Evry - M2 MIAGE Entrepôts de Données

Dimension: px
Commencer à balayer dès la page:

Download "Evry - M2 MIAGE Entrepôts de Données"

Transcription

1 Evry - M2 MIAGE Entrepôts de Données Modélisation décisionnelle D. Ploix - M2 MIAGE - Conception EDD 1

2 Plan Construction de l entrepôt : les faits et les dimensions Préparation de l analyse : Les agrégats les rapports et les cubes Optimisation Exemple d analyse Transport D. Ploix - M2 MIAGE - Conception EDD 2

3 Faits et dimensions Une méthode de modélisation faits/dimensions part du processus métier analysé vers l analyse : 1. Identification du processus métier analysé 2. Établissement du niveau de granularité de l analyse 3. Établissement des dimensions qui s appliquent à chaque ligne de fait 4. Identification des caractéristiques numériques qui s appliquent à chaque ligne de fait Cette méthode demande une vision complète et décrite du processus métier et de son implémentation. Elle permet de construire le tableau qui croise les processus métier (et les différentes étapes des processus métier) et les dimensions : Processus\ Dimension Date Entrepôt Produit Magasin Promotion Vente au détail X X X X Stock entrepôt X X X Commande X X X D. Ploix - M2 MIAGE - Conception EDD 3

4 Faits et dimensions Deux type d informations caractérisent les faits : Des mesures numériques propre à chaque instance de faits (quantité, prix, ) Des dimensions caractéristiques plus ou moins complexes (fournisseur, produit, ) Les mesures numériques propres à chaque fait sont l objet de calculs d analyse (montant global, moyenne globale, ) et les dimensions constituent des facteurs de sélection des faits étudiés (produits de telle ou telle marque, ). D. Ploix - M2 MIAGE - Conception EDD 4

5 Faits et dimensions À partir de l entrepôt de données intégrant l ensemble des faits et dimensions constitutif des processus métier, une analyse doit être réalisée pour identifier les éléments nécessaires aux analystes (pour construire les datamarts, agrégats et autres cubes). Méthode d identification du modèle décisionnel à partir de l analyse cible : Que voulez vous analyser? Faits Quels sont vos critères d'analyse? Dimensions Jusqu'à quel niveau de détail voulez vous aller? Mesures dans les faits Attributs des dimensions La modélisation sera réalisée à l aide d un tableau par «fait» : Chaque colonne désigne une dimension Chaque éléments de chaque colonne désigne les caractéristiques des dimensions Dans la première colonne sont placées les caractéristiques intégrées à la table de faits (mesures, facteurs). FaitX : Attribut1, Attribut2, Dimension 1 Dimension 2 Dimension 3 Attribut1 Dim 1 Attribut 1 Dim 2 Attribut 1 Dim 3 Attribut 2 Dim 1 Attribut 2 Dim 2 Attribut 2 Dim 3 D. Ploix - M2 MIAGE - Conception EDD 5

6 Faits et dimensions Exemple : Le département en charge des approvisionnement des magasins souhaite faire une étude sur la fidélité des clients en période de vacances pour les produits à forte valeur ajoutée. Les analystes souhaiteraient en particulier identifier les déplacements de population d une région vers une autre pour pouvoir mieux approvisionner les magasin des produits consommés par les clients pendant leurs vacances. Date Client Magasin Produit Localisation du client Localisation du magasin Date Id client Id magasin Désignation Code postal Code postal Libelle mois Libelle année Nom Ville Ville Taille Région Région Pays Pays Fait de vente : quantité, prix unitaire D. Ploix - M2 MIAGE - Conception EDD 6

7 Schéma en étoile D. Ploix - M2 MIAGE - Conception EDD 7

8 les faits Quelques règles [conseils] sur les faits [Kimball] Une ligne [un enregistrement] dans une table de faits correspond à une mesure. Une mesure est une ligne [un enregistrement] dans une table de faits. Les caractéristiques les plus utiles d une table de faits sont numériques et additives. Toutes les caractéristiques dans une table de faits doivent être de même granularité. Dans les modèles dimensionnels, les tables de faits expriment des relations de plusieurs à plusieurs entre les dimensions. D. Ploix - M2 MIAGE - Conception EDD 8

9 «ce qui est fait des faits» Les calculs réalisés dans les EDD sont des calculs d agrégation : pour un ensemble de faits partageant des caractéristiques communes, on va réaliser des opérations d agrégation sur des caractéristiques numériques des faits («ce qui est analysé»). Exemple de fonctions d agrégations sur les caractéristiques numériques : Somme : par exemple, la quantité totale vendue, Min, max : plus petite / grande quantité Moyenne : quantité moyenne Numération : Nombre de ventes effectuées par catégorie de produit Nombre de valeurs différentes : nombre de prix pour la vente d un produit D. Ploix - M2 MIAGE - Conception EDD 9

10 caractéristiques des faits Exemple de tables de faits pour les ventes : Le positionnement de caractéristiques numériques unitaires dans la table de fait est essentielle pour la performance des calcul réalisés au cours des analyses : cela évite les jointures sur les éléments à la base du calcul réalisé. Les questions induites sont alors : Quelles mesures unitaires intégrer? Quel niveau de normalisation doit-on appliquer? D. Ploix - M2 MIAGE - Conception EDD 10

11 caractéristiques des faits Mesures à intégrer : Toutes les mesures qui seront nécessaires aux analyses (agrégations) réalisées. Niveau de normalisation : La question se pose lorsque des mesures caractérisant un fait sont de nature fonctionnelle proche (différents types de quantités, de prix, ) sont présents dans la table de fait. Cette normalisation ne doit, généralement, pas être mise en œuvre car elle aura comme effet : La multiplication du nombre de fait, La réalisation de jointure lors des calculs Attention à bien distinguer l usage d une caractéristiques comme élément d analyse («ce qui est analysé») par rapport à un usage comme critère de sélection d une partie des faits («critère d analyse»), dans le premier cas, il s agit d une caractéristique numérique (non normalisée), et dans le second d une dimension. D. Ploix - M2 MIAGE - Conception EDD 11

12 caractéristiques des faits Exemple de fait «complexes» : instantané récapitulatif du pipeline de traitement des commande. L ensemble des «points de vue» sur la commande traitée seront présents par autant de quantités de type différents. Des facteurs faisant correspondre une unité de quantification d un département à l autre permettent d en gérer la diversité (par exemple : la distribution et livraison sont réalisés par casiers lorsque la production travaille de manière unitaire, ). Le placement des facteurs de conversion dans la table de faits garanti leur utilisation correcte. La présentation des données aux différents types d utilisateurs sera réalisée par la création d autant de vues qui intègreront les quantités qui les concernent dans leur unité de mesure (avec application du facteur). D. Ploix - M2 MIAGE - Conception EDD 12

13 caractéristiques des faits La majeur partie des mesures sont additives sur toutes les dimensions. Par exemple : montant d une vente, quantité vendue, coûts du produit vendu, Certain types de mesures numérique représentent des valeurs qui ne peuvent être additionnées selon toutes les dimensions d analyse. Par exemple, niveau de stock est additif (agrégation via somme) sur une dimension «magasins» mais ne le sera pas sur la dimension temps. D autres opérations d agrégations restent utilisables (moyenne, min, max, ). D autres mesures ne sont additive sur aucune dimension. Par exemple : le prix unitaire du produit ou le ratio bénéfice brut / chiffre d affaire (= marge brute). D. Ploix - M2 MIAGE - Conception EDD 13

14 caractéristiques des faits Pour le cas de mesures non additives comme la marge brute (calculée en divisant le bénéfice brut par le chiffre d affaire) et dont mesures utilisées pour son calcul peuvent l être pour un ensemble d éléments (groupe de produits, de magasin, ), on va intégrer tous les composants utiles au calcul dans la base de faits et réaliser le calcul de la mesure dynamiquement par rapport à l ensemble de faits considérés. De même pour les fonctions d agrégation, les résultats de certaines sont additive (somme des valeurs), d autres semi additives (min / max), d autres non additives (nombre de faits) On définira donc, pour chacune des caractéristique numérique (agrégée ou non) de la table de faits et pour chaque fonction d agrégation, les dimensions sur lesquelles elles sont additives (utilisables) et celles pour lesquelles elles ne le sont pas. D. Ploix - M2 MIAGE - Conception EDD 14

