Améliorer la prise de décision, l’efficacité et la...

Information Builders2 Information Builders2

Par le Dr Rado Kotorov

Un livre blanc

Améliorer la prise de décision, l’efficacité et

la rentabilité avec l’analyse prédictive

Résumé

Pourquoi l’analyse prédictive ?

L’analyse prédictive au service des utilisateurs opérationnels

Intégration de l’analyse prédictive dans les environnements de BI

Une modélisation prédictive plus économique

Conclusion

1

2

6

11

3

9

Table des matières

Rado Kotorov, directeur technique Strategic Product Management chez

Information Builders, est responsable des nouvelles technologies en matière

de reporting, d’analyse et de visualisation. Il soutient l’adoption de solutions

Web 2.0 et mobiles comme RIA, AJAX et les moteurs de recherche, pour

rendre la BI et les applications analytiques plus accessibles, intuitives et

collaboratives. Il a activement œuvré à la création des solutions Active

Reports, Magnify et InfoAssist.

Avant de rejoindre Information Builders, il était directeur financier responsable

IMS et informatique chez DeBacker Management LLC. Il a également été

directeur de la BI chez CMI Marketing, chargé de la mise en œuvre des

solutions de BI et de rapports financiers, des entrepôts de données et des

applications.

Rado Kotorov a conçu des modèles et des applications d’analyse pour les

secteurs de la pharmacie, de la distribution, des biens de consommation

courante, de la finance et de l’automobile. Il est titulaire d’un doctorat en

économie et en théorie des jeux et de la décision de l’université Bowling

Green State. Ses publications couvrent également les domaines des

processus d’entreprise, des technologies émergentes, du CRM, de la gestion

des connaissances, de l’innovation, et de la création d’entreprises.

Rado Kotorov

Information Builders1

Résumé

Aujourd’hui, les dirigeants doivent systématiquement regarder le passé, le présent et l’avenir.

Pour améliorer l’efficacité opérationnelle, ils ont besoin de rapports sur les performances passées.

Pour optimiser l’allocation et la consommation des ressources, ils ont besoin de prévisions les

plus exactes possibles sur l’avenir. Et ils ont aussi besoin de données sur la situation en cours,

pour réagir aux problèmes et à l’évolution des conditions avant qu’ils aient un impact négatif sur

l’activité..

Jusqu’ici, les responsables ont fait appel à divers outils et systèmes pour les aider à prendre des

décisions importantes. Ils avaient par conséquent du mal à obtenir une perspective unique et

homogène sur les performances opérationnelles passées, actuelles et prévues. Mais les choses

changent rapidement : des plates-formes de Business Intelligence (BI) comme WebFOCUS

d’Information Builders apportent un environnement unifié leur permettant d’extraire et d’analyser

des données relatives aux activités passées, présentes et futures.

Dans ce document, nous décrirons l’intégration de fonctions sophistiquées d’analyse prédictive à

WebFOCUS, et comment elles peuvent améliorer considérablement la prise de décision, réduisant

les risques et les coûts, et entrainant une hausse des revenus et des bénéfices. En disposant

d’applications intuitives de scoring, les utilisateurs métier, quel que soit leur niveau, prendront leurs

décisions en étant bien informés au lieu de s’en remettre à l’intuition et au flair.

Le défi de la gestion opérationnelle : gérer le passé, le présent et le futur

PrésentTemps réel

Tableaux de bord & alertes

PasséReporting et

analyse

Ana

lyse

des

tend

ance

s p

assé

es Aide à la décision tem

ps réel

Analyse prédictive

FuturModélisation

prédictive

Améliorer la prise de décision, l’efficacité etla rentabilité avec l’analyse prédictive

2

Peter Drucker, le très renommé spécialiste en management, déclarait que l’on ne peut pas

administrer ce que l’on ne peut mesurer. Dans cette optique, le reporting, les Balanced Scorecard,

les indicateurs clés de performance et d’autres stratégies se présentent comme des outils

d’administration participant à garantir des performances homogènes qui ne s’écartent pas des

objectifs opérationnels et de la rentabilité fixés. Le plus grand avantage de ces outils est peut-être

de donner aux responsables le moyen de surveiller les processus une fois exécutés, et de réagir au

besoin en les corrigeant.

