MTI820 Entrepôts de données et intelligence d affaires. Les applica+ons de BI

Dimension: px
Commencer à balayer dès la page:

Download "MTI820 Entrepôts de données et intelligence d affaires. Les applica+ons de BI"

Transcription

1 MTI820 Entrepôts de données et intelligence d affaires Les applica+ons de BI Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 1

2 Le cycle de vie d un projet en BI Diagramme de flux de travail: Concep<on de l architecture technique Sélec<on et installa<on des produits Croissance Planifica<on de projet / programme Défini<on des besoins d affaires Modélisa<on des données Concep<on physique Concep<on et développement du système ETL Déploiement Concep<on des applica<on de BI Développement des applica<ons de BI Maintenance Ges<on de projet / programme Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 2

3 Applica+ons BI Source: Dresner Advisory Services (DAS), 2012 Wisdom of Crowds Business Intelligence Market Study Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 3

4 Ques+on Quelles sont les étapes du cycle analy+que en BI? Quelle est la différence entre le BI stratégique, tac+que et opéra+onnel? Quels les ou+ls les plus appropriés pour ces types de BI? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 4

5 Étapes du cycle: Cycle analy+que du BI 1 - Surveiller les ac+vités 5 - Agir et faire le suivi des résultats 2 - Iden+fier des excep+ons 4 - Modéliser les alterna+ves 3 - Déterminer les causes Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 5

6 Cycle analy+que du BI 1. Surveiller les ac+vités: Ques+on: «Que se passe- t- il?»; Ex: comparaison des résultats courants de l'entreprise avec ceux de la période précédente ou avec le plan d'affaires; Applica+ons typiques: Tableaux de bord, scorecards, rapports standards, etc. 2. Iden+fier des excep+ons: Ques+ons: «Y a- t- il des problèmes? Où sont ces problèmes?»; Ex: analyse des tendances de performance pour différentes régions, en regard de la performance moyenne; Applica+ons typiques: Tableaux de bord, rapports paramétrables, alertes, etc. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 6

7 Cycle analy+que du BI 3. Déterminer les causes: Ques+on: «Pourquoi le problème survient- il?»; Ex: iden+fier les rela+ons et les interac+ons entre les variables ayant un impact sur le critère de performance; Peut nécessiter l acquisi+on de sources addi+onnelles de données (ex: géographiques, démographiques, etc.); Applica+ons type: OLAP, forage de données, etc. 4. Modéliser les alterna+ves: Ques+on: «Qu adviendrait- il aux résultats si une certaine décision était prise?»; Ex: prédire les revenus et le taux de réten+on des clients pour la prochaine année si telle promo+on était lancée; Applica+ons type: analyse prédic+ve, forage de données, etc. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 7

8 Cycle analy+que du BI 5. Agir et faire le suivi des résultats: Prendre la décision la plus profitable à l entreprise, selon les scénarios prédits à l étape précédente; Mekre à jour les objec+fs d affaires pour correspondre à ceux du scénario sélec+onné; Faire le suivi des résultats futurs en fonc+on de ces nouveaux objec+fs d affaires (étape 1 du prochain cycle). Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 8

9 Types d analyses en BI BI stratégique: Analyse les tendances d affaires selon une certaine métrique (ex: ventes, dépenses); Concerne les objec+fs à long- terme de l entreprise; S applique surtout aux analystes d affaires de l entreprise; BI tac+que: Fournit des métriques de performance (ex: scorecards); Concerne les objec+fs à court- terme de l entreprise; S applique surtout aux ges+onnaires et cadres supérieurs. BI opéra+onnel: Fournit du support informa+onnel aux points d affaires de l entreprise (ex: support à la clientèle); Concerne l état opéra+onnel de l entreprise. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 9

10 Types d analyses en BI Type d'applica+on Type d'u+lisa+on Type d'analyse Requêtes à accès direct, repor+ng, data mining Accès ad- hoc Stratégique Portail de BI Rapports standards Applica+ons analy+ques Accès appui- boutons Tableaux de bords et scorecards BI opéra+onnel Repor+ng opéra+onnel Tac+que Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 10

11 Complexité des applica+ons BI Complexité et u+lisa+on: Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 11

12 Ques+ons Pourquoi la concep+on d applica+ons de BI est- elle importante? Quels sont les critères à considérer lors de la concep+on d applica+ons BI? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 12

13 Concep+on d applica+ons BI Importance: La plupart des u+lisateurs finaux ne voit que ceke par+e de l'entrepôt de données; Critères de concep+on: Validité: les applica+ons doivent fournir de l'informa+on correcte et précise aux u+lisateurs; Performance: le délai de réponse aux requêtes des u+lisateurs doit être court (ex: moins de 5 secondes); Convivialité: les u+lisateurs moins expérimentés doivent être en mesure de pouvoir u+liser le système (ex: rapport en 10 clics ou moins); Apparence: l'interface des ou+ls et rapports doit être aqrant; Maintenabilité: les applica+ons doivent être suffisamment documentées et un plan d'améliora+on doit être en place. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 13

14 Ques+ons Quels les principales caractéris+ques des applica+ons BI suivantes: Requêtes ad- hoc; Analyse mul+- dimensionnelle (OLAP); Repor+ng; Tableaux de bord; Scorecards; À quels besoins répondent ces différentes applica+ons? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 14

15 Ges+on des requêtes: Requêtes ad- hoc Défini+on des requêtes: Traduire les besoins d affaires dans la syntaxe de requête (ex: SQL, MDX, etc.). Simplifica+on des requêtes: Rendre la complexité des données transparente aux u+lisateurs (ex: défini+on de vues). Réécriture des requêtes: Transformer les requêtes pour tenir compte de l emplacement des données (ex: BD différentes), et op+miser celles- ci pour accélérer leur exécu+on. U+liser les tables de faits agrégées lorsque possible pour accélérer les requêtes. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 15

16 Requêtes ad- hoc Ges+on des requêtes (suite): Exécu+on des requêtes: Obtenir les résultats de manière efficace et sécuritaire. Présenta+on des résultats: Offrir différentes manières de visualiser les résultats (ex: tableau croisé, graphique, etc.). Gouvernance des requêtes: Surveiller les requêtes probléma+ques, réu+liser les requêtes fréquentes, etc. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 16

17 Requêtes ad- hoc Exemple de requête simple: Table Vente noclient noarticle datevente montant /01/ /01/ /01/ /01/ /01/ /01/ /02/ /02/ /02/ /03/ /03/ SELECT noclient,noarticle,sum(montant)! FROM Vente! GROUP BY noclient,noarticle!! NOCLIENT NOARTICLE SUM(MONTANT)! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 17

18 Requêtes ad- hoc Exemple de requête simple: Tableau croisé!! noarticle*!! 10! 20! 40! 50! 60!! 1! 500! 200! 100! 200! 200! noclient* 2! 700! 300! 0! 0! 400!! 3! 1000! 400! 100! 200! 0!! 4! 300! 0! 0! 0! 500!! Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 18

19 Requêtes ad- hoc Fonc+ons analy+ques Oracle: SELECT noclient, datecommande, montant, SUM(montant) OVER (! PARTITION BY noclient! ORDER BY datecommande! ROWS UNBOUNDED PRECEDING) AS montantcumulatifduclient! FROM Vente! ORDER BY noclient, datecommande!! NOCLIENT DATECOMMAN MONTANT MONTANTCUMULATIFDUCLIENT! ! 1 10/01/ ! 1 15/01/ ! 1 25/02/ ! 1 04/03/ ! 1 10/04/ ! 1 15/04/ ! 1 05/06/ ! 2 10/01/ ! 2 16/01/ ! 2 20/02/ ! 2 15/03/ ! 2 20/05/ ! 2 05/06/ ! 3 10/01/ ! 3 15/01/ ! 3 05/04/ ! 3 06/04/ ! 3 25/05/ ! 4 20/02/ ! 4 04/03/ ! 4 15/03/ ! Requête: Montant cumula+f par client. Par++on: Fonc+on appliquée par groupes de clients; ORDER BY et ROWS UNBOUNDED PRECEDING: Fonc+on appliquée dans une fenêtre allant de la ligne courante jusqu au début de la table, où les lignes sont en ordre de date. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 19

20 Analyse mul+dimensionnelle (OLAP) Caractéris+ques: Représente les données sous la forme d un cube mul+dimensionnel (hypercube) où chaque coté est une dimension d analyse et chaque case une métrique; Permet de visualiser des données sous la forme de tableaux croisés appelés pivots; Permet de détailler les données à l aide des opéra+ons de découpage: slice et dice; Permet de naviguer une hiérarchie dimensionnelle à l aide des opéra+ons drill- down et roll- up. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 20

21 Analyse mul+dimensionnelle (OLAP) Exemple de cube: Table Vente noclient noarticle datevente montant /01/ /01/ /01/ /01/ /01/ /01/ /02/ /02/ /02/ Article Client Date /03/ /03/ Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 21

22 Analyse mul+dimensionnelle (OLAP) Opéra+ons sur le cube: Rotate: sélec+onne le pivot d analyse en faisant tourner le cube; Slice: extrait une tranche du cube, c est- à- dire, un sous- ensemble des valeurs du cube correspondant à une certaine valeur d une des dimensions non- découpées; Dice: provient de l applica+on de l opéra+on slice sur plus d une dimension; Drill- down: permet de détailler les données en descendant le niveau hiérarchique d une dimension; Roll- up (drill- up): permet d agréger les données en augmentant le niveau hiérarchique d une dimension; Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 22

23 Ques+on Comment fait- on ces opéra+ons en SQL: Rotate? Slice? Drill- down? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 23

24 Analyse mul+dimensionnelle (OLAP) Hiérarchie du cube (treillis): Article Date Client Article Date Article Date Article Date Client Client Client Article Date Article Date Article Date Client Client Client Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 24 Article Client Date

25 Analyse mul+dimensionnelle (OLAP) Clause CUBE (SQL99): SELECT noclient,noarticle,sum(montant)! FROM Vente! GROUP BY CUBE(noClient,noArticle)!! NOCLIENT NOARTICLE SUM(MONTANT)! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! 4 800! ! ! ! ! ! 5100! Article Article Client Client Date Date Article Article Client Client Date Date Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 25

26 Analyse mul+dimensionnelle (OLAP) Clause CUBE (SQL99): noarticle total noclient total Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 26

27 Analyse mul+dimensionnelle (OLAP) Clause ROLLUP (SQL99): SELECT noclient,noarticle,sum(montant)! FROM Vente! GROUP BY ROLLUP(noClient,noArticle)!! NOCLIENT NOARTICLE SUM(MONTANT)! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! 4 800! 5100! Article Article Article Client Client Date Date Date Client Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 27

28 Exemple OLAP graphique (Palo- Pivot) Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 28

29 Rapports vs requêtes: Repor+ng Les informa+ons sont envoyées à l usager (mode push), contrairement aux requêtes (mode pull); Le format des rapports est souvent prédéfini et peu flexible; Les u+lisateurs ont moins de contrôle sur les données présentées; Nécessitent peu de connaissances techniques et d interac+on de la part des u+lisateurs; Sont normalement présentés dans un format facilitant la lecture. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 29

30 Ges+on des rapports: Repor+ng Rapports préformatés: Fournir une libraire de rapports fréquemment employés avec une descrip+on de leur contenu. Exemples: Ventes YTD vs ventes prédites; Taux mensuel d akri+on par plan de service; Taux de réponses courrier par promo+on par produit; etc. Rapports paramétrables: Offrir la possibilité de modifier facilement le contenu du rapport à l aide de paramètres (ex: choix d un produit, d une région, etc.) Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 30

31 Repor+ng Ges+on des rapports (suite): Concep+on simple: Permekre aux u+lisateurs de pouvoir créer facilement de nouveaux rapports à l aide d une interface conviviale. Exécu+on sur le serveur: Éviter de surtaxer l ordinateur de l u+lisateur en exécutant le rapport sur un serveur dédié. Rapports cédulés: Permekre aux u+lisateurs de céduler l envoi de rapports à des intervalles ou lors d événements prédéterminés. Méthode d envoi: Permekre aux u+lisateurs de choisir comment le rapport leur est envoyé (ex: courriel, page Web, etc.). Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 31

32 Repor+ng Format des rapports: Nom et +tre; Corps du rapport: Jus+fica+on des données; Précision d affichage des données numériques; Format des +tres de colonnes et rangées; Couleurs de remplissage des cellules; etc. Entête de haut et bas de page: Paramètres u+lisés; Catégorie de naviga+on; Numéro de page; Date et heure de généra+on du rapport; Sources de données u+lisées; etc. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 32

33 Exemple de créa+on de rapport (Pentaho report deisgner) Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 33

34 Tableaux de bords Caractéris+ques: Mekent en valeur les indicateurs de performance et les problèmes à l aide d éléments visuels: Graphiques (ex: courbes, tarte, etc.); Jauges (ex: profits par u+lisateur); Feux de circula+on (ex: rouge signifie problème); Requièrent très peu de connaissances techniques de la part des u+lisateurs; Combinent les données de divers systèmes pour offrir une vue unifiée de haut niveau de l entreprise; Tiennent souvent compte des changements ponctuels des données (ex: rafraichissement des éléments visuels à intervalles réguliers). Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 34

35 Exemple de tableau de bord (MicroStrategy) Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 35

36 Défini+on: Indicateurs clés de performance Mesures permekant d évaluer la performance d une entreprise et le progrès réalisé dans l akeinte de ses objec+fs d affaires. Caractéris+ques: Mesurables; Faciles à comprendre; Reliés à des objec+fs d affaires concrets; Balancés (pas en compé++on); Décidés par les ges+onnaires et la haute direc+on; Associés à des individus responsables de leurs résultats. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 36

37 Ques+on Indicateurs clés de performance: En marke+ng? Au niveau de la produc+on? Dans le domaine académique? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 37

38 Exemples: Indicateurs clés de performance Marke<ng et ventes Nombre de nouveaux clients acquis Nombre de clients perdus (akri+on) Profits par segments de la popula+on Nombre de clients en défaut de paiement Taux de réponse à une campagne Produc<on % du temps u+lisé à la produc+on % de composantes défectueuses Temps total pour un cycle Taux de rejet Ges<on de projet Valeur acquise (% complété x Valeur es+mée) Temps es+mé avant complé+on $ dépensé par mois Temps moyen pour livraison Overhead (frais généraux) de projet Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 38

39 Indicateurs clés de performance Domaine universitaire: Source: Université de Lancaster, UK Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 39

40 Ques+on Qu est- ce qu un (balanced) scorecard? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 40

41 Scorecards Business Performance Management (BPM): «Ensemble de processus d affaires, de méthodologies, de métriques et de technologies employées par les entreprises pour mesurer, monitorer et gérer la performance d affaires», Gartner. Se base sur un ensemble d indicateurs clé de performance (KPI) caractérisant les objec+fs stratégiques; Repose en grande par+e sur les technologies de BI, mais intègre des concepts addi+onnels comme la planifica+on stratégique; Scorecard (tableau de bord prospechf): Offre une représenta+on graphique des KPI en comparaison avec les valeurs cibles de l entreprise; Les valeurs sont comparées pour un certain nombre de périodes historiques (ex: dix derniers trimestres). Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 41

42 Scorecards Balanced Scorecard (R. Kaplan et D. Norton): Met l accent sur la no+on d équilibre: Équilibre entre les objec+fs à court et à moyen/long terme; Équilibre entre les indicateurs financiers et non- financiers; Équilibre entre les indicateurs qui mesurent la performance passée et les indicateurs "prospec+fs"; Équilibre entre la percep+on externe et la performance réalisée en interne. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 42

43 Exemple de scorecard Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 43

44 Le langage MulHDimensional expressions (MDX) Inspiré du livre: MicrosoK SQL Server 2008 MDX Step by Step, par Brian C. Smith et Ryan Clay Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 44

45 Présenta+on de MDX Langage de requête conçu pour rechercher et manipuler l'informa+on dans les cubes OLAP; Proposé par Microso en 1997 dans leur BD OLE ; Standardisé dans la norme XML AnalyHque (XMLA); Employé dans différents produits: Microso SQL Server; SAP Netweaver BI; Hyperion Essbase; SAS OLAP Server; etc. AQen<on: Ne pas confondre avec SQL, même si certains éléments syntaxiques sont similaires. Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 45

46 Présenta+on de MDX Akributs dimensionnels (deux catégories): AQributs- hiérarchies (aqribute- hierarchy): U+lisés pour filtrer ou agréger les données; Ex (dim. Produit): Catégorie, Sous- catégorie, Produit, etc. Une hiérarchie à deux niveaux est associée automa+quement à chacun de ces akributs; Propriétés (member property) U+lisés uniquement pour décrire les données; Ex (dim. Produit): Descrip+on, Prix unitaire, etc. Exemple: akribut- hiérarchie Catégorie Tous les produits Niveau 0: (Tous) Accessoires Composantes Vélos Vêtements Niveau 1: (Feuilles) Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 46

47 Présenta+on de MDX Hiérarchies u+lisateur (user hierarchies): Permekent de définir des rela+ons hiérarchiques à plusieurs niveaux entre des akributs dimensionnels; Exemple: hiérarchie u+lisateur Catégorie- Produits Tous les produits Niveau 0: (Tous) Accessoires Composantes Vélos Vêtements Niveau 1: Catégorie Vélos Montagne Vélos Route Vélos Tourisme Niveau 2: Sous- catégorie... Road- 250 Black... Niveau 3: Produit Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 47

48 Mesures de faits: Présenta+on de MDX Séparées dans le cube à l'aide d'une dimension addi+onnelle Mesure Dim Date Dim Client Dim Produit Date Client Produit... totalavanttaxes taxes rabais total... Date Client Produit... Mesure valeur Dim Date Dim Client Dim Produit Dim Mesure Mesure Cube OLAP Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 48

49 Présenta+on de MDX Membres: Valeurs que peuvent prendre un akribut- hiérarchie; Ex: Membres de l'akribut- hiérarchie Catégorie sont: {Tous les produits, Accessoires, Vélos, Vêtements, Composantes} Sont référencés comme : [Dimension].[Hiérarchie].[Membre] ou pour les hiérarchies u+lisateur: [Dimension].[Hiérarchie].[Niveau].[Membre] Exemples: [Produit].[Catégorie].[Tous les produits] [Produit].[Catégorie].&[1] (référence avec la clé du membre) [Produit].[Catégorie- Produits].[Sous- Catégorie].[Vélos Route] Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 49

50 Tuples: Présenta+on de MDX Coordonnées iden+fiant la posi+on d'une case (cell) dans le cube OLAP Requièrent une valeur (membre) pour chaque akribut- hiérarchie de chaque dimension Exemple (deux dimensions + Mesure): Dim Date Année fiscale Année calendrier Tuples par+els: Les valeurs de certains akributs- hiérarchies sont manquantes Exemple: Dim Produit Catégorie Sous- catégorie Tuple valide: ( [Date].[Année fiscale].[toutes périodes], [Date].[Année calendrier].[cy2013], [Produit].[Catégorie].[Vélos], [Produit].[Sous- Catégorie].[Vélos Montagne], [Mesure].[Mesure].[Total] ) ( [Date].[Année calendrier].[cy2013], [Produit].[Sous- Catégories].[Vélos Montagne] ) Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 50

51 Présenta+on de MDX Résolu+on de tuples par+els: Pour chaque valeur manquante d'un akribut- hiérarchique, appliquer les règles suivantes: 1. Si une valeur par défaut existe (définie lors de la concep+on du cube), u+liser ceke valeur Exemple * : 2. Sinon, si le membre (Tous) existe, u+liser ceke valeur 3. Sinon, si le membre (Tous) n'existe pas (ex: dimension Mesure), u+liser le premier membre ( [Date].[Année calendrier].[y2013], [Produit].[Sous- Catégories].[Vélos Montagne] ) [Date].[Année fiscale]? [Produit].[Catégorie]? [Mesure].[Mesure] règle 2 *: On suppose qu'aucune valeur défaut n'a été spécifiée? règle 2 règle 3 [Date].[Année fiscale].[toutes périodes] [Date].[Catégorie].[Tous les produits] [Mesure].[Mesure].[TotalAvantTaxes] Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 51

52 Ensembles de tuples: Présenta+on de MDX Syntaxe: {tuple1, tuple2,... tuplen} Deux règles à suivre: 1. Les tuples d'un même ensemble doivent faire références aux mêmes hiérarchies; 2. Les hiérarchies doivent être dans le même ordre dans chaque tuple. Exemple (ensemble invalide): { ([Date].[Année calendrier].[cy2012], [Produit].[Catégorie].[Vélos]), ([Produit].[Sous- catégorie].[tous les produits], [Date].[Année calendrier].[cy2013]) } Exemple (ensemble valide): { ([Date].[Année calendrier].[cy2012], [Produit].[Catégorie].[Vélos]), ([Date].[Année calendrier].[cy2013], [Produit].[Catégorie].[Vêtements]) } Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 52

53 Requêtes OLAP de base: Slicer Interpréta+on de la requête: Présenta+on de MDX SELECT <EnsembleTuplesParHels1> ON COLUMNS, <EnsembleTuplesParHels2> ON ROWS FROM <Cube> WHERE <EnsembleTuplesParHels3> 1. On croise les ensembles 1 et 2 pour générer un tableau; 2. Chaque case du tableau con+ent la combinaison des valeurs d'un tuple par+el de l'ensemble 1 avec un tuple par+el de l'ensemble 2; 3. On combine chaque tuple par+el du tableau avec ceux de l'ensemble 3; 4. On complète les tuples à l'aide de la méthode de résolu+on; 5. Chaque case du tableau con+ent la valeur du cube OLAP référencée par son tuple. Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 53

54 Exemple de requête: Présenta+on de MDX SELECT { ([Mesure]. [Mesure].[Total]), ([Mesure].[Mesure].[Rabais]) } ON COLUMNS, { ([Produit].[Catégorie].[Tous les produits]), ([Produit].[Catégorie].[Accessoires]), ([Produit].[Catégorie].[Composantes]), ([Produit].[Catégorie].[Vélos]), ([Produit].[Catégorie].[Vêtements]) } ON ROWS FROM CubeVentes WHERE ([Date].[Année calendrier].[cy2011]) Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 54

55 Exemple de réponse: Présenta+on de MDX Total Rabais Tous les produits $808, $142, Accessoires $105, $5, Composantes $24, $ Vélos $451, $87, Vêtements $227, $49, tuple correspondant ( [Date].[Année fiscale].[toutes périodes], [Date].[Année calendrier].[cy2011], [Produit].[Catégorie].[Vêtements], [Produit].[Sous- Catégorie].[Tous les produits], [Mesure].[Mesure].[Total] ) Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 55

56 Présenta+on de MDX Écriture simplifiée: Raccourcis: S'il n'y a pas de conflits, on peut omekre de spécifier la hiérarchie et/ou le niveau dans la référence d'un membre; Mot clé Members: On ob+ent tous les membres d'une hiérarchie en mekant [Hiérarchie]. Members; Requête équivalente: SELECT { ([Mesure].[Total]), ([Mesure]. [Rabais]) } ON COLUMNS, { [Produit].[Catégorie].Members } ON ROWS FROM CubeVentes WHERE ([Date].[Année calendrier].[cy2011]) Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 56

57 Présenta+on de MDX Jointure: Fait avec la fonc+on crossjoin(set1,set2) ou l'opérateur '*': SELECT { ([Date].[Calendrier].[CY2010]), Ques<on: ([Date].[Calendrier].[CY2011]), Pourquoi la ligne Tous les produits ([Date].[Calendrier].[CY2012]) } * a- t- elle disparue? { ([Mesure].[Total]), ([Mesure]. [Rabais]) } ON COLUMNS, { [Produit].[Catégorie].[Catégorie].Members } ON ROWS FROM CubeVentes CY2010 CY2010 CY2011 CY2011 CY2012 CY2012 Total Rabais Total Rabais Total Rabais Accessoires $... $... $... $... $... $... Composantes $... $... $... $... $... $... Vélos $... $... $... $... $... $... Vêtements $... $... $... $... $... $... Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 57

58 Présenta+on de MDX Membres calculés (calculated members): Membres dérivés dynamiquement d'autres membres du cube OLAP Syntaxe: WITH MEMBER <référence membre> AS <expression>, FORMAT STRING = <format> Exemple: WITH MEMBER [Mesures].[PctRabais] AS ([Mesures].[Rabais]) / ([Mesures].[Total]), FORMAT_STRING="Percent" SELECT { ([Date].[Calendrier].[CY2010]), ([Date].[Calendrier].[CY2011]), ([Date].[Calendrier].[CY2012])} * { ([Mesure].[Total]), ([Mesure].[PctRabais]) } ON COLUMNS, { [Produit].[Catégorie].[Catégorie].Members } ON ROWS FROM CubeVentes Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 58

59 Résultats: Présenta+on de MDX CY2010 CY2010 CY2011 CY2011 CY2012 CY2012 Total PctRabais Total PctRabais Total PctRabais Accessoires $... %... $... %... $... %... Composantes $... %... $... %... $... %... Vélos $... %... $... %... $... %... Vêtements $... %... $... %... $... %... Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 59

60 Présenta+on de MDX Naviga+on dans une hiérarchie: CurrentMember: membre courant d'une hiérarchie, au moment où une expression est évaluée Parent: parent d'un membre évalué dans une expression Exemple: WITH MEMBER [Mesures].[NomParent] AS [Produit].[Catégorie- Produits].CurrentMember.Parent.Name MEMBER [Mesures].[PctDansParent] AS ([Mesures].[Total]) / ([Produit].[Catégorie- Produits].CurrentMember.Parent, [Mesures].[Total]), FORMAT_STRING="Percent" SELECT { ([Mesures].[NomParent], ([Mesures].[PctDansParent]) } ON COLUMNS, { [Produit].[Catégorie- Produits]. AllMembers} ON ROWS FROM CubeVentes Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 60

61 Résultats: Présenta+on de MDX NomParent PctDansParent Tous les produits (null) #inf Accessoires Tous les produits %... Porte- vélos Accessoires % Composantes Tous les produits %... Dérailleurs Composantes % Vélos Tous les produits %... Vélos Montagne Vélos % Vêtements Tous les produits %... Bas Vêtements % Département de génie logiciel et des TI MTI820 Hiver 2011 S. 7, C. Desrosiers 61

MTI820 Entrepôts de données et intelligence d affaires. Intégra*on des données et ETL

MTI820 Entrepôts de données et intelligence d affaires. Intégra*on des données et ETL MTI820 Entrepôts de données et intelligence d affaires Intégra*on des données et ETL Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 1 Le cycle de vie d un projet en BI

Plus en détail

OLAP : Mondrian + Pentaho. Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot

OLAP : Mondrian + Pentaho. Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot OLAP : Mondrian + Pentaho Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot Outils Open Source Mondrian : serveur OLAP JFreeReport : ou9l de «Repor9ng» KeHle

Plus en détail

2015-03- 09. Le cycle de vie d un projet en BI. Ques1on. Diagramme de flux de travail: Pourquoi est- il nécessaire de faire l intégra1on des données?

2015-03- 09. Le cycle de vie d un projet en BI. Ques1on. Diagramme de flux de travail: Pourquoi est- il nécessaire de faire l intégra1on des données? MTI820 Entrepôts de données et intelligence d affaires Intégra1on des données et ETL Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaIi, C. Desrosiers 1 Le cycle de vie d un projet en BI

Plus en détail

MTI820 Entrepôts de données et intelligence d affaires. Gouvernance des données et ges1on des données de référence

MTI820 Entrepôts de données et intelligence d affaires. Gouvernance des données et ges1on des données de référence MTI820 Entrepôts de données et intelligence d affaires Gouvernance des données et ges1on des données de référence 1 La gouvernance des données Défini1on: «Processus de supervision et de décision qui permet

Plus en détail

Entrepôt de données et l Analyse en ligne. Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot

Entrepôt de données et l Analyse en ligne. Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot Entrepôt de données et l Analyse en ligne Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot Déroulement du cours 17 janvier : cours et TD 20 janvier : cours?

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

Collabora'on IRISA/INRA sur le transfert de nitrates et l améliora'on de la qualité des eaux des bassins versants:

Collabora'on IRISA/INRA sur le transfert de nitrates et l améliora'on de la qualité des eaux des bassins versants: Collabora'on IRISA/INRA sur le transfert de nitrates et l améliora'on de la qualité des eaux des bassins versants: Tassadit BOUADI 22 Juin 2010, Saint Jacut 1 Plan Introduc

Plus en détail

Le cycle de vie d'un projet en intelligence d'affaires

Le cycle de vie d'un projet en intelligence d'affaires MTI820 Entrepôts de données et intelligence d affaires Le cycle de vie d'un projet en intelligence d'affaires Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 1 QuesKons

Plus en détail

EPITA. Bases de données 2 ème par4e AppIng2-2015 Session 2014. Alexandra Champavert. Copyright 2010-2014 Alexandra Champavert - 1 -

EPITA. Bases de données 2 ème par4e AppIng2-2015 Session 2014. Alexandra Champavert. Copyright 2010-2014 Alexandra Champavert - 1 - EPITA Bases de données 2 ème par4e AppIng2-2015 Session 2014 Alexandra Champavert - 1 - Contenu du cours Le datawarehouse Principes de modélisa=on (flocon, étoile) Les ETL Les fonc=onnalités propres à

Plus en détail

MTI820 Entrepôts de données et intelligence d affaires. Concep)on physique des données

MTI820 Entrepôts de données et intelligence d affaires. Concep)on physique des données MTI820 Entrepôts de données et intelligence d affaires Concep)on physique des données Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaFi, C. Desrosiers 1 Le cycle de vie d un projet en

Plus en détail

Bases de données multidimensionnelles OLAP

Bases de données multidimensionnelles OLAP Bases de données multidimensionnelles OLAP OLAP OLAP (On Line Analytical Processing): Ensemble des outils nécessaires pour l analyse multidimensionnelle. Les données sont historisées, résumées, consolidées.

Plus en détail

Nom du client. Date. Client Logo or project name

Nom du client. Date. Client Logo or project name Nom du client Date Client Logo or project name Presenta7on 7tle client name Date Linalis speaker Speaker 7tle Le Groupe Linalis Historique Crée en 2002 Présent en Suisse, France, au Royaume Uni et en Espagne

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

Introduction à Business Objects. J. Akoka I. Wattiau

Introduction à Business Objects. J. Akoka I. Wattiau Introduction à Business Objects J. Akoka I. Wattiau Introduction Un outil d'aide à la décision accès aux informations stockées dans les bases de données et les progiciels interrogation génération d'états

Plus en détail

SQL Server 2014 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services, Power BI...)

SQL Server 2014 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services, Power BI...) Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence

Plus en détail

Sommaire. Introduction. Opérations typiques. Langages. Architectures

Sommaire. Introduction. Opérations typiques. Langages. Architectures OLAP IED 2006-2007 Sommaire Introduction Opérations typiques Langages Architectures Introduction Contexte un entrepôt de données offre des données - nombreuses - homogènes - exploitables - multidimensionnelles

Plus en détail

Évolu>on et maintenance

Évolu>on et maintenance IFT3912 Développement et maintenance de logiciels Évolu>on et maintenance Bruno Dufour Université de Montréal dufour@iro.umontreal.ca Modifica>on des logiciels Les modifica>ons sont inévitables Des nouveaux

Plus en détail

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...) Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence

Plus en détail

Techniques d implémenta3on d OLAP

Techniques d implémenta3on d OLAP Techniques d implémenta3on d OLAP Introduc3on On a vu qu il existait 2 grandes alterna3ves : MOLAP = structure de données adhoc, pour le mul3dimensionnel. ROLAP = implémenta3on à l aide d un SGBD rela3onnel

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 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

Chapitre 1 «mes chiffres clés à portée de mains»

Chapitre 1 «mes chiffres clés à portée de mains» Chapitre 1 «mes chiffres clés à portée de mains» Le volume des données manipulées par les acteurs du tourisme est de plus en plus important. Au delà des données mé6ers qui se complexifient, les données

Plus en détail

Etude de faisabilité visant à mettre en place un entrepôt de données sur les données de l IFN. Analyser et Explorer avec une grande interactivité

Etude de faisabilité visant à mettre en place un entrepôt de données sur les données de l IFN. Analyser et Explorer avec une grande interactivité Établissement chargé de réaliser l inventaire permanent du patrimoine forestier sur tout le territoire métropolitain indépendamment de toute question de propriété. Parmi ces objectifs: Connaissance de

Plus en détail

Créer le modèle multidimensionnel

Créer le modèle multidimensionnel 231 Chapitre 6 Créer le modèle multidimensionnel 1. Présentation de SSAS multidimensionnel Créer le modèle multidimensionnel SSAS (SQL Server Analysis Services) multidimensionnel est un serveur de bases

Plus en détail

Gouvernance et étude de l impact du changement des processus mé6ers sur les architectures orientées services

Gouvernance et étude de l impact du changement des processus mé6ers sur les architectures orientées services Gouvernance et étude de l impact du changement des processus mé6ers sur les architectures orientées services 30/10/2012 u Soutenance de thèse Karim DAHMAN François CHAROY Claude GODART Evolu1ons des processus

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 5 - MDX

BI = Business Intelligence Master Data-ScienceCours 5 - MDX BI = Business Intelligence Master Data-Science Cours 5 - MDX UPMC 23 février 2015 Plan Vision générale ETL Datawarehouse OLAP Reporting Data Mining Définition OLAP En informatique, et plus particulièrement

Plus en détail

DOCUMENTATION KAPTravel Module de gestion des appels de disponibilité

DOCUMENTATION KAPTravel Module de gestion des appels de disponibilité DOCUMENTATION KAPTravel Module de gestion des appels de disponibilité 01/06/15 KAPT Tous Droits Réservés 2 PRÉSENTATION Ce+e présenta3on va vous perme+re de prendre en main la plateforme de ges3on KAPTravel

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 4 - OLAP

BI = Business Intelligence Master Data-ScienceCours 4 - OLAP BI = Business Intelligence Master Data-Science Cours 4 - OLAP UPMC 15 février 2015 Plan Vision générale ETL Datawarehouse OLAP Reporting Data Mining Entrepôt de données Les entrepôts de données (data warehouse)

Plus en détail

Action de formation: SQL Server Business Intelligence & Data Warehouse

Action de formation: SQL Server Business Intelligence & Data Warehouse Action de formation: SQL Server Business Intelligence & Data Warehouse Contenu : Integration Services Présentation de Management Studio - Présenter les différentes tâches de SSMS - Structure des serveurs

Plus en détail

2014/2015. Rapport 4 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ENCADRE PAR : MME L.LAMRINI ANOUAR OUFQIR SMARTSIR

2014/2015. Rapport 4 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ENCADRE PAR : MME L.LAMRINI ANOUAR OUFQIR SMARTSIR 2014/2015 Rapport 4 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ENCADRE PAR : ANOUAR OUFQIR MME L.LAMRINI SMARTSIR Table des matières Introduction... 2 Choix de l outil pour

Plus en détail

Chapitre 1 «mes chiffres clés à portée de mains»

Chapitre 1 «mes chiffres clés à portée de mains» Chapitre 1 «mes chiffres clés à portée de mains» Le volume des données manipulées par les acteurs du tourisme est de plus en plus important. Au delà des données mé6ers qui se complexifient, les données

Plus en détail

TP Informatique Décisionnelle. OLAP : Mondrian et Pentaho. 1. Télécharger la version libre de Pentaho sur :

TP Informatique Décisionnelle. OLAP : Mondrian et Pentaho. 1. Télécharger la version libre de Pentaho sur : PARTIE 1 : Installer et lancer Pentaho sur Mac TP Informatique Décisionnelle OLAP : Mondrian et Pentaho 1. Télécharger la version libre de Pentaho sur : http://sourceforge.net/projects/pentaho/files/business%20intelligence%20server/

Plus en détail

Séminaire Aristote - 11 avril 2012 Jedeclare.com d'un Portail Déclara:f à une Plate- forme globale de dématérialisa:on au service d'une profession

Séminaire Aristote - 11 avril 2012 Jedeclare.com d'un Portail Déclara:f à une Plate- forme globale de dématérialisa:on au service d'une profession Séminaire Aristote - 11 avril 2012 Jedeclare.com d'un Portail Déclara:f à une Plate- forme globale de dématérialisa:on au service d'une profession Stéphane Gasch Directeur des études informa:ques du CSOEC

Plus en détail

2 Serveurs OLAP et introduction au Data Mining

2 Serveurs OLAP et introduction au Data Mining 2-1 2 Serveurs OLAP et introduction au Data Mining 2-2 Création et consultation des cubes en mode client-serveur Serveur OLAP Clients OLAP Clients OLAP 2-3 Intérêt Systèmes serveurs et clients Fonctionnalité

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

Accélérateur de votre RÉUSSITE

Accélérateur de votre RÉUSSITE Accélérateur de votre RÉUSSITE SAP Business Objects est une suite décisionnelle unifiée et complète qui connecte ses utilisateurs en éliminant les difficultés d accès à l information. Mobile Devices Browsers

Plus en détail

Projet. Rappel VBA. Manuele Kirsch Pinheiro - UP1 / CRI / UFR06 Ges>on 28/02/15

Projet. Rappel VBA. Manuele Kirsch Pinheiro - UP1 / CRI / UFR06 Ges>on 28/02/15 Projet Rappel VBA 28/02/15 1 VBA : quoi & pourquoi? VBA : quoi? Langage et environnement de programma>on Orienté Objets A5aché aux documents MS Office VBA : pourquoi? Associer un comportement ac=f à des

Plus en détail

PLATEFORME DE GESTION DE CONGRÈS SCIENTIFIQUES. h"p://www.sciencesconf.org

PLATEFORME DE GESTION DE CONGRÈS SCIENTIFIQUES. hp://www.sciencesconf.org PLATEFORME DE GESTION DE CONGRÈS SCIENTIFIQUES h"p://www.sciencesconf.org ! Sommaire Introduc9on Le portail Sciencesconf.org L espace conférence Site web Inscrip9on Ges9on scien9fique Soumission Sélec9on

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 Extrait Alimenter l'entrepôt de données avec SSIS Business

Plus en détail

Les entrepôts de données et l analyse de données

Les entrepôts de données et l analyse de données LOG660 - Bases de données de haute performance Les entrepôts de données et l analyse de données Quelques définitions Entreposage de données (data warehousing): «La copie périodique et coordonnée de données

Plus en détail

Présentation Level5. Editeur de Logiciels. «If it s not monitored, it s not in production» Theo Schlossnagle #velocityconf

Présentation Level5. Editeur de Logiciels. «If it s not monitored, it s not in production» Theo Schlossnagle #velocityconf Editeur de Logiciels Présentation Level5 «If it s not monitored, it s not in production» Theo Schlossnagle #velocityconf «If you can not measure it, you can not improve it» Lord Kelvin vous accompagne

Plus en détail

BUSINESS OBJECTS V5 / V6

BUSINESS OBJECTS V5 / V6 BUSINESS OBJECTS V5 / V6 Durée Objectif 2 jours L objectif de ce cours est de savoir utiliser le logiciel BUSINESS OBJECTS pour faire des interrogations multi - dimensionnelles sur les univers BO et de

Plus en détail

Business Intelligence (BI) Stratégie de création d un outil BI

Business Intelligence (BI) Stratégie de création d un outil 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 indispensable, sous plusieurs

Plus en détail

Architecture des entrepôts de données

Architecture des entrepôts de données MTI820 Entrepôts de données et intelligence d affaires Architecture des entrepôts de données Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 1 Le cycle de vie d un projet

Plus en détail

SQL SERVER 2008, BUSINESS INTELLIGENCE

SQL SERVER 2008, BUSINESS INTELLIGENCE SGBD / Aide à la décision SQL SERVER 2008, BUSINESS INTELLIGENCE Réf: QLI Durée : 5 jours (7 heures) OBJECTIFS DE LA FORMATION Cette formation vous apprendra à concevoir et à déployer une solution de Business

Plus en détail

BTS NRC Négocia(on et rela(on client et passerelles mé1ers en Mutualité

BTS NRC Négocia(on et rela(on client et passerelles mé1ers en Mutualité BTS NRC Négocia(on et rela(on client et passerelles mé1ers en Mutualité BTS Négocia,on et Rela,on Cleint Le BTS NRC forme des vendeurs et des managers commerciaux capables de gérer la rela1on client dans

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

New Features. Developed by. BPM Conseil - SARL au capital de 70 000 euros - RCS LYON 479 400 129 9, rue Pierre Blanc - 69001 Lyon - France 1/20

New Features. Developed by. BPM Conseil - SARL au capital de 70 000 euros - RCS LYON 479 400 129 9, rue Pierre Blanc - 69001 Lyon - France 1/20 5 New Features Developed by 1/20 Sommaire 1 Introduction... 3 2 Evolutions des studios de développement et améliorations fonctionnelles... 5 3 Portail Vanilla... 6 3.1 Open Street Maps... 6 3.2 Gestion

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

AIDE EN LIGNE. Espace Récep0f

AIDE EN LIGNE. Espace Récep0f AIDE EN LIGNE Espace Récep0f 1 2 3 4 5 Page d authen,fica,on Votre nouvel espace récep,f Mode recherche de produits Explorez votre catalogue produits Modifica,on d un produit La créa,on de nouveaux produits

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

Simula'on virtuelle appliquée aux industries pharmaceu'ques. nouvelles manières d enseigner les GMP

Simula'on virtuelle appliquée aux industries pharmaceu'ques. nouvelles manières d enseigner les GMP Simula'on virtuelle appliquée aux industries pharmaceu'ques 6 nouvelles manières d enseigner les GMP Le Contexte Former et évaluer les personnels de ZAC est complexe. Les sujets à traiter sont souvent

Plus en détail

Les méthodes Agiles. Introduc)on aux méthodes Agiles Exemple : Scrum

Les méthodes Agiles. Introduc)on aux méthodes Agiles Exemple : Scrum Les méthodes Agiles Introduc)on aux méthodes Agiles Exemple : Scrum Défini)on de base Les méthodes Agiles sont des procédures de concep)on de logiciel qui se veulent plus pragma)ques que les méthodes tradi)onnelles

Plus en détail

Speed up your business

Speed up your business Speed up your business 1 Sommaire 1. Un concept innovant de communica3on cross media 2. Les Ou3ls UpMyCom a. Plateforme de Blog b. Plateforme de Quiz - Communica3on externe - Communica3on interne c. Jeux

Plus en détail

L observa*on du développement de l enfant dans ses jeux symboliques

L observa*on du développement de l enfant dans ses jeux symboliques L observa*on du développement de l enfant dans ses jeux symboliques Sarah Landry, Ph. D. Professeure- chercheuse Faculté des sciences de l éduca*on Université de Montréal Courriel: sarah.landry@umontreal.ca

Plus en détail

Le logiciel sur tablette qui révolutionne la gestion de chantier

Le logiciel sur tablette qui révolutionne la gestion de chantier Le logiciel sur tablette qui révolutionne la gestion de chantier Rendez-vous sur www.batiscript.com Avant-propos 2 «Notre objec*f est de contribuer à l améliora*on de la produc*vité et des condi*ons de

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

Se former aux méthodes et outils

Se former aux méthodes et outils Se former aux méthodes et outils du développement commercial Les ouls concrets du développement commercial La forma!on débute par 4 demi-journées où nous abordons les fondamentaux du développement commercial

Plus en détail

Agenda. Salon du BI, 9 avril 2008

Agenda. Salon du BI, 9 avril 2008 Salon du BI, 9 avril 2008 Guy Bourassa SSQ Groupe financier Architecte en entrepôt de données Développement et intégration des systèmes - Assurance collective Agenda SSQ en deux mots L historique du BI

Plus en détail

2014/2015 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ANOUAR OUFQIR ENCADRE PAR : MME L. LAMRINI

2014/2015 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ANOUAR OUFQIR ENCADRE PAR : MME L. LAMRINI 2014/2015 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ANOUAR OUFQIR ENCADRE PAR : MME L. LAMRINI Table des matières 1. Bilan de la séance de Lundi 09 Mars 2015... 2 2. Présentation

Plus en détail

SQL Server 2014. SQL Server 2014. Implémentation d une solution. Implémentation d une solution de Business Intelligence.

SQL Server 2014. SQL Server 2014. Implémentation d une solution. Implémentation d une solution de Business Intelligence. Ce livre sur s adresse à toutes les personnes désireuses de mettre en œuvre les techniques de l informatique décisionnelle (ou BI, Business Intelligence) à l aide des composants de la suite Microsoft :

Plus en détail

LE MOBILE B2B : UN LEVIER BUSINESS INSOUPÇONNÉ

LE MOBILE B2B : UN LEVIER BUSINESS INSOUPÇONNÉ PARTENAIRES MOBILITE LE MOBILE B2B : UN LEVIER BUSINESS INSOUPÇONNÉ PROGRAMME Le mobile B2B est un sujet extrêmement large qui recouvre de nombreux thèmes. Nous aborderons les probléma(ques liées aux offres

Plus en détail

Entreposage, analyse en ligne et fouille de données

Entreposage, analyse en ligne et fouille de données Entreposage, analyse en ligne et fouille de données Houssem Jerbi IRIT - SIG/ED jerbi@irit.fr Journée COMPIL " Bases de Données" 14/12/2010 PLAN Introduction Bases de données Entrepôt de données Technologie

Plus en détail

CONNECTEUR QLIKVIEW POUR INFORMATICA POWERCENTER

CONNECTEUR QLIKVIEW POUR INFORMATICA POWERCENTER CONNECTEUR QLIKVIEW POUR INFORMATICA POWERCENTER Tirer pleinement profit de l ETL d Informatica à l aide d une plate-forme de Business Discovery rapide et flexible De plus en plus d entreprises exploitent

Plus en détail

Compte rendu de créa/on : Hupareel, un projet géolocalisé en réalités alternées?

Compte rendu de créa/on : Hupareel, un projet géolocalisé en réalités alternées? Compte rendu de créa/on : Hupareel, un projet géolocalisé en réalités alternées? Défini'on ini'ale du projet Extrait du scénario de mai 2013 : «Hupareel est le projet d'un jeu en réalités alternées entre

Plus en détail

DEVELOPPEMENT D APPLICATIONS WEB & MOBILE

DEVELOPPEMENT D APPLICATIONS WEB & MOBILE DEVELOPPEMENT D APPLICATIONS WEB & MOBILE QUI SOMMES NOUS? Thot'em Interac.f est une société de services proposant des presta.ons de développement, d'hébergement et de maintenance de sites Internet et

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

Oracle Décisionnel : Modèle OLAP et Vue matérialisée D BILEK

Oracle Décisionnel : Modèle OLAP et Vue matérialisée D BILEK Oracle Décisionnel : Modèle OLAP et Vue matérialisée SOMMAIRE Introduction Le modèle en étoiles Requêtes OLAP Vue matérialisée Fonctions Roll up et Cube Application Introduction Data Warehouse Moteur OLAP

Plus en détail

1 Introduction. Business Intelligence avec SharePoint Server 2010

1 Introduction. Business Intelligence avec SharePoint Server 2010 Business Intelligence avec SharePoint Server 2010 1 Introduction Dans le chapitre précédent, nous avons créé une collection de sites et activé les fonctions de restitution décisionnelles du serveur SharePoint

Plus en détail

Annexe. Méthodologie de mise en œuvre d un projet BusinessObjects

Annexe. Méthodologie de mise en œuvre d un projet BusinessObjects Annexe Méthodologie de mise en œuvre d un projet BusinessObjects 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

Plus en détail

Bap$ste Morin Etude d approfondissement RICM 5

Bap$ste Morin Etude d approfondissement RICM 5 Bap$ste Morin Etude d approfondissement RICM 5 Déroulement Présenta)on Principaux services Principe Providers Evolu)on 2 Déroulement Présenta)on Principaux services Principe Providers Evolu)on 3 Présenta$on

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

Recherche mul*média et indexa*on séman*que

Recherche mul*média et indexa*on séman*que Recherche mul*média et indexa*on séman*que Stephane Ayache ESIL MIRA 3 ème année Objec*fs du cours Mise en œuvre d un moteur de recherche MM Stockage Organisa*on des indexes en BD Métadonnées Algorithmes

Plus en détail

Document d aide à la découverte de l outil d analyse de données Analyza. SOMMAIRE

Document d aide à la découverte de l outil d analyse de données Analyza. SOMMAIRE Guide Analyza Document d aide à la découverte de l outil d analyse de données Analyza. SOMMAIRE 1. Interface 2. Tableaux de bord 3. Indicateurs 4. Filtres 5. Permissions 6. Alertes 7. Flux de données 8.

Plus en détail

Solutions et Services. d'analyse prédictive

Solutions et Services. d'analyse prédictive ProbaYes Mastering Uncertainty Solutions et Services d'analyse prédictive Mai 2013 Copyright 2013 Probayes All Rights Reserved 1 Présenta)on Probayes Créée en 2003 Basée en France (Grenoble) Spin-off de

Plus en détail

Présenta6on Isatech. ERP, Décisionnel, Architecture Systèmes & Réseaux. Isatech Tous droits réservés Page 1

Présenta6on Isatech. ERP, Décisionnel, Architecture Systèmes & Réseaux. Isatech Tous droits réservés Page 1 Présenta6on Isatech ERP, Décisionnel, Architecture Systèmes & Réseaux Isatech Tous droits réservés Page 1 L offre globale Couvrir l intégralité de la chaîne du SI Isatech Tous droits réservés Page 2 Isatech

Plus en détail

Déroulement de la présentation

Déroulement de la présentation Veille technologique portant sur le mariage judicieux de l intelligence d affaires et l information géospatiale Colloque Géomatique 2009, Montréal Marie-Josée Proulx, M.Sc., Présidente-directrice générale

Plus en détail

MyCloud3D ou la 3D au service de l immobilier. 11/10/2013 MyCloud3D FF2i 1

MyCloud3D ou la 3D au service de l immobilier. 11/10/2013 MyCloud3D FF2i 1 MyCloud3D ou la 3D au service de l immobilier 1 MyCloud3D en un clin d oeil : une jeune pousse innovante Créée en Mars 2013, MyCloud3D est une société spécialisée dans la créa3on de contenus 3D diffusés

Plus en détail

Sécurité civile : Faites travailler la technologie pour vous!