15 la granularité des faits Les faits de granularité différentes ne peuvent être fusionnés même s ils semblent s appliquer à un même objet. Exemple typique : entête d une commande (frais d expédition, ) et lignes de la commande (produit, quantité, ). Solution : Soit deux tables de faits sont construites : une pour les faits de haut niveau (entête de commande) et une pour les faits de niveau plus fin (lignes de commande). Soit les faits de plus haut niveau (frais d expéditions) sont répartis à un niveau plus détaillé (entre les lignes de la commande) en suivant un facteur d allocation (en fonction du poids unitaire et de la quantité, ), D. Ploix - M2 MIAGE - Conception EDD 15

16 la granularité des faits On distingue alors trois grandes familles de granularité : Granularité de transaction : mesure unitaire d une action métier. Granularité de l instantané périodique : mesure des actions métier dans un intervalle fixe (semaine, mois, ). Granularité de l instantané récapitulatif : mesure des actions métier sur une période non prédéterminée (instantané des productions ) Les faits transactionnels constituent la base de l entrepôt de données d entreprise. Les faits périodiques et récapitulatifs sont généralement utilisés dans les datamarts. Ils seront construits par l agrégation des faits transactionnels (constitution d agrégas). D. Ploix - M2 MIAGE - Conception EDD 16

17 la granularité des faits Pour reprendre l exemple des ventes : Les faits transactionnels identifient chacun des tickets de caisse, Les faits d instantanés périodiques identifient les ventes journalières, hebdomadaires, mensuelles, Les faits d instantanés récapitulatifs identifient les ventes sur un mois glissant, depuis le début du mois, D. Ploix - M2 MIAGE - Conception EDD 17

18 la granularité des faits Caractéristique Transaction Instantané périodique Instantané récapitulatif Période dans le temps représenté Grain Chargement des tables de faits Mise à jours des lignes de faits Dimension date Faits Point dans le temps Une ligne par événement Intervalles réguliers prévisibles Une ligne par période Durée indéterminée généralement courte Une ligne pour la vie de l entité Insertion Insertion Insertion et mise à jours Pas de mise à jour Pas de mise à jour Mise à jour pour chaque activité Date de la transaction Activité de la transaction Date de la fin de la période Performance dans un intervalle prédéfini Dates multiples pour des étapes standard Performance sur une durée de vie limitée D. Ploix - M2 MIAGE - Conception EDD 18

19 ce qui est fait des dimensions Les dimensions sont les «critères d analyse» permettant de fixer le champs sémantique des faits analysés. Les clients, les produits, les dates, les adresses de livraisons, les adresses de clients, Dans une démarche d urbanisation, les dimensions les plus «utiles» sont issues des données «de référence» [cf MDM] (ou transverses à l entreprise ou conformes [Kimball]) car les caractéristiques en sont partagées au niveau sémantique et syntaxique par toute l entreprise. Ces dimensions auront la même signification pour toutes les tables de faits qui y font référence D. Ploix - M2 MIAGE - Conception EDD 19

20 Construire les dimensions Attribut des dimensions : il est important de considérer la fonction des attributs des dimensions. Ils vont être utiliser par les utilisateurs comme critère de sélection des faits. Ainsi, il est préférable de placer des attributs supplémentaires aux dimensions pour en faciliter l usage. La liste des attributs sera donc construite en fonction du contexte du processus métier et des analyses. Exemple typique : la dimension date se verra compléter d attributs qualifiant la date : jour férié, numéro de jour dans la semaine, dans le mois, dans l année, numéro de semaine dans le mois, dans l année, trimestre calendrier, Il est important de noter qu il est infiniment plus simple de n afficher qu une partie des caractéristiques d une dimension à l utilisateur par rapport au travail demandé pour en rajouter une à postériori dans l entrepôt de données. D. Ploix - M2 MIAGE - Conception EDD 20

21 Construire les dimensions Dimensions dégénérées en ligne de fait : Dans certain cas de figure, les dimensions peuvent se réduire à un numéro unique (numéro de commande, de lettre, de facture, ). Dimension qui ne s applique pas à tous les faits : certain cas de dimension (promotion par exemple) ne sont pas intrinsèquement liés aux faits. Il est alors nécessaire d ajouter une ligne «élément null» dans la dimension pour éviter des clés étrangères nulle dans la table de faits. Pour la table de promotion, on ajoutera ainsi un fait «pas de promotion». Dimension jeu de rôle : la dimension date peut jouer différents rôles pour, par exemple, un fait qui traite les clients d hôtels : date d arrivée, date de départ, date de réservation, On dit alors qu elle joue plusieurs rôle. Elle n est créée qu une fois et la clé entre la table de faits et la dimension en précise le rôle. D. Ploix - M2 MIAGE - Conception EDD 21

22 Construire les dimensions Grand nombre de dimension : Lorsque la modélisation fait apparaître un grand nombre de dimensions (> 15), un travail de rationalisation (regroupement) des dimensions doit être réalisé pour en réduire le nombre quitte à réaliser des dimensions avec beaucoup d attributs. Une solution à ce problème peut être la mise en place de dimension fourre-tout (junk dimension) qui intégrera les séries d indicateurs à faible cardinalité ou de drapeaux (valeurs oui/non) comme autant d attributs. ID dimension indicateurs de commande Type de règlement Groupe type de règlement Indicateur commande UE / hors UE Indicateur de commission 1 Cash Cash Union Europ. Commissionnable Normal Indicateur type de commande 2 Cash Cash Union Europ. Hors Commission Présentation 3 Cash Cash Union Europ. Hors Commission Normal 4 Cash Cash Hors UE Commissionnable Présentation 5 MasterCard Crédit Union Europ. Commissionnable Normal 6 VisaCard Crédit Union Europ. Commissionnable Présentation D. Ploix - M2 MIAGE - Conception EDD 22

23 Dimension à évolution lente (SCD) Les valeurs des enregistrement des dimensions peuvent être amenés à évoluer. Par exemple, un produit va changer de nom, de rayon, de numéro de version (par ex. logiciels) Trois méthodes sont possible pour gérer ces évolutions : 1. Écrasement de la valeur par la nouvelle Solution la plus simple : ni la table de faits ni la table de dimension ne change dans leur structure ou leur organisation. Désavantage : il y a perte de l historique. 2. Ajout d une ligne de dimension pour y intégrer la modification (même si elle ne concerne qu une sous partie des attributs). La nouvelle ligne aura un nouvel ID unique et il est donc important de prévoir une clé primaire différente de la clé primaire naturelle, Elle permet de segmenter la table de faits en fonction de l historique. 3. Ajout d une colonne de dimension Permet d associer l ancienne valeur de l attribut directement avec la nouvelle Dans le cas de caractéristique de dimension à évolution rapide, il est préférable de les isoler dans une dimension spécifique (ex. dimension client). D. Ploix - M2 MIAGE - Conception EDD 23

24 Dimension à évolution lente (SCD) Exemple de traitement d une dimension à évolution lente : le rayon de vente d un produite High Tech Valeur d origine Ecrasement Clé produit Description Rayon EAN IntelliKids Éducation Clé produit Description Rayon EAN IntelliKids Stratégie Ajout ligne Clé produit Description Rayon EAN IntelliKids Éducation IntelliKids Stratégie Ajout colonne Clé produit Description Rayon Rayon antérieur EAN IntelliKids Stratégie Éducation D. Ploix - M2 MIAGE - Conception EDD 24

25 Normalisation des dimensions La question de la conservation d une forme dénormalisée vs une forme normalisée se pose. Deux écoles coexistent : Les pro normalisation : Économie d espace : les informations sont stockées une seule fois dans les dimensions, Facilité de mise à jours en cas de changement de valeur. Les anti normalisation : L économie d espace est très relative comparée à la table de faits, Complexification de la navigation dans les dimensions : la simplicité est un des principaux objectifs du modèle décisionnel, l ajout de tables de dimension complexifie (dans notre exemple, passage de 5 à 9 dimensions). L optimisation SGBD est moins performante (index bitmap), parcours de hiérarchie, Conclusion de Kimball (très anti mais une référence) : Les tables de dimension doivent rester des tables physiques plates Les outils de restitution (la suite microsoft par exemple) savent restituer une hiérarchie fonctionnelle issue de tables physiques plates. D. Ploix - M2 MIAGE - Conception EDD 25

