Modèles et outils pour la conception et la manipulation de systèmes d aide à la décision

Dimension: px
Commencer à balayer dès la page:

Download "Modèles et outils pour la conception et la manipulation de systèmes d aide à la décision"

Transcription

1 Modèles et outils pour la conception et la manipulation de systèmes d aide à la décision Franck Ravat To cite this version: Franck Ravat. Modèles et outils pour la conception et la manipulation de systèmes d aide à la décision. Interface homme-machine [cs.hc]. Université des Sciences Sociales - Toulouse I, <tel > HAL Id: tel Submitted on 29 Apr 2009 HAL is a multi-disciplinary open access archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers. L archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

2 Spécialité Informatique $ +,+ - Modèles et outils pour la conception et la manipulation de systèmes d'aide à la décision ('$ " #. +* / 012 3"! ! 4+! 2 69* ! 4+!" 6 6 :* 0! 4+ 1!6 ; $-%! 4+ :* &0<! 4+ $!"! # $% &" %'()# *)

3

4 !!"#!!$ % - = 4 & < -" =- %> =& &- = - - = =* - 4 " 07= - - * 0?= -> 4& 3 - -" 3 " 3 " = == %- 0? >>! 4+! 2 69* "! ! 4+ 1!6 ; =A = = --@%0

5 ? 3 4 > > 6$-% - = 0 ="@ - - * - = 0 $ 4 *- - = = -" B3 & %> =C- - 0 : =; = = 4 = " -" -D 0:@ -= = + 3 * E E " : '.1 5> & >!@ - - = 0? =" --" " - -0 = " * > - B: -D $ C =- 4 F = - 0? " = " =0? F ;22GH: $:9 I 0? =" - " =- " -@ * =-? ; *& & J0? =" -- " =- & " = = 0 4 " =- &0 - 4 >3 = - 3 " = 3 0? - * " = 3 4 = > 07= -K BL " * % ? 4 =4 * 3M = = = ==--0

6 %&#!

7

8 F9: #$ &'" #&$((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((() "*#!#+"&$!,!! *&-! #.'!!$&% ',((((((((((((((((((((((((/ ) #!0!"#%#&$((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((1 (0( %> ++9 4$ 9$ ( (0# $ %> + 4 * -D (( (0' : -D (# (0) (# 2!$!*& %!&$$!!%" '!00!%! &"'!$ #!%(((((((((((((((((((((((((((((((((((((()3 #0( : -D (' #0# : -D () #0' 1 -D (N 3 4%#$%!&$$!!%&0*((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((()5 '0( FL9!/F6L 9%! (N '0# # '0' #' '0) #) ' #O 6 *&%# #&$$!!$!$&%!"!"!%(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((27 )0( -D #O )0# #. )0' #. )0) #N )0! #N "*#!##+&!0#% #&$8!$!*& %((((((((((((((((((((((((((((((((((((((((((((((((((((((((((21 ) #$ &'" #&$0&!0#% #&$!$!*& %((((((((((((((((((((((((((((((((((((((((((((((((((((3) 2!$!*&!&$$!!%!&0' #!%((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((32 #0(!" '# #0# '' #0' ; * '. 3!$!*& %!&"'!$ %((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((31 '0(!" 'P '0# > 3 + -D ) '0'! )( '0)! +* )' '0! )) 6 -#0$! *!%*!" #!%((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((6/ )0( 1 -D ). )0#! )N )0'! )P

9 "*#!###+&!0#% #&$!4%#$%!&$$!!%(((((((((((((((((((((((((((((((9) ) #$ &'" #&$0&!0#% #&$!%4%#$%!&$$!!%(((((((((((((((((((((((((((((93 2 &!0!4!$!#.'!!-%!(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((96 #0(!" ) #0# $ #0' Q #0) ; O # #0O " N 3 #$!4 #&$!&$$!!%!, '!00!%(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((91 '0(!" P '0# % O '0' $ O 6 4!% #&$!0"&!!$"!%!$ #.'!(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((72 )0(!" O# )0# % O# )0' O' )0) O) 9 4!% #&$!0"&!!$"!!*&!00!(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((77 0(!" OO 0#! O. 0' ON 0) OP 7 #$!4 #&$! "*# 0#% #&$!0!,*! #%!!%!"#!'%((((((((((((((((((((((((((/: O0(!" ( O0#! ( O0' L # O0) ' / *!%&$$0#% #&$!4%#$%!&$$!!%(((((((((((((((((((((((((((((((((((((((((((((((((((((((((/6.0(!" # #0$! *!%*!" #!%(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((// N0( N0#! P N0'! P

10 "*#!#+$#*'0 #&$!&$$!!%'0 ##!$%#&$$!00!%(((((((((5) ) #$ &'" #&$0$0;%!'0 ##!$%#&$$!00!(((((((((((((((((((((((((((((((((((((((((((((((53 (0( * * N' (0#!" N' 2 04!-!'0 ##!$%#&$$!00!((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((59 #0( N #0# % NO #0' F P #0) F- " P( #0 9-* P' 3 0$44!4*#.'!4&0*((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((13 '0( 5= P) '0# + " P '0' -FL9!& P '0) &FL9! PO 6 &0*%.0((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((17 )0( L33 +FL9!7L P. )0# L33 FL9!67L PN )0' L33 D FL9!67L PP )0) L33 - FL9!67L ( 9 -#0$! *!%*!" #!%((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((():: 0( ( 0#! (# 0'! (# "*#!+!"!!"&$"!* #&$((((((((((((((((((((((((((((((((((((((((((((((((((((((((((():9 ) #$ &'" #&$0!"!!"&$"!* #&$!%;%!!!"#%#&$$!0((((((((():/ 2 "&$"!* #&$!%"!%'0 ##!$%#&$$!0%"&$ #$ %(((((((((((((((((((((((((((((():/ #0(!" (N #0# :- * (N #0' (P #0) ((( #0 " (() 3 "&$"!* #&$'$%;%!!#!0!"#%#&$(((((((((((((((((((((((((((((((((((((((((((((((((())9 '0(!" (( '0# $ $ ((O '0' 9% 9$ ((P '0) 9$ (#( '0! (#) '0O - 6$O (#O 6 -#0$! *!%*!" #!%((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((()25 )0( (#N )0# -+%> (#P )0'! (#P )0)! ('

11 "*#!#+&' #0%<*&=! %! *'-0#" #&$%(((((((((((((((((((((((((((((((((((((((((((((()3) ) #$ &'" #&$((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((()33 2 0&4#"#!0#!0"&$"!* #&$4*#.'!!$!*& %!!4%#$! &$$!!%(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((()33 #0(!" ('' #0#! (') #0' :"3- + -D (' #0) :" ('. 3 &' #0!$#*'0 #&$%'0 ##!$%#&$$!00!%((((((((((((((((((((((((((((((((((((((((((((((()31 '0( () '0# L () '0' L ()( 6 "&$"!* #&$! $#*'0 #&$!$!*& %!&"'!$ %(((((((((((((((((((((((((((((()63 )0( 9 $FR9: ()) )0#! ()) )0' FL9! () 9 *&=! %! "&00-& #&$%(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((()69 0( 5% ()O 0#! -@ I" ()O 7!$"!!$ %! *'-0#" #&$%(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((()65 O0( : ()N O0#!" ( / -#0$! %;$!%!(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((()93 "&$"0'%#&$! *!%*!" #!%4!$!0!%(((((((((((((((((((((((((((((((((((((((((((((((((((()9/ -#-0#&4*#!(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((()79 %#40!%(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((()5/

12 #$ &'" #&$

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

14 +:$4" 0 * - + +:$-% *%> "+:$ S - * +% " T1Y 0#("U2 0 #V TL 0##V0 $ * -- 3 :$ 3 3> % 0 - * T&,22(PPNV +> * - 6$O :$ + ;:0 4 * > % " - T(PPOU 0(PP.V> 3 * > - %> + 4 0!- > %> 0 2 ORIENTATIONS DE NOS TRAVAUX - > * + * " * - =% - - T22 0 #OV0 : * - + %> 0!--4 " - * - + -D E X E + A > S $+-> T(PPOV = -D - +* Y 3 - A % - 0: 3- *-" 0L- > Y3 + + " *- 0L+- Y3 4 +: -D $ :$0 --4+"+- 4 % -> U- 3 $ $T 0(PPPV $ - - "@ > - - Y :$ -- - Y + " - 3> - 0 > % - +* 0 $+ - > +:$ $ " - " -

15 0 : :$ 4-1$ +*- #^ -" N^ Y T 3, #OV0: * "@ -- 0 L - * 4-- +$0 T22 0#OV T 0#'V FL9! " - = " 0 L= " > " > " A + 3 * 0 * " = * % " > L " $ > + -D > A -" + 3 * 0 L " A " "@ > L A - Y3 S + " 3-3 0$ - % A -" FL9!0 9 + > -- +> "@ -- -> 0$ >" - + " *- 0 3>" +- 4 A * - 3 " 0 : - " * - -- %> " " 4+"+%> * > 0

16 3 PLAN DU MEMOIRE - O- 0 L *0 -+%> ++9 4$ 9$+%> $+: -D :$ +3 $ $0 % 3 * 4-0 L * 4 -D0 - Y3 * Y - > 0 > + -D 3 - +* 3 0 L > $0 > - -"> / > 3 " " L > > 09+A - *-" 33-4 " + 3>" 33 %- 7L * *0 L > - *- > +% - %> FL9!0 L *> *0 - +* @ * -- -" 4 *0

