Investissement et foi

coût/fonction. Pour une petite société, un
datamart constitue un moyen plus simple et plus rentable de bénéficier des technologies
de BI.

Ceux qui envisagent un vrai entrepôt de données doivent être prêts à  concentrer
leurs attentes (et leurs investissements) sur des objectifs à  long terme. Une
bonne stratégie exige un engagement ferme de la direction, de la patience et du
capital.

Engagement de la direction. Un projet
d’entrepôt de données initié et soutenu par le seul service informatique est rapidement
voué au downsizing et à  la réduction des coûts. Pour réussir, il faut l’appui
des principaux décideurs. Autrement dit, l’état-major doit être conscient que
le projet durera longtemps, consommera beaucoup de ressources et ne présentera
pas de ROI mesurable avant un certain temps. C’est un investissement sur l’avenir.

Patience. J’entends souvent que, çà  et
là , un dirigeant exige qu’un nouvel entrepôt de données soit conçu, peuplé, et
même placé en ligne dans un délai de 60 à  90 jours. On ne bâtit pas un entrepôt
de données aussi rapidement ! Pour concevoir un bon entrepôt de données, il faut
que le responsable (et/ou son conseiller) connaisse parfaitement tous les systèmes
actuels, les flux de travail et les business plans présents et futurs. C’est généralement
une opération longue, difficile, impliquant de nombreuses personnes. Un projet
de conception d’entrepôt de données relativement simple peut demander six mois.
Et beaucoup plus pour des projets complexes.

Tout entrepôt de données conçu, peuplé et opérationnel en 60 jours contient probablement
un ensemble limité de données déjà  opérationnelles. Il doit aussi être concentré
sur des besoins précis et bien définis. Autrement dit, c’est davantage un magasin
de données qu’un entrepôt.

Capital. Compte tenu de la quantité de
données stockées dans les entrepôts de données et des ressources système nécessaires
pour consulter ces données, la plupart des applications de BI sont confiées à 
des serveurs dédiés. En raison des différences inhérentes à  leurs charges de travail
respectives, il est tout simplement impossible d’exploiter des entrepôts de données
sur les mêmes machines que les applications et bases de données OLTP. Si l’on
considère le coût des lignes et des équipements de communications, le logiciel
de réplication de transformation, les outils d’analyse frontaux et autres composants
nécessaires pour l’entrepôt de données, on comprend pourquoi les applications
BI coûtent très cher.