26 Dimensions hiérarchiques Les moteurs de bases de données (transactionnel comme décisionnel) traitent mal les structures hiérarchiques. Par exemple : comment représenter la hiérarchie suivante : D. Ploix - M2 MIAGE - Conception EDD 26

27 Dimensions hiérarchiques La représentation «naturelle» sera sous la forme de tables «récursive» : Ce qui rend complexe l intégration dans une dimension et, même dans une modélisation transactionnelle, rend le code SQL permettant d identifier la position hiérarchique et les «ancêtres» complexe. ID Famille ID Père Description 1 0 Nourriture 2 1 Produits frais 3 1 Produits sec 4 2 Légumes 5 2 Poissons 6 2 Viande 7 3 Conserves 8 3 Pâtes 9 4 Tomates 10 4 Salades 11 5 Truites 12 6 Bœuf 13 6 Mouton 14 7 Sauces 15 8 Spagetti D. Ploix - M2 MIAGE - Conception EDD 27

28 Dimensions hiérarchiques Une solution est l utilisation d attributs pour la position hiérarchique (speed table) ID Racine ID Famille ID Sous Famille ID Catégorie Description Nourriture Produits frais Produits sec Légumes Poissons Viande Conserves Pâtes Tomates Salades Truites Bœuf Mouton Sauces Spagetti D. Ploix - M2 MIAGE - Conception EDD 28

29 Dimensions hiérarchiques Tables passerelles : elles indiquent la distance à la racine (position dans la hiérarchie) et le fait d être une feuille ou une racine. Par exemple, la table passerelle pour la partie droite (produits sec) de la structure exemple. L usage conseillé est de construire une vue table de faits + table de hiérarchie à clé unique (profondeur à la racine fixé, ) évitant les valeurs multiples et donnant une flexibilité sans multiplier les dimensions jeu de rôle. Clé parent Clé famille Niveau depuis parent Drapeau inf Drapeau sup N O N N N N N N O N O N N N N N N N O N O N N N O N O N N N O N O N D. Ploix - M2 MIAGE - Conception EDD 29

30 Dimensions hiérarchiques Chaque méthode à ses avantages : Speed table : plus simple à maintenir et à intégrer aux dimensions, Table passerelle : plus simple à utiliser (tous les éléments de niveau 2, Et ses inconvénients : Speed table : très complexe d ajouter un niveau de profondeur dans la hiérarchie, Table passerelle : la jointure entre la table de faits et la dimension passe par la table passerelle. Il faut faire attention à ne pas compter plusieurs fois le même fait. Pour les deux : attention aux modifications de structure hiérarchique D. Ploix - M2 MIAGE - Conception EDD 30

31 Schéma normalisé : en flocon Les dimensions Date et Localisation ne sont pas normalisées car des attributs sont fortement redondants : libelle mois, libelle année, région, pays, Leur normalisation permet la construction d un schéma en flocon : D. Ploix - M2 MIAGE - Conception EDD 31

32 Plan Construction de l entrepôt : les faits et les dimensions Préparation de l analyse : Les agrégats, les rapports et les cubes Optimisation Exemple d analyse Transport D. Ploix - M2 MIAGE - Conception EDD 32

33 Les agrégats, les rapports et les cubes Une fois l entrepôt de données, les faits, les dimensions, voir les agrégats construits, on passe à l outillage de la navigation dans les données. Solutions : Publication d un rapport visualisant le résultat de recherches/analyses régulières sur l entrepôt, Construction d analyse spécifique visant à chercher une partie de faits (ou des opérations de sommes sur les faits) sans idées à priori des dimensions parcourues. Construction de tables d agrégats Construction de cubes D. Ploix - M2 MIAGE - Conception EDD 33

34 Les agrégats L agrégation est le moyen de passer d une granularité fine à une granularité plus importante. Par exemple, la table des faits des tickets de caisses contient l ensemble des tickets. Si les analyses sont uniquement basées sur une période journalière (voir hebdomadaire ou mensuelle), chaque interrogation de l entrepôt va demander de recalculer les mêmes sommes. Des tables de faits agrégés (tables d agrégats) vont alors être construites sur le niveau requis pour les analyses. D. Ploix - M2 MIAGE - Conception EDD 34

35 Les agrégats Avantage : gain significatif du temps de calcul des analyses Inconvénient : l espace nécessaire au stockage de l entrepôt croit de manière importante (même si les tables d agrégats sont, pas nature, de taille moindre aux tables de faits initiales). Usage : généralement utilisé pour passer de l entrepôt de données d entreprise vers les datamarts conçu de manière précise pour des champs d analyse. D. Ploix - M2 MIAGE - Conception EDD 35

36 Les agrégats La gestion de la granularité dans la modélisation décisionnelle suit alors le schéma suivant Analyse du processus métier Faits de type Transaction de granularité la plus fine Construction des faits orientés analyse Agrégation stable pour des périodicité (pas que temporelles) fixes : création d instantanés périodiques Agrégation dynamique pour des périodicités (pas que temporelles) de taille variables : création d instantanés récapitulatifs Mise en place des calculs d agrégats en mode batch en parallèle du processus d alimentation des données. Les méthodes utilisées pour l agrégation des faits sont liées au niveau d additivité des mesures présentes dans les faits transactionnels. D. Ploix - M2 MIAGE - Conception EDD 36

37 Les rapports La différence entre un rapport d analyse et la navigation dans un cube et que le rapport est statique et présente une vue unique sur les données. La construction de rapports reviendra alors à : Identifier les informations métier nécessaires à une activité de pilotage : nombre de produit vendu par XXX sur la période YYY dans la région ZZZ, Les données de l entrepôt à la source des informations et les calculs composant le rapport : Fait X, Dimension Y, agrégation, fonction sur les données, La forme la plus appropriée pour la lecture des informations : table de valeur, élément graphique (camembert, ), Le risque le plus courant est la réalisation d un nombre trop important de rapports par rapport au besoin métier. Le point d attention réside dans l identification du besoin de navigation dans le cube par un nombre réduit d utilisateur par rapport à la consultation d un nombre d information limité pour le pilotage courant de l activité métier. D. Ploix - M2 MIAGE - Conception EDD 37

38 Les cubes Les cubes sont un moyens de naviguer dans les données de l entrepôt afin d en découvrir des propriétés sous différents points de vues. Par exemple, nous voulons pouvoir analyser les ventes d un produit ou d une gamme de produits selon une période données dans toutes les régions puis, pour affiner notre analyse, souhaiter voir quelles sont les ventes pour une région particulière mais sur une période de temps différente, Ce type de navigation est facilité via l utilisation de cube. D. Ploix - M2 MIAGE - Conception EDD 38

39 Les cubes Voici un exemple d entrepôt : D. Ploix - M2 MIAGE - Conception EDD 39

40 Les cubes Chaque ligne du cube correspond à un produit, chaque colonne à une région et chaque profondeur à une année. Chaque point du cube correspond à un fait correspondant aux différentes données des dimensions (vente de Modems en Asie en 2000). Si on prend la tranche (slice) Asie, on obtient toutes les ventes des différents produits en Asie de 2000 à La tranche 2000 permet d avoir la table des données correspondant aux ventes des différents produits dans le monde. La tranche Modems permet d avoir la table des données de ventes des Modems dans le monde de 2000 à D. Ploix - M2 MIAGE - Conception EDD 40

41 One peut également choisir une ligne ou une sous partie du cube. Ces opérations (de sélection d une partie des données du cube), s appelle Drill Down lorsqu on réduit la partie des données du cube sélectionnées et Drill Up lorsqu on l élargie. Les cubes D. Ploix - M2 MIAGE - Conception EDD 41

42 Les cubes Il est également possible de varier le grain d agrégation des données dans les cubes. Cette opération de concentration (agrégation) est appelée Roll-Up. L inverse sera Roll-Down D. Ploix - M2 MIAGE - Conception EDD 42

43 Les cubes Enfin, il est également possible de changer l orientation du cube (et de changer les points de vue) en le faisant pivoter : D. Ploix - M2 MIAGE - Conception EDD 43

