Histoire des Systèmes Décisionnels...
Dès lors que les outils d’aide à la décision sont apparus sur le marché, les entreprises ont rapidement compris la valeur ajoutée que pouvait leur apporter ce type de solution.
Très vite, elles ont cherché à s’équiper… A commencer par les outils de requêtage, leur permettant d’interroger leurs systèmes et bases de données opérationnelles, déjà très sollicitées – obligeant parfois les analystes à travailler de nuit pour ne pas figer les bases de production !
Pour pallier à ces problèmes, plusieurs architectures vont voir le jour…

- L’Infocentre
L’infocentre, qui va dupliquer les données de production : les analystes ont finalement besoin des mêmes informations que les opérationnels, en même temps ! Très gourmand en ressources matérielles et logicielles, l'infocentre en tant que base de données mise à disposition des utilisateurs a, depuis les années 90, été remplacé peu à peu par l'informatique décisionnelle et le concept de datawarehouse ou entrepôt de données.

- L’Entrepôt de Données
L'entrepôt de données est un concept spécifique de l'informatique décisionnelle, issu du constat suivant : les données de l'informatique de production (également appelée « informatique transactionnelle »), notamment les progiciels de gestion intégrés (ou ERP, Enterprise Resource Planning) ne se prêtent pas à une exploitation dans un cadre d'analyse décisionnelle.
Les systèmes de production sont en effet construits dans le but de traiter des opérations individuelles qui peuvent impliquer différents métiers de l'entreprise et surtout, ne se préoccupent pas de leur compilation ou historisation dans le temps.
Très souvent, les questions posées par un décideur impliquent fréquemment des informations stockées dans plusieurs applications, base de données ou feuilles de calcul.
À l'inverse, les systèmes décisionnels doivent permettre l'analyse par métiers ou par sujets et le suivi dans le temps d'indicateurs calculés ou agrégés – les analystes ayant souvent besoin de recul pour détecter des tendances. Il est donc souvent indispensable de séparer ces deux mondes et de repenser les schémas de données, ce qui implique l'unification des différents gisements de données de l'entreprise en un entrepôt de données global (datawarehouse) ou dédié à un sujet/métiers (datamart), en lecture seule. Fréquemment construit à partir d’une base de données relationnelle, ce type d’architecture à également ses limites en terme d’analyse…

Les bases de données relationnelles sont constituées d’un ensemble de tables à 2 dimensions, composées de lignes et de colonnes, à la manière d’une feuille de calcul. L’intérêt évident de cette technologie se trouve dans le mot relationnel, c'est-à-dire, la possibilité de combiner, de mettre en relation les différentes tables qui la compose (table pays, clients, factures), sans dupliquer l’information.
Pourtant, cette technologie n’est pas adaptée à des requêtes analytiques complexes, susceptibles de monopoliser le serveur : c’est alors que les bases de données multidimensionnelles sont nées ! et rares sont les éditeurs sur ce marché… dont les bases ont été inventées dès 1969 par le Docteur Codd.
Le cube OLAP est une représentation abstraite d'informations multidimensionnelles exclusivement numérique utilisé par l'approche OLAP (acronyme de On-line Analytical Processing). Cette structure est prévue à des fins d'analyses interactives par une ou plusieurs personnes (souvent ni informaticiens, ni statisticiens) du métier que ces données sont censées représenter.

Les cubes OLAP ont les caractéristiques suivantes :
- obtenir des informations déjà agrégées selon les besoins de l’utilisateur
- simplicité et rapidité d’accès
- capacité à manipuler les données agrégées selon différentes dimensions
- un cube utilise les fonctions classiques d’agrégation : min, max, count, sum, avg, mais peut utiliser des fonctions d’agrégations spécifiques

Dimensional Insight, avec Diver Solution, réunit l’ensemble de ces qualités et va encore au-delà de cette approche au travers de sa technologie Cross-Indexing, qui permet de sommer de grandes quantités de données, de les indexer, et de les transformer en base de données multidimensionnelle « à structure libre », appelée Modèle.

Dans cette nouvelle vision, la base de données multidimensionnelle pré-calcule et stocke toutes les informations, au croisement de chacune des Dimensions. Le Chiffres d’Affaire réalisé par chaque Commercial, pour chaque Gamme de produit, dans chaque Pays, pour chaque Mois, sera pré calculé et conservé dans le Modèle, au croisement de chacune des Dimensions prévues – sans aucune notion de hiérarchie. Le Modèle est véritablement au cœur du système décisionnel.
Ainsi, lors du lancement d’une requête décisionnelle complexe, le système se contentera de lire les croisements de chaque colonne du Modèle. Les temps de réponse, indépendants des volumes à traiter, sont immédiats… le décideur reçoit des réponses immédiates à ses questions… ce qui suscite très vite d’autres questions : Pas de problème, puisqu’il travaille à la vitesse de la pensée !