BUSINESS INTELLIGENCE

PLAN
Introduction
Business

Intelligence Les outils du systme dcisionnel

Datawarehouse BD multidimensionnels Datamining SIAD EIS

SCM
2

et Business Intelligence

Conclusion

INTRODUCTION

POURQUOI FAIRE APPEL AUX BUSINESS INTELLIGENCE?

Problmatique

Objectif

Amliorer les performances dcisionnelles de l'entreprise.

Comment ?

en rpondant aux demandes danalyse des dcideurs.

Exemples

Clientle :
Qui sont mes clients ? Pourquoi sont-ils mes clients ? Comment les conserver ou les faire revenir ? Ces clients sont-ils intressants pour moi ?

Marketing :
Actions commerciales : O placer ce produit dans les rayons ? Comment cibler plus prcisment le mailing concernant ce produit ?

LE BUSINESS INTELLIGENCE, QUEST CE QUE CEST?

Business intelligence appel galement linformatique dcisionnelle , ou parfois le dcisionnel est lensemble doutils et mthodes qui permettent de collecter, consolider, modliser et prsenter les donnes des diffrents services oprationnels de lentreprise (production, marketing, facturation comptabilit, etc.) en vue d'offrir une aide la dcision aux responsables de la stratgie d'une entreprise. pouvoir obtenir une vision synthtique, les donnes de chaque service oprationnel ou de lensemble de lentreprise doivent tre filtres, croises et reclasses dans un entrept de donnes central.

Pour

ENVIRONNEMENT ACTUEL DE LENTREPRISE

Les

entreprises sont confrontes une concurrence de plus en plus forte, des clients de plus en plus exigeants, dans un contexte organisationnel de plus en plus complexe et mouvant. faire face aux nouveaux enjeux conomiques, lentreprise doit anticiper. Lanticipation ne peut tre efficace quen sappuyant sur de linformation pertinente. Cette information est la porte de toute entreprise qui dispose dun capital de donnes

Pour

 Problmatique

Une grande masse de donnes :

Distribues Htrognes Trs dtaille

A traiter :
Synthtiser / Rsumer Visualiser Analyser

Pour une utilisation par :

Des experts et des analystes d'un mtier Non informaticiens Non statisticiens

MOYEN DATTEINDRE CES OBJECTIFS

Le Data Warehouse (entrept de donnes), un systme dinformation ddi aux applications dcisionnelles.

DATA WAREHOUSE CEST QUOI?

Entrept

de donnes en franais. Outil d'aide la dcision, bas sur une base de donnes fdrant et homognisant les informations des diffrents services d'une organisation. Le datawarehouse est la forme la plus sophistique des systmes d'aide la dcision. Il cote plusieurs millions dEuro, et peut stocker des centaines de Go de donnes. Le Data Warehouse est une collection de donnes orientes sujet, intgres, non volatiles et historises, organises pour le support dun processus daide la dcision. Le dfi du data warehouse, c'est le passage de l'informatique de gestion la gestion de l'information .

UTILISATION DUN DATA WEREHOUSE

Exemples

Banque, Assurance
- Dterminer les profils client (risque d'un prt, prime plus prcise)

Commerce
- Ciblage de clientle - Dterminer les promotions - Amnagement des rayons (2 produits en corrlation)

Logistique
- Adquation demande / production

conomtrie
- Prdiction de trafic autoroutier

Ressources Humaines
- Adquation activit / personnel

UTILISATION DUN DATA WAREHOUSE

SPM (Strategic Performance Management) - Dterminer et contrler les indicateurs cl de la performance de lentreprise. FI (Finance Intelligence) - Planifier, analyser et diffuser linformation financire. - Mesurer et grer les risques. HCM (Human Capital Management) - Aligner les stratgies RH, les processus et les technologies.