44 Les cubes La construction d un cube d analyse reviendra à sélectionner un ensemble de mesures d un fait (ou un ensemble de mesures d une agrégation issues d un fait) et les dimensions qui seront parcourues. Exemple : Pour la mesure quantité du fait Vente, Les niveaux hebdomadaire, mensuels et annuels de la dimension date, L ensemble des caractéristiques de la dimension produit, L ensemble des caractéristiques des clients. Il pourra alors être généré au sein du système d entrepôt de données, les différents croisements possibles entre les mesures et dimensions choisies (éléments du cube) permettant de réaliser les différentes rotations et agrégations (drill-up et down). D. Ploix - M2 MIAGE - Conception EDD 44

45 Plan Construction de l entrepôt : les faits et les dimensions Préparation de l analyse : Les agrégats les rapports et les cubes Optimisation Exemple d entrepôt Transport (inspiré de [Kimball2002]) D. Ploix - M2 MIAGE - Conception EDD 45

46 Optimisation L optimisation d un dataware est très lié au type d usage : L utilisation des cubes entraîne la génération de requêtes dynamiques pour lesquelles des indexes doivent être préalablement posés Les rapports étant constituées de requêtes particulières, leur optimisation consiste dans l optimisation de leur plan d exécution D. Ploix - M2 MIAGE - Conception EDD 46

47 Indexation d un DW Les SGBD fournissent différents types d indexes : Indexes basées sur Btree : Cluster : les enregistrements sont ordonnés selon l index, les feuilles de l arbre B sont les pages de données. La taille de l index peut être estimée à 5% du stockage de l intégralité des clés d indexes (dans l arbre) + un identificateur unique (interne, ajouté par le système) pour chaque enregistrement (les feuilles de l arbre ne sont pas stockées dans l index). Non cluster : les enregistrements ne sont pas ordonnés selon l index : les feuilles de l arbre sont stockées dans l indexe et contiennent les valeurs de clés ainsi que les numéros d enregistrements (ou de blocs en Oracle). La taille de l index généré dépendra du nombre de valeurs Indexes de type bitmap : Utilisables pour des valeurs 0/1. Stockage très efficace (1 bit par enregistrement) et convient aux sollicitations de type décisionnelle. L éclatement de liste de valeur (classe d un billet) en drapeau est même conseillé par certain concepteur de DW afin de permettre l utilisation de ce type d indexe. Les autres types d indexes comme Hashcode ou basés sur une fonction utilisateur ne sont pas présents dans tous les SGBD mais doivent, si présents, être utilisés si appropriés. D. Ploix - M2 MIAGE - Conception EDD 47

48 Indexation d un DW Tables de faits : Les indexes de type B cluster seront utilisés pour les clés primaires de la table de faits. Attention toutefois aux effets de bords sur l ajout de données qui peut donner lieu à une restructuration de la table si des valeurs viennent s intégrer entre des valeurs existantes et modifier la structure cluster de la table, Les indexes de type B non cluster pour les clés étrangères vers les dimensions très sollicités (date,..), La table de faits sera partitionnée selon la dimension d analyse la plus sollicité (souvent la date), Tables de dimensions Index cluster pour la clé primaire, Indexes de type bitmap ou B pour les valeurs des dimensions très sollicitées Les indexes de type bitmap sont particulièrement appropriés aux problématiques DW : accès unique, stockage optimisé. Il peut ainsi être intéressant de construire des ensembles d attributs drapeau (valués 0/1) à la place d un attribut avec liste de valeur pour en permettre une indexation de type bitmap. Une indexation plus systématique que la table de faits est possible du fait de la taille moindre de ces tables par rapport à la table de faits. D. Ploix - M2 MIAGE - Conception EDD 48

49 D. Ploix - M2 MIAGE - Conception EDD 49

50 Optimisation, points d attention Les optimisations sont fortement liées au SGBD sous jacent et à l architecture de déploiement choisie. La source principales des problèmes réside dans le mode de parallélisation des traitements : Pour SQL Serveur, des verrous sur les tables partitionnées au niveau de la table ou des partitions peuvent empêcher la construction de lots de données appropriés. Il est également à noter que la parrallèlisation des traitements a été amélioré entre 2005 et Pour Oracle, la répartition de requêtes DW sur plusieurs nœuds d un RAC n est pas conseillée dans le cas de jointure sur les résultats car cela entraîne une très forte communication d inter-connect. Il est également important de bien comprendre le mode de fonctionnement des SGBD et des actualisations qui sont nécessaires à leur bon fonctionnement (statistiques, ré-indexation, gestion des segments, ). Opérations qui peuvent, dans le cas de tables de grande taille, devenir très lourdes pour les systèmes opérationnels. Les DW étant les types de calculs mettant en chalenge la capacité des SGBD, leur surveillance et administration correcte en est particulièrement cruciale. D. Ploix - M2 MIAGE - Conception EDD 50

Evry - M2 MIAGE Entrepôt de données

Evry - M2 MIAGE Entrepôt de données Evry - M2 MIAGE Entrepôt de données Introduction D. Ploix - M2 Miage - EDD - Introduction 1 Plan Positionnement du BI dans l entreprise Déclinaison fonctionnelle du décisionnel dans l entreprise Intégration

Plus en détail

Introduction. d'informations Les entrepôts de données (Datawarehouse) Les datamarts Architecture Modélisation

Introduction. d'informations Les entrepôts de données (Datawarehouse) Les datamarts Architecture Modélisation Data WareHouse Plan Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamarts Architecture Modélisation 2 Présentation Besoin: prise de décisions

Plus en détail

Construction d un EDD avec SQL 2008 R2. D. Ploix - M2 Miage - EDD - Création

Construction d un EDD avec SQL 2008 R2. D. Ploix - M2 Miage - EDD - Création Construction d un EDD avec SQL 2008 R2 Plan Analyse du DW construit Construction de la base DW dans SQL 2008 Construction des tables de faits et dimensions Injection des données Étapes de l injection des

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 3 - Data

BI = Business Intelligence Master Data-ScienceCours 3 - Data BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage

Plus en détail

Gestion multi-stocks

Gestion multi-stocks Gestion multi-stocks Dans l architecture initiale du logiciel IDH-STOCK, 11 champs obligatoires sont constitués. Ces champs ne peuvent être supprimés. Ils constituent l ossature de base de la base de données

Plus en détail

Leçon 12. Le tableau de bord de la gestion des stocks

Leçon 12. Le tableau de bord de la gestion des stocks CANEGE Leçon 12 Le tableau de bord de la gestion des stocks Objectif : A l'issue de la leçon l'étudiant doit être capable de : s initier au suivi et au contrôle de la réalisation des objectifs fixés au

Plus en détail

Exposé d étude : Sage 100 gestion commerciale

Exposé d étude : Sage 100 gestion commerciale Exposé d étude : Sage 100 gestion commerciale Présenté par : Demb Cheickysoul 1 INTRODUCTION Parfaitement adapté à l organisation de l entreprise par sa puissance de paramétrage, Sage 100 Gestion Commerciale

Plus en détail

L approche Bases de données

L approche Bases de données L approche Bases de données Cours: BD. Avancées Année: 2005/2006 Par: Dr B. Belattar (Univ. Batna Algérie) I- : Mise à niveau 1 Cours: BDD. Année: 2013/2014 Ens. S. MEDILEH (Univ. El-Oued) L approche Base

Plus en détail

Méthodologie de conceptualisation BI

Méthodologie de conceptualisation BI Méthodologie de conceptualisation BI Business Intelligence (BI) La Business intelligence est un outil décisionnel incontournable à la gestion stratégique et quotidienne des entités. Il fournit de l information

Plus en détail

SUGARCRM MODULE RAPPORTS

SUGARCRM MODULE RAPPORTS SUGARCRM MODULE RAPPORTS Référence document : SYNOLIA_Support_SugarCRM_Module_Rapports_v1.0.docx Version document : 1.0 Date version : 2 octobre 2012 Etat du document : En cours de rédaction Emetteur/Rédacteur

