Le datawarehouse en direct live

Temps réel, applications analytiques exposables en services web, référencement de données métier... Le datawarehouse de Teradata sort de son carcan décisionnel pour flirter avec les environnements de production.

Imaginez un environnement où les mondes transactionnel et décisionnel dialogueraient au fil de l'eau. Où une application bancaire, qui a besoin en quelques minutes d'autoriser un crédit, invoquerait, via un service web, un module analytique installé sur un datawarehouse d'entreprise. L'historique du client (comptes, dépenses, crédits, habitudes de consommation, etc.) serait analysé, croisé avec d'autres données fonctionnelles (lignes de crédit ouvertes par l'établissement, objectifs de résultats des agents), puis ' scoré ' pratiquement en temps réel. Enfin, l'application analytique renverrait à l'application bancaire une autorisation de crédit assortie d'un montant.C'est là un scénario idéal pour les tenants du ' décisionnel opérationnel ', un concept encore balbutiant, sur lequel chaque acteur du décisionnel veut se positionner. Ce concept repose sur au moins deux fondamentaux : la capacité à effectuer des traitements décisionnels en temps réel, et l'exploitation directe de ces traitements par les applications de production. Et sur ces sujets, Teradata est le dernier acteur en date à affirmer ses ambitions. La nouvelle mouture de son entrepôt de données (Warehouse 8.2) comporte une mention spéciale pour le temps réel. Déjà reconnue pour la puissance de calcul quasiment inégalée de son architecture massivement parallèle, elle sait désormais partitionner les index de jointure. L'autre grande amélioration porte sur la répartition de la charge, le moteur Teradata hiérarchisant les traitements en fonction du type de requête et du profil de l'utilisateur.

Un concept pas nouveau, mais un potentiel inédit

Au-delà de la performance pure, l'originalité de Teradata tient surtout dans la place grandissante qu'il accorde au datawarehouse dans le monde opérationnel. Depuis novembre dernier, avec le lancement de TAP (Teradata Application Platform), le constructeur multiplie, au-dessus de son entrepôt, les modules analytiques, tous interrogeables sous forme de service web. Et pour leur élaboration, il s'en remet à des partenaires. ' A travers TAP, nous fournissons une librairie de composants conçus pour les environnements J2EE, tels que la gestion des requêtes, la gestion de la persistance objet ou, encore, la gestion d'évènement ', explique Stephen Brobst, CTO de Teradata. Ces modules analytiques assureront donc les ponts avec le monde transactionnel et compléteront ceux que Teradata avait déjà développés, et récemment réécrits pour se conformer à l'architecture TAP. ' Le datawarehouse ne doit plus être la propriété d'une poignée d'utilisateurs, mais être exploité par le plus grand nombre, dont les utilisateurs opérationnels ', poursuit Stephen Brobst.Teradata est pourtant loin d'être le seul, ni le premier, à miser sur les modules analytiques pour briser la frontière entre décisionnel et opérationnel. Avec Siebel, Oracle est l'éditeur le plus avancé dans le domaine. Notamment dans la GRC, où ses différentes briques analytiques sont fortement intégrées au PGI. Quant aux spécialistes du décisionnel comme BO, Cognos ou SAS, leurs modules analytiques, bien que rarement connectés à la production, sont aussi exposables sous forme de services web. ' Le concept de BI opérationnel défendu par Teradata n'est pas nouveau, conçoit Christian Becht, directeur CRM et décisionnel chez Cap Gemini. Mais son potentiel est inédit. Il offre au monde transactionnel toute la puissance de calcul de son entrepôt de données. Avec, à la clé, la conception de services plus sophistiqués '.Une autre promesse réside dans la pluralité des sources de données attaquées par les applications analytiques de Teradata. Le concept de datawarehouse d'entreprise, tant défendu par la division de NCR, n'a certes jamais véritablement eu l'écho escompté. Mais nombre de ses entrepôts historisent des informations issues de plusieurs métiers (marketing, ventes, chaîne logistique...) et donnant naissance à une large variété de modules analytiques. A noter, d'ailleurs, la récente percée de Teradata dans la finance, avec le rachat de Decision Point Software, éditeur spécialisé dans l'extraction et le chargement de données financières issues de PGI (Oracle notamment).