Outre ce qui s’est passé hier ou la semaine dernière, les responsables s’inquiètent de savoir de quoi

demain sera fait. Par exemple, tel produit ou service va-t-il générer une demande ? Quel chiffre

d’affaires peut-on attendre, et via quel canal (ventes directes, partenaires, etc.) ? Quels sont les

clients qui vont probablement acheter tel produit ?

S’il est possible d’établir des prévisions fiables du futur, les responsables pourront structurer les

workflows et attribuer les ressources à l’avance pour optimiser la rentabilité et les bénéfices. Plus

les prévisions seront précises, plus les bénéfices seront élevés et le fonctionnement efficace, en

utilisant moins de ressources.

L’intégration de l’analyse prédictive à la plate-forme de BI WebFOCUS donne aux responsables

les moyens de s’appuyer sur des solutions de pointe pour formuler des prévisions plus fiables

concernant l’avenir et, à terme, améliorer la prise de décision. En l’absence d’analyse prédictive, ils

ne pourront s’appuyer que sur leur expérience et le nombre relativement limité d’indicateurs qu’ils

pourraient prendre en compte.

Les systèmes informatiques modernes recueillent une quantité impressionnante de données. Le

profil d’un client peut comprendre plus de 200 variables descriptives comme son revenu, âge,

sexe, emploi et niveau éducatif. Un crime peut aussi avoir de nombreux attributs : conditions

météo, localisation, caractéristiques de la victime, etc. Comment déterminer quels sont les critères

utiles ou non ? Et comment définir leur importance relative ? Par exemple, dans le cadre d’un

accord de crédit, comment pondérer le revenu par rapport à l’éducation ?

Grâce à l’analyse prédictive, le responsable peut aller au-delà des capacités de la réflexion

humaine. Il pourra déterminer quels sont les critères importants et leur attribuer un poids.

L’analyse prédictive élimine le recours au « feeling » et contribue à de meilleures décisions.

Pourquoi l’analyse prédictive ?


Nombreux sont les utilisateurs qui bénéficieront de meilleures prévisions sur le futur, mais ce sont

les utilisateurs opérationnels qui en retireront le plus d’avantages. Par exemple, un responsable

du marketing doit décider des prospects à cibler lors de l’envoi de campagnes et de catalogues.

Selon les études, le taux de réponse moyen d’une campagne de publipostage direct est de 2 %.

Or, certains catalogues coûtent cher, 30 euros ou plus. Si l’on s’attend à seulement deux ventes

pour 100 catalogues envoyés, le coût de cette méthode de marketing et d’acquisition de client

peut s’avérer prohibitif.

Cependant, si l’analyse prédictive permet de cibler avec précision trois clients, dont deux

répondront, les coûts d’acquisition d’une nouvelle clientèle sont réduits de 97 %. La question

est donc de savoir comment tirer parti de l’analyse prédictive sans devoir transformer chaque

utilisateur opérationnel en statisticien...

Le plus souvent, ce travail est du ressort de quelques experts, mathématiciens ou statisticiens.

Les projets sont ponctuels, et les résultats sont diffusés sous forme d’articles ou de dossiers de

recherche. C’est une méthode qui exige du temps et des ressources. En outre, elle n’est pas

systématique, les projets et les fichiers de données étant partagés entre plusieurs personnes. Et vu

la nature ésotérique de l’analyse prédictive, il n’est pas surprenant que le mot « statistique » fasse

peur aux responsables.

Avant de mettre les applications d’analyse prédictive à la disposition des utilisateurs, il faut

en éliminer la complexité. Les processus habituels doivent être simplifiés et remplacés par

une approche davantage orientée système. Ceci peut se faire en apportant aux utilisateurs

opérationnels des applications de scoring dans lesquelles il suffit de sélectionner quelques

paramètres dans un formulaire Web intuitif pour générer des prévisions.

L’analyse prédictive au service des utilisateurs opérationnels

Une application de scoring accessible par le Web et destinée aux utilisateurs opérationnels sans expérience en statistiques.


4

Imaginez le cas d’un responsable marketing qui vient d’acquérir une liste d’adresses mail. Pour

réduire les coûts, elle doit être ciblée. Au lieu de créer un modèle et d’analyser des formules,

le responsable marketing va tout simplement choisir un modèle dans une liste déroulante,

l’appliquer aux données et générer les scores pour toutes les personnes de la liste (voir l’illustration

à la page précédente).