Plus en détail

Bases de données multidimensionnelles OLAP. OnLine Analytical Processing

Bases de données multidimensionnelles OLAP. OnLine Analytical Processing Bases de données multidimensionnelles OLAP OnLine Analytical Processing OLAP OLAP (On Line Analytical Processing): Ensemble des outils nécessaires pour la mise en place d'un Système d'information décisionnel

Plus en détail

Gestion des approvisionnements avec SAP Business One Optimisation des approvisionnements grâce à l intégration de la logistique et de la comptabilité

Gestion des approvisionnements avec SAP Business One Optimisation des approvisionnements grâce à l intégration de la logistique et de la comptabilité distributeur des solutions FICHE TECHNIQUE Module : Gestion des achats Gestion des approvisionnements avec SAP Business One Optimisation des approvisionnements grâce à l intégration de la logistique et

Plus en détail

Entrepôt de données 1. Introduction

Entrepôt de données 1. Introduction Entrepôt de données 1 (data warehouse) Introduction 1 Présentation Le concept d entrepôt de données a été formalisé pour la première fois en 1990 par Bill Inmon. Il s agissait de constituer une base de

Plus en détail

AURELIE Gestion Commerciale Mode d emploi pour achats

AURELIE Gestion Commerciale Mode d emploi pour achats 1/ But :... 3 2/ Procédure d achat :... 3 3/ Pré-requis :... 3 4/ Génération des prévisionnels de commandes fournisseurs :... 3 4.1/ Comment y aller?... 3 4.2/ Les filtres :... 3 4.3/ Calculs et conditions

Plus en détail

Base de données en mémoire

Base de données en mémoire Base de données en mémoire Plan Bases de données relationnelles OnLine Analytical Processing Difficultés de l OLAP Calculs en mémoire Optimisations 1 Base de données relationnelle Introduction Date Exemple

Plus en détail

Manuel d utilisation DeveryLoc

Manuel d utilisation DeveryLoc Manuel d utilisation DeveryLoc Page 1/37 Version Numéro de la version Date de modification Modification apporté Version v.1 Le 1 juillet 2004 Version v.2 Le 1 Juin 2006 Page 2/37 SOMMAIRE 1. SE CONNECTER

Plus en détail

Logiciel de gestion pour boulangerie ORPAIN 7. Mode d emploi

Logiciel de gestion pour boulangerie ORPAIN 7. Mode d emploi Logiciel de gestion de Boulangerie Orpain 7 : Mode d emploi - 1 - Logiciel de gestion pour boulangerie ORPAIN 7 Mode d emploi Copyright 1984-2008 Fache Informatique Case postale 52 1091 La Croix ( Lutry

Plus en détail

ERP & Processus. lacreuse@unistra.fr

ERP & Processus. lacreuse@unistra.fr ERP & Processus Métiers lacreuse@unistra.fr Processus : «Système d activités qui utilise des ressources pour transformer des éléments d entrée en résultat» Iso9000 Approche par processus Axes de modélisation

Plus en détail

Les fonctionnalités détaillées

Les fonctionnalités détaillées Les fonctionnalités détaillées Les éléments de base Les civilités La civilité peut être indiquée sur chaque contact. Cette information est utilisée notamment dans les différents courriers. Les civilités

Plus en détail

Plan. Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation

Plan. Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation Data WareHouse Plan Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation 2 Présentation Besoin: prise de décisions

Plus en détail

PLAN. Les systèmes d'information analytiques. Exemples de décisions

PLAN. Les systèmes d'information analytiques. Exemples de décisions Les systèmes d'information analytiques Dr A.R. Baba-ali Maitre de conferences USTHB PLAN Le cycle de decision Les composants analytiques ETL (Extract, Transform and Load) Entrepot de (Data warehouse) Traitement

Plus en détail

Entrepôt de données (ED) Exercice traité en cours

Entrepôt de données (ED) Exercice traité en cours Enoncé Entrepôt de données (ED) Exercice traité en cours Une grande entreprise à succursales multiples veut rassembler toutes les nuits dans un entrepôt de données des informations sur les s du jour afin

Plus en détail

Le S.I.M. Le S.I.M. Définition a. S.I.M. ou S.I.C. S.I.M. S.I.C. Le S.I.M. Définition a. S.I.M. ou S.I.C. Définition

Le S.I.M. Le S.I.M. Définition a. S.I.M. ou S.I.C. S.I.M. S.I.C. Le S.I.M. Définition a. S.I.M. ou S.I.C. Définition Le S.I.M. Définition a. S.I.M. ou S.I.C. b. Utilisation commerciale c. Contenu Forme Méthode Sources d information a. S.I.M. ou S.I.C. ou S.I.M. S.I.C. Système d Information Marketing Système d Information

Plus en détail

Faculté des sciences de gestion et sciences économiques BASE DE DONNEES

Faculté des sciences de gestion et sciences économiques BASE DE DONNEES BASE DE DONNEES La plupart des entreprises possèdent des bases de données informatiques contenant des informations essentielles à leur fonctionnement. Ces informations concernent ses clients, ses produits,

Plus en détail

JASPERSOFT ET LE PAYSAGE ANALYTIQUE. Jaspersoft et le paysage analytique 1

JASPERSOFT ET LE PAYSAGE ANALYTIQUE. Jaspersoft et le paysage analytique 1 JASPERSOFT ET LE PAYSAGE ANALYTIQUE Jaspersoft et le paysage analytique 1 Ce texte est un résumé du Livre Blanc complet. N hésitez pas à vous inscrire sur Jaspersoft (http://www.jaspersoft.com/fr/analyticslandscape-jaspersoft)

Plus en détail

Informatique Décisionnelle pour l environnement

Informatique Décisionnelle pour l environnement Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Informatique Décisionnelle pour l environnement Principe, architecture informatique

Plus en détail

Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel

Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 10 Introduction 1. Présentation du décisionnel 15 1.1 La notion de décideur 15 1.2 Les facteurs d'amélioration

Plus en détail

Dossier I Découverte de Base d Open Office

Dossier I Découverte de Base d Open Office ETUDE D UN SYSTEME DE GESTION DE BASE DE DONNEES RELATIONNELLES Définition : Un SGBD est un logiciel de gestion des données fournissant des méthodes d accès aux informations. Un SGBDR permet de décrire

Plus en détail

SOFI GESTION+ V5.4 SP5 MARKETING DIRECT

SOFI GESTION+ V5.4 SP5 MARKETING DIRECT SOFI Gestion+ SOFI Informatique SOFI GESTION+ V5.4 SP5 MARKETING DIRECT Support de formation concernant la gestion du marketing directe sous Sofi gestion+. Afin d avoir une information exhaustive sur le

Plus en détail

NIMBUS TRAINING. Mise en œuvre d une SGBD dans toutes les étapes du projet. Déscription. Objectifs. Publics. Durée. Pré-requis

NIMBUS TRAINING. Mise en œuvre d une SGBD dans toutes les étapes du projet. Déscription. Objectifs. Publics. Durée. Pré-requis Mise en œuvre d une SGBD dans toutes les étapes du projet. Déscription A partir des retours d expérience, et des préconisations des éditeurs, présenter les facteurs clés de succès et les bonnes pratiques

Plus en détail

Sommaire. Page d accueil. Comment effectuer une mise à jour? Comment insérer le logo de sa société? Comment effectuer une sauvegarde?