Les données de référence s'invitent dans l'entrepôt

Toujours dans l'optique d'ancrer davantage son datawarehouse dans le monde de la production, et parallèlement aux applications analytiques, Teradata l'ouvre à un nouveau type d'information : les données de référence. En août dernier l'éditeur a acquis le code source du Master Data Management (MDM) de I2. Ce référentiel collecte auprès des différentes applications de l'entreprise (vente, gestion des stocks, marketing...), ou des instances de PGI, toutes les données relatives à un thème (les produits en l'occurrence), et les stocke dans un format pivot. Il assure trois grandes fonctions : présenter une vue métier exhaustive du thème en question ; assurer que les applications partagent une même définition des entités qu'elles manipulent ; enfin, effectuer une mise à jour des données conformément à des processus métier et les propager vers les applications concernées. ' Notre MDM prendra place dans notre datawarehouse. Il renforcera sa composante temps réel puisqu'il sera amené à gérer des flux transactionnels ', indique Satish Krishnaswamy, VP MDM chez Teradata. A terme, le référentiel s'ouvrira à d'autres thèmes, comme les clients ou le management du risque. Pour cela, Teradata s'inspirera de ses modèles de données préconçus, mais devra les enrichir pour y intégrer les entités absentes du datawarehouse, et nécessaires au MDM. Là encore, Teradata ne se distingue pas de ses rivaux, tous les grands de l'infrastructure (SAP, Oracle-Siebel, IBM) disposant déjà d'un ou plusieurs MDM. Mais en fondant son référentiel dans son entrepôt (là où les autres le dissocient), Teradata joue à l'extrême la carte de la mutualisation des données. Vision qu'il a toujours défendue.Ce mouvement vers le transactionnel permettra-t-il à Teradata de gagner du terrain sur les entrepôts de données ? C'est peu probable. Les métiers (chaîne logistique ou relation client) et les secteurs (aviation ou banque) concernés par le temps réel ou les accès directs au datawarehouse sont peu nombreux. En fait, ces avancées visent d'abord les clients de Teradata déjà engangés dans des projets de centralisation de données, avec les lourds investissements financiers et les fortes problématiques organisationnelles qu'ils recouvrent.Les ponts que Teradata érige en direction du fonctionnel procèdent d'une stratégie défensive face aux nouveaux venus sur le marché du datawarehouse, les fournisseurs d'appliance comme Netezza ou Datallegro, et, bien entendu, face à la forte poussée de Microsoft, dont la taille moyenne des entrepôts atteint désormais le té[e-mail]

L'entrepôt de données se rapproche de la production

1. Les modules analytiques deviennent transactionnels
Traditionnellement cantonnées à des besoins décisionnels, les applications analytiques bâties au dessus du datawarehouse peuvent être désormais interrogées sous forme de services web par les applications de production. Chacune d'elles devient un maillon de la chaîne des processus transactionnels. Il s'agit, par exemple, pour l'outil de GRH de connaître les meilleurs vendeurs dans le cadre d'attribution de prime.

2. Le datawarehouse héberge aussi les données de référence
Le Master Data Management héberge de manière exhaustive toutes les données relatives aux produits. Des données exploitées autant par la relation client, les ventes ou la GRH. Ces applications transactionnelles s'adressent au MDM pour s'assurer qu'elles partagent bien les mêmes périmètres et pour être mises à jour lorsque des modifications dans l'une des applications ont été effectuées.

Trois caractéristiques du datawarehouse opérationnel

Avantage 1
Les rapports et les indicateurs décisionnels sont obtenus en temps réel. Ce qui est obtenu grâce à une alimentation au fil de l'eau du datawarehouse.

