données via des outils qu’ils utilisent au quotidien, notamment une machine dont ils ont la responsabilité ou un kiosque faisant également office de caisse enregistreuse. Pour ces types d’utilisateurs, l’intégration des données du data warehouse directement dans leurs tâches quotidiennes va de soi. Ils peuvent se servir de l’analyse décisionnelle sans le savoir, tout en générant malgré tout des bénéfices substantiels pour l’entreprise.

Dans le cas d’une application de point de vente, les données du data warehouse peuvent être explorées afin de fournir des suggestions permettant des ventes croisées non standard (par exemple « Voulez-vous des frites avec votre commande ? »). Ainsi, le Data Mining donne aux employés la possibilité de recommander à des clients les produits les plus vendus avec celui qu’ils sont en train d’acheter, sur la base des ventes passées. De même, en s’appuyant sur une série de questions, un employé peut recommander un produit à même de satisfaire un client qui n’a pas une idée très précise de ses besoins. Pour une personne chargée de prendre des commandes au téléphone auprès de clients ou commerciaux sur le terrain, des applications pourraient facilement afficher l’historique des ventes et la marge concernant un client par rapport à la moyenne pour l’ensemble des clients.

Il existe différentes façons d’apporter ce niveau d’intégration dans les applications personnalisées. Vous pouvez incorporer des rapports à partir de Reporting Services dans les applications, les utilisateurs peuvent accéder aux données directement via une bibliothèque d’accès aux données et vous pouvez assurer le rendu de contrôles dans des applications chargées d’afficher les données. L’intégration du .NET Framework à l’échelle de SQL Server 2005 en fait un outil particulièrement puissant pour l’utilisation d’applications personnalisées.

Le data warehousing représente une approche puissante car un seul entrepôt de données peut gérer une multitude d’utilisateurs différents via des outils distincts. Les mêmes données peuvent être rendues de différentes manières afin qu’elles répondent aux attentes de chaque groupe d’utilisateurs et qu’elles matérialisent la promesse d’une analyse décisionnelle universelle, qui incorpore les données accessibles à tous les niveaux de l’entreprise.