Sommaire. Page d accueil. Comment effectuer une mise à jour? Comment insérer le logo de sa société? Comment effectuer une sauvegarde? Sommaire Page d accueil Comment effectuer une mise à jour? Comment insérer le logo de sa société? Comment effectuer une sauvegarde? Page Tiers Comment créer un tiers (client et/ou fournisseur)? Comment

Plus en détail

1 Modélisation d une base de données pour une société de bourse

1 Modélisation d une base de données pour une société de bourse IN306 : Corrigé SID Christophe Garion 18 octobre 2010 Ce document est un corrigé succinct de l examen du module IN306. 1 Modélisation d une base de données pour une société de bourse Une

Plus en détail

7'685/$02'(/,6$7,21'(&,6,211(//(3$57,(

7'685/$02'(/,6$7,21'(&,6,211(//(3$57,( 8QLYHUVLWp-RVHSK)RXULHU 3RO\7HFK*UHQREOH,0$ $QQpH8QLYHUVLWDLUH 5,&0 03*,2SWLRQ6, 6\VWqPHVG,QIRUPDWLRQ'pFLVLRQQHOV Concepteur : Didier DONSEZ Durée : 4 heures 30 Indications : Remarques : L exercice 1 est

Plus en détail

Business Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel

Business Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 11 Introduction 1. Présentation du décisionnel 13 1.1 La notion de décideur 14 1.2 Les facteurs d'amélioration

Plus en détail

Parc Orsay Université 18 rue Jean Rostand contact@wavesoft.fr. Contactez-nous au 0 810 001 274 * *Numéro azur, prix d un appel local

Parc Orsay Université 18 rue Jean Rostand contact@wavesoft.fr. Contactez-nous au 0 810 001 274 * *Numéro azur, prix d un appel local Ce document vous présente l organisation et le plan des journées de formation nécessaires pour obtenir les agréments «WaveSoft Partenaire Certifié» et «WaveSoft Partenaire Expert» et «WaveSoft Partenaire

Plus en détail

Didacticiel. Les statistiques dans Winbike.Plus 1 - LES PARAMETRES RELATIFS AUX STATISTIQUES... 2 2 - LES STATISTIQUES DU MAGASIN...

Didacticiel. Les statistiques dans Winbike.Plus 1 - LES PARAMETRES RELATIFS AUX STATISTIQUES... 2 2 - LES STATISTIQUES DU MAGASIN... Didacticiel Les statistiques dans Winbike.Plus Sommaire 1 - LES PARAMETRES RELATIFS AUX STATISTIQUES... 2 2 - LES STATISTIQUES DU MAGASIN... 5 3 - LES STATISTIQUES DE L ATELIER... 8 4 - LES STATISTIQUES

Plus en détail

Formation PME Comptabilité analytique (ou comptabilité d exploitation)

Formation PME Comptabilité analytique (ou comptabilité d exploitation) Formation PME Comptabilité analytique (ou comptabilité d exploitation) Fit for Business (PME)? Pour plus de détails sur les cycles de formation PME et sur les businesstools, aller sous www.banquecoop.ch/business

Plus en détail

David LUCAS 15/01/10 Ludovic HUET Sébastien LE NECHET Jason JAMOT. Projet BO

David LUCAS 15/01/10 Ludovic HUET Sébastien LE NECHET Jason JAMOT. Projet BO David LUCAS 15/01/10 Ludovic HUET Sébastien LE NECHET Jason JAMOT Projet BO Table des matières I / Présentation de l équipe... 3 II/ Présentation générale du projet... 4 III/ Création des vues... 5 IV/Création

Plus en détail

L influence d un progiciel de gestion sur le système d information d une organisation

L influence d un progiciel de gestion sur le système d information d une organisation Chapitre 8 L influence d un progiciel de gestion sur le système d information d une organisation Notions Processus : nature et présentation Progiciels de gestion dans les métiers de l organisation : approche

Plus en détail

SERVICES RELATIFS A L EXPLOITATION DE RESEAUX DE TELECOMMUNICATIONS (Terrestres et satellitaires)

SERVICES RELATIFS A L EXPLOITATION DE RESEAUX DE TELECOMMUNICATIONS (Terrestres et satellitaires) PROBLEMATIQUE - L APPROCHE JADE Telecom L exploitation de réseaux de télécommunications implique pour les entreprises la prise en compte de différents points importants : La mise en place de personnel

Plus en détail

Accélérateur de votre RÉUSSITE

Accélérateur de votre RÉUSSITE Accélérateur de votre RÉUSSITE En choisissant SAP Business One, entrez dans un monde sans frontière, ouvert, mobile, agile et social. Achats Finance Avec une seule plateforme, vous répondez à l ensemble

Plus en détail

Gestion des stocks. Somme du stock «En cours» des 6 lieux de stockage

Gestion des stocks. Somme du stock «En cours» des 6 lieux de stockage Gestion des stocks La case «gestion du stock» doit être cochée dans la fiche de l article pour que celui-ci soit mouvementé. Vous pouvez gérer 6 stocks (stock de 0 à 5). Le stock inscrit en rouge correspond

Plus en détail

Stores2. Manuel d utilisateur Version 1.8.22. Gestion des ventes

Stores2. Manuel d utilisateur Version 1.8.22. Gestion des ventes Stores2 Manuel d utilisateur Version 1.8.22 Gestion des ventes Stores 2 - Version 1.8.22 Gestion des ventes Page 2 of 42 Contenu du manuel 1. INTRODUCTION... 3 1.1. DEMARRER STORES2... 3 2. GESTION DES

Plus en détail

Aider les exploitants à comprendre les résultats analytiques rapidement et facilement

Aider les exploitants à comprendre les résultats analytiques rapidement et facilement Juin 2013 Aider les exploitants à comprendre les résultats analytiques rapidement et facilement (page 1) De nouveaux outils pour offrir davantage d options afin de visualiser les résultats analytiques

Plus en détail

PLANIFEO: Modèles de devis Multi Dates

PLANIFEO: Modèles de devis Multi Dates PLANIFEO: Modèles de devis Multi Dates Grâce au modèle de devis multi dates, Planiféo est un outil complet pour les concepteurs de voyages. Ce module permet de gérer entièrement et simplement votre propre

Plus en détail

L achat de formation en 3 étapes :

L achat de formation en 3 étapes : L achat de formation en 3 étapes : 1- La définition du besoin de formation L origine du besoin en formation peut avoir 4 sources : Une évolution des choix stratégiques de l entreprise (nouveau métier,

Plus en détail

CAISSE. Ce logiciel nécessite une licence pour fonctionner.

CAISSE. Ce logiciel nécessite une licence pour fonctionner. Ce logiciel nécessite une licence pour fonctionner. CAISSE Le logiciel de caisse permet la vente des articles seulement. Elle est utilisable avec un écran tactile, des douchettes code barre, des imprimantes

Plus en détail

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas

Plus en détail

Gestion des données sur les dépenses

Gestion des données sur les dépenses Gestion des données sur les dépenses Pourquoi cette présentation? Les fournisseurs, les analystes de l industrie et la presse spécialisée portent une très grande attention à l importance des données organisationnelles.

Plus en détail

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation

Plus en détail

Synthèse sur la conception de bases de données

Synthèse sur la conception de bases de données Synthèse sur la conception de bases de données Pour fonctionner une entreprise doit traiter et organiser ses informations le plus efficacement possible. C est pourquoi il est important de concevoir des

Plus en détail

STRATÉGIE MARKETING VO - COMMENT DÉTERMINER LE STOCK IDÉAL DE VOTRE AFFAIRE

STRATÉGIE MARKETING VO - COMMENT DÉTERMINER LE STOCK IDÉAL DE VOTRE AFFAIRE CHAPITRE 1 STRATÉGIE MARKETING VO - COMMENT DÉTERMINER LE STOCK IDÉAL DE VOTRE AFFAIRE Ce que vous apprendrez dans ce chapitre Réunir les informations indispensables pour établir votre stratégie marketing

Plus en détail

I. Bases de données. Exemples classiques d'applications BD. Besoins de description

I. Bases de données. Exemples classiques d'applications BD. Besoins de description I. Bases de données Exemples classiques d'applications BD Les besoins Qu est ce qu un SGBD, une BD Architecture d un SGBD Cycle de vie Plan du cours Gestion des personnels, étudiants, cours, inscriptions,...