Avantage 2
Les processus décisionnels participent aux séquences de traitement opérationnel.

Avantage 3
L'entrepôt centralise les données historiques nécessaires au décisionnel, mais aussi toutes les métadonnées servant à décrire certains objets métier (produits et clients).

Glossaire

Datawarehouse
Alimenté par des ETL, il charge les données en provenance des applications de production en vue d'élaborer des rapports décisionnels. La base de données est structurée de façon à précalculer certaines valeurs, en fonction des axes d'analyse (l'axe temps, par exemple).

MDM (Master Data Management)
A la différence du datawarehouse, ce référentiel n'historise ni n'agrège aucune donnée. Il récolte, en revanche, toutes les informations concernant une entité (produit, client, fournisseur, etc.) en provenance de différentes applications de l'entreprise. Sont stockées dans un format pivot les descriptions (nom, prénom, adresse, etc.) et les valeurs (montant d'une facture, d'une vente). Les récents MDM sont dynamiques : ils répercutent les modifications ou créations effectuées dans une application à l'ensemble des applications. Les produits, par exemple, ne sont référencés qu'une seule fois, quel que soit le nombre de progiciels qui les exploitent. A noter que le datawarehouse peut être client du MDM.

Applications analytiques
Il s'agit littéralement de package décisionnel. Optimisé pour un métier ou un secteur, ces modules prêts à l'emploi comportent des scénarios d'extraction, un schéma de base de données, des rapports décisionnels, ainsi que des fonctions d'analyse. Ces modules existent depuis trois à quatre ans sur le marché, mais n'ont pas rencontré le succès escompté.

Ce qu'ils en pensent : Ce n'est pas nouveau - Patrick Lemartret (Oracle) : ' nous avons déjà des clients qui mêlent transactionnel et décisionnel '

' Nous proposons une quinzaine d'applications analytiques exposables, comme Teradata, en services web. Celles développées par Siebel et dédiées aux campagnes marketing ou au retour sur investissement dialoguent nativement avec le progiciel de GRC. Depuis très longtemps, celui-ci sait récupérer les tableaux de bords ou les indicateurs clés générés dans les modules analytiques. C'est ce que font, par exemple, Canal + et L'Oréal. Nous appliquerons le même mariage des deux mondes transactionnel et décisionnel aux domaines de la finance, des ressources humaines ou de la gestion de la chaîne logistique. '

Ce qu'ils en pensent : Un manque de maturité - Sébastien Ricard (Keyrus) : ' les offres analytiques sont rarement connectées à la production '

' Deux acteurs sont aujourd'hui véritablement crédibles en matière d'applications analytiques : Oracle et SAS. Le premier parce qu'il maîtrise à la fois le monde opérationnel et décisionnel. Le second parce qu'il dispose d'une antériorité dans le domaine. Les modules analytiques de SAS sont verticalisés par métier. Ils n'exigent qu'un paramétrage, et non des développements supplémentaires, comme c'est le cas avec les offres de BO ou de Cognos. Pour autant, les modules de SAS restent déconnectés des applications opérationnelles. '

Ce qu'ils en pensent : Un positionnement unique - Andreas Bitterer (Gartner) : ' un datawarehouse qui s'affranchit des traitements batch '

' Depuis longtemps, Teradata pousse le concept du datawarehouse actif. Ils en ont les moyens, puisqu'ils fournissent l'entrepôt de loin le plus performant du marché avec l'une des meilleures montées en charge. Ils cherchent donc à répercuter dans leur datawarehouse, quasiment en temps réel, les moindres changements effectués dans les tables de production. En s'affranchissant des traitements batch, souvent de mise dans les architectures décisionnelles. Ou en écartant tout chargement de datamarts, dont les temps de latence ralentiraient les performances. Bref, ils militent pour que les applications transactionnelles attaquent directement leur base. '