Syndrome de fatigue de la planification des données et de l'information

Lisez cet article pour en savoir plus sur la planification des données et le syndrome de fatigue de l’information:

Les volumes d’informations augmentent à mesure que la géométrie progresse et il est de plus en plus difficile de faire face à l’explosion d’informations qui se produit.

Courtoisie d'image: engazegypt.com/uploads/services/136853078516158773-internet-a.jpg

La planification des données devrait également se concentrer sur ce problème. Les paragraphes suivants traitent de ce problème et de la réaction de la technologie de la base de données à ce problème.

Syndrome de fatigue de l'information:

Une enquête internationale récente intitulée "Mourir pour l'information" a révélé de manière surprenante que la moitié des dirigeants se plaignaient de la surcharge d'informations, ce qui avait pour effet d'accroître le niveau de stress élevé qui en résultait pour la santé. L'enquête souligne également que les gestionnaires sont pris dans un dilemme exécutif à l'ère des fax, messagerie vocale et Internet.

Ils estiment également qu’ils ne peuvent pas fonctionner correctement sans une grande quantité d’informations. Mais cette lourde charge de données souvent non pertinentes affecte leur efficacité et encrasse la machine de l'entreprise. "Le gaspillage de temps, les décisions différées et les tensions peuvent être attribués à la surcharge d'informations".

«Avoir trop d'informations peut être aussi dangereux que d'avoir trop peu», résume le dilemme auquel sont confrontés les managers aujourd'hui. Ce phénomène est qualifié de «syndrome de fatigue de l'information» et fait désormais partie de la vie d'un dirigeant. La fameuse citation «L'eau, de l'eau partout, pas une goutte à boire» de l'ancien marin peut également devenir une source d'informations.

Récemment, des tentatives ont été faites pour relever le défi posé par le syndrome de fatigue de l'information. Une variété de techniques logicielles telles que la technologie de base de données, les langages de requête, les 4GL, les OOP, les systèmes d’information de direction, les systèmes d’information d’experts, etc. sont disponibles pour permettre aux gestionnaires de disposer d’informations de qualité.

Cependant, ces techniques ont été jugées inadéquates en raison du taux de croissance substantiel du pool d’informations. La raison principale en est que les données disponibles dans les bases de données ont été orientées transaction et non par sujet.

Les données relatives aux opérations en cours retiennent le plus l’attention d’un administrateur de base de données. Une simple requête sur le rapport entre la vente de cigarettes, de boissons non alcoolisées et d’aliments pour bébés; ou quelle est l’augmentation attendue des ventes si le magasin à rayons est maintenu ouvert tard le soir également, risque d’envoyer des ondes de choc aux gestionnaires de l’information d’aujourd’hui.

Les requêtes sur des problèmes comme celui-ci nécessitent l'utilisation d'un vaste pool de données actuelles et passées concernant le comportement des clients dans différentes situations. Cela nécessite un magasin de données spécialement conçu pour répondre à ces questions. Afin de réduire les délais et les coûts d'analyse et de stockage, les données doivent dans ce cas être stockées après une certaine quantité d'agrégation et d'analyse de base.

Déterminer le degré d'agrégation et éliminer la redondance constitue un défi de taille pour les gestionnaires de l'information. Comme la nature des requêtes dans de tels cas ne peut être anticipée, la tâche devient encore plus ardue. L’approche d’entrepôt d’information a été mise au point pour relever ce défi.

Approche d'entreposage de données:

L'approche d'entreposage de données (également parfois appelée approche d'entreposage d'informations) suggère que les informations doivent être acquises, conservées et diffusées conformément à l'approche de base utilisée dans le cas d'entrepôts pour d'autres intrants physiques.

Les entrepôts généraux sont développés en réalisant que toute rupture de stock entraverait le processus de production et aurait des conséquences sur les résultats. Ainsi, les articles nécessaires sont régulièrement et délibérément achetés, traités et maintenus prêts à être utilisés tout le temps.

La caractéristique distinctive de l'approche d'entreposage d'informations est qu'elle crée un entrepôt de données, différent des bases de données normales gérées par une entreprise.

L'hypothèse, ici, est que les données collectées, consolidées et obtenues à partir de différentes sources telles que la production, le marketing et les finances sont trop importantes pour être gênées par des requêtes analytiques complexes d'utilisateurs. Ainsi, les requêtes sont effectuées sur une base de données extraite spécialement organisée pour les requêtes analytiques de réunion. Une telle base de données s'appelle également méta-données.

Cette approche combine les outils analytiques, les systèmes parallèles et de multitraitement à grande vitesse avec des algorithmes spécialisés et des outils logiciels. Les caractéristiques distinctives de l'approche peuvent être mieux comprises par les étapes du processus adopté pour répondre aux requêtes analytiques. Ces étapes sont:

une. La capture de données, également appelée collecte ou collecte de données provenant de diverses sources exécutant différentes applications;

b. Nettoyage des données (nettoyage des données) pour assurer la cohérence et l'exhaustivité. Cela implique également la suppression des éléments de données redondants;

c. Organiser les données dans des bases de données spécialement conçues pour l'analyse des données. Ces conceptions de base de données sont différentes de celles utilisées pour les opérations d'enregistrement et de génération de rapports dans une entreprise. Ils sont exempts de préoccupations de source, d'authenticité, de pistes d'audit, etc.

ré. Disponibilité des processeurs analytiques en ligne (OLAP), des outils d’exploration de données, des outils de visualisation des données, des outils d’activation Internet, des systèmes d’information d’entreprise (Executive Information Systems, EIS) et d’autres outils d’analyse et de reporting des données permettant de répondre aux demandes analytiques des utilisateurs.

