ERP et Business Intelligence
267
© Groupe Eyrolles
Exemple 7.1 : Une agence de voyages à succursales multiples en Europe
Cette agence vend des séjours vers l’Europe du Sud, pour des clients
d’Europe du Nord. La direction souhaite améliorer les performances des
filiales britanniques et danoises. Les données relatives aux ventes de ces
filiales sont extraites en temps réel des serveurs d’agence S A et alimentent un
serveur S S de base de données relationnelles qui se trouve au siège, pour être
analysées. Les clients remplissent un questionnaire de renseignements qui est
saisi par l’agent de voyages. Ces informations vont aussi alimenter le serveur
S S : âge des touristes, premier ou non voyage en avion, etc. On constate à une
même période l’année :
– que le nombre de destinations vers l’Espagne est très important au Danemark, tandis que les destinations vers l’Italie sont faibles ;
– que les clients anglais vont majoritairement vers l’Italie.
Les informations du questionnaire client montrent par ailleurs que la majorité
des acheteurs britanniques de séjours pour l’Espagne fêteront leur baptême
de l’air ou leur premier séjour dans un pays méditerranéen et ne s’opposeraient pas à une escale, quitte à rallonger le temps de vol.
La maison mère obtiendra une baisse très significative de ses coûts de revient
en négociant des « paquages 1 » plus importants :
– au départ de Londres vers l’Italie ;
– au départ de Copenhague vers l’Espagne ;
– en aller-retour Londres ← → Copenhague ;
– de plus, elle positionnera des transits Londres → Copenhague → Espagne,
– et Copenhague → Londres → Italie pour le reliquat des touristes danois très
minoritaires vers l’Italie, avec une baisse de tarifs pour ces voyageurs qui y
sont très sensibles (comme le montrent les analyses du questionnaire).
La notion de datamining
Le mot datamining vient de data et de mine. Il s’agit de découvrir, enfouis dans les
données, des faits susceptibles d’améliorer les résultats de l’entreprise. Cela permet
de récupérer certaines vérités cachées, non immédiatement intelligibles. Le plus
souvent les analystes procèdent par corrélation de faits.
1. Franglicisme (retour à l’envoyeur) : de l’anglais package, lui-même venant du vieux français, pour
désigner un lot immatériel.
267
© Groupe Eyrolles
Exemple 7.1 : Une agence de voyages à succursales multiples en Europe
Cette agence vend des séjours vers l’Europe du Sud, pour des clients
d’Europe du Nord. La direction souhaite améliorer les performances des
filiales britanniques et danoises. Les données relatives aux ventes de ces
filiales sont extraites en temps réel des serveurs d’agence S A et alimentent un
serveur S S de base de données relationnelles qui se trouve au siège, pour être
analysées. Les clients remplissent un questionnaire de renseignements qui est
saisi par l’agent de voyages. Ces informations vont aussi alimenter le serveur
S S : âge des touristes, premier ou non voyage en avion, etc. On constate à une
même période l’année :
– que le nombre de destinations vers l’Espagne est très important au Danemark, tandis que les destinations vers l’Italie sont faibles ;
– que les clients anglais vont majoritairement vers l’Italie.
Les informations du questionnaire client montrent par ailleurs que la majorité
des acheteurs britanniques de séjours pour l’Espagne fêteront leur baptême
de l’air ou leur premier séjour dans un pays méditerranéen et ne s’opposeraient pas à une escale, quitte à rallonger le temps de vol.
La maison mère obtiendra une baisse très significative de ses coûts de revient
en négociant des « paquages 1 » plus importants :
– au départ de Londres vers l’Italie ;
– au départ de Copenhague vers l’Espagne ;
– en aller-retour Londres ← → Copenhague ;
– de plus, elle positionnera des transits Londres → Copenhague → Espagne,
– et Copenhague → Londres → Italie pour le reliquat des touristes danois très
minoritaires vers l’Italie, avec une baisse de tarifs pour ces voyageurs qui y
sont très sensibles (comme le montrent les analyses du questionnaire).
La notion de datamining
Le mot datamining vient de data et de mine. Il s’agit de découvrir, enfouis dans les
données, des faits susceptibles d’améliorer les résultats de l’entreprise. Cela permet
de récupérer certaines vérités cachées, non immédiatement intelligibles. Le plus
souvent les analystes procèdent par corrélation de faits.
1. Franglicisme (retour à l’envoyeur) : de l’anglais package, lui-même venant du vieux français, pour
désigner un lot immatériel.