L'informatique décisionnelle (en anglais « Business intelligence ») est l'exploitation des données métiers de l'entreprise et des données économiques, en vue de faciliter la prise de décision, pour un pilotage éclairé de l'entreprise.

Les outils décisionnels classiques permettent d'extraire les données de différentes sources, de les nettoyer et de les charger dans un entrepôt de données. Puis des représentations à base de requêtes permettent de constituer des tableaux de bord.

Cependant, si ces outils permettent une « navigation multidimensionnelle », et c’est déjà beaucoup, ils ne permettent pas une représentation multidimensionnelle.

C’est ici qu’intervient l’Iconographie des Corrélations.

Limites de l'approche décisionnelle classique

Le reporting consiste à :

• Sélectionner, trier, regrouper ou répartir des données selon telle période, telle production ou tel secteur de clientèle,
• Calculer des totaux, moyennes, écarts, comparatifs…
• Présenter les résultats d’une manière synthétique selon les attentes des dirigeants de l’entreprise.

L’hypercube consiste à :

ranger les données selon plusieurs dimensions. Par exemple le chiffre d’affaire dépend du produit, du magasin, de la date, des catégories socioprofessionnelles de clients, etc. Naviguer dans les différentes dimensions de l’hypercube peut consister à
• Agréger les données sur l’un des axes, par exemples regrouper les ventes par trimestre.
• Eclater au contraire les données en passant du pays aux différents magasins.
• Considérer une « tranche » du cube, par exemple une vue du chiffre d’affaire selon les axes Pays x Produit, ou bien selon les axes Produits x Profession du client…

Le goulot d’étranglement de l'approche classique:

Chacune de ces vues partielles du cube se traduit finalement, soit par un tableau à double entrée, soit par un graphique le plus souvent bi dimensionnel.

Ainsi, bien que la navigation dans le cube soit multidimensionnelle, la représentation ne l’est pas : le décideur n’a pas, en réalité, accès à une synthèse, mais à une multitude de tris croisés ou de vues ''bidimensionnelles'' dont l’exploration, longue et fastidieuse, est parfois court-circuitée faute de temps. D’où, souvent, de coûteuses erreurs de décision.

Exemple : Un tri croisé du chiffre d’affaire en fonction des classes d’âge des clients, montre une forte baisse pour la classe d’âge n°3.

Le décideur décide une coûteuse campagne de publicité ciblée sur cette classe d’âge.

Or une analyse plus poussée aurait montré que les achats de la classe d’âge n°3 dépendent d’un autre paramètre X, lié à la présentation du produit, laquelle peut être modifiée à faible coût. Le décideur, noyé dans les multiples graphiques tirés de l’hypercube ne l’a pas remarqué.

L’apport de CORICO : une représentation réellement multidimensionnelle

Pour maîtriser la rentabilité des activités, la trésorerie et les charges, il faut disposer d'indicateurs fiables. L’iconographie des corrélations est le moyen :

• d’obtenir une représentation réellement multidimensionnelle de l’ensemble des liens pertinents, sur une figure unique débarrassée des redondances. Tel n’est pas le cas des représentations du type diagramme en bâton, camembert, etc., ou même des « analyses factorielles » (dans lesquelles un nuage de point est projeté dans un plan).
• de ne rien laisser échapper d’essentiel dans les données.
• de transformer en informations véritablement « digérée » les données internes et externes collectées à grand frais.
• d’éviter de coûteuses erreurs de décision.
• de gagner un temps précieux.

  ---