gestion des décisions fondée sur les données (DDDM)
La gestion des décisions fondée sur les données (DDDM, Data-Driven Decision Management) constitue une approche de la gouvernance métier qui valorise les décisions soutenues par des données vérifiables. Le succès des approches fondées sur des données repose sur la qualité des informations collectées et sur l'efficacité de leur analyse et de leur interprétation.
Aux débuts de l'informatique, l'exploration des données passait généralement par un spécialiste doté de fortes connaissances technologiques. En effet, il fallait une personne en mesure de comprendre le mode de fonctionnement des entrepôts et bases de données. Lorsqu'un directeur administratif d'une entreprise souhaitait consulter des données à un niveau granulaire particulier, il lui fallait passer par le service informatique et solliciter un rapport adéquat. Un informaticien élaborait alors ce rapport et en planifiait l'exécution périodique. Sachant la complexité du processus, on décourageait le recours à des rapports ad hoc, également appelés rapports ponctuels.
Aujourd'hui, les outils d'informatique décisionnelle ne nécessitent plus l'intervention du service informatique, ou très peu. Les directeurs administratifs peuvent personnaliser des tableaux de bord pour afficher les données qu'ils veulent consulter, et exécuter des rapports personnalisés à la volée. Les changements intervenus dans le mode d'exploration et de visualisation des données permettent aux dirigeants d'entreprise qui n'ont pas de formation informatique de travailler avec des outils analytiques et de prendre des décisions fondées sur les données.
La gestion des décisions fondées sur les données s'envisage généralement comme un moyen d'obtenir un avantage concurrentiel. Une étude du Center for Digital Business du MIT conclut que les entreprises les plus axées sur ce type de décisions affichent un taux de rentabilité 4 % plus élevé et des marges bénéficiaires supérieures de 6 %. Toutefois, l'intégration de quantités massives d'informations issues de différents secteurs d'activité, puis leur combinaison en vue d'obtenir des données exploitables est une opération beaucoup plus compliquée qu'il n'y paraît. En effet, des erreurs peuvent se glisser à n'importe quelle étape des processus d'analytique et donner lieu à de graves problèmes.
