
Michel Bruley, Directeur Marketing & PR Teradata Europe de l’Ouest
Pour réaliser votre entrepôt de données, ne consultez aucune personne extérieure à votre organisme. Votre cas est unique et seules des personnes de chez vous peuvent trouver la solution qui convient. Ne cherchez pas à savoir ce que font vos concurrents, ne regardez pas les références de fournisseurs de solutions décisionnelles.
Fixez-vous comme premier objectif de spécifier de façon exhaustive tous les besoins décisionnels de votre organisme, en particulier soignez particulièrement bien la définition détaillées des restitutions attendues.
Cherchez à satisfaire les utilisateurs en leur réalisant des systèmes personnels sur mesure. Concrètement il s’agit de multiplier les data marts dans une logique de construire pour chaque division, département voire service, des moyens totalement adaptés au périmètre de leur problématique, en particulier à leur vocabulaire, à leur façon de voir les données sans se soucier d’autres choses que de leur vision spécifique des affaires. A chacun sa vérité.
Planifiez de multiples projets décisionnels en parallèle, sans vous souciez de fixer des priorités, ni de produire rapidement des résultats.
Evitez le plus possible de stocker des données détaillées et fondez les systèmes sur des données agrégées, des compteurs du type RFM, et faites une large place aux données d’enquêtes, d’études ponctuelles et d’informations qualitatives que les utilisateurs maîtrisent bien, voire produisent eux-mêmes.
Au niveau de la modélisation, bannissez la 3eme forme normale, fondez le plus possible les data marts sur des modèles en étoile ou en flocon, de façon à optimiser au maximum les performances des requêtes qui sont envisagées au moment de la conception du système.
Pour les restitutions, simplifiez le plus possible la vie des utilisateurs en fournissant des résultats facilement compréhensibles comme des moyennes, des médianes ou des métriques synthétiques, qui permettent de suivre simplement des sujets complexes.
Pour faciliter l’appréciation des performances fondez exclusivement les suivis sur des comparaisons entre données de prévision et de réalisation, en veillant à ne pas trop multiplier les chiffres et à rester très synthétique, en particulier il convient de limiter la profondeur de l’historique des données.
Au niveau des moyens technologiques, privilégiez des solutions prêtes à l’emploi spécifiques, quitte à multiplier les fournisseurs et les moyens.
Défendez bec et ongles l’idée que la vérité est dans les statistiques.
Investissez un minimum dans votre entrepôt de données, garder le plus possible votre argent au fond d’un coffre, il y sera en sécurité.
Enfin, pour avoir d’autres conseils sur la façon de réussir votre échec, vous pouvez utilement consulter le lien ci-dessous :
http://www.nodesway.com/business-intelligence/10_lecons_pour_reussir_son_echec.htm
Fixez-vous comme premier objectif de spécifier de façon exhaustive tous les besoins décisionnels de votre organisme, en particulier soignez particulièrement bien la définition détaillées des restitutions attendues.
Cherchez à satisfaire les utilisateurs en leur réalisant des systèmes personnels sur mesure. Concrètement il s’agit de multiplier les data marts dans une logique de construire pour chaque division, département voire service, des moyens totalement adaptés au périmètre de leur problématique, en particulier à leur vocabulaire, à leur façon de voir les données sans se soucier d’autres choses que de leur vision spécifique des affaires. A chacun sa vérité.
Planifiez de multiples projets décisionnels en parallèle, sans vous souciez de fixer des priorités, ni de produire rapidement des résultats.
Evitez le plus possible de stocker des données détaillées et fondez les systèmes sur des données agrégées, des compteurs du type RFM, et faites une large place aux données d’enquêtes, d’études ponctuelles et d’informations qualitatives que les utilisateurs maîtrisent bien, voire produisent eux-mêmes.
Au niveau de la modélisation, bannissez la 3eme forme normale, fondez le plus possible les data marts sur des modèles en étoile ou en flocon, de façon à optimiser au maximum les performances des requêtes qui sont envisagées au moment de la conception du système.
Pour les restitutions, simplifiez le plus possible la vie des utilisateurs en fournissant des résultats facilement compréhensibles comme des moyennes, des médianes ou des métriques synthétiques, qui permettent de suivre simplement des sujets complexes.
Pour faciliter l’appréciation des performances fondez exclusivement les suivis sur des comparaisons entre données de prévision et de réalisation, en veillant à ne pas trop multiplier les chiffres et à rester très synthétique, en particulier il convient de limiter la profondeur de l’historique des données.
Au niveau des moyens technologiques, privilégiez des solutions prêtes à l’emploi spécifiques, quitte à multiplier les fournisseurs et les moyens.
Défendez bec et ongles l’idée que la vérité est dans les statistiques.
Investissez un minimum dans votre entrepôt de données, garder le plus possible votre argent au fond d’un coffre, il y sera en sécurité.
Enfin, pour avoir d’autres conseils sur la façon de réussir votre échec, vous pouvez utilement consulter le lien ci-dessous :
http://www.nodesway.com/business-intelligence/10_lecons_pour_reussir_son_echec.htm
Autres articles
-
Teradata lance ask.ai et dote sa plateforme VantageCloud Lake de capacités d’IA générative
-
Teradata et Nordcloud s’associent pour accélérer les déploiements cloud et la transformation numérique de leurs clients
-
Les directions d’entreprise exercent une pression accrue en faveur de l’adoption de l’IA générative, même si seulement 30 % des grandes entreprises sont prêtes à la mettre en œuvre dès aujourd’hui selon une étude Teradata
-
Teradata acquiert Stemma, ajoutant la technologie et les talents de l'IA pour accélérer la valeur transformatrice de l'analytique pour les clients
-
Teradata s’associe avec Microsoft pour proposer VantageCloud Lake sur Azure pour faciliter l’accès aux technologies d’IA et de ML à l’échelle, pour l’ensemble de l’entreprise