CRM (Customer Relationship Management) - Amliorer la connaissance client, Identifier et prvoir la rentabilit client. - Accrotre lefficacit du marketing client.
SRM (Supplier Relationship Management) - Classifier et valuer lensemble des fournisseurs. - Planifier et piloter la stratgie Achat. SCM ( supply chain management) - valuer les temps de fabrication. - Planifier la production

CARACTRISTIQUES DUN DATA WAREHOUSE

Orientation sujets Donnes intgres Donnes non volatiles Donnes dates (historises)

DONNES ORIENTES SUJET

Les bases de production sont le plus souvent organises par processus fonctionnels. Le datawarehouse est lui organis autour des sujets majeurs de l'entreprise. Le datawarehouse est orient sujets, cela signifie que les donnes collectes doivent tre orientes mtier et donc tries par thme

DONNES INTGRES
Les

donnes proviennent de plusieurs sources diffrentes. Avant d'tre intgres au sein du data warehouse elles doivent tre mise en forme et unifies afin d'en assurer la cohrence.

DONNES HISTORISES
Contrairement au

systme de production les donnes ne sont jamais mises jour. Chaque nouvelle donnes est insres.

DONNES NON VOLATILES

Un

data warehouse veut conserver la traabilit des informations et des dcisions prises. Les donnes ne sont ni modifies ni supprimes (en lecture seule).

LES PRINCIPAUX DATAWAREHOUSES

PROCESSUS DE LINFORMATIQUE DCISIONNELLE

Base de donnes

Browser

Base de donnes

Client

Base de donnes External data

Base de donnes

DatawareHouse

Datamart

Bases de donnes multidimensionnelles

E-mail

LES 4 TAPES DU PROCESSUS DALIMENTATION DUN DATA WAREHOUSE

 Etape

Dcouverte des donnes

Il

s'agit d'identifier dans les systmes sources les donnes importer dans le data warehouse. Il faut prendre les donnes les plus judicieuses. Un mauvais choix peut considrablement compliquer les phases suivantes de l'alimentation.

 Etape

Extraction des donnes

Il

s'agit de collecter les donnes utiles dans les systmes de production.

 Etape

3 des donnes

Transformation

Il faut rendre les donnes cohrentes avec la structure du data warehouse. On d'applique alors des filtres sur les donnes. Il peut tre ncessaire de convertir le format des donnes (EBCDIC vers ASCII par exemple) ou d'harmoniser les formats de dates (jj/mm/aaaa). Il faut galement associer les champs source avec les champs cibles. Un champ source adresse pourra ainsi par exemple tre dcompos en numro , rue , code postal , ville ou l'inverse. Enfin des donnes des systmes de production doivent tre agrges ou calcules avant leur chargement.

Transformation des donnes

 tape

Chargement des donnes

C'est

la dernire phase de l'alimentation d'un data warehouse. s'agit d'insrer les donnes au sein du data warehouse. C'est une phase dlicate car les quantits de donnes sont souvent trs importantes.

Il

Donnes de production
- Trs dtalles

Data warehouse
- Synthtiques - Centralises - Interprtables

ETL (EXTRACT, TRANSFORM, LOAD)

ETL

ETL
Dfinition

Extract-Transform-Load est connu sous le terme ETL (ou parfois : datapumping). Il s'agit d'une technologie informatique intergicielle (middleware) permettant d'effectuer des synchronisations massives d'information d'une base de donnes vers une autre. (Extract, Transform and Load) est ainsi charg d'extraire les donnes dans diffrentes source, de les nettoyer et de les charger dans un entrept de donnes.

ETL

PRINCIPAUX ETL DU MARCH

diteur Produit Version

Informatica
Ascential Hummingbird Cognos BusinessObjects Sunopsis ETI Sagent

PowerMart, Power Center DataStage XE

Genio Suite DecisionStream Data Integrator (ex Actaworks) Sunopsis ETI Extract Modulaire

V6.1
V5 V5 V7 V6 V3 V5
Selon module

SUITE DCISIONNELLE

Quest-ce quun Data Mart ?

Vue partielle et oriente mtier sur les donnes du datewarehouse.

Quest-ce quun Data Mart ?