De même, un officier de police choisira quelques paramètres, comme les conditions météo ou les

événements locaux, pour générer une prévision des crimes les plus susceptibles de survenir (voir la

capture d’écran ou la carte en page suivante).

Les applications de scoring présentent un intérêt majeur dans toute situation opérationnelle

impliquant des risques et une prise anticipée de décision :

■ Marketing. Ciblage et segmentation des contacts pour des campagnes, amélioration du taux

de réponse, détermination des possibilités de ventes croisées ou supérieures

■ Gestion des relations client (CRM). Modélisation et valeur de la fidélité de la clientèle, valeur

totale du client, taux d’attrition et d’acquisition

■ Finance. Analyses de risque de crédit avec le scoring comportemental, l’évaluation des risques,

la vente croisée et le scoring d’application de prêt

■ Recouvrement. Optimisation des créances en ciblant des clients similaires

■ Détection de fraude. Découverte de comportements illégaux, frauduleux ou abusifs

■ Santé. Surveillance des dossiers médicaux pour déterminer les patients qui ont le plus de

risques de développer un état chronique

■ Assurance. Détection des déclarations frauduleuses, prévision de l’activité des déclarations de

sinistre et détermination de leur gravité

■ Application de la loi. Amélioration de l’allocation des ressources et gestion des interventions

via une prévision exacte et en temps opportun de la criminalité

■ Industrie. Optimisation de la chaine de production en coordonnant chacun des postes afin

d’augmenter la productivité et de réduire les coûts

■ Prévision de la demande. Estimation exacte de la demande et de la quantité de produit

nécessaire

Dans ces scénarios et dans bien d’autres, la prise de décision opérationnelle découle d’une

meilleure évaluation du risque et de prévisions plus précises.

L’exactitude de la prise de décision dépend de trois variables : la quantité disponible de données

historiques détaillées, les moyens d’évaluer correctement l’importance de chaque critère dans ces

données historiques, et l’acquisition de solutions pour automatiser le traitement de la collecte des

données, la prévision et l’évaluation du risque.

Étudions chacune de ces variables :

■ Accès aux données historiques. L’utilisation d’une grande quantité de données historiques

pour le processus d’évaluation améliore la précision et l’exactitude de la décision. Par exemple,

plus un responsable marketing dispose d’informations sur les achats passés, mieux il pourra

déterminer si un client est susceptible d’acheter un produit donné. Un détaillant d’électronique


peut proposer environ 15 000 références. Une carte de fidélité peut enregistrer toutes les

transactions, et ces données serviront à déterminer les clients les plus susceptibles d’acheter des

ordinateurs, des équipements pour home cinéma, des équipements mobiles, etc. En d’autres

termes, les données passées permettent de déterminer les modèles de comportement et de les

utiliser pour mieux juger des besoins et des souhaits futurs des clients et des prospects.

■ Modélisation des données et scoring. Utilisation d’algorithmes mathématiques pour attribuer

le poids adéquat à chaque facteur qui influence un résultat donné. La difficulté de déterminer

l’importance relative des variables influençant le résultat augmente avec leur nombre. S’il

surestime la demande, le détaillant d’électronique va se retrouver avec un stock inutilisé. S’il

la sous-estime, il va rater des ventes. Imaginons une chaîne de détail avec 200 magasins, voire

plus. Les ventes dépendent de nombreuses variables, comme l’emplacement et l’agencement

du magasin, la circulation et la population environnante. La possibilité d’évaluer l’importance de

chaque variable permettra de mieux prévoir la demande pour chaque magasin, ce qui au final

améliorera la gestion des stocks.