17

18 "*#!#+"&$!,!! *&-0! #.'!! $&% ',

19 !L9$Q9!: ) 08#!0!"#%#&$(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((1 (0( %> ++9 4$ 9$ ( (0# $ %> + 4 * -D (( (0' : -D (# (0) (# 2!$!*& %!&$$!!%" '!00!%! &"'!$ #!%(((((((((((((((((((((((((((((((((((((()3 #0( : -D (' #0(0( (' #0(0# 3 + -D () #0# : -D () #0#0( 5 % () #0#0# $ * -D (O #0#0' * -D (. #0#0) 1 -D (N #0' 1 -D (N 3 4%#$%!&$$!!%&0*(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((()5 '0( FL9!/F6L 9%! (N '0# # '0#0( #(! "! #$% '0#0# ## &'()*!!+'( )!,!* - )! '0#0' -% #' '0' #' '0) #) '0)0( # '0)0# # '0)0' * # ' #O 6 *&%# #&$$!!$!$&%!"!"!%(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((27 )0( -D #O )0# #. )0' #. )0) #N )0! #N

20 $ * 4- > TR(PPU,$%(PP.V0!--4 " +% - - T22 0#OV0 " * > A + +* 0 $ D +-@A L+"@ - - % -- 4 * -" 0 $ - > =-- = 4 0$ * * * -D *3 FL9!0: > - * > 0 1 AIDE A LA DECISION L % 3-6%> / %> F- F%> + %>!3!0L F * - > - J- - *" 0L! 3- + " - + S T > (P.#V0 L ! + -3 F T,:- #(V0 L+ F- Y U->! - 4 ] + F > EE;3 (0L! - - F--!+] > E E;3 (0 ENVIRONNEMENT EXTERNE SYSTEME DE PILOTAGE Coordination, objectifs (membres de la direction,...) Décisions informations traitées SYSTEME D'INFORMATION - collecte Informations - mémorisation Données - traitement - transmission informations collectées Informations Flux primaire entrant SYSTEME OPERANT Production, action (ensemble du personnel exécutant) Flux sortant )+?>@A<)1/2B! - *" % L %> ++ 4 %> D 3 0.

21 1.1 SYSTEME D'INFORMATION D'AIDE A LA DECISION (SIAD)! %> ++9 4$ 9$ / C/%# - +%> L +9$- 3 % - = > - ] - 6J > Décisions Système de Pilotage Informations traitées 20%#%# + " $ %?AD%E09$ 4 * A - *- -- / C/ %?A 9$ 3- + " 3 - / +* Y3 - ++% L-- * -- 3 / Système d Information d Aide à la Décision (SIAD) Système d Information (SI) Informations collectées Système Opérant * 3 :L % E:* L3E - 3> - - ] %> + 4 Y3 - * 3 % 0 /

22 !0# - 3 / Sources Décideurs Système d'aide à la Décision Fichier ETL Stockage Restitution BD internes BD externes 3+0?A 1.2 DES SYSTEMES D'AIDE A LA DECISION AUX ENTREPOTS DE DONNEES -D - %> + 4 TR(PPU(PPOV0 :$ E -" - = 3 =% E T (PPOV0 = / #+ = -D - - 3> 0 L %> - A % M4 3" = -D0 & F+ * %> :$ =3 - > +% 0 L= A 3 - = " > - * > +% 0 $ + -> 3 % - :$ - 3 % - 4@0 ++ ] +:$ =* E+E A ? % :$ + 0

23 1.3 ENTREPOT ET MAGASINS DE DONNEES $+-> T(PPOV=:$- +* Y 3 - A A > +% - 0: 3- *-" > " */ 3 E EE E 3 = 6 " = > - - *" - 0 9= %> " =- Y3 / = -D 3 T 0(PPPV T, #U #V0 C/! D!E +- Y3 + * C/ DE * +:$ - 4 > +% - 3 > - * +% $ 3 = 9$ = - T, #U, #"V0 Sources Entrepôt de Données (ED) Magasins de Données (MD) Fichier Décideurs Fichier BD ou vue BD internes BD externes Système OLAP SYSTEME D'AIDE A LA DECISION 6+! - Y3 3 -* BILAN SUR L'AIDE A LA DECISION $ - > * % + 3-9$ %> +9 4$

24 !0# 9$- + 9$ 3- + " -" +* $+- * - Y3 9$/+ -D - Y3 3 - Y3 *+:$ > +% ENTREPOTS DE DONNEES FACTUELLES ET DOCUMENTAIRES 4 * * -D 0 $>(PP - * +* - ] :$ $0 F - 3> * - - = 3 :$ 0 L * 6 4 * 4 * -" / :$0 2.1 ENTREPOTS DE DONNEES FACTUELLES L - * * -D +G C T&-, Y(PP U R(PPV 4 = T, $%(PP. U&-, Y(PP U R(PPV0 4 *- + A 4 Y -% A + -D *> +F T #V0-3 *> --*/ L - - 4@ +:$0 L C + -D 4 -- " 4 + -D _ D0 *" 9$ + - Y3 3 +:$ $0 $ 6 -D Y3 %> Maintenance incrémentale des vues L@ * 4 - -D T&-,Y(PPU7 0(PPOUQ,< (PPOU< 0(PPOUQ 0(PPPUQ%(PPOUQ%(PP.UL" 0(PPPU L",&6(PPOUY 0(PP.U7,R(PP.U83,R (PPNU83,R#U<3 0(PPU<3 0(PPOU<3 0(PP.U<3 0(PPNV0 * - > "@ T<3,&6 (PPNV TQ,<(PPOU< 0(PPOV * D T7 0 (PPO U Y 0 (PP.V0 L TQ 0(PPPUL" 0(PPPUY 0(PP.U 7, R(PP.V - T83, R(PPN U 83, R#V0 L 3 - > > _ TL",&6(PPOV 3 +6

25 +>* T7 0(PPOUQ%(PPOUQ%(PP.U 83,R(PPNU83,R#V Configuration de l'entrepôt L3+ -D 4 + " 4 0 * - T&-(PP.U&-,Y (PPP U G, - (PPP U L" 0 (PP. U, (PP. U, (PPP U 83 0(PP.V T1 0(PP. U Q% 0(PPO U Y 0(PPNV0 - *-!? T1 0(PP. U Q% 0(PPO U G, -(PPPUL" 0(PP.UY 0(PPNU83 0(PP.V0L > 3- _ Y3 - J $+ * T1 (PPNV +*- + -D- T&6 0(PPNV +:$ T,R#V0 L + -D- 3 - T, 12 3" (PPPV " + A 4 ] - * - 4 A > _- A * -@ :- $R7 $ R 7% T?Y, 5(PP.U5 0(PPPV0 * :$ > ENTREPOTS DE DOCUMENTS $ 3 " * - A 3 - %> - 6- " 0F - - -D * -D 0L D * * -D Vues et Typologie des documents! -D 0 " * + T; (PPNV0 L * A 0- T (PP.U (PPNU 0#U;#V/ -- U?>/ % J0 " - " +

26 !0# " * A - -% 4 -- U >/ - + > "3` 3 ++ T 0#V A T> (PPNV0L > *- = L C> : 0 G T (PP.V/ "- 1 -J0 L;3 -TG, 6$-%#)V/ Document Bases de données Chrisment C., Zurfluh G. 1. BD relationnelles Ce type de BD permet 2. BD objet L approche objet consiste... Date de création Format N Version Attributs Cours Intitulé Enseignant + Contenu Section * Structure logique Bases de données Chrisment C. Zurfluh G. 1. BD relationnelles 2. BD objet... Centré, Taille Justifié, Taille Légende + : 1 ou plusieurs fois * : 0, 1 ou plusieurs fois Contenu Structure physique 9+ L ] %- / - + H - - 3> 3 - * =3 =3 =*- - 0 al TR'#V - R R R' QL - 33 &L TF(PNOV0 $ > 3" - - " +"@ -- * - ] > 0

27 2.2.2 Des documents aux entrepôts de documents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b " - " T 6$-%#(V0 L- 1

28 !0# * 0 $ A 4 + &L TF(PNOV QL TR'(PPPV al TR'#V0 L &1$ *- 4 3 %- + T 6 $-%#(V0$ -3 &1$ *- 0 L " - * " Travaux sur les entrepôts de documents $ -D *@ / R$ T; 0 (PP. (PPNV a%> ) T9" " 0#( ##V RX I I"T1XY ##"V F$T1 0#O#.V0 R$ T; 0(PP.(PPNV - -D = R " U +* - -- " 3- R " $" 0R$ M-- " * "0$+- -% - A Y " &1$%> %> A %> - - %- - " 3 %- 0 a%> T9" " 0##V %> 3 = -D al0 %> - &1$- Y * al T9" " 0#(V0 a%> - >3 R " %> 0L - A 4+ > - 0 RX -D4-+ R "0-1 $ 1$ 6 %- -3 R " T1XY #V0 1$ " * / R " -3 % R R " 3 % R0 R * R " Y - - R " R "? R "T1XY #"V0 F$ F- $ %> * *-al 33 -T1 0#.V0 %> - 6 > L - "@ - * " %- * 3 -A 0 6> E- E - + " 0 6> - A al- -% al0 %> F$ a6r " al +F$ *- alt1 0#."V0L --4 % " 0 ) XXX0*% 0 -/II000 03IZXX I *0 2