Un datamart (ou magasin de donnes) est une vue partielle du datawarehouse oriente mtier.
C'est un sous-ensemble du data warehouse contenant des informations se rapportant un secteur d'activit particulier de l'entreprise ou un mtier qui y est exerc. Il se situe en aval du datawarehouse et est aliment par celui-ci. On peut donc crer plusieurs datamart correspondant au diffrent besoin des utilisateurs. Cela permet de rduire le nombre d'opration sur les bases de production. De plus cela permet d'offrir aux utilisateurs un outil spcifiquement adapt leurs besoins. Cet outil sera plus petit et permettra donc un accs plus rapide l'information.

Caractristiques dun Data Mart

Le Data Mart est une BD moins coteuse que le Data Warehouse, et plus lgre puisque destine quelques utilisateurs dun dpartement.
Cest une petite structure trs cible et pilote par les besoins utilisateurs.

Il a la mme vocation que le Data Warehouse (fournir une architecture dcisionnelle), mais vise une problmatique prcise avec un nombre dutilisateurs plus restreint.

En gnral, cest une petite BD avec quelques outils, et alimente par un nombre assez restreint de sources de donnes. Son cot [300000 , 600000 ].

Utilit dun data mart ?

Rduire le nombre d'opration sur les bases de production. Offrir aux utilisateurs un outil spcifiquement adapt leurs besoins.

Cet outil sera plus petit et permettra donc un accs plus rapide l'information.

Sert au reporting et l'analyse dcisionnelle.

SUITE DCISIONNELLE

34

 BD

multidimensionnelles

Lanalyse multidimensionnelle consiste par exemple analyser la rpartition dun indicateur comme le CA en fonction des dimensions clients , produit et temps .

BD multidimensionnelles

On veut donc accder des donnes dj agrgs selon les besoins de l'utilisateur, de faon simple est rapide On utilise pour cela des hypercubes OLAP :
Les donnes sont reprsentes dans des hypercubes n dimensions. Les donnes sont structures suivant plusieurs axes d'analyses (dimensions) comme le temps, la localisation ...

Vocabulaire OLAP
Dimension :

Une dimension peut tre dfinie comme un thme, ou un axe (attributs), selon lequel les donnes seront analyses (en fonction de )

Ex. Temps, Dcoupage administratif, Produits

Une dimension contient des membres organiss en hirarchie, chacun des membres appartenant un niveau hirarchique particulier

Ex. Pour la dimension Temps, les annes, les mois et les jours peuvent tre des exemples de niveaux hirarchiques. 2008 est un exemple de membre du niveau Anne

Vocabulaire OLAP Mesure :

Une

mesure est un lment de donne sur lequel portent les analyses, en fonction des diffrentes dimensions

Ex. cot dpenses

des

travaux,

nombre

daccidents,

ventes,

Vocabulaire OLAP Cube (ou hypercube) :

Un ensemble de mesures organises selon un ensemble

de dimensions

Ex. Un cube de ventes qui comprend :

Les dimensions Temps, Produit, Magasin La mesure Ventes en DH

Oprations OLAP
Les outils OLAP utilisent des oprateurs particuliers afin de naviguer dans les cubes multidimensionnels :

Pivoter (pivot, swap) : Permet dinterchanger deux dimensions Forer (drill-down) : Permet de descendre dans la hirarchie de la dimension.
Ex. visualiser le nombre daccidents par mois au lieu de par anne.

Remonter (drill-up, roll-up) : Permet de remonter dans la hirarchie de la

dimension. Ex. visualiser le nombre daccidents par anne au lieu de par mois.

Forer latralement (drill-across) :

Permet de passer dune mesure lautre. Ex. visualiser le cot des travaux au lieu du nombre daccidents Permet de passer dun membre de dimension un autre. Ex. visualiser les donnes de Montral au lieu de celles de Qubec

Rsum:

OLAP et le datawarehouse sont donc complmentaires :

un datawarehouse stocke et gre les donnes. OLAP transforme ces donnes en informations stratgiques.

Connaissance

SUITE DCISIONNELLE

RAPPEL
BUSINESS INTELLIGENCE OU L'INFORMATIQUE DCISIONNELLE

RAPPEL

Le but de l'OLAP (On-Line Analytical Processing) est de permettre une analyse multidimensionnelle sur des bases de donnes volumineuses afin de mettre en vidence une analyse particulire des donnes. Grce l'OLAP, les utilisateurs peuvent crer des reprsentations multidimensionnelles (appeles hypercubes ou cubes OLAP ) selon les critres qu'ils dfinissent afin de simuler des situations.