Plus en détail

AURELIE Gestion Commerciale Mode d emploi pour gestion de restaurant

AURELIE Gestion Commerciale Mode d emploi pour gestion de restaurant Table des matières 1/ But :... 2 2/ Paramétrage :... 2 2.1/ Familles de clients :... 2 2.1.1 Comment y aller?... 2 2.2/ Clients :... 2 2.3/ divers :... 2 2.3.1/ Comment y aller?... 2 2.3.2/ Fiches utilisateurs

Plus en détail

CAHIER DES CHARGES FONCTIONNEL GENERAL PROJET 13. Validation. Historique des modifications

CAHIER DES CHARGES FONCTIONNEL GENERAL PROJET 13. Validation. Historique des modifications PROJET 13 CAHIER DES CHARGES FONCTIONNEL GENERAL Réf. : Projet : ccfg.doc Etude et réalisation d une application de gestion des appels téléphoniques Emetteur : ISTDI Tél. 23733001392 Fax. 23733473355 Mail

Plus en détail

Chapitre 7. Approfondir les connaissances

Chapitre 7. Approfondir les connaissances Chapitre 7 Approfondir les connaissances Déroulement du cours 1 : Le rôle du Designer d Univers 2 : Créer un Univers avec l Assistant 3 : Créer un Univers étape par étape 4 : Enrichir un Univers 5 : Création

Plus en détail

Département Génie Informatique

Département Génie Informatique Département Génie Informatique BD51 : Business Intelligence & Data Warehouse Projet Rédacteur : Christian FISCHER Automne 2011 Sujet : Développer un système décisionnel pour la gestion des ventes par magasin

Plus en détail

GESTION DES DEVIS ET CONTRATS DE MAINTENANCE

GESTION DES DEVIS ET CONTRATS DE MAINTENANCE GESTION DES DEVIS ET CONTRATS DE MAINTENANCE Les devis Suivant vos besoins, le logiciel vous permet de gérer les DEVIS établis pour votre clientèle. Ce logiciel pouvant être utilisé par des Sociétés ayant

Plus en détail

. Ce module offre la gamme de requête et d analyse la plus évoluée et la plus simple d utilisation du marché.

. Ce module offre la gamme de requête et d analyse la plus évoluée et la plus simple d utilisation du marché. La connaissance des facteurs-clés de réussite constitue un élément déterminant pour l amélioration des performances. Divalto intègre en standard, systématiquement Hyperion Intelligence. Ce module offre

Plus en détail

GStock 2.00.0. La gestion commerciale, stock et facturation qui vous correspond. Les apports de GStock 2.00.0 pour votre entreprise :

GStock 2.00.0. La gestion commerciale, stock et facturation qui vous correspond. Les apports de GStock 2.00.0 pour votre entreprise : GStock 2.00.0 La gestion commerciale, stock et facturation qui vous correspond GStock 2.00.0 se veut résolument simple et complet, pour s adapter facilement à votre métier, en maintenant votre inventaire

Plus en détail

Gestion commerciale. Une réponse fonctionnelle quel que soit votre secteur d activité

Gestion commerciale. Une réponse fonctionnelle quel que soit votre secteur d activité Gestion commerciale La rentabilité d une entreprise passe par l augmentation du chiffre d affaires et la maîtrise des coûts de gestion. Avec Sage 100 Gestion Commerciale, vous contrôlez votre activité

Plus en détail

MÉTHODOLOGIE PROJET SYSTÈME D INFORMATION DÉCISIONNEL BI - BUSINESS INTELLIGENCE. En résumé :

MÉTHODOLOGIE PROJET SYSTÈME D INFORMATION DÉCISIONNEL BI - BUSINESS INTELLIGENCE. En résumé : En résumé : Phase I : collecte des besoins I - Expression des besoins II - Étude de faisabilité III - Définition des priorités IV - Rédaction puis validation du cahier des charges Phase II : implémentation

Plus en détail

UNE SOLUTION CRM CONÇUE POUR LA FORCE DE VENTE

UNE SOLUTION CRM CONÇUE POUR LA FORCE DE VENTE LIVRE BLANC UNE SOLUTION CRM CONÇUE POUR LA FORCE DE VENTE Comment choisir un CRM qui répondra à toutes les attentes de vos commerciaux www.aptean..fr LIVRE BLANC UNE SOLUTION CRM CONÇUE POUR LA FORCE

Plus en détail

Documentation Suivi S.E.O

Documentation Suivi S.E.O Documentation Suivi S.E.O Document : Projet : Documentation Outil de Suivi SEO myposeo Date : 18/02/15 Version : 1 G4interactive SAS 53, rue des deux communes 93100 Montreuil, France contact@myposeo.com

Plus en détail

Hit-Office Entrepreneur. Documentation. Hit-Office, Votre ERP

Hit-Office Entrepreneur. Documentation. Hit-Office, Votre ERP Hit-Office Entrepreneur Documentation Hit-Office, Votre ERP Vos offres, vos projets. En toute simplicité. Hit-Office est un logiciel de gestion spécialement développé pour les entreprises du secteur de

Plus en détail

QU EST-CE QUE LE DECISIONNEL?

QU EST-CE QUE LE DECISIONNEL? La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce

Plus en détail

professionnel et convivial

professionnel et convivial professionnel et convivial ARCO ADRESSES ARCO Adresses est une gestion de contacts performante particulièrement adaptée à des activités de marketing. Il est facile de reprendre automatiquement des adresses

Plus en détail

Thibault Denizet. Introduction à SSIS

Thibault Denizet. Introduction à SSIS Thibault Denizet Introduction à SSIS 2 SSIS - Introduction Sommaire 1 Introduction à SQL Server 2008 Integration services... 3 2 Rappel sur la Business Intelligence... 4 2.1 ETL (Extract, Transform, Load)...

Plus en détail

Talend Technical Note

Talend Technical Note Mars 2011 Page 1 sur 5 Le MDM offre un hub central de contrôle et une vision unique des données maître de l'entreprise, quelles que soient les disparités entre les systèmes source. Il assure que les données

Plus en détail

Les outils de planification d achat. Préparé par : Othman karra

Les outils de planification d achat. Préparé par : Othman karra Les outils de planification d achat Préparé par : Othman karra plan INTRODUCTION I. Rôle des stocks dans la fonction achat 1. définition des stocks 2. avantages et inconvénients des stocks 3. types de

Plus en détail

L INFORMATION GEOGRAPHIQUE

L INFORMATION GEOGRAPHIQUE Champs sur Marne ENSG/CERSIG Le 19-nove.-02 L INFORMATION GEOGRAPHIQUE Archivage Le Système d information géographique rassemble de l information afin de permettre son utilisation dans des applications

Plus en détail

Migration d un logiciel de gestion

Migration d un logiciel de gestion Auteur : David PERRET Publication : 01/11/2015 Toute société utilisatrice de logiciel de gestion est inéluctablement confrontée à des migrations de données. Ces migrations représentent des risques et un

Plus en détail

Introduction aux systèmes d exploitation

Introduction aux systèmes d exploitation Introduction aux systèmes d exploitation Le système d exploitation est un ensemble de logiciels qui pilotent la partie matérielle d un ordinateur. Les principales ressources gérées par un système d exploitation

Plus en détail

CAHIER DES CLAUSES PARTICULIERES (C.C.P.)

CAHIER DES CLAUSES PARTICULIERES (C.C.P.) Département du Var Commune de GRIMAUD MARCHE PUBLIC DE FOURNITURES N 10-109- 01 à 04 -MR Fournitures scolaires Lots 1 à 4 CAHIER DES CLAUSES PARTICULIERES (C.C.P.) Article premier : Objet de la consultation

Plus en détail

Formations MyReport. Formations MyReport

Formations MyReport. Formations MyReport Formations MyReport Formations MyReport MyReport Data Niveau 1 1 journée Concepteurs des applications "métier" Connaissances 1er niveau en bases de données : notions de tables, bases, champs Connaissances

Plus en détail

Chapitre 2 : Conception de base de données relationnelle

Chapitre 2 : Conception de base de données relationnelle Chapitre 2 : Conception de base de données relationnelle Le modèle entité-association 1. Les concepts de base 1.1 Introduction Avant que la base de données ne prenne une forme utilisable par le SGBD il

Plus en détail

BASES DE DONNÉES AVANCÉES

BASES DE DONNÉES AVANCÉES L3 Informatique Option : ISIL BASES DE DONNÉES AVANCÉES RAMDANI MED U-BOUIRA M. R A M D A N I @ U N I V - B O U I R A. D Z P E R S O. L I V E H O S T. F R Cours 5 : Evaluation et optimisation des requêtes

Plus en détail

Management des processus opérationnels

Management des processus opérationnels Ecole Nationale Supérieure de Management Master Management des organisations Management des processus opérationnels Dr TOUMI Djamila Cours n 4: l approche processus et le management du système d informations

Plus en détail

Acteos Points de Vente Acteos PPS

Acteos Points de Vente Acteos PPS Acteos Points de Vente Acteos PPS Christian Zelle Directeur R&D, Acteos 06.05.2010 1 Agenda Motivation ACTEOS PPS La solution ACTEOS PPS ACTEOS PPS dans le contexte du «Flowcasting» 2 Motivation Les problématiques