29 2.2.4 Bilan sur les entrepôts de documents L * > R$ > - 4%- - 0 $ > 3 "@ L" * 3 " =- - * " * ="4-3> R "0$> =- - " >3-3 =* * - * T1 0 #. #."V * T1 0#.#."V " -- +0! * - * -" > " BILAN SUR LES ENTREPOTS "@ -- > - -D- " 0 $ * * -D * > 0 -D" 0L@ *-- -D " 0 9 +% - * D ! -D -- - > - Y3 -% 0L - %> " 0$ " + -D0 3 MAGASINS DE DONNEES OLAP $ -- * - Y3 - %> + 4 / + -D 3 $ $0 $ * + -D > +% - 4%- 0$ % 3 %> FL9! TG",##V0$ FL9! * 4 * 33 -FL9!0 3.1 OLAP : ON-LINE ANALYTICAL PROCESSING T! #OV FL9!% FL 9%! 3 (PP'-:;T 0(PP'VA - 3 " 0! >

30 !0# :;T 0(PP'V - 9" X Q%- - T! #V0 >3 + FL9! - 4 4%> FL9!0 $ -- %> FL9!+ - 2 >3 6->0! - 3 / 9 %> FL9!/( " 4 " #--6 ' I )- FL9!4 %- 3 $ %> FL9!/ - O " *=3 3N3 % - %> FL9!/P- ( - %> -3 ((- --(# 0 : > -- EFL9! -ET! #V " ;9-% FL9!/ / %> A -" - * A - - *? / %> A *" > +% I -" * 0 % / %> @ 0 / * - +% 0 #C / %- -" - %> FL9! L FL9! 0 F * * " -- " %> FL9!/ A 3 +% % * +% * %> FL9! / C / %> &0* - Y - > 0 - % * -- 4 = 34%> % " * " 4=% FL9!0.

31 3.2 MODELISATION MULTIDIMENSIONNELLE! > - %> * " T (PPNU 0#'U22 0#OV0:=" => L-- > =% 4 * +% TG",##V * *-- - > T&22 #)V0 C - + +% 0 3- " +" - " L + A - A % * 0 * +% " +" =% + 0 : 3- " +" TL (PPNV0 L+" A " A -> -> -- C0 - + TG",##V T%,GY#U 0##V0 " $ +* :: ' :!!F$ 9& & T& 0(PPNV0 $- " " % - 30 Instances Schéma Années Mois Desc_date Jours Id_T TEMPS TEMPS.Années Hiérarchie Fait VENTES Montant Bénéfice Mesures MAGASINS.Villes Dallas Lyon Toulouse C1 C2 C3 C4 PRODUITS.Classes Desc_prod MAGASINS Dimension Classes PRODUITS 7+% Catégories L =>- T! 0#(VT #'V T9" c 0#OV- * 4 * Id_P Id_M Villes RaisonSo Attribut faible Cube Dept_lib Dept_num Régions Paramètre /

32 !0# 3 0 Q - > 3 E> " E T5, (PPPV- - +@ +% +" A 3- -> T93X 0(PPUL, R3(PPOU&% 0(PPOU93X 0(PP.U&%,LY(PP.U$, (PPPV0 *- / - - " +% +% L * TL (PPNV " E> E0 > = T! 0#(U9" c 0#'U 9" c 0 #OV0 $ > -- " + - * <G(! -- A - +-@ - -- * ' *+" - 3 -% Niveau conceptuel! - --=3 > * 3-3 / > > *: 9 "@ > - 0 3(2()()!GAG 9 + -> - " * -- * > : 69 "@ 0 * > " - 0! -3 : 69T- 0(PPNU% 0(PPPV TQ 0#V " = 0-4 * - " 0L L > &FL$-- -T@ 0#'UL@d6 0#)UL@d6 0#OV * 3 L0L - - * % - 07* T9" c 0 ##V -- > " - 6> +L0 $ 89e +*- - * - T9" c 0#OV0! - R O % E R E 6 +L > " T9" c 0#OV0 O -/IIXXX0X03I

33 - + -% - 4 0$ " FL! F L 9%! 305+ % * - TL@d6 0 #OV % - - :L0 3(2()(2 A C> L > - " - 0L > 0 $ - * /$ ; 6 $;W T& 0(PPNV:$ T!,? (PPP U! 0#(V F"@ F WFF$WT3% 0#U1Y 0 #(V -FL9!WFL9!WTQ (PPPU 2 #'V > $ $ T""", (PPN U """, # U #'V0 : > F6$R& F"@ 6 $ R &- - - > - T #'#.V0 * *40 > * > FL9! $ F6$R&0 L - - * " " :$ FF$ F6$R& FL9!0 > >3 =*- > TQ, 2##V0 * $; F6$R& $0 3- $; - * Niveau logique! 3 -" + > 6FL9! F6FL9!6FL9!Q6FL9!0 3(2(2() H&0*+J&0?* L > 6FL9! -- - TG", ##V - - " " 0 " " - *-> *"" U - " --> 3 -" 0 C " % " 3> M - " 0L - + " - 3> 0 -" " -" C( - " - > 09 " % - -> " "" 0 " - 3> M " 0

34 !0# 3(2(2(2 A FWFL9!F"@ WFL 9%! 3/ > - - +"@ 0! * - T12%XY 0(PPNV -- > - 3 ="@ / D 0L "@ 0L "@ D A - FL9!0 : "@ = - "@ D 0 W FL9! W F L 9%! 3/ -- " > " 4 T93X 0(PP.U5(PPNV0 - -=> * - - * A TG",##V0 QWFL9!Q%"WFL 9%! 3/ > -- 3 *> 6FL9! 6FL9!. 0L 3 3 Y Y " Niveau physique 9 -% - * 0 #0(0( #0(0#0= *- -+>* 3 0! 3 FL9! +- A - * * *" TR 0#) U L, G #)V * * -@ T&- 0(PP.V 4 " * 3 T1 0#)V0 3.3 MANIPULATIONS DE DONNEES MULTIDIMENSIONNELLES - > - - " - 0 L - * - - =3>" * " T&% 0(PPOU93X 0(PP.UL,R3(PPOU&%,LY(PP.U$, (PPP U #'V0 T&% 0(PPOV -- * 33 7L =- B$" C3 E3-"%E- -- % 0! -- * *- - " " 43 T#'V0! - * TL, R3 (PPO U 93X 0 (PP. U """, (PP. U&%, LY(PP. U """, (PPN U L (PPN U (PPNU!,? (PPPU9" c 0#'U;,G" #)V0 $@ / L - C % - - 0L 3!&!&! & 4 - +" L 3 "!&4!&4! & /II" I-6 0

35 L "! - " ! --0 L * +% TL (PPNV - " 0! T9" +% 5!) / C C / - - +@ -- " % T""", (PPNU (PPNV C/ - T93X 0(PP.U (PPNV 4 "! & / " +"] 3 0L+"] TL (PPNV 4 " -> - - "6 +" 4 f#0 & / " @ >" T93X 0(PP.U""", (PP.U""", (PPNU&%,LY (PP.UL (PPNU!,? (PPPU9" 0#'U;,G" #)V0 - A " TL,R3 (PPOU""", (PP.V >3 T (PPNU 2,5#V " TL,R3(PPOV +"@ TL (PPNU 2,5#V-@ " " * 43 TL, R3 (PPO U 93X 0 (PP. U """, (PP. U&%, LY(PP. U """, (PPN U (PPN U 2,5#U9" 0#'U;,G" #)V > * 0 : " f# " *-" - T&%,LY (PP.V % > $ > * - + % - 3>" >" : T""", (PPNV-- " = 3>" = U * - " =-- 3 =3>" METHODES DE CONCEPTION ET DEVELOPPEMENT 9 +* - - 9$- - -D 3 + (0'0 L-- * $0L+%

36 !0# - ' 3 / " " " G Méthodes ascendantes L - 0 > - -- TL ##V + " 43 T%,GY#V0L T""", (PPNU""", #U&,22(PPNU%,GY#V : 69 0 L+3 + *- -> 0 - > ! TQ 0#V-- * $ L+ + ] -@ Méthodes descendantes $ -- - " - 0 0G"TG",##UG" 0#V-- 3 -@ $ - * L T 0#(V A *- " 0 * 6 0 L T!,9YY##U! 0#OV-- -" L >3 * =" " 3 L0 -" 0L " " 4 g -+-" Méthodes mixtes L G" * - % " = 0: - - /(+% " -- *#+ - - ' * - " *T,1% ##V- T1 #(U 0#(U!--,$##V *T 0#V * 0 #'V L - -@ *- T,1% ##UL@d6,@#'V0 * :L 3 - T, 1% ##V % + T 0#(U!--,$##U,1% L+*- " - + > / + 1Y 0#("V " *

37 T 0#V A - T!--,$ ##V0 - -> - > " - *- " 0! > " -- /&$T!Y,&#'VhT&3 0#U2 0#V 9! T&, #OV0 - * A " $T2 0#"V0 3.5 BILAN SUR LES MAGASINS DE DONNEES > * *3 FL9!0L -- -T 0(PP'V T! #V - %> FL9! " +- 0 L+ * * > T22 0#OV0 " -- 3> - *- " 3- " " $ - 0 L -- * - > - *" 9$0 - " --- +% " 0 4 POSITIONNEMENT DE NOS RECHERCHES $ > * %> *- *60! > - - :$ $ 33 =% $0 4.1 MODELISATION DES ENTREPOTS L Y *> T 0(PP'UG",##V0! -- -D > L - * * :$ - +* - ] -D -- W0 #0(0( #0(0#0F D 3 > > *- 0! - 4 " 3 * - - / ! 3 - > - 3 " * T 3, #OV %> " =*- #^ 1

38 !0# -" 0L N^ Y 6 *+ 3 -D0 - * $ T; 0(PP. (PPNV - " T9" " 0#(##V0 $> =- - " >3-3 =* 3 0 * +*- - 3 %- * T1XY ##"V0$ - * &1$ -" - - % 09 "@ -- > - / = 3 / 6 3 % - Y 6 - % %- / + 3 % MODELISATION DES MAGASINS DE DONNEES MULTIDIMENSIONNELLES : + -- > 4 * +" " - 0$ - T22 0#OV T 0#'V FL9! " -= " 0 : - 4 * 4-- > - 0 -"@ +/ - - " " --% + " " +% + 6 * +% " " " MANIPULATION DE DONNEES MULTIDIMENSIONNELLES *- '0' " > " - " +% >" - " A - * 04+ +* - + % - 3>" >" 0 2

39 $ 3 -- > -- - *- % 0 * AT9" c 0#'V0 3>" -- - *- + " - 3 " 4 +" A +% 0$ T""", (PPNV+ - " * METHODE DE CONCEPTION '0)+% $ - -D 3 0 $ - - 9$ 3 3> 3 J+--" + - * 0 L -- 0F - -3" -+% $- 0 : - 4 "@ -- - / Y3 * " " - +% PRESENTATION DE NOS RESULTATS L - 0 L - *- - :$ - " 0 L > - - * - 3 FL9!0 L > >" L > %> L *> - " * -@ - 0: - -- " * " - - 0

40 "*#!##+ &!0#% #&$!$!*& %.