DATA MINING

Il existe plusieurs faons d'accder aux donnes contenues dans le data warehouse. Les plus importantes sont :
Data Mining SIAD EIS

46

QUEST-CE QUE LE DATA MINING ?

Data Minig signifie littralement forage de donnes. Il s'agit d'un ensemble de techniques qui permettent d'extraire des modles d'une base de donnes historises afin de dcrire le comportement actuel et de prdire les comportements futurs.

47

QUEST-CE QUE LE DATA MINING ?

Data Mining = Processus inductif, itratif et interactif de dcouverte dans les BD larges de modles de donnes valides, nouveaux, utiles et comprhensibles.
Interactif : lutilisateur est dans la boucle du processus. Valides : valables dans le futur. Nouveaux : non prvisibles. Utiles : permettent lutilisateur de prendre des dcisions. Comprhensibles : prsentation simple.

48

OLAP VS. DATA MINING

OLAP : lutilisateur cherche confirmer des intuitions Exemple. A-t-on vendu plus de yaourts en Rgion Nord quen sud en 2003 ?
Data Mining : lutilisateur cherche des corrlations non videntes Exemple. Quelles sont les caractristiques de lachat de yaourts ?

49

OBJECTIF DU DATA MINING

Principe

Creuser une mine (le DW) pour rechercher un filon (linformation)

Objectifs Dvelopper des techniques et systmes efficaces et extensibles pour lexploration de :

BD larges et multi-dimensionnelles Donnes distribues

Faciliter lutilisation des systmes de Data Mining

Limiter lintervention de lutilisateur Reprsentation simple de la connaissance Visualisation sous forme exploitable

50

MCANISMES DE BASE
Labduction : Pour mieux exprimer ce quest labduction, le plus simple est den prsenter un exemple :
Toutes les voitures ont 4 roues La Peugeot 106 a 4 roues La Peugeot 106 est une voiture

Dduction : Schma logique permettant de dduire un thorme partir d'axiomes

Toutes les voitures ont 4 roues. La Peugeot 206 est une voiture. La Peugeot 206 a 4 roues.

MCANISMES DE BASE - 2

Induction : Base du data mining Mthode permettant de tirer des conclusions partir d'une srie de faits

LES TACHES DU DATA MINING

1. Classification: La capacit de classer des objets ou des vnements comme membres de classes prdfinies. 2. Prdiction: Lie la classification, cette tche vise prdire une ou plusieurs caractristiques inconnues partir dun ensemble de caractristiques connues.

LES TACHES DU DATA MINING -23. Optimisation: Il sagit doptimiser un ou plusieurs paramtres dun systme, compte tenu dun ensemble de contraintes. 4. Planning: Cette tche consiste dterminer un ensemble dactions ordonnes qui satisfont un ensemble donn de buts.

5. Ordonnancement: Lordonnancement suit le planning et consiste positionner des actions dans le temps et leur affecter des ressources.

LES TACHES DU DATA MINING -3-

6. Acquisition de connaissances: Lacquisition de connaissances consiste crer une reprsentation efficace et fidle de la connaissance dexperts.
7. Resolution de conflits: La rsolution de conflits peut, par exemple, aider dpartager des experts qui sont en dsaccord ou sappliquer dans le cadre de processus de ngociation.

DATAMINING ET MULTIMEDIA

Textmining:

Une part croissante de linformation se prsente sous forme digitalise: documents lectroniques, nouvelles, brevets, rclamations, e-mails etc. Extraire linformation de textes.

DATAMINING ET INTERNET

Webmining: Analyse de la frquentation de sites web et du comportement des utilisateurs.

Applications :
Mesures defficacit de campagnes de promotion Click analysis : optimisation des sites

DOMAINES DAPPLICATION

Gestion et analyse des marchs :

Exemple. Grande distribution : profils des consommateurs, modle dachat, effet des priodes de solde ou de publicit, panier de la mnagre.

Dtection de fraudes :

Tlcommunications, ...