■ Automatisation. Il n’est guère facile de traiter de grandes quantités de données et d’évaluer

l’importance relative de chaque variable. C’est un processus qui demande du temps et des

compétences spécifiques. L’utilisateur opérationnel n’a pas le temps, le savoir-faire ou la

responsabilité fonctionnelle d’analyser les données de cette façon. Il doit prendre des décisions

rapides pour faire son travail. C’est là qu’intervient l’automatisation. Des logiciels, comme

WebFOCUS RStat, peuvent faire en quelques secondes ce qui demanderait des jours à un

analyste. Dans un contexte d’applications en self-service, nos solutions permettront à l’utilisateur

opérationnel de lancer des modèles et des applications de scoring pour faire des estimations et

des prévisions, et les utiliser pour améliorer la planification et la prise de décision. Si un officier

de police doit décider où envoyer ses voitures de patrouilles un vendredi, il n’a pas besoin de

conduire des analyses sophistiquées couvrant cinq années de criminalité et impliquant plus de

100 variables. Rien que l’idée serait proprement décourageante, car toutes ces données seraient

bien trop complexes et nombreuses pour tenir dans une feuille de calcul Excel. Il lui suffit en

revanche de choisir quelques paramètres dans un formulaire Web, et le système évaluera

dynamiquement la probabilité de la criminalité dans chaque zone de patrouille.

L’analyse prédictive au service de l’application de la loi.


6

Si l’utilisateur opérationnel a peur des statistiques, le responsable informatique craint les coûts et

la mise en œuvre des applications d’analyse prédictive. C’est pourquoi la plupart des entreprises

se retrouvent avec des solutions de BI et des solutions statistiques ou de data mining. Ces outils

séparés sont souvent gérés par différents groupes d’utilisateurs, ce qui conduit à fragmenter le

processus et à augmenter l’administration car il faut maintenir de nombreuses applications. En

l’absence d’une approche unifiée et homogène telle que le proposent les centres de compétence

en Business Intelligence (BICC), l’utilisateur devra chercher un certain type d’information à un

endroit donné, et aller ailleurs pour d’autres types de décisions.

L’intégration de l’analyse prédictive aux solutions de BI élimine ce problème, apportant un

environnement unique pour que des personnes aux compétences diverses puissent collaborer et

développer des applications destinées aux utilisateurs opérationnels. Au final, ceci simplifiera la

mise en œuvre, réduira les coûts de maintenance, et facilitera la réutilisation des ressources. Pour

illustrer ces points, étudions la création d’une application de scoring et voyons comment ceci est

possible dans le cadre d’un environnement intégré tel que WebFOCUS RStat.

La création d’une application de scoring prédictif peut se faire en trois étapes : la préparation des

données, la création du modèle, et le développement de l’application pour les utilisateurs. 80%

du temps et de la charge de travail seront affectés à la première étape. Il faudra établir l’accès à la

source de données (ou à plusieurs), et créer les requêtes nécessaires pour extraire ces données

vers un seul fichier non structuré, à des fins d’analyse. En outre, il faudra définir le profilage des

données et les nettoyer. Par exemple, il faudra remplacer les valeurs manquantes détectées et

éliminer les cas déviants. Souvent, il faudra transformer certaines des variables. Par exemple, il

pourra être nécessaire de prendre le logarithme du chiffre d’affaires ou des ventes pour améliorer

l’adéquation du modèle ou la qualité de ses prévisions.

La préparation des données est généralement du ressort de plusieurs personnes, des analystes

et des statisticiens. Les analystes créent les requêtes, les statisticiens assurent le profilage et

le nettoyage des données. Ils utilisent souvent de nombreux logiciels. Ce qui veut dire que

l’ensemble de données est créé par une personne, puis transféré à une autre, conduisant à la

prolifération d’ensembles de données disparates en vue de la modélisation, de la même façon que

les rapports Excel prolifèrent dans les environnements de BI.

Le processus est tout différent dans un environnement pleinement intégré. Un analyste détermine

les processus d’accès aux données et crée les métadonnées, s’assurant que tous les utilisateurs

peuvent lancer des requêtes sur les sources voulues. L’analyste peut également créer la requête.

Dans un environnement intégré, une requête peut servir au reporting comme à la modélisation,

aussi elle pourra être lancée par un statisticien ou un analyste, directement dans le système de

modélisation statistique (WebFOCUS RStat). Lorsqu’une requête sert à la modélisation, elle est

lancée via une interface simple mais puissante, qui permet à l’analyste de préciser et de créer

aisément le modèle.