41 "#!6 7!L9$Q9!: ) #$ &'" #&$0&!0#% #&$!$!*& %((((((((((((((((((((((((((((((((((((((((((((((((((((3) 2!$!*&!&$$!!%!&0' #!%(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((32 #0(!" '# #0# '' #0#0( F"@ -D '' #0#0# -D ') #0#0' : -D '. #0' ; * '. 3!$!*& %!&"'!$ %(((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((31 '0(!" 'P '0# > 3 + -D ) '0#0( ) '0#0# -> ) '0'! )( '0)! +* )' '0! )) '00( L )) '00# :* )O 6 -#0$! *!%*!" #!%((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((6/ )0( 1 -D ). )0#! )N )0'! )P /

42 "#!6 7 1 INTRODUCTION A LA MODELISATION D'ENTREPOTS *- - - %> +9 4$ 9$ *-- / Y3-6 " = > - - *" - 0 -" +- Y3 0 9= %> > " * " =- Y3 /= -D 3 T #V D0! -D - 3> */%> > TG, (PPPV0 - > " * > T(PPOV--> -- 1$ T,L(PPV0 1$ " 3> -- - * 3 >3 T,L(PPU!,-- (PPOV0F / - -- * 1$ -D Y 3 3 3> -U :$ 4-1$ =* #^ -" T 3, #OV0 N^ Y T 3,#OV -%> 3 1$ 0 3 *0 $ D 3 > - + " *- 0$ :$ T(PPOU,$%(PP.U83,R(PPNU!,? (PPPU 83,R#V / 4- > * -% " A L * " D09 "@ - 3

43 "#!6 7 -D 4 - T;(PPNV0! " + " +- & -> *- %> + 0! - " &1$- -D > D *- ="@ - / ( - %- =# 3 = -D A 4-33 ' % " +% 0 * 0 L # 3 - -D 0 L ' Y3 0L ) " ENTREPOT DE DONNEES EVOLUTIVES - > - * D 0 - > 4- -" - " PROBLEMATIQUE -- +"@ 3" +:$ -/ (0 4 CC 0 :$- Y + " * -0:$ D > 0L > #0 4 G0 L 3> > " $ - * + * - * TL-@, (PP.U!,? (PPNU!,? (PPPV '0 4G :$ > :$ - - " TR(PPU&-,Y(PPV0 )0 4>0L " % 0L > + -D A Y3 T(PPOV0 $ "

44 "#!6 7 0 > -" % * *:$ :$Y T&-,Y(PPU7 0(PPOUQ, <(PPOU< 0(PPOUQ 0(PPPUQ%(PPOUQ%(PP.UL" 0 (PPPUL",&6(PPOUY 0(PP.U7,R(PP.U<3 0 (PPU<3 0(PPOU<3 0(PP.U<3 0(PPNU<3,&6(PPNU G,-(PPPUL" 0(PP.U, (PP.U, (PPP U 83 0 (PP.V0 * T83,R(PPNU83,R#U&-,Y(PPPV % - *-- - :$ "@ -- > " CONCEPTS A +-- "@ T (PPNV > - +* > 4 -" "@ -"4 +> - "@ 3 - T, #V0 $ - - > *6> +F T #V Objet entrepôt L - " +F * - +"@ ! 4 "@ -D %- + / Monde Réel Source Entrepôt pe1 pe2 pe3 Légende : Entité courante Etat passé d'une entité Objet source courant Etat passé d'un objet source Objet entrepôt Etat courant d'un objet entrepôt Etat passé d'un objet entrepôt Etat archivé d'un objet entrepôt pe4 pe5 Temps entité objet source pe6 points d'extraction objet entrepôt /+F

45 "#!6 7 L; "@ -D * "@ -D-+*- / C/F -6- / 8 ) '- / + / + > * - -- ="@ 8 \i -( -# J -- j = " ) \i ( # J j = " '- \ik( k#j kj = " "@ 4 - +"@ -D " 0 L+ "@ -- +"@ -D - -A ]/ *- / C/ -- 9 : b 9 ;<5 5 =>5? -* + : "@ Classe entrepôt $ > "@ "@ -D% A A T (PPNV+%@ - +* - "@ -D C/ , "- 9 ) b 3 9, %- - - *"@ + " - 6 \i J j + " +"@ -D "- C - +*4-3 9 C " 4 -+*] -D ) C "- + - A Y > 3 3 0

46 "#!6 7 $ - * -D (2(2() 0C L D0!- C ] + -D0 L C - > /) \i $ $ J $ $ " > 0 $ +3 " *%- +3 3/ " AB9C> A-B9C> AB9CD C !G /L3 *%- +3 0L;3 N "@ -D0L;3 N" "@ (a) Mécanisme d'archivage fort (b) Mécanisme d'archivage modéré. 5+* 2(2(2( D 4-0! - 4 " -- 3>" 0$ - - * - 3 " 0 +:$ 3> " - * *6-0L- > "> + 3 %> > J TG, (PPPV 3 6 3" 0 3" +4 - Y * + -D0L 3" % > "@ +> > T1Y, :3 (PPV0 L 4 * 3" = -D 0

47 "#!6 7 S1 S2... Sn I N T E G R A T I O N EXTRACTION SG C O N S T R U C T I O N ED A N A L Y S E MD1 MD2... MDp 1+0 G L "- -D4-+ &0! -- 3>" - - " 0 L " %* * >" -" T #V0 "!H 4&#!%.C! % Modèles hétérogènes &*! #&$% % = 4 ' # CC *F > 4 % Modèle objet Modèle Entrepôt!%"#* #&$% Modèles Multidimensionnels %* / σ- \ D / +* %* / ( # - k@\ D /; - ( # * 0 %* / ηi- ( - # J- j\ D / 3- "@ %* / δ\ D /$ - "@ %* / ( # \ ( # \ D / + ( # -3 0 %* / ( # \ ( # \ D / + ( # -3 0 %* / ( # \ ( # \ D / ( # -3 0 %* / πi- ( - # J- j\ D /$ -- * - " 0 %* / µi- ( - # J- j\ D / $ -- - * - " 0 %* / αi- ( / ( - # / # J- / j\ D /$ -- 4 " + " -- 0 %* / Λ ( # J \ D / - 4 ( # J % %* / Σ ( # J - k@\ D / 4 ( # J 0 1

48 "#! Environnement et entrepôt 9 - -" +:$ * A - - C /"- "@ + 3 " "@ *6A 3-3 " 0! - 4 " T 0(PPPV > 3" 0 C/ -3 $- b 3 + \i > >D> j + " + $- - - = - ] > " +-- :9 :> 669 T$% 0(PNNUR(PPOV0 L * / 4 / " + 0! + 3" U - "4 0 4/L3 4 "@ - + " " 0! + 3" " " / "@ -D - + I -0L - + " " 0! - > 4- -= -D/ C/ D 5 \i J E + " + -D 5 \i J j + " + -D 2.3 FORMALISMES ET EXEMPLES! :$-- * 3-0L * -- " * 33 +F$& T (PPNV - 2

49 "#!6 7 -+"@ T1,& (PPNV " T #V0! S :* 3 L N -> / * -- -@+- * +$k k " !G /L - -D - *- - 0!- - * = " - 0L - - " 0 $ - - " > "6 *0! - 4 " - ) -D/*'33> *)93> :> 9)F("390! 9)F("39 : ):+!G C > N -/IIXXX003I

50 "#!6 7 3 ENTREPOTS DE DOCUMENTS L $ L+"@ - " D4" 0$ - > *- -" 0 $ > + -D PROBLEMATIQUE - -! &GD!&E - Y3 = D -- * % 0 *-"> 0 L - -"> Y3 + 3> A " 0 L+ 3 - > 0 L L -"> 4 4 * Y3 - A -" * - 0 :$F / +- E3 E - 4 A A * % I 0 L %> + " + * " 0 L Y - + 3> * " --" 0 -D +-4Y " - -- *-- 0$ - Y &1$ * %- + T 6$-%#(V0 $ " **-- - Y3 &1$ 3 T-(PP) U -, (PP) U ->(PPO U 9" "(PP. U 9" ", 5(PP. U 9" " 0##V 6 T&,8(PPOUQ3 0(PP.U9 " 3(PPNU 0 (PPNU(PPNU& 0(PPPU 0#U#V07** * -D $ T; 0(PP.(PPNV *- 4.

