Fiche pratique | Glossaire Business Intelligence 2024 (1ère partie)

Publié le : 02/07/2024

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 refamiliariser avec le vocabulaire de la Business Intelligence en 2024.


Nous avons scinder en 2 parties l'ensemble des terminologies étudiées.



  • 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.


  • Ad Hoc (Requête)

C’est une demande d’informations faisant appel à la base de données, répondant à une demande spécifique. Cette requête s’oppose ainsi à la requête prédéfinie.


  • Anonymisation

Consiste à protéger les données personnelles en modifiant, 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.


  • 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

L'idée de Big data, que l'on peut traduire par "Grande donnée", est d'enregistrer le plus de données possibles afin qu'elles puissent être analysées automatiquement dans le but d'établir des modèles, des tendances et des interactions.


  • Business Intelligence

Processus où (souvent en interne) les données sont analysées dans le but de soutenir la direction dans ses décisions.


  • 7 V du Big Data

Les « 7 V » aident à expliquer le concept. Il n’y a pas de consensus sur le nombre de « V » à prendre en considération et en fait la liste de ceux-ci a été augmentée, mais nous pouvons dire que les « 7 V » étendus du Big Data sont :

Volume : il s’agit de données ou de combinaisons d’ensembles de données qui ne peuvent pas être stockées dans un système traditionnel.

Variété : des ensembles d’informations de type et de source différents.

Vitesse : il se développe à grande vitesse et, plus important encore, doit être traité rapidement.

Véracité : connaître la fiabilité des données collectées est essentiel pour leur bonne exploitation.

Valeur : une grande quantité de données comporte fréquemment des informations très importantes, exploiter cette valeur efficacement est un défi quotidien.

Visualisation : l’objectif est de convertir de grandes masses de données en outils de visualisation qui donnent accès aux informations les plus importantes de manière dynamique et bien structurée.

Variabilité : l’environnement big data est très variable, il oblige donc les modèles prédictifs et les professionnels à se maintenir constamment à jour.


  • BI en libre-service 

Proposer aux utilisateurs des logiciels qui leur permettent de réaliser les rapports eux-mêmes, en naviguant dans les données pour récupérer celles dont ils ont besoin. Il est alors indispensable de leur mettre à disposition des données qui ont été au préalable validées.


  • CRM

Stratégies et logiciels destinés à organiser et à optimiser les relations clients.


  • Cube de données ou Base OLAP (On Line Analytical Processing)

Il s’agit d’une base de données qui permet de gérer le stockage de données organisées de manière hiérarchique et de stocker les valeurs des mesures aux différentes intersections (par exemple, CA en France en 2016, CA en France au 1er semestre 2016, marge en Italie en janvier 2016, …).


  • Data Quality

La Data Quality renvoie à la capacité d’une entreprise à mettre en place des actions pour s’assurer que les données de son ou ses systèmes d’informations soient correctes et pérennes à travers le temps. La maîtrise de la qualité des données est un enjeu important pour les entreprises. Il s’agit de fournir des données correctes, complètes, à jour et cohérentes à tous les utilisateurs de la donnée.


La notion de qualité des données est un terme générique décrivant à la fois les différentes caractéristiques des données mais aussi l’ensemble des processus permettant de garantir ces caractéristiques. Une donnée est dite de qualité dès lors qu’elle répond aux exigences de son utilisation.


  • 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 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, …).

Elle a pour source principale les données provenant des systèmes opérationnels, enrichies de données dimensionnelles, telles que l’année, le trimestre, le mois et de mesures (Chiffre d’affaires, marge, masse salariale, …).

 

  • Data Visualization (DataViz)

Terme apparu récemment, associé à la mise à disposition de nouvelles représentations des données, telles que les cartes de chaleur, les graphes Mekko, …


  • Data Storytelling

Manière de raconter en se basant sur les données. L’auditoire se souviendra bien mieux de celle-ci que de tableaux de chiffres.

 

  • Data broker

Entreprise qui recueille des renseignements personnels sur les consommateurs et qui 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, à la place d'un simple enregistrement client avec le nom et l'adresse du client, les données qui sont ajoutées au moment de l’enregistrement donnent également les préférences d'achat du client.


  • Décisionnel (outil) 

Ensemble des solutions informatiques mettant à disposition des utilisateurs les données et les logiciels permettant d’analyser l’activité de l’entreprise. Les anglo-saxons utilisent l’expression Business Intelligence, devenue BI pour les initiés.


  • Dimension

Ensemble de critères d’analyse organisés de manière hiérarchique, communément appelé axe d’analyse. L’exemple le plus courant est la dimension Temps, découpée en Année, Semestre, Trimestre, Mois, Jour.



Par Cédric Fauconnier-Anglade

Chef de projet marketing



Découvrez nos autres glossaires data marketing B2B :

https://www.lesdatalistes.fr/article/fiche-pratique-lesdatalistes-glossaire-data-marketing-2023-1ere-partie

https://www.lesdatalistes.fr/article/fiche-pratique-lesdatalistes-glossaire-data-marketing-2023-2eme-partie

https://www.lesdatalistes.fr/article/glossaire-data-quality-part1

https://www.lesdatalistes.fr/article/glossaire-data-quality-part2

Pour échanger avec notre équipe

Contacter un expert