La BI ou informatique décisionnelle utilise beaucoup de terminologies Françaises, Anglaises et Franglaise, issues de l’informatique, du domaine marketing et scientifique. Alors pour faciliter vos prochaines recherche et lectures sur le sujet nous avons pensé qu’un petit lexique de la « Business Intelligence » vous sera utile.
Ad Hoc :
Permet à un utilisateur de créer un rapport à la demande unique à partir de son logiciel de BI qui répond à une question métier spécifique.
Analyse avancée :
Examen des données à l’aide d’outils sophistiqués, généralement au-delà de ceux de la Business Intelligence traditionnelle, permettant de faire des informations ou des prévisions plus approfondies.
Analytics :
Découverte de modèles significatifs dans les données, généralement révélés par une solution logicielle d’analyse.
Balanced Scorecard :
Un système de gestion de la planification stratégique qui est utilisé pour aligner les activités commerciales sur la vision et la stratégie de l’organisation.
Analyse comportementale :
Un sous-ensemble de Business Intelligence qui se concentre spécifiquement sur la manière et les raisons pour lesquelles les utilisateurs se comportent comme ils le font, en utilisant les données connectées à des fins d’analyse.
Big Data :
Ensembles de données extrêmement volumineux qui peuvent être analysés pour révéler des modèles et des tendances et qui sont généralement trop complexes pour être traités à l’aide de techniques de traitement traditionnelles.
Business Intelligence :
Processus pour analyser les données et présenter des informations exploitables aux parties prenantes afin de les aider à prendre des décisions commerciales plus éclairées.
Business Performance Management (BPM) :
Plate-forme qui améliore l’exécution de la stratégie d’une entreprise, composée d’une variété de processus intégrés. Ceux-ci peuvent inclure des tableaux de bord, des entrepôts, des analyses de visualisation et des rapports.
Citizen Data Scientist :
Analystes commerciaux et autres membres du personnel qui peuvent avoir une expérience de travail au sein de l’architecture de données d’une organisation et d’utiliser des outils logiciels pour tirer des informations commerciales précieuses à partir des données stockées.
Cluster :
Moyen de stocker des données ensemble à partir de plusieurs tables lorsque les données contiennent des informations communes nécessaires à l’analyse.
Cube :
Collection multidimensionnelle de données créée par un système OLAP avec chaque secteur organisé en une hiérarchie.
Tableau de bord :
Outil utilisé pour créer, déployer et analyser des informations. En règle générale, un tableau de bord se compose d’un seul écran et affiche divers rapports et autres mesures que l’organisation étudie.
Base de données :
Collection de données organisée à dessein pour une recherche et une récupération rapide et pratique par des applications métier et des logiciels de Business Intelligence.
Data Blending :
Fournit un moyen rapide et simple d’extraire de la valeur à partir de plusieurs sources de données pour trouver des modèles sans le déploiement d’une architecture d’entrepôt de données traditionnelle.
Nettoyage des données :
Transformation des données dans leur état natif en un format normalisé prédéfini à l’aide du logiciel du fournisseur.
Cube de données :
Une structure de base de données avec plusieurs dimensions qui peuvent être empilées, combinées et manipulées pour permettre la navigation.
Démocratisation des données :
Permet aux utilisateurs d’une entreprise d’accéder aux données, ce qui leur permet d’exécuter une analyse à tout moment pour répondre à n’importe quelle question.
Découverte de données :
Processus de recherche de modèles piloté par l’utilisateur dans un ensemble de données, fournissant un libre-service et une démocratisation des données. La découverte de données a été qualifiée par Gartner de «Business Intelligence moderne».
Gouvernance des données :
Gestion de la disponibilité, de la convivialité, de l’intégrité et de la sécurité des données stockées au sein d’une entreprise.
Intégration de données :
Combinaison de processus techniques et commerciaux utilisés pour combiner des données provenant de sources disparates en informations significatives.
Data Lake :
Référentiel de stockage qui contient une grande quantité de données brutes dans leur format natif jusqu’à ce qu’elles soient nécessaires.
Lignage des données :
Désigné comme le cycle de vie des données, qui comprend les origines des données et où elles se déplacent au fil du temps, décrivant ce qui arrive aux données à mesure qu’elles passent par divers processus.
Gestion des données :
Le développement et l’exécution d’architectures, de politiques et de pratiques pour gérer les besoins du cycle de vie des données d’une entreprise.
Data Mart :
Une collection de rapports, de mesures et d’autres données stockées sur un sujet spécifique. Considérez cela comme une organisation d’informations similaires, facilitant la découverte.
Migration de données :
Processus de déplacement de données entre deux ou plusieurs systèmes de stockage, formats de données, entrepôts ou serveurs.
Exploration de données :
Extraire des données auparavant inconnues de bases de données et utiliser ces données pour des décisions commerciales importantes, contribuant dans de nombreux cas à créer de nouvelles informations.
Qualité des données :
Fait référence à la qualité contextuelle de la collecte de données d’une organisation. Plus les informations sont pertinentes, disponibles, complètes et précises, meilleures sont les chances de créer des informations commerciales rentables.
Réplication de données :
Copie fréquente de données d’une base de données vers une autre afin que tous les utilisateurs puissent partager le même niveau d’informations, ce qui donne une base de données distribuée qui permet aux utilisateurs d’accéder aux données pertinentes pour leurs propres tâches spécifiques.
Science des données :
Domaine d’étude impliquant les processus et les systèmes utilisés pour extraire des informations à partir des données sous toutes leurs formes. La pfofession est considérée comme une continuation des autres champs d’analyse de données, comme les statistiques.
Data Staging :
Emplacement temporaire où toutes les données provenant de ressources externes sont copiées.