Qui peut créer des modèles ? Faut-il un statisticien ? Il est difficile de répondre. Les choses ont

changé, à la fois au niveau des statistiques et de leur enseignement, surtout avec l’utilisation

croissante des bonnes pratiques Six Sigma. La formation n’insiste plus sur les détails techniques et

les formules mathématiques, mais sur la compréhension et l’utilisation des méthodes statistiques.

En bref, il n’est plus nécessaire de comprendre le fondement mathématique de la régression

linéaire pour réaliser un modèle de régression. C’est pourquoi la plupart des écoles de commerce

et de management dispensent des cours de statistique commerciale.

Intégration de l’analyse prédictive dansles environnements de BI


Les outils de modélisation ont également évolué vers des interfaces facilitant la sélection et la

configuration des modèles. Plus important encore, elles s’accompagnent de méthodes intuitives

pour évaluer l’exactitude de chaque modèle. En conséquence, un analyste peut créer plusieurs

modèles, comparer leur exactitude et choisir de mettre à disposition le meilleur. Bien entendu,

il y aura toujours des cas plus compliqués, qui exigeront des actions plus sophistiquées de

transformation et de segmentation des données. Il faudra alors faire appel à un statisticien expert,

mais les analystes métier auront les outils voulus pour détecter ces situations.

Le déploiement du modèle vers les utilisateurs opérationnels se fait au travers d’une application

Web simple et ergonomique. L’avantage de disposer d’une suite BI intégrée permet un travail

collaboratif et un échange naturel entre l’analyste et le développeur d’applications BI. Ce dernier

construira l’interface Web qui proposera une liste de modèles disponibles ainsi que les paramètres

à renseigner afin d’obtenir le résultat attendu. Celui-ci pourra s’afficher de différentes manières,

tabulaire, graphique, cartographique...

Préparation des données pour l’analyse prédictive dans Developer Studio et sélection des variables dans RStat.


8

L’intégration de l’analyse prédictive dans la BI a un autre avantage, celui de permettre de conduire

des analyses sur le résultat d’un processus statistique. Par exemple, une personne du marketing

pourra faire passer une liste de publipostage dans une application de scoring, pour déterminer les

meilleures cibles. Il obtiendra un rapport avec toutes les cibles et les probabilités calculées pour

chacune, de zéro (pas d’achat) à 100 (achat). Il utilisera ensuite la BI pour segmenter davantage

les prospects en fonction des probabilités, par exemple de 100 à 90 ou de 89 à 90. Avec ces

connaissances précises, il pourra planifier la campagne en vue d’en optimiser les résultats.

Réalisation et évaluation de modèles.


Les outils de modélisation et les logiciels de statistiques s’appuient sur des concepts hautement

spécialisés, ils ont donc la réputation d’être plutôt coûteux et de s’adresser à un public restreint.

Mais ce n’est plus le cas aujourd’hui. Le succès croissant de l’open source a conduit dans tous les

domaines à des alternatives aux offres commerciales, y compris en matière de statistiques et de

modélisation.

C’est ainsi qu’en modélisation statistique et en analyse prédictive, le moteur open source R est

devenu une solution fiable et évolutive et peut remplacer avantageusement d’autres offres.

Selon Statistics in a Nutshell1, «… si vous envisagez sérieusement une carrière dans les statistiques,

vous devez connaître R, car c’est le langage le plus souple et le plus puissant actuellement, et il

pourrait bientôt devenir la référence de la programmation statistique ».

Daryl Pregibon, scientifique, chercheur chez Google, qui utilise largement R, confirme. « R est si

puissant qu’il permet aux statisticiens de conduire des analyses très complexes sans connaître les

tenants et les aboutissants de l’informatique. »

WebFOCUS RStat s’appuie sur R pour la création et l’analyse de modèles, et propose de nombreux

autres services pour faciliter la conception et la mise en œuvre d’applications d’analyse prédictive.

Une illustration de l’architecture présente ces avantages.

Une modélisation prédictive plus économique

1Sarah Boslaugh, Paul A. Watters, Statistics in a Nutshell, California, O’Reilly Media Inc., 2008

Accès utilisateurs aux applications de scoring

Environnement de production pour

déployer des applications de scoring

Environnement de développement

des modèles et applications

Clients HTTP

Serveur Web/Application

Statisticiens/ Développeurs

Serveur WebFOCUS Reporting

Déploiement du modèle au travers d’une application de scoring pour une réutilisation sur de nouveaux jeux de données.

