> Tech > Engouement ou désaffection des utilisateurs ?

Engouement ou désaffection des utilisateurs ?

Tech - Par Renaud ROSSET - Publié le 24 juin 2010
email

Les personnes de votre organisation se serventelles du système de messagerie tout au long de la journée pour un grand nombre de tâches (par ex., communication, planification) ou l’utilisentelles pratiquement jamais ? La plupart des outils de dimensionnement vous demandent de déterminer le pourcentage de personnes entrant dans les catégories

Engouement ou désaffection des utilisateurs ?

d’utilisation élevée, moyenne et faible. Ces classifications aident à déterminer le nombre de journaux des transactions censés être générés par jour, la rapidité avec laquelle les utilisateurs épuiseront leur quota de boîte aux lettres et la fréquence d’utilisation des transports de messages.

Les actions consistant à classer les utilisateurs et à déterminer précisément leur mode d’utilisation du système de messagerie au quotidien sont des tâches ardues. Il faut d’abord employer un outil d’évaluation pour collecter des données permettant de classer les utilisateurs par catégories. D’autres tactiques sont également nécessaires pour obtenir les informations, notamment les groupes cible et les enquêtes.

Parmi les outils d’évaluation utilisables figure StorStat, un utilitaire du Kit de ressources techniques Microsoft BackOffice 4.5 qui collecte des informations sur l’utilisation des boîtes aux lettres. Bien que Microsoft ait initialement conçu StorStat pour les mises à niveau Exchange Server 5.5, cet outil est encore utile aujourd’hui car il se sert de MAPI (Messaging API) pour accéder aux éléments dans une boîte aux lettres et les évaluer.

StorStat fournit des statistiques telles que le nombre de dossiers d’une boîte aux lettres, la taille moyenne des messages dans celle-ci, ainsi que le nombre des messages envoyés et reçus quotidiennement. Ces informations sont précieuses, mais il faut avoir conscience que les résultats fournis peuvent être trompeurs. Ils seront valides uniquement pour les éléments stockés dans la boîte aux lettres au moment de l’exécution de l’outil. Par exemple, prenons la supposition suivante : vous exécutez l’outil et celui-ci signale que la boîte aux lettres d’un utilisateur contient uniquement quelques messages et aucune pièce jointe. Vous pourriez en déduire que l’utilisateur ne reçoit pas beaucoup de messages et rarement des pièces jointes, mais en réalité, cette personne reçoit peut-être fréquemment des messages, dont certains avec des pièces jointes extrêmement volumineuses. En fait, il ressort que l’utilisateur enregistre immédiatement toutes les pièces jointes sur le lecteur local et supprime régulièrement les anciens messages. StorStat n’a pas mesuré les pièces jointes et les messages car ils ne résidaient plus dans la boîte aux lettres de l’utilisateur. C’est la raison pour laquelle il faut effectuer des investigations plus approfondies au moyen de groupes cible et de d’enquêtes.

StorStat présente une autre limitation : bien qu’il permette de synthétiser les résultats d’un échantillon de boîtes aux lettres, il fournit uniquement une synthèse de l’échantillon complet. Il ne ventile pas les résultats pour des analyses plus poussées. Par exemple, StorStat fournit le nombre moyen de messages envoyés quotidiennement sur l’échantillon, mais il ne décompose pas le nombre de messages envoyés par le nombre d’expéditeurs (par ex., 3 personnes ont envoyé 0 à 10 messages, 23 personnes ont envoyé 10 à 20 messages). J’aime employer StorStat en vue de collecter des informations générales, mais pour des informations d’utilisation plus détaillées, je fais appel à d’autres moyens (par ex., groupes cible, enquêtes) afin d’obtenir un tableau réaliste.

J’ai constaté que le nombre des messages envoyés et reçus, leur taille et le nombre de messages envoyés avec des pièces jointes constituent de bonnes métriques initiales pour déterminer le nombre d’utilisateurs entrant dans les catégories d’utilisation élevée, moyenne et faible.

A mesure que vous capturez ces informations, vous pouvez employer MMB (MAPI Messaging Benchmark) 3, la norme de test pour mesurer les performances et l’évolutivité des ordinateurs exécutant Exchange 2003, afin de débuter l’évaluation des niveaux d’utilisation. MMB3 est conçu pour établir le profil de l’utilisation moyenne. Par exemple, concernant le nombre de messages envoyés quotidiennement, 55 messages reflètent une utilisation moyenne, 41 messages (à peu près 75 pour cent de l’utilisation moyenne) représentent une faible utilisation et 69 messages (environ 125 pour cent de l’utilisation moyenne) correspondent à une utilisation élevée. Il faut avoir à l’esprit que MMB3 est conçu pour comparer le matériel de différents fournisseurs et que les configurations matérielles ne reflètent généralement pas les déploiements réels. Par conséquent, ces nombres doivent uniquement servir de point de départ.

Dès que les informations commencent à affluer, vous noterez peut-être certaines tendances donnant une indication sur une certaine catégorie d’utilisation. Par exemple, j’ai constaté que les personnes dans la catégorie d’utilisation élevée ont tendance à envoyer et recevoir beaucoup de courriers électroniques et à conserver ces messages échangés pendant une longue période. Ils participent fréquemment à des réunions ou les organisent, et ont fréquemment des pièces jointes enregistrées avec leurs rendez-vous. Ils ont tendance à créer de nombreux dossiers pour organiser les éléments conservés.

Téléchargez cette ressource

Guide de Sécurité IA et IoT

Guide de Sécurité IA et IoT

Compte tenu de l'ampleur des changements que l'IA est susceptible d'entraîner, les organisations doivent élaborer une stratégie pour se préparer à adopter et à sécuriser l'IA. Découvrez dans ce Livre blanc Kaspersky quatre stratégies efficaces pour sécuriser l'IA et l'IoT.

Tech - Par Renaud ROSSET - Publié le 24 juin 2010