Fret SNCF décuple son potentiel d’analyse grâce à la Business Intelligence de Microsoft

Le premier transporteur ferroviaire de marchandises en France, troisième en Europe, s’offre une nouvelle jeunesse en BI en opérant une refonte complète de son architecture. Mieux adaptée à ses besoins d’analyse et réduisant les coûts d’exploitation, elle simplifie également l’accès aux informations.

Témoignage

Premier transporteur ferroviaire de marchandises en France, Fret SNCF est le troisième opérateur européen avec un chiffre d’affaires d’environ 1,27 milliards d’euros en 2010. Entité de la branche Geodis de la SNCF, Fret SNCF a enregistré un trafic ferroviaire d’environ 22,8 milliards de tonnes-kilomètres transportées en 2010. http://fret.sncf.com/



Partie intégrante de la branche SNCF Geodis, qui gère le pôle Transport Ferroviaire de Marchandises depuis juillet 2008, Fret SNCF opère depuis quelques années une transformation sans précédent qui s’est notamment traduite par une refonte de son architecture décisionnelle. Objectif : concevoir un système plus souple, évolutif, mieux adapté aux besoins d’analyse et réduire les coûts d’exploitation.

Fret SNCF disposait en effet d’un datawarehouse trop complexe et coûteux pour ses besoins. Partagé avec deux autres branches de la SNCF, il était agencé en silos, cette modélisation limitant considérablement le potentiel d’analyse. « Les données commerciales étaient isolées des données de production des transport, explique Murielle Joyeux, responsable du centre de compétence Pilotage et Décisionnel de Fret SNCF. Typiquement, il nous était impossible de concevoir des requêtes permettant de savoir quelles unités d’oeuvres étaient utilisées pour une commande donnée ». Mal organisé, ce datawarehouse était aussi obsolète : trop cher en coût d’exploitation, Fret SNCF avait décidé de ne plus le faire évoluer afin de limiter son impact financier;

Gagner en capacité d’analyse
Mi-2008, l’entreprise décide de mettre un terme à cette situation en lançant une étude pour identifier les solutions du marché en vue du remplacement de son architecture. Elle opte alors pour un nouveau système basé sur Microsoft SQL Server 2008 (plus tard mis à jour vers SQL Server 2008 R2) pour le datawarehouse, SSIS (SQL Server Integration Services) pour l’alimentation de la base, SSAS (SQL Server Analysis Services) pour l’analyse multidimensionnelle (moteur OLAP) sans oublier la partie restitution, conçue à l’aide de SSRS (SQL Server Reporting Services), et l’accès aux rapports et tableaux de bord organisé à partir de SharePoint 2007 (plus tard mis à jour en version 2010).

Débuté en mars 2009, le projet va connaître trois grandes phases, les deux premières concernant le modèle de données du datawarehouse et la mise en place des processus d’alimentation. Particulièrement critiques, ces étapes sont déterminantes dans la réussite d’une architecture décisionnelle, un modèle de datawarehouse inadapté réduisant le potentiel d’analyse, les performances des requêtes, voire même la fiabilité des informations.

Chez Fret SNCF, l’enjeu était d’autant plus décisif que l’entreprise agrège dix sources différentes de données provenant de systèmes critiques et représentant près de 300 Go de données : production (voyages, missions, convoyage...), commerce (commande, pièce comptable, facturation...), objectifs, reporting… qui ne peuvent être perturbés par les requêtes d’un datawarehouse. « En d’autres termes, ce projet est probablement l’un des plus importants jamais réalisés en France avec SQL Server, aussi bien concernant le nombre et l’hétérogénéité des sources de données réconciliées que le nombre et la complexité des règles de gestion intégrées ou encore le modèle de données en constellation mis en oeuvre », résume Sébastien Madar, Directeur du pôle décisionnel de MCNEXT, prestataire architecte qui a accompagné le Fret SNCF dans cette refonte.

Une architecture sécurisée, évolutive
Afin de sécuriser le fonctionnement de son architecture, Fret SNCF opte donc pour une brique médiane, un ODS (Operational Data Store), qui lui permet d’étanchéifier les zones opérationnelles (systèmes critiques) et décisionnelles. Chaque système critique déclenche ainsi le processus d’alimentation quotidiennement en générant un fichier CSV réunissant les données de la journée. Ces dernières sont ensuite chargées dans l’ODS en vue de leur transformation. Traitées par plus de 400 packages (ou traitements) exécutés par SSIS, les données nettoyées sont ensuite injectées dans le datawarehouse pendant la nuit. La globalité du processus d’alimentation, qui prend en compte 3 environnements reposant chacun sur 4 bases de 138 Mo plus six cubes (commandes, voyages, convois, pièces comptables, résultats et missions « régimées ») d’un total de 25 Go exploités par SSAS, dure environ neuf heures.

Cette architecture offre aujourd’hui à Fret SNCF un potentiel d’analyse et une capacité à évoluer qu’elle n’avait jamais eu jusqu’alors. Enfin, l’entreprise n’a réalisé aucune reprise d’historique pour la simple raison que l’agencement de son ancien datawarehouse était précisément ce qu’elle remettait en cause, les données engrangées ne répondant plus à ses besoins d’analyse. « Un accès à l’ancien datawarehouse a toutefois été conservé au cas où les utilisateurs aient besoin de l’historique. Mais globalement, plus personne ne l’utilise », précise Murielle Joyeux.

Une montée en puissance progressive de la BI
Une fois l’architecture de données opérationnelle, Fret SNCF s’est intéressée à l’exploitation en mettant en place 35 rapports statiques accessibles via SharePoint. Dans un premier temps, les utilisateurs n’ont pas forcément joué un rôle prépondérant dans l’utilisation de ces outils, mais très vite, ils ont pris conscience du potentiel offert par ceux-ci. Séduits par l’interactivité des solutions SSRS de Microsoft enrichies de développements en .NET sur la couche de restitution, ils se sont appropriés le projet en donnant naissance à de nouveaux usages, dont récemment la mise en place de tableaux de bord regroupant des indicateurs de performance. « C’est d’ailleurs en partie pour cette raison que nous avions retenu les outils de Microsoft pour notre projet, précise Murielle Joyeux. Complète et intégrée, la solution mise en place est moins chère à l’acquisition, à la mise en oeuvre et à l’exploitation. Mais elle a surtout démultiplié notre capacité d’analyse par des outils conviviaux et des données consolidées automatiquement et fiables. Résultat, nous sommes encore loin d’avoir exploité tout le potentiel de notre nouvel outil ! ».

Problématique

  • Remplacer une architecture décisionnelle obsolète et coûteuse par une solution moderne et performante.
  • Mettre en place un datawarehouse adapté aux besoins d’analyse et capable de fédérer dix sources de données provenant de plusieurs systèmes critiques représentant près de 300 Go de données.

Bénéfices

  • Augmentation du potentiel d’analyse
  • Flexibilité de l’architecture
  • Automatisation de la consolidation
  • Simplification des outils et de l’accès aux informations
  • Réduction des coûts d’exploitation
  • Autonomie des utilisateurs