Accès aux données pour faire de la modélisation en direct ou via un serveur de reporting

Base de données

Serveurs


10

R n’est que le moteur, aussi son utilisateur doit posséder des compétences en programmation

pour accéder aux données, les charger dans la mémoire du moteur, créer le modèle, écrire

le script des routines de scoring, etc. La création d’un modèle est à chaque fois un processus

non standardisé qui exige une programmation complète. L’intégration de R avec WebFOCUS

apporte toutes les fonctions d’accès aux données et de gestion des métadonnées des outils de BI

standard, ainsi qu’une interface spécialement conçue pour indiquer à R les paramètres du modèle.

Ceci élimine la réalisation manuelle des scripts. De plus, le modèle créé est compilé comme une

fonction normale de WebFOCUS. Par conséquent, l’application de scoring peut être mise en

œuvre sur n’importe quelle plate-forme. D’un point de vue architectural, c’est bien plus efficace,

car le moteur R n’est pas nécessaire pour effectuer le scoring. En effet, c’est le serveur de reporting

qui s’en charge, éliminant l’ajout de logiciels et réduisant le traitement lors de l’exécution. Au final,

les coûts de configuration et de maintenance sont largement réduits.

L’intégration de R et de WebFOCUS optimise pleinement les ressources humaines ainsi que celles

en matériel et en logiciel.


De plus en plus, les dirigeants doivent prendre de meilleures décisions et réaliser des estimations

plus exactes. D’où l’importance de leur fournir un système unifié d’aide à la décision pour étudier

en détail les performances passées et actuelles, ainsi que pour prévoir les activités futures. Pour

satisfaire ces besoins, la demande envers l’intégration de méthodes sophistiquées de modélisation

et de prévision devrait augmenter.

WebFOCUS RStat intègre étroitement la modélisation avec les solutions de BI, et s’appuie sur les

meilleures solutions open source pour aider les professionnels de l’informatique à standardiser

la façon de développer, gérer et maintenir de telles applications, grâce à des outils auxquels sont

familiers les développeurs d’applications de Business Intelligence.

Conclusion

Siège social Two Penn Plaza, New York, NY 10121-2898 (212) 736-4433 Fax (212) 967-6406 DN7506254.0809-FRmoc.sredliubnoitamrofni@ofniksa moc.sredliubnoitamrofni

Information Builders France 15, rue Jean Jaurès - 92800 Puteaux +33 1 49 00 66 00 Fax +33 1 49 00 66 07moc.ibi@rf_ofni - rf.sredliubnoitamrofni

Copyright © 2011 par Information Builders. Tous droits réservés. [92] Tous les produits et noms de produits cités dans la présente publication sont des marques commerciales ou des marques commerciales déposées par leurs sociétés respectives.

Nos bureaux dans le monde

Amérique du NordÉtats-Unis

Atlanta,* GA (770) 395-9913 Baltimore, MD Professional Services :

(703) 247-5565 Boston,* MA (781) 224-7660 Channels, (800) 969-4636 Chicago,* IL (630) 971-6700 Cincinnati,* OH (513) 891-2338 Dallas,* TX (972) 490-1300 Denver,* CO (303) 770-4440 Detroit,* MI (248) 641-8820 Federal Systems,* DC (703) 276-9006 Hartford, CT (860) 249-7229 Houston,* TX (713) 952-4800 Los Angeles,* CA (310) 615-0735 Minneapolis,* MN (651) 602-9100 New Jersey Sales : (973) 593-0022 New York,* NY Sales : (212) 736-7928

Professional Services : (212) 736-4433, ext. 4443 Orlando, FL (407) 562-1852 Philadelphia,* PA Sales: (610) 940-0790 Phoenix, AZ (480) 346-1095 Pittsburgh, PA Sales : (412) 494-9699 St. Louis,* MO (636) 519-1411 San Jose,* CA (408) 453-7600 Seattle, WA (206) 624-9055 Washington,* DC Sales : (703) 276-9006

Professional Services : (703) 247-5565

CanadaInformation Builders (Canada) Inc.