51 "#!6 7 + %- * T1XY ##"V - " T9" " 0#(##V0 - " * 3 " = - - * " * =" 4-3> "@ -- :$F " + % 3> 3> - 0 :$F 3 *- 0! - 4 " --> MODELE GENERIQUE D'ENTREPOT DE DOCUMENTS L > " g 3 - " Caractéristiques générales $+- Y3 - - * 3 - / *- 4" = E 3> E+ 3-3> 0 $ " $ " -0 L -D M > 3 A A %- =*- T 6$-%#(V Composants du modèle générique - > L P 0! / >> - " = 3 - U > - 3 $$- * - = - 0=3=g =" "3 U > = - * - / D -- 4 * 0 P -/IIXXX003IlL#0 /

52 "#! : -/ > C> " U C> 3 - " "- + U C> " = - 0 " - "3 4"3 0 L * " + * * " +0$ * * / " E; k9"e -" = = -D E; k E -" = L/ Structure Logique Générique Atts_Gen NomAG Atts_Spec NomAS Valeur Str_Gen Doctype * Définir {ordre} Appartenir 1..* 1..* Elts_Gen 0..* 1..* NomEG Composer Englober CardEG {ordre} 0..* 1..* Contenir Elts_Spec 0..* 1 {ordre} NomES S_Englober Num_Seq Associer 1 0..* 1 {ordre} S_Composer 0..1 Déclarations Nom Valeur 0..* Posséder 1..* 1 Documents 1 Doc Date Informations Contenu Contenu 0..* 0..* Structure Logique Spécifique Version Indexer 1..* 1..* Index Fréq_Rel ))+A> G Mots_Clés Radical Fréq_Abs 5 2TG#)V * - + > 4- al 6 QL a0 3.3 PROCESSUS D'ALIMENTATION > 3 T 6$-%#(UG#(V *> -" + 4 U

53 "#!6 7 -D4-3> 0-- " -" 3 - /!G / - - +* 3 4 = -DTG, 6$-%#'V > =*- %- - U " / * * = -DTG, 6$-%#'V0 -- * %> $ * $ %> # 3 3 =% U # / - 4 = -D 3-4 = E- E % %* - = / Document 1. Extraction (Indexation) Structure logique 2. Comparaison Entrepôt Contenu Fusion Création 3. Insertion )2+* - + * - ;3 ('0 3 E$0*E -D * 3 3 * * '- / L - =* E$0*E0 L E$0*E 3 3 m# = -D E- E- - A --A = E E - E9 E E E L - = E$0*E - A * 3 3 m# - - 0

54 "#!6 7 L3 - - / L entrepôt avant l ajout... Editeur DocN.xml <Article> <Titre>Data Warehouses</Titre> <Auteur>Chrisment C.</Auteur> <Auteur>Zurfluh G.</Auteur> <Résumé>De nos jours <Résumé> <Contenu> DW est une source d information orientée-sujet, filtrées </Contenu> </Article> Doc1.xml Annotation des documents XML Sèdes F. L annotation XML Nom Adresse Livre + Auteur + Année Structure Logique Générique 1 Article Titre Auteur Contenu Section + 1. Extraction Structure Logique Contenu Article Data Warehouses Chrisment C. Titre Auteur + Résumé Contenu Zurfluh G. De nos jours,... DW est une... Structure Logique Générique 2 2. Comparaison 3. Insertion Légende? : zéro ou une fois + : une ou plusieurs fois * : zéro ou plusieurs fois Doc1.xml Annotation des documents XML Sèdes F. L annotation XML... Article Titre Auteur+ Résumé? Contenu Section * Structure Logique Générique 2 DocN.xml Data Warehouses Chrisment C. Zurfluh G. De nos jours,... DW est une Editeur Nom Adresse Livre + Auteur + Année L entrepôt après l ajout Structure Logique Générique 1 )3+!G $ - -"> _ - - +* -0L- + -E- E > PHASE D'EXTRACTION D0! * TG #)V + 0 L+ * " A %-

55 "#!6 7 +"@ * - + * T@" 3 (P.P U, & (PN' U (PNPV0 L= >0 L+" L +" - *" 3 0 " - A - [ n-e(- E h-e- E0! I +@ " - ' %- 6 0 " +" - 3 0! " 4 E E 3-4 0! - $$- al - * - +" 0! " +3 4@ + " ! 6 - * - QL +* +> - 0L+* - A " " TG#)V T; #(V0! -- - / 3-3- T 0(PP.UL,F (PPNV TF #V 3 0 L - +* - +% * " - 0L+% * 4 -"> %% - % " T (PPV + + A " PHASE DE COMPARAISON - 4- " + 4 = -D = * TG 0#'V0 -- * %> $ * $ %> # 3 3 =% 0 L= " =" 3> = 0= A 00 CG C>>> 8>( Les étapes de la phase de comparaison! - *" - - * - TG 0#'V/

56 "#!6 7 Structure du document T Structures de l entrepôt {T e } 1. Filtrage T {T } Fin {T } Tq Non Fin {T } T suivante 2. Pondération 3. Conservation d ordre Oui Non 4. Ajout d éléments Inclusion Sinon 5. Calcul de similarité 6. Décision finale Phase de comparaison > Seuil < Seuil Fusion Création - / )6+* (0 / " 3 3 = -D - A " g * - 0L * ! 3 3 = " = %> - #40 #0 * / - - * g * " = -D90 -+" =" 3 +" = -> 0 '0 " 8 / - - = - g * * 4-0! g - (+-> A A #+-> A + * " 0 + * >3 = - * " - 3 +A )0 F 8/ - = * " - 3 0! g @ ga 0 *

57 "#! = -DA - -0$ =- 0 0 " / = -D3 +0L = - =3 g* * " 0L =3 *g -4 " - g0 O0 C/ = -D " 3 - " D * * 4 3 0$ + -" / -A - * " * 0 - * -= - -=- EE0 - *- TG 0#'V TG#)V Exemple d'application D+0 T a T a b c d e f c x d e f h i j i k )9+% L+- 3 *".(^ g 0 4 *- 3 * 4O^ L *>3 + A @ @ g E*E g EE0 L ++ -+@+g E"E EE EE +@ + EE 4 E"E0 L Y 3 +- "4-- P' *- %> -- * > 4 3 g- * Y0 1

58 "#!6 7 T a b c x d e 4 BILAN ET PERSPECTIVES f h i j k )7+C -D D + 3> > 4 - +% 0$ - * D 0F " * +% D0L * * Bilan sur la modélisation des entrepôts $ :$ " * T(PPO U, $%(PP U 83,R(PPNU!,? (PPPU83,R#V F4 +% > - + -D 0! - 4 " > "@ C - " F * 0 L C " - + A " > L C - +*- - 3 " - +* D0: A :$ :$ " " 0 $ - :$ 4-1$ =* #^ -" N^ Y T 3, #OV D :$F0 $ -" > - 09 A+ A@ * " C * / 2

59 "#!6 7 > G > A 4-3> al 6 QL au - + " +* " > PRODUCTION SCIENTIFIQUE L * :$ - 6 4N^ > +F T #V + '* $:9#L =3 L33 +!" 0L - a 1T1(PPPV L ;2 &22 T&22 #V L > Y?% T?% #(V * + 3 -D " = " =/ 6$-% GG - $##$ $ &? ; - :5 :*- 5 = +- &0 "= - 6 ^ > G G TG #)V0 9 * - - $##+ 3 0 * *-@ 0L -@ :99+ " + FF:6:9 - -!LJ0 -@ D 4 - " D-* M0 -@ --** > +F #0$ - +!" - & 6 =9 4 (PPN0 - " - -D - " 9 %> $+- -"- ( / ( +3 E: - % E :+T, #V ) /G+PPT 0(PPPV:+ T 0#V $:a9+ T, #"V 9$1+ T, #V ( 6TG 0#'V ( L - O0

Système de diffusion d information pour encourager les PME-PMI à améliorer leurs performances environnementales

Système de diffusion d information pour encourager les PME-PMI à améliorer leurs performances environnementales Système de diffusion d information pour encourager les PME-PMI à améliorer leurs performances environnementales Natacha Gondran To cite this version: Natacha Gondran. Système de diffusion d information

Plus en détail

La voix en images : comment l évaluation objectivée par logiciel permet d optimiser la prise en charge vocale

La voix en images : comment l évaluation objectivée par logiciel permet d optimiser la prise en charge vocale La voix en images : comment l évaluation objectivée par logiciel permet d optimiser la prise en charge vocale Stéphanie Perriere To cite this version: Stéphanie Perriere. La voix en images : comment l

Plus en détail

Sylvain Meille. Étude du comportement mécanique du plâtre pris en relation avec sa microstructure.