Gestion de stocks :

Quand commander un produit, quelle quantit demander,

Analyse financire :

Maximiser linvestissement de portefeuilles dactions.

58

LOGICIELS DE DATAMINING

SIAD ET EIS

Les outils d'analyse dcisionnelle permettent de modliser des reprsentations base de requtes afin de constituer des tableaux de bord, on parle ainsi de reporting.

LES SAD
Objectifs: Rationaliser le processus dcisionnel en effectuant lintgration de multiples donnes, considrations et technologies. Il permettent au dcideur dvaluer divers scnarios dcisionnels.

TYPOLOGIE DES SAD

SYSTMES INTERACTIFS

Systme dinformation pour dirigeants ou EIS (Executive information systems)

Systme daide la dcision classique

SIAD
LE SIAD: SYSTEME INTERACTIF DAIDE A LA DECISION L'utilisateur va voluer dans la base son gr selon tous les axes disponibles. Processus itratif et interactif d'aide la dcision

Analystes, contrleurs de gestion sans culture systme particulire

 DEFINITION Systme Interactif d'Aide la Dcision/Decision Support System Outil permettant la modlisation des donnes sous forme multidimenSionnelle

CARACTERISTIQUES Gnralement un serveur d'information d'EIS Haut niveau de structuration des donnes Permet de comparer, de consolider, de modliser les donnes sur des sries chronologiques ou priodiques selon les axes d'intrt de l'utilisateur (par produit, par socit, par rgion,...)

EIS

LES EIS : EXECUTIVE INFORMATION SYSTEM

Consultation multidimensionnelle de donnes mises disposition dans des tableaux de bord prdfinis Outil de pilotage au niveau Direction ; outil de suivi et de contrle au niveau managrial

Direction, membres de l'Excutif

 DEFINITION Executive Information System Outil qui permet aux dcisionnaires de l'entreprise de disposer sous forme graphique conviviale des indicateurs de la socit (CA, Bnfice, production, ventilation suivant les rgions, les produits...). CARACTERISTIQUES Haut niveau de structuration des donnes Reprend des donnes issues d'un SIAD Fonctionnalits d'analyses mathmatiques, statistiques, financires

SIAD ET EIS ? QUELLES DIFFERENCE

Un EIS (Executive Information System) est un outil permettant d'organiser, d'analyser et de mettre en forme des indicateurs afin de constituer des tableaux de bord. Ce type d'outil, facile utiliser, ne permet de manipuler que des requtes pralablement modlises par le concepteur. A l'inverse un SIAD (Systme Informatis d'Aide la Dcision) a pour but de permettre la modlisation de reprsentations multidimensionnelles diverses et varies mais ncessite un apprentissage plus lourd.

A RETENIR
Ces outils permettent d'accder l'information dcisionnelle; Ils permettent de transformer les donnes du Datawarehouse en informations exploitables.
Chacun de ces d'outils ont des fonctions spcifiques propres et s'adressent des profils d'utilisateurs diffrents.

les SIAD / EIS sont des outils de pilotage de l'Entreprise

SYSTMES NON INTERACTIFS

Les Systmes experts

Programmes informatique destins simuler le raisonnement humain, des experts dans la rsolution de problmes.
Extension des SIAD

OBJECTIF

Extraire lexpertise de spcialistes dans un domaine spcifique et de lintgrer au sein de logiciels informatiques.

DIFFERENCE : SYSTMES INTERACTIFS ET SYSTMES

NON INTERACTIFS
Les

SIAD apporte une assistance aux dcideurs alors que les SNI proposent voir mme automatisent les dcisions. SIAD requirent que les problmes soient quantifis par des valeurs numriques et des formules mathmatiques tandis que les systmes experts modlisent les problmes partir dheuristique et ne les simplifient pas en un certaine nombre de relations numriques.