Calgary (403) 437-3479 Montreal* (514) 421-1555 Ottawa (613) 233-7647 Toronto* (416) 364-2760 Vancouver (604) 688-2499

MexiqueInformation Builders Mexico

Mexico 52-55-5062-0660

AustralieInformation Builders Pty. Ltd.

Melbourne* 61-3-9631-7900 Sydney* 61-2-8223-0600

Europe Allemagne Information Builders (Deutschland)

Eschborn* +49-6196-77576-0 Belgique* Information Builders Belgium

Bruxelles +32-2-7430240 Espagne Information Builders Iberica S.A.

Barcelone +34-93-344-32-70 Bilbao +34-94-452-50-15 Madrid* +34-91-710-22-75

France* Information Builders France S.A. Paris +33-14-507-6600

Italie Information Builders Italy Milan 39-02-30-314-420

Pays-Bas* Information Builders (Netherlands) B.V. Amsterdam +31-20-4563333

Portugal Information Builders Portugal Lisbonne +351-217-217-400

Royaume-Uni* Information Builders (UK) Ltd. Londres +44-845-658-8484

Suisse Information Builders Switzerland AG Dietlikon +41-44-839-49-49

Représentants Afrique du Sud

InfoBuild South Africa (Pty.) Ltd. Gauteng 27-83-4600800 Fujitsu Services (Pty.) Ltd. Johannesbourg 27-11-2335911

Arabie Saoudite InfoBuild Middle East Riyad 996-1-2180280

Autriche Rai�eisen Informatik Consulting GmbH Vienne +43-12-1136-3870

Bahreïn InfoBuild Brazil Ltda. Dubai 973-17-536-222, ext. 312

Brésil InfoBuild Brazil Ltda. São Paulo 55-11-3285-1050

Chine Information Builders China (IBC) Beijing 86-10-5128-9680 Beijing Xinrong Software Technology Co., Ltd. Beijing 86-10-5873-2031

Corée UVANSYS Séoul 82-2-832-0705

Danemark InfoBuild AB Kista, SE +46-735-23-34-97

Égypte InfoBuild Middle East Abou Dhabi 971-2-627-5911 Dubai 971-4-3914391

Emirates Arabes Unis InfoBuild Middle East Abou Dhabi 971-2-627-5911 Dubai 971-4-3914391

Éthiopie MKTY IT Services Plc Addis Ababa 251-11-5501933

Finlande InfoBuild Oy Espoo 358-207-580-840

Grèce Applied Science Athènes +30-210-699-8225

Guatémala IDS de Centroamerica Guatemala City 502-2412-4212

Inde* InfoBuild India Chennai 91-44-42177082

Israël SRL Group Ltd. Tel Aviv +972-3-7662030

Japon K.K. Ashisuto Osaka 81-6-6373-7113 Tokio 81-3-5276-5863

Jordanie InfoBuild Middle East Abou Dhabi 971-2-627-5911 Dubai 971-4-3914391

Koweït InfoBuild Middle East Dubai 965-22322926

Liban InfoBuild Middle East Dubai 961-4-533162

Norvège InfoBuild Norway Oslo 47-48-20-40-30

Oman InfoBuild Middle East Abou Dhabi 971-2-627-5911 Dubai 971-4-3914391

Pologne/Europe Centrale et de l’Est InfoBuild SP.J. Varsovie +48-22-657-00-14

Qatar InfoBuild Middle East Dubai 974-467-7311

Russie FOBOS Plus Co., Ltd. Moscou 7-495-926-3358

Singapour Automatic Identi�cation Technology Ltd. Singapour 65-6286-2922

Taïwan Galaxy Software Services Taïpeh 886-2-2586-7890

Thaïlande Datapro Computer Systems Co. Ltd. Bangkok 662-679-1927, ext. 200

Turquie InfoBuild Middle East Ankara 90-312-266-33-00 Istanbul 90-212-325-4114

Vénézuela InfoServices Consulting Caracas 58-212-763-1653

Numéro gratuit Ventes, fournisseurs indépendants,

revendeurs et intégrateurs de systèmes partenaires (800) 969-4636

* Présence de Centres de Formation dans ces locaux.

Améliorer la prise de décision, l’efficacité et la...

Documents

Transcript of Améliorer la prise de décision, l’efficacité et la...