Une décision cruciale à prendre concerne la sélection des données à stocker dans des bases de données. S'il est possible de prédire les besoins en informations pour l'avenir, un modèle à deux boîtes suffira.

Dans ce modèle, les données d'opérations sont résumées et les données éventuellement nécessaires à l'avenir peuvent être copiées dans la base de données. Au cas où il serait impossible de prédire les futurs besoins en informations, un modèle à trois cases serait peut-être plus approprié. Dans ce modèle, l’ensemble des données d’opérations est tout d’abord stocké dans ce que l’on appelle une base de données historique, puis une partie sélectionnée est également conservée dans une base de données. La figure 9.9 décrit les deux modèles.

L'approche d'entreposage de données gagne du terrain, comme en témoigne son acceptabilité plus large parmi les principaux fabricants de logiciels. Aujourd'hui, les principaux éditeurs de logiciels de bases de données tels qu'Oracle, Sybase, Informix et IBM ont ouvertement préconisé cette approche. Informix a établi des liens avec Prism Solutions, une société créée par Bill Inmon, considérée comme le père de l’approche de l’entreposage de données.

Avantages de l'approche d'entreposage de données:

L'entreposage de données devient populaire pour les raisons suivantes:

une. Cela accélère l'analyse des données à mesure que les agrégats de données sont stockés et que les transactions quotidiennes ne gênent pas le processus d'analyse.

b. Il offre une flexibilité en termes de nature de la requête et se concentre sur des sujets et des activités plutôt que sur des transactions.

c. Il aide à comprendre les divers processus et comportements des clients, des fournisseurs, des investisseurs, etc.

Parmi les exemples de réussite dans l'utilisation de l'entreposage de données, citons la chaîne de magasins Wal-Mart qui traite 7, 5 téraoctets de stockage de données de différents aspects des activités d'un magasin de vente au détail. Les tendances des ventes sont analysées et l'impact de divers changements, tels que les remises et autres décisions sur les ventes, est évalué régulièrement pour orienter les actions futures.

Un autre exemple est Reuters, un fournisseur de services d’information financière qui a développé une nouvelle série de services d’information tels que Money 3000, Securities 3000 et Treasury 3000. La société a ajouté de la valeur à l’information financière en offrant à ses utilisateurs l’accès à ses informations historiques sur les marchés. et instruments.

Il utilise l'approche d'entreposage de données pour stocker et permettre l'accès aux données stockées dans divers ordinateurs du monde entier. Les données sont recueillies auprès de 4600 sources différentes, y compris 236 marchés, 241 analystes et 50 nouveaux flux tiers, ainsi que de sa propre équipe de 1 860 journalistes. Pour une donnée aussi volumineuse, l’approche entreposage de données a été jugée la plus appropriée.

Facteurs critiques de succès dans l'entreposage de données:

Afin de tirer pleinement parti d'un système d'entreposage de données, il est essentiel de prendre en compte les facteurs essentiels à l'efficacité de tels systèmes.

Certains de ces facteurs sont:

a) L'approche d'entreposage de données nécessite d'énormes investissements en matériel et en logiciels. Cette approche n’aurait donc de sens que dans les grandes entreprises, où le potentiel du système peut être pleinement exploité.

b) L'entreposage de données nécessite des modifications architecturales majeures dans les bases de données déjà bien établies. De tels changements peuvent entraver le fonctionnement des systèmes existants ou les systèmes existants devront être mis en parallèle avec les nouveaux systèmes pendant un certain temps.

De même, d'autres obstacles technologiques et commerciaux peuvent empêcher la mise en œuvre réussie de ces systèmes. Le traitement des obstacles pendant la période de mise en œuvre, qui varie entre 18 et 24 mois, sera un facteur important du succès du système d’entreposage.

c) Le plein potentiel de cette approche ne peut être réalisé que lorsqu'un ensemble d'outils d'analyse de données est utilisé pour générer des informations. Le choix et l’utilisation des outils d’analyse des données dépendent de la disponibilité de ces outils ainsi que de la culture de l’entreprise. L'approche d'entreposage de données serait un succès si une culture de travail appropriée prévaut dans une entreprise.

d) Cette approche suppose un environnement informatique très mature où le degré de pénétration de l'informatique dans les activités quotidiennes est très élevé. L’entreprise utilisatrice doit disposer d’une grande quantité de données historiques déjà stockées sur le support magnétique. Il s’agit donc d’un processus évolutif et non révolutionnaire.

Le retour sur investissement de cette approche est une zone d'ombre et, par conséquent, une analyse coûts-avantages doit être entreprise avant de passer à l'action.