Les

BUSINESS INTELLIGENCE ET SCM

CAS PRATIQUE DE BUSINESS INTELLIGENCE

Suite au rachat de plusieurs entits de transport en France, un groupe souhaite un rassemblement sous une marque unique afin de faire bnficier aux clients dune gamme complte doffres de transport et de logistique au niveau national et international. Au cur de l'entreprise se situe le systme d'information qui, pour rester performant ou amliorer ses services, doit ncessairement progresser au rythme du dveloppement de l'entreprise et de l'volution de sa stratgie, de son organisation interne et de ses mtiers. Cela permet galement de mieux distribuer l'information et de la rendre plus facile d'accs. Les adaptations d'un systme d'information doivent donc se poursuivre de manire permanente pour assurer l'entreprise toute la ractivit ncessaire. Pour que chaque utilisateur du systme dinformation puisse avoir le mme niveau de donnes, une centralisation de linformation se situe dans les bases de la Business Intelligence , structure transversale sur laquelle viendront sappuyer les utilisateurs pour produire des analyses et des statistiques.

LA PROBLMATIQUE DU SERVICE COMMERCIAL

En attendant, la mise en place du futur systme oprationnel intgr et les fusions des entits, il est impratif pour les analyses du service commercial d'avoir une base de donnes regroupant les clients et leurs chiffres d affaires commune aux trois socits. Pour le service commercial et marketing l'objectif est donc de crer une base de donnes unique. Celle-ci sera utilise pour crer les reporting clients, analyser les chiffres d'affaires affrents, afin de valider la pertinence des conditions de ventes (analyse de marge), et calculer les bonus de rmunrations pour la force de ventes La comparaison deviendra possible entre clients, secteur commercial, agent commercial En sappuyant sur ces donnes, la direction commerciale et des ventes pourra dcider de sa politique tarifaire clients par clients et en dduire les actions a mener en terme plus gnral. Ce reporting sera galement loutil de lagent commercial dsign comme interlocuteur unique du client quelque soit son entit de rfrence. A celui-ci, cette base de donne commune permettra galement dappliquer lharmonisation client en cours (tarif, dlais, conditions de rglement, taux de services) au plus petit niveau.

QUELLES SONT LES TAPES LOGIQUES PLANIFIER?

Installation du serveur de bases de donnes dans son ensemble Constructions des bases de donnes du DataWarehouse Mapping des informations extraire Connexions aux systmes oprationnels Dveloppement des processus de rcupration Rcuprations des donnes historiques Validation des donnes charges par un processus de recettage Restitutions des donnes aux utilisateurs, pour la rcupration des donnes

LE PRIMTRE FONCTIONNEL DU PROJET

La classification des besoins numrs fait apparatre les domaines suivants :

- Lexploitation : agence , rgion, pays; - Le commercial : force commerciale, client, produit; - Le financier : rsultats comptables et analytiques par client; - La qualit du transport effectu pour le client.

LES SERVICES UTILISATEURS

Les diffrents ples dutilisateurs peuvent se rsumer en : Direction Commercial et Marketing : - Contrle de gestion commerciale - Ple produit (chef de produit) - Ple client (force commerciale)

Direction administrative et financire : - Comptabilit : analyse des comptes clients - Contrle de gestion interne et groupe, pour lanalyse des marges et tude de la politique commerciale. - Administration des ventes : facturation (politiques tarifaires)
Oprationnel, rseau de transport : - Analyse du rsultat commercial par agence - Analyse du rsultat commercial par rgion : Directeur rgional Service Qualit :

- Analyse du taux de service qualit apport aux clients (exemple : respect des dates et heures de livraisons)

MISE EN UVRE

Dfinition des besoins en terme dcisionnel (choix des outils) :

Les trois grandes tapes de la chane, ou du processus dcisionnel sont :

Etape 1 : Extraction des donnes. Pour produire les indicateurs voulus, il convient d'aller chercher les donnes o elles se trouvent. Connect aux diffrentes applications et bases de donnes, l'outil d'ETL se charge de rcuprer ces donnes et de les centraliser dans une base de donnes particulire, l'entrept de donnes. Etape 2 : Consolidation. Les donnes sont centralises , celles-ci doivent tre structures au sein de l'entrept de donnes. Il s'agit d'un prtraitement permettant aux outils de restitution d'y accder plus facilement, sachant que ces entrepts ne sont pas nourris la main.