Sylvain Meille. Étude du comportement mécanique du plâtre pris en relation avec sa microstructure. Étude du comportement mécanique du plâtre pris en relation avec sa microstructure Sylvain Meille To cite this version: Sylvain Meille. Étude du comportement mécanique du plâtre pris en relation avec sa

Plus en détail

Étude des formes de pratiques de la gymnastique sportive enseignées en EPS à l école primaire

Étude des formes de pratiques de la gymnastique sportive enseignées en EPS à l école primaire Étude des formes de pratiques de la gymnastique sportive enseignées en EPS à l école primaire Stéphanie Demonchaux To cite this version: Stéphanie Demonchaux. Étude des formes de pratiques de la gymnastique

Plus en détail

Les intermédiaires privés dans les finances royales espagnoles sous Philippe V et Ferdinand VI

Les intermédiaires privés dans les finances royales espagnoles sous Philippe V et Ferdinand VI Les intermédiaires privés dans les finances royales espagnoles sous Philippe V et Ferdinand VI Jean-Pierre Dedieu To cite this version: Jean-Pierre Dedieu. Les intermédiaires privés dans les finances royales

Plus en détail

statique J. Bertrand To cite this version: HAL Id: jpa-00237017 https://hal.archives-ouvertes.fr/jpa-00237017

statique J. Bertrand To cite this version: HAL Id: jpa-00237017 https://hal.archives-ouvertes.fr/jpa-00237017 Quelques théorèmes généraux relatifs à l électricité statique J. Bertrand To cite this version: J. Bertrand. Quelques théorèmes généraux relatifs à l électricité statique. J. Phys. Theor. Appl., 1874,

Plus en détail

Dessin assisté par ordinateur en lycée professionnel

Dessin assisté par ordinateur en lycée professionnel Dessin assisté par ordinateur en lycée professionnel Bernard Dauga To cite this version: Bernard Dauga. Dessin assisté par ordinateur en lycée professionnel. Bulletin de l EPI (Enseignement Public et Informatique),

Plus en détail

AGROBASE : un système de gestion de données expérimentales

AGROBASE : un système de gestion de données expérimentales AGROBASE : un système de gestion de données expérimentales Daniel Wallach, Jean-Pierre RELLIER To cite this version: Daniel Wallach, Jean-Pierre RELLIER. AGROBASE : un système de gestion de données expérimentales.

Plus en détail

Peut-on perdre sa dignité?

Peut-on perdre sa dignité? Peut-on perdre sa dignité? Eric Delassus To cite this version: Eric Delassus. Peut-on perdre sa dignité?. 2013. HAL Id: hal-00796705 https://hal.archives-ouvertes.fr/hal-00796705 Submitted

Plus en détail

Sur le grossissement des divers appareils pour la mesure des angles par la réflexion d un faisceau lumineux sur un miroir mobile

Sur le grossissement des divers appareils pour la mesure des angles par la réflexion d un faisceau lumineux sur un miroir mobile Sur le grossissement des divers appareils pour la mesure des angles par la réflexion d un faisceau lumineux sur un miroir mobile W. Lermantoff To cite this version: W. Lermantoff. Sur le grossissement

Plus en détail

Program Analysis and Transformation: From the Polytope Model to Formal Languages

Program Analysis and Transformation: From the Polytope Model to Formal Languages Program Analysis and Transformation: From the Polytope Model to Formal Languages Albert Cohen To cite this version: Albert Cohen. Program Analysis and Transformation: From the Polytope Model to Formal

Plus en détail

L indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne

L indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne L indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne Sophie Morlaix To cite this version: Sophie Morlaix. L indice de SEN, outil de mesure de l équité

Plus en détail

Budget Constrained Resource Allocation for Non-Deterministic Workflows on a IaaS Cloud

Budget Constrained Resource Allocation for Non-Deterministic Workflows on a IaaS Cloud Budget Constrained Resource Allocation for Non-Deterministic Workflows on a IaaS Cloud Eddy Caron, Frédéric Desprez, Adrian Muresan, Frédéric Suter To cite this version: Eddy Caron, Frédéric Desprez, Adrian

Plus en détail

Comptabilité à base d activités (ABC) et activités informatiques : une contribution à l amélioration des processus informatiques d une banque

Comptabilité à base d activités (ABC) et activités informatiques : une contribution à l amélioration des processus informatiques d une banque Comptabilité à base d activités (ABC) et activités informatiques : une contribution à l amélioration des processus informatiques d une banque Grégory Wegmann, Stephen Nozile To cite this version: Grégory

Plus en détail

Compte-rendu de Hamma B., La préposition en français

Compte-rendu de Hamma B., La préposition en français Compte-rendu de Hamma B., La préposition en français Badreddine Hamma To cite this version: Badreddine Hamma. Compte-rendu de Hamma B., La préposition en français. Revue française de linguistique appliquée,

Plus en détail

Jean-Luc Archimbaud. Sensibilisation à la sécurité informatique.

Jean-Luc Archimbaud. Sensibilisation à la sécurité informatique. Sensibilisation à la sécurité informatique Jean-Luc Archimbaud To cite this version: Jean-Luc Archimbaud. Sensibilisation à la sécurité informatique. lieux en France, 1997, pp.17. École

Plus en détail

Un SIG collaboratif pour la recherche historique Partie. Partie 1 : Naissance et conception d un système d information géo-historique collaboratif.

Un SIG collaboratif pour la recherche historique Partie. Partie 1 : Naissance et conception d un système d information géo-historique collaboratif. Un SIG collaboratif pour la recherche historique Partie 1 : Naissance et conception d un système d information géo-historique collaboratif Claire-Charlotte Butez, Francesco Beretta To cite this version:

Plus en détail

Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence

Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence Gwenole Fortin To cite this version: Gwenole Fortin. Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence. 2006.

Plus en détail

Les Champs Magnétiques

Les Champs Magnétiques Les Champs Magnétiques Guillaume Laurent To cite this version: Guillaume Laurent. Les Champs Magnétiques. École thématique. Assistants de prévention, Paris, France. 2014, pp.31. HAL Id:

Plus en détail

Chapitre IX. L intégration de données. Les entrepôts de données (Data Warehouses) Motivation. Le problème

Chapitre IX. L intégration de données. Les entrepôts de données (Data Warehouses) Motivation. Le problème Chapitre IX L intégration de données Le problème De façon très générale, le problème de l intégration de données (data integration) est de permettre un accès cohérent à des données d origine, de structuration

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

La complémentaire santé : une généralisation qui

La complémentaire santé : une généralisation qui La complémentaire santé : une généralisation qui n efface pas les inégalités Thibaut De Saint Pol, François Marical To cite this version: Thibaut De Saint Pol, François Marical. La complémentaire santé

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

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

Business & High Technology

Business & High Technology UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 8 : ID : Informatique Décisionnelle BI : Business Intelligence Sommaire Introduction...

Plus en détail

Évolution de schémas dans les entrepôts de données mise à jour de hiérarchies de dimension pour la personnalisation des analyses

Évolution de schémas dans les entrepôts de données mise à jour de hiérarchies de dimension pour la personnalisation des analyses Évolution de schémas dans les entrepôts de données mise à jour de hiérarchies de dimension pour la personnalisation des analyses Thèse présentée par Cécile FAVRE pour obtenir le titre de Docteur en Informatique

Plus en détail

BUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise

BUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise BUSINESS INTELLIGENCE Une vision cockpit : utilité et apport pour l'entreprise 1 Présentation PIERRE-YVES BONVIN, SOLVAXIS BERNARD BOIL, RESP. SI, GROUPE OROLUX 2 AGENDA Définitions Positionnement de la

Plus en détail

Les Entrepôts de Données. (Data Warehouses)

Les Entrepôts de Données. (Data Warehouses) Les Entrepôts de Données (Data Warehouses) Pr. Omar Boussaid Département d'informatique et de Sta5s5que Université Lyon2 - France Les Entrepôts de Données 1. Généralités, sur le décisionnel 2. L'entreposage

Plus en détail

Business Intelligence : Informatique Décisionnelle

Business Intelligence : Informatique Décisionnelle Business Intelligence : Informatique Décisionnelle On appelle «aide à la décision», «décisionnel», ou encore «business intelligence», un ensemble de solutions informatiques permettant l analyse des données

Plus en détail

Le "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique

Le tout fichier Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché

Plus en détail

La place de la Géomatique Décisionnelle dans le processus de décision

La place de la Géomatique Décisionnelle dans le processus de décision Géomatique décisionnelle La place de la Géomatique Décisionnelle dans le processus de décision - Arnaud Van De Casteele Mines ParisTech - CRC Arnaud {dot} van_de_casteele {at} mines-paristech.fr Les rencontres

Plus en détail

Travail de diplôme 2011 Business Intelligence Open Source SpagoBI/Talend Résumé

Travail de diplôme 2011 Business Intelligence Open Source SpagoBI/Talend Résumé ESNE Travail de diplôme 2011 Business Intelligence Open Source SpagoBI/Talend Résumé I.Cirillo 2010-2011 Introduction Le laboratoire de base de données de l ESNE a mis en place, il y a quelques années,

Plus en détail

La problématique. La philosophie ' ) * )

La problématique. La philosophie ' ) * ) La problématique!" La philosophie #$ % La philosophie &'( ' ) * ) 1 La philosophie +, -) *. Mise en oeuvre Data warehouse ou Datamart /01-2, / 3 13 4,$ / 5 23, 2 * $3 3 63 3 #, 7 Datawarehouse Data warehouse

Plus en détail

Entrepôts de données. NEGRE Elsa Université Paris-Dauphine 2015-2016

Entrepôts de données. NEGRE Elsa Université Paris-Dauphine 2015-2016 Entrepôts de données NEGRE Elsa Université Paris-Dauphine 2015-2016 Contexte et problématique Le processus de prise de décision L entrepôt de données Définition Différence avec un SGBD Caractéristiques

Plus en détail

Urbanisation des SI-NFE107

Urbanisation des SI-NFE107 OLAP Urbanisation des SI-NFE107 Fiche de lecture Karim SEKRI 20/01/2009 OLAP 1 Introduction PLAN OLAP Les différentes technologies OLAP Plate formes et Outils 20/01/2009 OLAP 2 Informatique décisionnelle

Plus en détail

SGBDR. Systèmes de Gestion de Bases de Données (Relationnelles)

