Conception et mise en place d’une solution décisionnelle pour le suivi de l’activité de la STAR

Ce travail porte sur la conception et la mise en place d’une solution décisionnelle destinée au suivi de l’activité de la STAR, une société tunisienne d’assurance. Il s’adresse principalement aux étudiants et professionnels intéressés par les systèmes d’information décisionnels, la Business Intelligence (BI) et la gestion des données dans le secteur de l’assurance.

La question

Le projet vise à résoudre les difficultés rencontrées par la STAR dans le suivi et l’analyse de ses activités, notamment la production et la gestion des sinistres. La société fait face à un système d’information en cours de refonte, avec des données dispersées sur plusieurs sources, un accès difficile aux données, une complexité dans la génération des rapports, et une absence d’outil BI. Ces problèmes ralentissent la procédure de reporting et limitent la capacité des équipes à produire des analyses fiables et pertinentes, ce qui nuit à la prise de décision.

Il était donc nécessaire de concevoir une solution décisionnelle capable de centraliser, organiser et analyser les données afin de faciliter la génération de rapports dynamiques et statiques, et ainsi améliorer la prise de décision au sein de la STAR.

Concepts de base

Pour comprendre ce projet, il faut d’abord saisir quelques notions clés :

• Business Intelligence (BI) : ensemble de méthodes et d’outils permettant de collecter, organiser et analyser de grandes quantités de données pour aider les décideurs.
• Entrepôt de données (Data Warehouse) : base de données centralisée qui intègre les données provenant de différentes sources, nettoyées et structurées pour l’analyse.
• Data Mart : sous-ensemble spécialisé d’un entrepôt de données, dédié à un domaine particulier, ici la production ou les sinistres.
• ETL (Extract, Transform, Load) : processus d’extraction des données des sources, de leur transformation (nettoyage, formatage) et de leur chargement dans l’entrepôt ou les data marts.
• Tables de faits : tables centrales dans un entrepôt, contenant les mesures quantitatives (ex. nombre de contrats, primes, sinistres).
• Tables de dimensions : tables qui décrivent les axes d’analyse (ex. point de vente, contrat, produit, date).
• Scrum BI : méthode agile adaptée à la gestion de projets décisionnels, permettant des livraisons régulières et une adaptation continue.
• Approche Bottom-Up : méthode de construction d’un système décisionnel en partant des besoins spécifiques et des data marts, pour construire progressivement l’entrepôt global.

Approche

Le projet a été mené selon une méthode agile, Scrum BI, combinée à une approche Bottom-Up. Cette démarche a permis de construire progressivement la solution, en commençant par des data marts spécifiques, puis en intégrant les données dans un entrepôt global.

Le processus décisionnel s’est déroulé en trois sprints :

1. Création du data mart Production pour le suivi de l’activité de production.
2. Création du data mart Sinistre pour le suivi de l’activité sinistre.
3. Publication et actualisation des rapports sur le web.

Les données ont été extraites de plusieurs sources, notamment la base Oracle existante, puis nettoyées et transformées via l’outil Talend (ETL). Ces données ont été chargées dans un entrepôt sous SQL Server Management Studio. Les rapports ont été conçus et diffusés à l’aide de Power BI, avec une interface web spécifique pour permettre un accès sécurisé et adapté aux différentes directions de la STAR.

Les indicateurs clés retenus pour le suivi sont :

• Nombre de contrats et de sinistres
• Primes
• Réserves
• Règlements
• BONI MALI (bonus-malus)
• Coût moyen

Ces indicateurs sont analysés selon plusieurs dimensions : point de vente, sinistre, contrat, garantie, produit, règlement, acte comptable, date, branche, pack, risque, etc.

Résultats

Le projet a abouti à la création d’une solution décisionnelle fonctionnelle permettant :

• La génération de rapports dynamiques et statiques pour les activités production et sinistre.
• La publication de ces rapports sur une plateforme web accessible en tout lieu, avec une interface mobile.
• Un accès sécurisé aux rapports, avec des droits différenciés selon les directions (générale, contrôle de gestion, commerciale, comptabilité).
• Une amélioration notable de la rapidité et de la fiabilité du reporting par rapport à l’ancien système.

Par exemple, un rapport de suivi des affaires nouvelles présente les primes émises sur deux mois successifs et leur part dans le chiffre d’affaires global. Un autre rapport détaille la sinistralité par pack, produit et risque pour l’année 2018.

Limitations et questions ouvertes

Le projet concerne uniquement les branches production et sinistre, la STAR disposant d’autres branches d’assurance dont les données restent à intégrer. La solution peut être étendue pour couvrir l’ensemble des branches.

De plus, il est envisagé d’implémenter des algorithmes de data mining pour enrichir l’analyse, mais cela n’a pas été réalisé dans ce travail.

Enfin, la solution repose sur une infrastructure et des outils spécifiques (Talend, SQL Server, Power BI) qui nécessitent des compétences techniques et une maintenance continue.

Glossaire

• Business Intelligence (BI) : ensemble de méthodes et outils pour analyser les données et aider à la prise de décision.
• Entrepôt de données (Data Warehouse) : base centralisée intégrant les données nettoyées pour analyse.
• Data Mart : sous-ensemble spécialisé d’un entrepôt de données.
• ETL (Extract, Transform, Load) : processus d’extraction, transformation et chargement des données.
• Table de faits : table contenant les mesures quantitatives.
• Table de dimensions : table décrivant les axes d’analyse.
• Scrum BI : méthode agile adaptée aux projets BI.
• Approche Bottom-Up : construction progressive de la solution décisionnelle à partir des besoins spécifiques.