Bien que flou, le terme décisionnel désigne les technologies qui permettent d'organiser et d'analyser les données de production de l'entreprise avant de les diffuser sous une forme pertinente vers les utilisateurs. Objectif : livrer une information métier exploitable, restituant une tendance commerciale émergente, sur laquelle s'appuiera la prise de décision. Cette fonction semble justifier l'utilisation de l'anglicisme Business Intelligence , expression née en 1996 par la voix du Gartner Group, désignant les outils d'aide à la décision précoce.

La transformation de données brutes, première étape de ce processus, suppose de trier au préalable l'ensemble des données de l'entreprise pour en dégager des axes commerciaux, financiers ou comptables. Pour ce faire, les entreprises utilisent trois types d'applications : des solutions de restitution spécialisées dans les requêtes et les rapports, des logiciels d'analyse multidimensionnelle, et des outils de data mining dédiés aux traitements statistiques.

Les solutions de restitution délivrent à l'utilisateur des tableaux ou des histogrammes, générés à partir de modèles prédéfinis depuis une interface visuelle. Cette interface comporte des requêtes en langage SQL. Une base de données intermédiaire, le data mart, sert de trait d'union avec la base d'origine. La fonction principale du data mart est d'agréger l'information et de constituer le référentiel métier qui sera interrogé par les utilisateurs (DRH, marketing...). Cette seconde base de données relationnelle ne contient en théorie que 10 à 20 % des informations d'origine. La réduction est réalisée par l'extracteur de données ETL (Extract, Transform, Load), chargé, entre autres, d'alimenter le référentiel métier. De nombreux produits, tels Ascential DataStage, Informatica PowerCenter, Cognos Decision-Stream, Hummingbird Genio, KXEN Analytic Framework, etc., opèrent ce traitement.

Pour restituer les rapports, l'interface privilégiée est le portail d'entreprise. Sur ce segment les solutions sont légion (Business Objects Infoview, Brio Enterprise, Hummingbird BI, Cognos Impromptu...). Adaptées pour diffuser des volumes d'information importants, elles montrent en revanche rapidement leurs limites, et en particulier au moment d'interroger directement une base de production. Ainsi, l'analyse d'un nouvel axe nécessite la rédaction d'une requête SQL supplémentaire, l'alimentation du data mart par un ETL, puis la diffusion de l'information vers l'utilisateur. Cette ventilation peut s'opérer avec les solutions BO Broadcast Agent et Crystal Reports.

Plus opérationnels, les produits analytiques s'adressent aux utilisateurs qui désirent formuler " directement " - le temps réel n'existe pas - une requête métier sur une base de données. Une approche adoptée, par exemple, par l'opérateur 9Telecom, qui engage aujourd'hui des études d'impact dynamiques sur le lancement de nouveaux produits, à l'aide de Hyperion Essbase, la solution d'analyse multidimensionnelle de l'éditeur éponyme, couplée au module d'extension interne d'Excel utilisé comme interface de rendu. Selon leurs configurations, les produits analytiques effectuent principalement des requêtes multidimensionnelles qui opèrent selon des critères combinés, par exemple les ventes, le profil des clients et leur profession. Ensuite des cubes manipulables viennent formaliser ces données sur l'interface utilisateur. Ce type de solution permet la détection rapide de tendances, sans qu'il soit nécessaire de redéfinir les contours d'un data mart. Pour ce faire, les solutions analytiques s'appuient sur des agents dits Olap (Online Analytical Processing), hébergés par la base de production. Exception notable, la technologie Desktop Olap (Dolap), mise en oeuvre par exemple dans les tableaux croisés dynamiques d'Excel, déplace la base multidimensionnelle sur le poste client. Parmi les technologies les plus courantes, diverses déclinaisons sont proposées : les produits Relational Olap (Rolap), diffusés surtout par MicroStrategy, se fondent sur des bases relationnelles pour fournir des informations multidimensionnelles. Adaptés aux bases volumineuses, ils se révèlent lents à l'extraction.

Molap (Multidimensional Olap), la technologie la plus utilisée actuellement, est mise en oeuvre par les solutions Hyperion Essbase, Oracle Express ou Cognos PowerPlay. Celles-ci offrent des temps de réponse rapides, car l'agent Molap calcule le résultat d'une requête avant de le restituer. Mais il génère des bases de données multidimensionnelles volumineuses, pour lesquelles il est nécessaire de déployer des data warehouse qui formateront la base de production selon une structure particulière. Au lieu de relations simples entre les différents champs d'une table, la base multidimensionnelle adoptera une structure en étoile ou en flocon de neige. Ce formatage facilite l'analyse métier en tissant, par exemple, des liens logiques entre le champ " voiture " (centre de l'étoile), et ses éléments constitutifs que sont " moteur " et " pneus " (branches de l'étoile). Hybrid Olap exploite des données issues de bases relationnelles et multidimensionnelles (IBM DB2 Olap Server, Microsoft Olap Services...).

Restent les applications de data mining, qui " tentent de répondre à des questions que l'on ne se pose pas " , note Yves Cointrelle, cofondateur d'Homsys, le spécialiste de l'intégration d'applications analytiques. Ces outils opèrent des traitements statistiques intensifs, à partir de data warehouse. Ils sont chargés de répondre à des questions floues du type : " Quel impact commercial aurait la fabrication des voitures rouges à Paris, au lieu de grises ? ". SAS CRM est bien positionné sur ce marché aux côtés de SPSS Clémentine, qui, par ailleurs, a racheté LexiQuest, le spécialiste de la gestion documentaire.