SGBDR. Systèmes de Gestion de Bases de Données (Relationnelles) SGBDR Systèmes de Gestion de Bases de Données (Relationnelles) Plan Approches Les tâches du SGBD Les transactions Approche 1 Systèmes traditionnels basés sur des fichiers Application 1 Gestion clients

Plus en détail

Modélisation Multidimensionnelle des Tableaux de Bord Prospectifs

Modélisation Multidimensionnelle des Tableaux de Bord Prospectifs Modélisation Multidimensionnelle des Tableaux de Bord Prospectifs Zaia Alimazighi (*), Nazih Selmoune (*) (Alimazighi, Selmoune)@wissal.dz (*) Laboratoire des systèmes informatiques (LSI), Faculté d Electronique

Plus en détail

et les Systèmes Multidimensionnels

et les Systèmes Multidimensionnels Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Datawarehouse (DW) Le Datawarehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées

Plus en détail

Introduction à la B.I. Avec SQL Server 2008

Introduction à la B.I. Avec SQL Server 2008 Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide

Plus en détail

Les déterminants du volume d aide professionnelle pour. reste-à-charge

Les déterminants du volume d aide professionnelle pour. reste-à-charge Les déterminants du volume d aide professionnelle pour les bénéficiaires de l APA à domicile : le rôle du reste-à-charge Cécile Bourreau-Dubois, Agnès Gramain, Helen Lim, Jingyue Xing, Quitterie Roquebert

Plus en détail

Famille continue de courbes terminales du spiral réglant pouvant être construites par points et par tangentes

Famille continue de courbes terminales du spiral réglant pouvant être construites par points et par tangentes Famille continue de courbes terminales du spiral réglant pouvant être construites par points et par tangentes M. Aubert To cite this version: M. Aubert. Famille continue de courbes terminales du spiral

Plus en détail

Bases de Données Avancées

Bases de Données Avancées 1/26 Bases de Données Avancées DataWareHouse Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR Léonard de Vinci 74, rue Marcel Cachin,

Plus en détail

Chapitre 9 : Informatique décisionnelle

Chapitre 9 : Informatique décisionnelle Chapitre 9 : Informatique décisionnelle Sommaire Introduction... 3 Définition... 3 Les domaines d application de l informatique décisionnelle... 4 Architecture d un système décisionnel... 5 L outil Oracle

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

Les Entrepôts de Données

Les Entrepôts de Données Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations

Plus en détail

Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.

Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc. Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants

Plus en détail

Sur la transformation de l électricité statique en électricité dynamique

Sur la transformation de l électricité statique en électricité dynamique Sur la transformation de l électricité statique en électricité dynamique E. Bichat To cite this version: E. Bichat. Sur la transformation de l électricité statique en électricité dynamique. J. Phys. Theor.

Plus en détail

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :

Plus en détail

ETL Extract - Transform - Load

ETL Extract - Transform - Load ETL Extract - Transform - Load Concept général d analyse en ligne (rappels) Rémy Choquet - Université Lyon 2 - Master 2 IIDEE - 2006-2007 Plan Définitions La place d OLAP dans une entreprise OLAP versus

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

Business Intelligence avec SQL Server 2012

Business Intelligence avec SQL Server 2012 Editions ENI Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Collection Solutions Informatiques Table des matières Les éléments à télécharger sont disponibles

Plus en détail

BI2 : Un profil UML pour les Indicateurs Décisionnels

BI2 : Un profil UML pour les Indicateurs Décisionnels BI2 : Un profil UML pour les Indicateurs Décisionnels Sandro Bimonte Irstea, TSCF, 9 Av. Blaise Pascal, 63178, Aubière, France sandro.bimonte@irstea.fr Thème de Recherche MOTIVE www.irstea.fr 2 Plan Motivations

Plus en détail

Les entrepôts de données

Les entrepôts de données Les entrepôts de données Lydie Soler Janvier 2008 U.F.R. d informatique Document diffusé sous licence Creative Commons by-nc-nd (http://creativecommons.org/licenses/by-nc-nd/2.0/fr/) 1 Plan Introduction

Plus en détail

Présentation du module Base de données spatio-temporelles

Présentation du module Base de données spatio-temporelles Présentation du module Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Partie 1 : Notion de bases de données (12,5h ) Enjeux et principes

Plus en détail

Bases de Données OLAP

Bases de Données OLAP Bases de Données OLAP Hiver 2013/2014 Melanie Herschel melanie.herschel@lri.fr Université Paris Sud, LRI Chapitre 1 Introduction Détails administratifs Entrepôts de Données Perspective sur le semestre

Plus en détail

OPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE

OPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE OPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE «Journée Open Data» 5 Novembre 2013 Présenté par : Imen Megdiche Directeur de thèse : Pr. Olivier Teste (SIG-IRIT) Co-directeur de thèse : Mr. Alain

Plus en détail

BASES DE DONNÉES. CNAM Centre associé de Clermont-Ferrand Cycle A Année 1997-98. J. Darmont I. INTRODUCTION II. LES SYSTÈMES HIÉRARCHIQUES

BASES DE DONNÉES. CNAM Centre associé de Clermont-Ferrand Cycle A Année 1997-98. J. Darmont I. INTRODUCTION II. LES SYSTÈMES HIÉRARCHIQUES BASES DE DONNÉES CNAM Centre associé de Clermont-Ferrand Cycle A Année 1997-98 J. Darmont I. INTRODUCTION II. LES SYSTÈMES HIÉRARCHIQUES III. LES SYSTÈMES RÉSEAU IV. LES SYSTÈMES RELATIONNELS V. LE LANGAGE

Plus en détail

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

Calculer les coûts ou bénéfices de pratiques sylvicoles favorables à la biodiversité : comment procéder?

Calculer les coûts ou bénéfices de pratiques sylvicoles favorables à la biodiversité : comment procéder? Calculer les coûts ou bénéfices de pratiques sylvicoles favorables à la biodiversité : comment procéder? H. Chevalier, M. Gosselin, Sebastian Costa, Y. Paillet, M. Bruciamacchie To cite this version: H.

Plus en détail

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE GUIDE COMPARATIF BUSINESS INTELLIGENCE www.viseo.com Table des matières Business Intelligence :... 2 Contexte et objectifs... 2 Une architecture spécifique... 2 Les outils de Business intelligence... 3

Plus en détail

Entreposage de données complexes pour la médecine d anticipation personnalisée

Entreposage de données complexes pour la médecine d anticipation personnalisée Manuscrit auteur, publié dans "9th International Conference on System Science in Health Care (ICSSHC 08), Lyon : France (2008)" Entreposage de données complexes pour la médecine d anticipation personnalisée

Plus en détail

Bases de Données. Stella MARC-ZWECKER. stella@unistra.u-strasbg.fr. Maître de conférences Dpt. Informatique - UdS

Bases de Données. Stella MARC-ZWECKER. stella@unistra.u-strasbg.fr. Maître de conférences Dpt. Informatique - UdS Bases de Données Stella MARC-ZWECKER Maître de conférences Dpt. Informatique - UdS stella@unistra.u-strasbg.fr 1 Plan du cours 1. Introduction aux BD et aux SGBD Objectifs, fonctionnalités et évolutions

Plus en détail

LES ENTREPOTS DE DONNEES

LES ENTREPOTS DE DONNEES Module B4 : Projet des Systèmes d information Lille, le 25 mars 2002 LES ENTREPOTS DE DONNEES Problématique : Pour capitaliser ses informations, une entreprise doit-elle commencer par mettre en œuvre des

Plus en détail

Introduction à l Informatique Décisionnelle - Business Intelligence (7)

Introduction à l Informatique Décisionnelle - Business Intelligence (7) Introduction à l Informatique Décisionnelle - Business Intelligence (7) Bernard ESPINASSE Professeur à Aix-Marseille Université (AMU) Ecole Polytechnique Universitaire de Marseille Septembre 2013 Emergence

Plus en détail

CONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS

CONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS CONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS Nazih Selmoune (*), Zaia Alimazighi (*) Selmoune@lsi-usthb.dz, Alimazighi@wissal.dz (*) Laboratoire des systèmes

Plus en détail

Approche de modélisation multidimensionnelle des. des données complexes : Application aux données médicales. 5èmes Journées

Approche de modélisation multidimensionnelle des. des données complexes : Application aux données médicales. 5èmes Journées Approche de modélisation multidimensionnelle des données complexes : Application aux données médicales Sid Ahmed Djallal Midouni, Jérôme Darmont, Fadila Bentayeb To cite this version: Sid Ahmed Djallal

Plus en détail

Un exemple spécifique de collaboration : Le produit-partage

Un exemple spécifique de collaboration : Le produit-partage Un exemple spécifique de collaboration : Le produit-partage Béatrice Parguel To cite this version: Béatrice Parguel. Un exemple spécifique de collaboration : Le produit-partage. 50 fiches sur le marketing

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

Un datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données :

Un datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données : Page 1 of 6 Entrepôt de données Un article de Wikipédia, l'encyclopédie libre. L'entrepôt de données, ou datawarehouse, est un concept spécifique de l'informatique décisionnelle, issu du constat suivant

Plus en détail

Jessica Dubois. To cite this version: HAL Id: jpa-00205545 https://hal.archives-ouvertes.fr/jpa-00205545

Jessica Dubois. To cite this version: HAL Id: jpa-00205545 https://hal.archives-ouvertes.fr/jpa-00205545 Mesures de la charge électrique de gouttelettes d eau ou de solutions salines au cours de processus d évaporation, ou de condensation de vapeur d eau sur elles Jessica Dubois To cite this version: Jessica

Plus en détail

BD réparties. Bases de Données Réparties. SGBD réparti. Paramètres à considérer

BD réparties. Bases de Données Réparties. SGBD réparti. Paramètres à considérer Bases de Données Réparties Définition Architectures Outils d interface SGBD Réplication SGBD répartis hétérogènes BD réparties Principe : BD locales, accès locaux rapides accès aux autres SGBD du réseau

Plus en détail

et les Systèmes Multidimensionnels

et les Systèmes Multidimensionnels Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Data warehouse (DW) Le Data warehouse (entrepôt de données) est une collection de données orientées sujet, intégrées, non volatiles

Plus en détail

Business Intelligence avec Excel, Power BI et Office 365

Business Intelligence avec Excel, Power BI et Office 365 Avant-propos A. À qui s adresse ce livre? 9 1. Pourquoi à chaque manager? 9 2. Pourquoi à tout informaticien impliqué dans des projets «BI» 9 B. Obtention des données sources 10 C. Objectif du livre 10

Plus en détail

Datawarehouse: Cubes OLAP. Marlyse Dieungang Khaoula Ghilani

Datawarehouse: Cubes OLAP. Marlyse Dieungang Khaoula Ghilani Datawarehouse: Cubes OLAP Marlyse Dieungang Khaoula Ghilani Table des matières 1 Data Warehouse 3 1.1 Introduction............................ 3 1.1.1 Définition......................... 3 1.1.2 Architecture........................