Entrepôt de données :
Un système utilisé pour l’analyse des données. Il constitue un emplacement central de données intégrées provenant d’autres sources plus disparates, stockant à la fois des données actuelles (en temps réel) et historiques qui peuvent ensuite être utilisées pour créer des rapports sur les tendances. Dans les ensembles de données multidimensionnels, l’exploration est le processus de navigation parmi les niveaux de données allant du plus résumé (haut) au plus détaillé (bas).
Visualisation des données :
Transformer des données numériques en un contexte visuel ou pictural afin d’aider les utilisateurs à mieux comprendre ce que les données leur disent.
Drilling :
Processus de navigation à travers différents niveaux de données dans des ensembles multidimensionnels.
Analyse intégrée :
Intégration d’outils et de capacités de Business Intelligence externes dans des logiciels d’entreprise existants.
Enterprise data warehouse (EDW) :
Environnement de base de données créé pour fournir une vue unique d’une entreprise et considéré comme une source fiable d’informations contrôlées pour la planification stratégique et la prise de décision.
Enterprise information system (EIS) :
Applications utilisées pour présenter et analyser les données d’entreprise, généralement utilisées par la direction de haut niveau.
Enterprise Resource Planning (ERP) :
Type de logiciel permettant à une entreprise ou une organisation de gérer une suite d’applications intégrées qui sont utilisées pour collecter, gérer et stocker des données sur une variété d’activités commerciales.
Extract , transform, load (ETL) :
Processus d’entreposage de données qui implique le déplacement de données d’un emplacement à un autre. Ces trois fonctions sont combinées en une seule pour permettre une migration plus rapide.
Hadoop :
Cadre de programmation qui prend en charge le traitement de grands ensembles de données dans un environnement informatique distribué.
Indicateur de performance clé (KPI) :
Indicateurs importants qui comptent pour les entreprises. Les KPI sont généralement liés aux performances d’une organisation dans son ensemble et montrent aux responsables informatiques la trajectoire de l’organisation.
Legacy solution :
Outil logiciel ancien ou obsolète.
Intelligence de localisation :
Fonctionnalité BI qui relie les contextes géographiques aux données d’entreprise et conçue pour transformer les données en informations à des fins commerciales.
Machine learning :
Type d’intelligence artificielle qui offre aux ordinateurs la capacité d’apprendre sans être spécifiquement programmés pour le faire, en se concentrant sur le développement d’applications informatiques qui peuvent apprendre à changer lorsqu’elles sont exposées à de nouvelles données.
Gestion des données de base :
Intègre des processus, des politiques, des normes et des outils qui définissent et gèrent toutes les données critiques d’une organisation afin de formuler un point de référence.
Métadonnées :
Décrit les autres données d’une base et assure la responsabilité de l’organisation pendant qu’un utilisateur final passe au crible les données collectées.
Mobile Business Intelligence :
Fonctionnalités de BI qui permettent aux utilisateurs mobiles d’obtenir des informations commerciales via Data Analytics à l’aide d’applications optimisées pour les appareils mobiles.
Online Analytical processing (OLAP) :
Solution technologique utilisée pour organiser les bases de données des grandes entreprises, prenant en charge la Business Intelligence.
Analyse opérationnelle :
Analyse de données axée sur l’amélioration des opérations internes de l’entreprise.
Operational Data Store (ODS) :
Magasin de données actuel et pertinent utilisé pour soutenir la prise de décision tactique au sein d’une organisation.
Predictive Analytics :
Solutions BI qui aident l’utilisateur à découvrir des modèles dans de grands ensembles de données afin de prédire le comportement futur.
Analyse prescriptive :
Domaine de la Business Intelligence dédié à la recherche du meilleur plan d’action pour une situation donnée.
Analyse en temps réel :
La possibilité d’utiliser toutes les données d’entreprise disponibles selon les besoins et implique généralement des données en continu qui permettent aux utilisateurs de prendre des décisions commerciales à la volée.
Système de gestion de base de données relationnelle (SGBDR) :
Système utilisé pour stocker des données gérées dans des tables relationnelles, généralement organisées en fonction de la relation entre différentes valeurs de données.
Reporting :
Collecte de données à partir de diverses sources et outils logiciels pour présentation aux utilisateurs finaux d’une manière compréhensible et facile à analyser.
Repository :
Mécanisme de stockage de données définissant un système à tout moment de son cycle de vie.
Scalability :
Capacité à augmenter les volumes de données et le nombre d’utilisateurs de l’entrepôt de données, ce qui est essentiel pour les données et les architectures techniques de l’entreprise.
Libre-service :
Une pratique BI qui permet aux utilisateurs professionnels d’accéder et de travailler avec des données d’entreprise sans aucune expérience en analyse statistique.
Service level agreement (SLA) :
Contrat entre un fournisseur de services ou un fournisseur et le client qui définit le niveau de service attendu. Les SLA sont basés sur les services et définissent spécifiquement ce que le client peut s’attendre à recevoir.
Slice And Dice :
Décomposition de grands ensembles de données en portions plus petites afin de pouvoir les analyser dans différentes perspectives.
Logiciel en tant que service (SaaS) :
Un modèle de livraison de logiciel dans lequel le logiciel est concédé sous licence sur une base d’abonnement et est hébergé de manière centralisée et généralement accessible par les utilisateurs finaux à l’aide d’un client via un navigateur Web.
Snapshot :
Vue d’un ensemble de données à une instance particulière dans le temps.
Structured Query Language (SQL) :
Norme acceptée pour les systèmes de bases de données relationnelles, couvrant les requêtes, la définition des données, la manipulation des données, la sécurité et des aspects supplémentaires de l’intégrité des données.