Ces deux méthodes sont utilisées pour la classification d’un ensemble de données. Elles fournissent un ensemble de règles pouvant être appliqués à un nouvel ensemble de données pour prédire quels enregistrements auront un résultat. Le CART segmente un ensemble de données en créant une division à deux issues, tandis que le CHAID segmente l’ensemble en utilisant des tests de chi square pour créer des issues à plusieurs voies. En général, CART requiert moins de préparation de données que CHAID.
  • La méthode du voisin le plus proche: Cette technique classifie chaque enregistrement d’un ensemble de données en se basant sur une combinaison des classes du k, similaire à un ensemble de données historique.
  • L’induction de règle: L’extraction de règles « si-alors » depuis les données, basées sur des signifiances statistiques.
  • Data visualization: L’interprétation visuelle de relations complexes dans les données multidimensionnelles. Les outils graphiques sont utilisés pour illustrer les relations de données.

 

L’hypercube, comme le tableau ou le cube servent a mesurer des faits, placer sur des axes qui différencieront un hypercube d’un tableau. En effet un tableau ne contient que 2 axe, un cube 3 axe et un hypercube est multidimensionnel. Un axe peut être par exemple, une position géographique, le temp, le chiffre d’affaire).

L’hypercube permet de ne pas surcharger de demande le datawharehouse en créant des requêtes et évitant d’en crée des nouvelles si elles sont proches.

 

Il est possible de naviguer dans un hypercubes grâces a différentes commandes dans un langage de requêtes appelé MDX :  -Rotate : sélection d’un couple de dimensions à cibler

-Slicing : extration d’un morceau d’information

-Drill-up : synthèse d’information en fonction d’une dimension (exemple de drill-up sur l’axe temps : passer de la présentation de la présentation jour par jour sur une année, à une valeur synthétique pour l’année)

-Drill-Down :c’est l’équivalent d’un zoom, opération inverse du Drill-up

-Drill-through :lorsqu’on ne dispose que de données agrégées, le drill through permet d’accéder au détail élémentaire des informations.

 

C’est ce que l’utilisateur vois sur son écran, il peut interagir avec les composants de l’application ainsi que d’interagir avec le processus de décision. L’interface d’un SIAD doit avoir plusieurs fonctions :  -Un accès aux bases de données, connaissances et modèle

-D’établir une connexion entre les systèmes afin d’utiliser les résultats de ceux-ci.

-une adaptabilité et une flexibilité en fonction des différents utilisateurs, des différentes taches, et différents modelés utilisés.

 

 

 

 

 

 

 

 

 

Exemple d’application des SIAD, une entreprise de location de vidéo à utiliser sa base de données pour recommander des films adapter à leurs gouts.

Une chaine d’épicerie c’est servi c’est de logiciels de datamining d’oracle pour analyser les achats des consommateurs. Ils ont découvert un pattern qui démontrais que les hommes achetant des couches le jeudi avait tendance a aussi acheter de la bière. Grace a cela, les bières ainsi que les couches sont plus près dans les rayons et ils ne sont pas en promotion le jeudi. Optimisant le chiffre d’affaire.

C’est aussi utiliser dans le sport, notamment en NBA elle permet d’analyser les matches et de par exemple montré que quand un joueur A défend sur un joueur B, le joueur B a plus tendance a marqué tout en mettant a disposition la vidéo à disposition pour faciliter le travail du coach.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

La gestion de la relation client (GRC), ou gestion des relations avec les clients, est l'ensemble des outils et techniques destinés à capter, traiter, analyser les informations relatives aux clients, dans le but de les fidéliser en leur offrant ou proposant des services. Il s’agit d’une stratégie qui place le client au cœur des systèmes d’information et d’action.

 

 

 

Les clients et consommateurs sont volatile c’est-à-dire qu’ils peuvent changer pour un même produit d’entreprise, par exemple acheter un jambon d’une marque puis d’une autre sans y prêter attention. Les entreprises l’ont bien compris et ce sont aperçus qu’il était beaucoup plus rentable de fidéliser un client pour qu’il revienne avant d’en chercher de nouveaux.

L’entreprise grâces aux SIAD disposent de manières efficaces et puissantes pour définir les gouts, besoin et attentes de chacun de leurs clients et d’y répondre de manière personnalisée (datamining dans une base de données d’un SIAD, intelligence artificielle…).

 

Il existe diverses technologies pour améliorer les relations clients/entreprise :

-Automatisation de la force de vente : c’est le techniques et technologies permettant de simplifier, rationaliser et automatiser certaines taches (commandes, gestion de contacts, connectivité et partage de l’information, gestion des stocks…).

-Centre d’appel : l’ensemble des moyens humains et techniques qui permet une relation entre l’entreprise et le client. Peuvent être reçu des appels téléphoniques, des courriels, courriers…

-Entreprise marketing automation : Il vise à automatiser la définition de l’offre de l’entreprise à partir de l’analyse des informations collectées sur le client.

-Datamining (expliqué précédemment).

Lors de la mise en place d’une relation client la démarche est dites progressive, il est important d’adapter le service client a la taille et aux besoins de l’entreprise.

 

Quelques acteurs de la business intelligence :

- Cognos acquis en 2007 par IBM ;

- Oracle présent en tant que leader sur le marché ;

- Microsoft qui propose SQL Server 2008 ;

- SAP par l'intermédiaire de sa filiale Business Object.

conclusion

Nous pouvons dire que les systèmes d’aide à la décision sont une révolution technologique pour notre société. En optimisant la récolte de donnée pour la transformer en information, il est devenu puis facile pour les entreprises de connaitre les tenant et aboutissant de leurs choix, de mieux fidéliser leurs clientèles, de mieux la cibler.

Nous avons aussi pu constater comment fonctionnait un SIAD et les différentes manières de l’utiliser.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *