Table des matières:
Vidéo: ÉVITER L'APOCALYPSE - BERNARD STIEGLER 2025
Supposons que vous utilisiez un environnement d'entreposage de données non structuré et multimédia pour faire une analyse comparative entre les services offerts par votre entreprise (une banque) et les offres correspondantes de vos concurrents.
Vous exécutez des rapports de base et quelques requêtes pour vérifier la part de marché, la performance du portefeuille et d'autres mesures. Ou, pour une analyse plus avancée, vous utilisez un outil OLAP d'analyse métier pour effectuer toutes sortes d'analyses détaillées sur les données afin de comprendre pleinement les subtilités de la performance de votre entreprise par rapport à vos concurrents.
Parfois, cependant, vous ne trouvez pas les réponses dans les chiffres. Supposons que vous remarquiez une augmentation soudaine des fermetures de comptes dans votre banque au cours des deux derniers mois. Que se passe-t-il?
Types de données non structurées
Vous pouvez comprendre la prémisse de la Business Intelligence dans le terme lui-même: obtenir autant de renseignements que possible - aussi vite que possible - du plus grand nombre possible de sources pour vous aider à comprendre ce qui se passe. prendre des mesures éclairées. Sous cette définition large, l'intelligence peut facilement inclure les types d'informations suivantes que vous ne pouvez pas trouver dans (ou accéder à) un entrepôt de données traditionnel:
-
Journal local d'un concurrent offrant un chèque sans frais pour un an et un supplément de 1,5% sur les dépôts du marché monétaire si un client potentiel montre un relevé bancaire indiquant qu'il a fermé un compte compte à votre banque
-
Une bannière publicitaire sur Google présentant la même offre que votre concurrent
-
Un lien vers chacun des sites Web de vos concurrents, où vous pouvez analyser les types de services bancaires électroniques qu'ils offrent
-
Une transcription d'un entretien avec un expert économique régional indiquant que votre banque est une cible privilégiée de prise de contrôle et ne sera probablement pas en affaires sous son nom actuel au même moment l'année prochaine
Cet exemple simple, parce que les éléments se produisent localement ou régionalement, vous pourriez croire que vous pouvez accéder à toutes ces informations à partir d'un entrepôt de données multimédia. ("Un bon analyste bancaire connaît probablement tout cela de toute façon", n'est-ce pas?
Un exemple global de datawarehousing
Pensez à cet exemple à l'échelle mondiale, cependant. Vous vous demandez pourquoi les ventes de votre entreprise glissent en Suède? Vous pourriez avoir besoin de ces types de capacités de collecte de renseignements en temps réel pour une situation de concurrence mondiale.
Imaginons, par exemple, une entreprise de l'industrie chimique qui souhaite l'architecture d'un environnement d'entrepôt de quasi-données ( quasi car elle ne dispose que d'une seule source de données mais une quantité énorme d'informations historiques doit être introduit dans le nouveau système).
Environ 80% des informations historiques étaient sur papier, et le client envisageait finalement d'entrer ces informations dans un système de gestion de documents. Pour des raisons budgétaires, ils ne traiteront que de la conversion des données historiques traditionnelles (caractère, numérique et date), et de la cartographie et de la transformation des nouvelles données entrantes. Les documents seraient traités plus tard.
Imaginez un environnement dans lequel vous pouvez traiter toutes ces données, qui traitent du même sujet, également. Si les données sont sur papier, vous pouvez les numériser sous forme d'image, les indexer par mot-clé et les rendre accessibles dans le même environnement que les données traditionnelles. Vous augmentez énormément la business intelligence du client en lui donnant accès à cette information.