Plus en détail

e-science : perspectives et opportunités pour de nouvelles pratiques de la recherche en informatique et mathématiques appliquées

e-science : perspectives et opportunités pour de nouvelles pratiques de la recherche en informatique et mathématiques appliquées Emilie MANON, Joanna JANIK, Gabrielle FELTIN e-science : perspectives et opportunités pour de nouvelles pratiques de la recherche en informatique et mathématiques appliquées 1 Introduction : La recherche

Plus en détail

TRAVAUX DE RECHERCHE DANS LE

TRAVAUX DE RECHERCHE DANS LE TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT

Plus en détail

Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours

Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours Information du cours Informatique décisionnelle et data mining www.lia.univ-avignon.fr/chercheurs/torres/cours/dm Juan-Manuel Torres juan-manuel.torres@univ-avignon.fr LIA/Université d Avignon Cours/TP

Plus en détail

Plan. Ce qu est le datawarehouse? Un modèle multidimensionnel. Architecture d un datawarehouse. Implémentation d un datawarehouse

Plan. Ce qu est le datawarehouse? Un modèle multidimensionnel. Architecture d un datawarehouse. Implémentation d un datawarehouse Datawarehouse 1 Plan Ce qu est le datawarehouse? Un modèle multidimensionnel Architecture d un datawarehouse Implémentation d un datawarehouse Autres développements de la technologie data cube 2 Ce qu

Plus en détail

Lamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013

Lamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013 Cube de textes et opérateur d'agrégation basé sur un modèle vectoriel adapté Text Cube Model and aggregation operator based on an adapted vector space model Lamia Oukid, Ounas Asfari, Fadila Bentayeb,

Plus en détail

Introduction aux Systèmes Interactifs d!aide à la Décision (SIAD) 2009 Bernard ESPINASSE Professeur à l'université d'aix-marseille

Introduction aux Systèmes Interactifs d!aide à la Décision (SIAD) 2009 Bernard ESPINASSE Professeur à l'université d'aix-marseille Introduction aux Systèmes Interactifs d!aide à la Décision (SIAD) 2009 Bernard ESPINASSE Professeur à l'université d'aix-marseille 1. Typologie des dans l!entreprise 2. Modélisation des processus décisionnels

Plus en détail

Data Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.

Data Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto. des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le

Plus en détail

Catalogue des formations Edition 2015

Catalogue des formations Edition 2015 Antidot - Formations Catalogue des formations Edition 2015 : catalogue_formation_2015 Révision du 06.01.2015 Sommaire!!"##$%&'( )! $*$+,(-'(."##'+.'&( /!,'.0+"1"2%'( /!!."3'( /! $(3&"3"!(-4(5(.$,$1"24'(-'!(6"&#$,%"+!(7('-%,%"+()89:(;(

Plus en détail

Intégration de données hétérogènes et réparties. Anne Doucet Anne.Doucet@lip6.fr

Intégration de données hétérogènes et réparties. Anne Doucet Anne.Doucet@lip6.fr Intégration de données hétérogènes et réparties Anne Doucet Anne.Doucet@lip6.fr 1 Plan Intégration de données Architectures d intégration Approche matérialisée Approche virtuelle Médiateurs Conception

Plus en détail

Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux

Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux Plan Objectifs Débouchés Formation UVs spécifiques UVs connexes Enseignants et partenaires Structure générale des études à l UTC Règlement

Plus en détail

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012 CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2012 AGENDA Qui sommes nous? Présentation de Keyrus Keyrus : Expert en formations BI Nos propositions de formation 3 modes de formations Liste des

Plus en détail

Sécurité des entrepôts de données dans le Cloud Un SaaS pour le cryptage des données issues d un ETL

Sécurité des entrepôts de données dans le Cloud Un SaaS pour le cryptage des données issues d un ETL Sécurité des entrepôts de données dans le Cloud Un SaaS pour le cryptage des données issues d un ETL Présenté par Hana Gara Kort Sous la direction de Dr Jalel Akaichi Maître de conférences 1 1.Introduction

Plus en détail

Module BDR Master d Informatique (SAR)

Module BDR Master d Informatique (SAR) Module BDR Master d Informatique (SAR) Cours 6- Bases de données réparties Anne Doucet Anne.Doucet@lip6.fr 1 Bases de Données Réparties Définition Conception Décomposition Fragmentation horizontale et

Plus en détail

Workflow/DataWarehouse/DataMining. 14-09-98 LORIA - Université d automne 1998 - Informatique décisionnelle - L. Mirtain 1

Workflow/DataWarehouse/DataMining. 14-09-98 LORIA - Université d automne 1998 - Informatique décisionnelle - L. Mirtain 1 Workflow/DataWarehouse/DataMining 14-09-98 LORIA - Université d automne 1998 - Informatique décisionnelle - L. Mirtain 1 plan Workflow DataWarehouse Aide à la décision DataMinig Conclusion 14-09-98 LORIA

Plus en détail

INTRODUCTION A LA B.I AVEC PENTAHO BUSINESS ANALYTICS Formation animée par

INTRODUCTION A LA B.I AVEC PENTAHO BUSINESS ANALYTICS Formation animée par Séminaire de formation INTRODUCTION A LA B.I AVEC PENTAHO BUSINESS ANALYTICS Formation animée par M. Dia Alioune Expert consultant BI OPEN SOURCE Directeur BADIA OA GROUP : OpenAfriki France Du 09 au 11

Plus en détail

Modèle d évaluation quantitative des risques liés au transport routier de marchandises dangereuses

Modèle d évaluation quantitative des risques liés au transport routier de marchandises dangereuses Modèle d évaluation quantitative des risques liés au transport routier de marchandises dangereuses Raphaël Defert To cite this version: Raphaël Defert. Modèle d évaluation quantitative des risques liés

Plus en détail

Construction d un environnement destiné à l'aide au pilotage

Construction d un environnement destiné à l'aide au pilotage Retour d expérience Construction d un environnement destiné à l'aide au pilotage 1 «Journée sur le décisionnel et pilotage autour du SI de son référentiel» Marseille 26 juin Construction d un environnement

Plus en détail

UE 8 Systèmes d information de gestion Le programme

UE 8 Systèmes d information de gestion Le programme UE 8 Systèmes d information de gestion Le programme Légende : Modifications de l arrêté du 8 mars 2010 Suppressions de l arrêté du 8 mars 2010 Partie inchangée par rapport au programme antérieur Indications

Plus en détail

Démarche dirigée par les modèles pour la conception d entrepôts de données multidimensionnelles. F.Atigui, F.Ravat, O.Teste, G.

Démarche dirigée par les modèles pour la conception d entrepôts de données multidimensionnelles. F.Atigui, F.Ravat, O.Teste, G. Démarche dirigée par les modèles pour la conception d entrepôts de données multidimensionnelles F.Atigui, F.Ravat, O.Teste, G.Zurfluh IRIT (SIG/ED) Université Paul Sabatier 118 route de Narbonne 31062

Plus en détail

Analyse comparative entre différents outils de BI (Business Intelligence) :

Analyse comparative entre différents outils de BI (Business Intelligence) : Analyse comparative entre différents outils de BI (Business Intelligence) : Réalisé par: NAMIR YASSINE RAGUI ACHRAF Encadré par: PR. L. LAMRINI Dans le domaine d économies des Big Data et Open Data, comment

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

Architectures d'intégration de données

Architectures d'intégration de données Architectures d'intégration de données Dan VODISLAV Université de Cergy-ontoise Master Informatique M1 Cours IED lan Intégration de données Objectifs, principes, caractéristiques Architectures type d'intégration

Plus en détail

L information et la technologie de l informationl

L information et la technologie de l informationl L information et la technologie de l informationl CRM & informatique décisionnelled CRM CRM & informatique décisionnelle. d 1 2 3 Les Les fondements managériaux managériaux du du CRM. CRM. Les Les fondements

Plus en détail

04002-LOR 2004 Mars 2004

04002-LOR 2004 Mars 2004 04002-LOR 2004 LES INTERACTIONS IPSEC/DNS ---ooo--- Abstract :!! "!! $!!! "!! %$ & '( ) * + *, $ $,, $ ---ooo - - *./ 0! 1023224" 4 %- - *5 " 6 " 6 7 6 8./ 0! 1023224" 4 %6 "6 7 5 " - - * Jean-Jacques.Puig@int-evry.fr

Plus en détail