Etape 3 : Restitution. Egalement appele reporting, cette tape se charge de diffuser et de prsenter les informations valeur ajoute, de telle sorte qu'elles apparaissent de la faon la plus lisible possible pour le dcideur.

En rsum, pour raliser la chane dcisionnelle dans sa totalit, On a donc trois outils choisir : - LETL pour automatiser la rcupration des donnes. -Le moteur de la base de donne SGBDR - Loutil de restitution, pour construire les reporting utilisateurs

QUEST-CE QUE LE SCM ?

Le SCM, Supply Chain Management est le pilotage de la chane logistique, depuis le premier fournisseur jusqu'au client final. Le SCM a pour objectif d'valuer au plus juste les besoins, les disponibilits et les capacits de chaque maillon de la chane logistique et de fabrication, afin de mieux les synchroniser, et servir les clients dans les meilleures conditions possibles.

LES FONCTIONS MAJEURES DU SCM

Le systme de Supply Chain Management comporte 4 fonctions majeures : Collecter l'information Le SCM ncessite des informations jour (commandes, prvisions, capacits) collectes auprs des ERP, GPAO et systme commercial... Traiter l'information Les outils spcialiss d'APS (Advanced Planning and Scheduling) couvrent, entre autres, les fonctions de prvision, d'ordonnancement, de planification tendue et de gestion des approvisionnements. D'autres outils de suivi sur le terrain comme les SCE (Supply Chain Execution), compltent la panoplie du gestionnaire. Dispatcher l'information Les informations sont dispatches auprs de l'ensemble des acteurs internes et externes. Mesurer la performance Le systme de Supply Chain Management s'inscrit dans une dimension de progrs continu. Le gestionnaire disposera d'un tableau de bord pour piloter sa performance.

SCM CONCEPT OU OUTILS ?

MOYENS ET OUTILS DU SCM

Niveau stratgique et tactique

APS Advanced Planning and Scheduling SCP Supply Chain Planning.

Les logiciels d'excution sont des :

WMS (Warehouse Management System) Gestion d'entrepts, TMS (Transport Management System) Gestion du transport, PMS (Plant Management System) Gestion d'usine MES : Manufacturing Execution System (suivi de production pour optimiser les activits de production),

La gestion des alas est effectue par les SCEM, Supply Chain Event Management.

Le CPFR (Collaborative Planning and Forecasting Replenishment) permet la gestion complte de la supply chain, tendue aux fournisseurs et clients
Parmi les autres outils disponibles, il faut bien sr envisager les ERP (Enterprise Resource Planning), qui :

soit, incorporent leurs propres modules SCM, soit, sont connects leur priphrie des applications spcialises.

SCM ET PRISE DE DCISION

La Supply Chain de l'entreprise, doit rpondre en temps rel une problmatique complexe : - suivre le flux des commandes, - des contraintes de la production, - des contraintes des fournisseurs, - grer les filiales, les sites multiples... Le SCP (Supply Chain Planning) ou planification de la chane d'approvisionnement doit donc intgrer ces diffrentes contraintes et les traduire en temps rel en indicateurs permettant la prise de dcision. L'APS (Advanced Planning and Scheduling) est l'application qui le permet. Les APS (Advanced Planning Systems) assurent donc la synchronisation des dcisions de pilotage (Plans Industriels & Commerciaux, Programmes Directeurs de Production, ) tout au long des chanes logistiques pour permettre une performance logistique globalement bonne.

QUELLES PARTIES DE L'INFRASTRUCTURE DOIVENT-TRE CONNECTES UN SCM ?

Les

sources d'information doivent tre combines afin d'tablir les meilleures prvisions possibles, ce qui est le pralable la prise de dcision. Puis vient le temps de l'excution.

QUI SONT LES GRANDS ACTEURS DU MARCH ?

Exe Technologies est une rfrence inconteste plante dans une fort de solutions spcialises. Pour ce qui est des outils de prvision, i2 et Manugistics se positionnent comme les leaders du march. Reste encore les grands diteurs d'ERP, qui proposent des fonctions de SCM intgrables leurs progiciels. SAP et Oracle disposent notamment de produits intressants.

CONCLUSION