Plus en détail

F. Opérations multidimensionnelles

F. Opérations multidimensionnelles F. Opérations multidimensionnelles Roll up (drill-up)/drill down (roll down) Roll up (drill-up) : résumer, agréger des données en montant dans une hiérachie ou en oubliant une dimension Drill down (roll

Plus en détail

140. Modélisation des données Historisation

140. Modélisation des données Historisation Modélisation de logiciels de gestion 140. Modélisation des données Historisation 1 Préambule Dans les chapitres précédents, nous avons appris à concevoir des modèles de données relativement élaborés en

Plus en détail

igold Manager est une solution de reporting puissante et dynamique, favorisant la visualisation de votre activité.

igold Manager est une solution de reporting puissante et dynamique, favorisant la visualisation de votre activité. 1 2 Présentation igold Manager igold Manager est une solution de reporting puissante et dynamique, favorisant la visualisation de votre activité. Il permet d afficher une synthèse des informations nécessaire

Plus en détail

Logiciel SHIPCHANDLER

Logiciel SHIPCHANDLER Logiciel SHIPCHANDLER Les objectifs du programme : gérer un magasin d accastillage et vêtements avec la gestion d un chantier de réparation ou de mécanique marine. Pour tenir compte du grand nombre de

Plus en détail

I-RESERVATION ONLINE DEPUIS CHORUS-DT... 3

I-RESERVATION ONLINE DEPUIS CHORUS-DT... 3 Sommaire I-RESERVATION ONLINE DEPUIS CHORUS-DT... 3 Recherche Traveldoo... 6 Sélection des prestations... 7 Confirmation... 9 Finalisation de l OM Chorus-DT... 10 Processus de validation dans Chorus-DT...

Plus en détail

3 Saisie des commandes, BL et factures avec lecture codes barres FASTMAG NÉGOCE

3 Saisie des commandes, BL et factures avec lecture codes barres FASTMAG NÉGOCE FASTMAG NÉGOCE FASTMAG NÉGOCE, logiciel complet et performant, gère votre activité BtoB en temps réel par Internet. Il permet une gestion rigoureuse du poste client et une visibilité sur les stocks, le

Plus en détail

FORMATION INOWEB 02/09/15

FORMATION INOWEB 02/09/15 FORMATION INOWEB 02/09/15 SOMMAIRE 1 Introduction... 3 1.1 Principe... 3 1.2 Démarrage... 3 1.3 Page d accueil... 4 1.3.1 Bandeau en-tête... 4 1.3.2 Zone des modules... 5 1.4 Espace Client :... 6 1.4.1

Plus en détail

Gespx (Logiciel de gestion commerciale) Version 4. Propriété & Usage

Gespx (Logiciel de gestion commerciale) Version 4. Propriété & Usage Gespx (Logiciel de gestion commerciale) Version 4 Propriété & Usage Tout usage, représentation ou reproduction intégral ou partiel, fait sans le consentement de Im@gin Micro est illicite (Loi du 11 Mars

Plus en détail

OFFRE D EMPLOI. 2.1 La définition du poste

OFFRE D EMPLOI. 2.1 La définition du poste OFFRE D EMPLOI 1 Introduction Définir une offre d emploi type n est pas un processus anodin à sous-estimer. En effet, l offre que l entreprise va communiquer représente la proposition d emploi vacant.

Plus en détail

Sage Customer View (ios) Guide d installation et d utilisation 21.01.2015

Sage Customer View (ios) Guide d installation et d utilisation 21.01.2015 Sage Customer View (ios) Guide d installation et d utilisation 21.01.2015 Tables des matières Sage Customer View (ios) - Guide d installation et d utilisation Tables des matières 2 1.0 Avant-propos 3 2.0

Plus en détail

CONCEPTION Support de cours n 3 DE BASES DE DONNEES

CONCEPTION Support de cours n 3 DE BASES DE DONNEES CONCEPTION Support de cours n 3 DE BASES DE DONNEES Auteur: Raymonde RICHARD PRCE UBO PARTIE III. - LA DESCRIPTION LOGIQUE ET PHYSIQUE DES DONNEES... 2 A. Les concepts du modèle relationnel de données...

Plus en détail

Le logiciel : un outil de gestion des données, une aide pour le choix des techniques et un outil de communication pour le personnel de terrain

Le logiciel : un outil de gestion des données, une aide pour le choix des techniques et un outil de communication pour le personnel de terrain Le logiciel : un outil de gestion des données, une aide pour le choix des techniques et un outil de communication pour le personnel de terrain La WALLONIE comprend 262 communes Communes de 1 à 5.000 habitants

Plus en détail

Les données du logiciel sont stockées au sein de bases de données Microsoft SQL-SERVER.

Les données du logiciel sont stockées au sein de bases de données Microsoft SQL-SERVER. Objectif Il peut être nécessaire d accéder aux données du logiciel par des requêtes SQL. Cette note technique explique le mode de fonctionnement. Quel est le format des bases de données? Les données du

Plus en détail

Proposition de prix ferme. Réservation immédiate. Réponse instantanée.

Proposition de prix ferme. Réservation immédiate. Réponse instantanée. Proposition de prix ferme. Réservation immédiate. Réponse instantanée. SEND 208.5 Traitez vos ordres de transport aérien, import et export, plus rapidement que jamais. Obtenir une cotation, confirmer une

Plus en détail

La gestion informatique des points de vente

La gestion informatique des points de vente La gestion informatique des points de vente Newsletter SOLSYS Détail et Caisse, version 3.2.20, disponible depuis le 13 Juillet 2015. Nouveautés Solsys Caisse : Option de saisie de quantités décimales.

Plus en détail

ENRICHIR LES DONNEES DE DETAILS ACCEDEES A TRAVERS UN RAPPORT OLAP

ENRICHIR LES DONNEES DE DETAILS ACCEDEES A TRAVERS UN RAPPORT OLAP ENRICHIR LES DONNEES DE DETAILS ACCEDEES A TRAVERS UN RAPPORT OLAP SAS Web Report Studio offre depuis de nombreuses versions la possibilité de visualiser les observations spécifiques à partir des données

Plus en détail

MANUEL D UTILISATION DE L ESPACE PERSONNE PUBLIQUE

MANUEL D UTILISATION DE L ESPACE PERSONNE PUBLIQUE MANUEL D UTILISATION DE L ESPACE PERSONNE PUBLIQUE Vous allez utiliser le module de gestion de l espace personne publique achatpublic.com. Ce document vous montre étape par étape, et de manière illustrée,

Plus en détail

GUIDE D UTILISATION WEBEDI IXPATH

GUIDE D UTILISATION WEBEDI IXPATH Guide d utilisation WebEDI IXPath Page 1 sur 20 GUIDE D UTILISATION WEBEDI IXPATH SOMMAIRE 1. Objet... 2 2. Introduction... 2 3. Processus d échange entre OCP et un fournisseur... 4 4. Exploitation WebEDI

Plus en détail

I Open Résa. Sommaire :

I Open Résa. Sommaire : I Open Résa Sommaire : I Open Résa... 1 Définition :... 2 Identification... 3 Création d un nouveau dossier :... 8 Première méthode :... 10 Seconde méthode :... 10 Ajout d éléments à la proposition :...

Plus en détail

GUIDE PRATIQUE COMPTABILITE CREANCIERS. Version 1.0 du 27 septembre 2013

GUIDE PRATIQUE COMPTABILITE CREANCIERS. Version 1.0 du 27 septembre 2013 GUIDE PRATIQUE COMPTABILITE CREANCIERS Version 1.0 du 27 septembre 2013 Table des matières 1. Introduction... 3 1.1. Les comptabilités auxiliaires... 3 2. Paramètres de bases... 3 2.1. Les conditions de

Plus en détail

QUICK GUIDE #1. Guide du pilotage par la performance pour les distributeurs automobiles

QUICK GUIDE #1. Guide du pilotage par la performance pour les distributeurs automobiles QUICK GUIDE #1 Guide du pilotage par la performance pour les distributeurs automobiles INTRODUCTION Vous managez des concessions automobiles et c est une responsabilité qui demande un contrôle quotidien

Plus en détail