Sécurité civile : Faites travailler la technologie pour vous! Sécurité civile : Faites travailler la technologie pour vous! Présentateur Joël Villeneuve Vice- président, Vente et Marke:ng Josée Boudreault Directrice stratégique L internet n a pas changé que les TIC,

Plus en détail

MYXTRACTION. 2009 La Business Intelligence en temps réel

MYXTRACTION. 2009 La Business Intelligence en temps réel MYXTRACTION 2009 La Business Intelligence en temps réel Administration Qui sommes nous? Administration et management des profils Connecteurs Base des données Gestion des variables et catégories de variables

Plus en détail

«COMMUNICATION ET PRÉSENTATION DE PROJET»

«COMMUNICATION ET PRÉSENTATION DE PROJET» «COMMUNICATION ET PRÉSENTATION DE PROJET» Chefs de projet ou toute personne ayant à communiquer en publique Comprendre et u,liser la communica,on non verbale Comprendre et u,liser le communica,on verbale

Plus en détail

BTS Assurance et passerelles mé2ers en Mutualité

BTS Assurance et passerelles mé2ers en Mutualité BTS Assurance et passerelles mé2ers en Mutualité Le BTS Assurance vous prépare à exercer des responsabilités dans le domaine de la souscrip2on des assurances ou du règlement des sinistres Lieux d exercice

Plus en détail

Training Calendrier. Avril Septembre 2007

Training Calendrier. Avril Septembre 2007 Training Calendrier Avril Septembre 2007 Cours Description BUSINESS INTELLIGENCE (BI) Cognos 8 BI COGNOS 8 BI AD-HOC-QUERY (1 jour) Cognos 8 BI Création de Requêtes est un cours d une journée destiné aux

Plus en détail

#GoSocial. solutions de marketing communautaire & social crm

#GoSocial. solutions de marketing communautaire & social crm #GoSocial La révolution du Social Média Depuis quelques années, les médias sociaux ont métamorphosé le paysage du web et les modes de communication entre les individus et les marques. Hier encore spectateurs,

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

PARTIE 1 : ETAT DE L ART...

PARTIE 1 : ETAT DE L ART... Table des matières INTRODUCTION... 1 Contexte général de l étude... 3 Problématiques... 4 Contributions des nos travaux de recherche... 5 Organisation du mémoire... 6 PARTIE 1 : ETAT DE L ART... 9 CHAPITRE

Plus en détail

Compétences Business Objects - 2014

Compétences Business Objects - 2014 Compétences Business Objects - 2014 «Mars-Juin 2014. Réf : Version 1 Page 1 sur 34 Sommaire CONTEXTE DE LA REMISE A NIVEAU EN AUTOFORMATION... 3 1. MODELISATION... 4 1.1 DESCRIPTION FONCTIONNEL DE L'APPLICATION

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

Suite Jedox La Business-Driven Intelligence avec Jedox

Suite Jedox La Business-Driven Intelligence avec Jedox Suite La Business-Driven Intelligence avec Une solution intégrée pour la simulation, l analyse et le reporting vous offre la possibilité d analyser vos données et de gérer votre planification selon vos

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

Prise en main du BusinessObjects XI R2 Service Pack 2/ Productivity Pack

Prise en main du BusinessObjects XI R2 Service Pack 2/ Productivity Pack Prise en main du BusinessObjects XI R2 Service Pack 2/ Productivity Pack A propos de ce guide A propos de ce guide Ce guide contient des informations de prise en main du BusinessObjects XI R2 Service Pack

Plus en détail

Cabinet de Conseil STRATÉGIE MANAGEMENT ORGANISATION JURIDIQUE FORMATION AVEC BW CONSULTANTS CHOISISSEZ DE GARANTIR VOTRE DEVELOPPEMENT

Cabinet de Conseil STRATÉGIE MANAGEMENT ORGANISATION JURIDIQUE FORMATION AVEC BW CONSULTANTS CHOISISSEZ DE GARANTIR VOTRE DEVELOPPEMENT Cabinet de Conseil STRATÉGIE MANAGEMENT ORGANISATION JURIDIQUE FORMATION 1 Pourquoi nous choisir? Le chef d entreprise, surtout s il est propriétaire, déteste l aventure. Notre Objec>f est de vous accompagner

Plus en détail

PROJET ECUREUIL DU CNIP INFORMATIQUE DÉCISIONNELLE SERVEURS D'ANALYSE OLAP ESNE-IG RAPPORT DE TRAVAIL DE DIPLÔME 2007 FABIEN AIRIAU

PROJET ECUREUIL DU CNIP INFORMATIQUE DÉCISIONNELLE SERVEURS D'ANALYSE OLAP ESNE-IG RAPPORT DE TRAVAIL DE DIPLÔME 2007 FABIEN AIRIAU PROJET ECUREUIL DU CNIP INFORMATIQUE DÉCISIONNELLE SERVEURS D'ANALYSE OLAP ESNE-IG RAPPORT DE TRAVAIL DE DIPLÔME 2007 FABIEN AIRIAU Fabien Airiau ESNE-IG Rapport de travail de diplôme 2007 Page 1 sur 77

Plus en détail

Didier MOUNIEN Samantha MOINEAUX

Didier MOUNIEN Samantha MOINEAUX Didier MOUNIEN Samantha MOINEAUX 08/01/2008 1 Généralisation des ERP ERP génère une importante masse de données Comment mesurer l impact réel d une décision? Comment choisir entre plusieurs décisions?

Plus en détail

Défini9on. Introduc9on à la fouille de textes. Forage de textes, extrac9on de connaissances à par9r de textes, text mining

Défini9on. Introduc9on à la fouille de textes. Forage de textes, extrac9on de connaissances à par9r de textes, text mining Introduc9on à la fouille de textes Dominic Forest, Ph.D. École de bibliothéconomie et des sciences de l informa9on Université de Montréal SCI6060 Méthodes de recherche en sciences de l'informa>on 4 avril

Plus en détail

Vanilla. Open Source Business Intelligence. Présentation de la plateforme

Vanilla. Open Source Business Intelligence. Présentation de la plateforme Vanilla Open Source Business Intelligence Présentation de la plateforme Novembre 2008 Patrick Beaucamp BPM Conseil Contact : patrick.beaucamp@bpm-conseil.com Table des matières Introduction...3 Portail

Plus en détail

Le contrôle fiscal anno 2013

Le contrôle fiscal anno 2013 Le contrôle fiscal anno 2013 Carlos SIX! Administrateur général de la Fiscalité SPF Finances Ges$on des risques Contrôle fiscal CRM & Tolérance zéro ONDEMENT OBJECTIFS STRATEGIQUES Etude externe 2010 constata$ons

Plus en détail

Nouveautés SAP NetWeaver 2004S BI Business Warehouse 7.0

Nouveautés SAP NetWeaver 2004S BI Business Warehouse 7.0 Nouveautés SAP NetWeaver 2004S BI Business Warehouse 7.0 Artens SAP AG and / or America Inc. 2000 / 1 Les nouveautés SAP BW 7.0 (SAP NW 2004S) La nouvelle version de Business Warehouse apporte des améliorations

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

CX Print SA - Plane- Ville 24-1955 Chamoson - Tél +41 27 306 46 33 - Fax +41 27 306 46 77 info@cxprint.ch - www.cxprint.ch

CX Print SA - Plane- Ville 24-1955 Chamoson - Tél +41 27 306 46 33 - Fax +41 27 306 46 77 info@cxprint.ch - www.cxprint.ch Ges%on documentaire Concept : La ges%on documentaire Numériser et indexer vos documents papiers Indéxer vos documents numériques (Word, excel, powerpoint...) Archivage de vos documents papiers Serveur

Plus en détail