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. 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

SWISS ORACLE US ER GRO UP. www.soug.ch. Newsletter 5/2014 Sonderausgabe. OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features

SWISS ORACLE US ER GRO UP. www.soug.ch. Newsletter 5/2014 Sonderausgabe. OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features SWISS ORACLE US ER GRO UP www.soug.ch Newsletter 5/2014 Sonderausgabe OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features 42 TIPS&TECHNIQUES Alexandre Tacchini, Benjamin Gaillard, Fabien

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

Introduc;on à l intelligence d affaires et aux entrepôts de données

Introduc;on à l intelligence d affaires et aux entrepôts de données MTI820 Entrepôts de données et intelligence d affaires Introduc;on à l intelligence d affaires et aux entrepôts de données C. Desrosiers Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi,

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

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

Les 10 étapes clés pour trouver des clients par internet

Les 10 étapes clés pour trouver des clients par internet Les 10 étapes clés pour trouver des clients par internet Guide pour les entreprises de Home Staging 1 L auteur : Adrian Measures Adrian Measures est responsable du marke@ng sur internet et fondateur de

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

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

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

Présenta;on du cours

Présenta;on du cours MTI820 Entrepôts de données et intelligence d affaires Présenta;on du cours Hiver 2015 C. Desrosiers Département de génie logiciel et des TI MTI820 Hiver 2013 C. Desrosiers 1 InformaBons de base Titre:

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

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

Concepon et réalisaon

Concepon et réalisaon Concepon et réalisaon Vendée Etudes & Réalisaons de Soluons Informaques 10 rue des Sables 85540 Mouers les Mauxfaits h%p://sarl-versi.fr contact@sarl-versi.fr Mainate 2 une logiciel d aide à la communicaon

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

Catalogue Formation «Vanilla»

Catalogue Formation «Vanilla» Catalogue Formation «Vanilla» Date : octobre 2009 Table des matières Liste des Formations...2 Contenu des formations...3 Vanilla FastTrack...3 Vanilla Architecture...5 Enterprise Services...6 BIPortail...7

Plus en détail

Architecture matériel et logiciel 2

Architecture matériel et logiciel 2 Architecture matériel et logiciel 2 Architectures Venera Arnaoudova Concep8on architecturale 1. Introduc8on 2. Modéliser l architecture avec UML 3. Éléments architecturaux 4. Styles architecturaux 1. Architecture

Plus en détail

LA DIGITALISATION DE LA RELATION CLIENT

LA DIGITALISATION DE LA RELATION CLIENT PARTENAIRES ENTREPRISE ET TRANSFORMATION DIGITALE LA DIGITALISATION DE LA RELATION CLIENT PROGRAMME Face à la mulplicaon des canaux digitaux de communicaon, à l évoluon des comportements des clients et

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

Qui sommes nous? Partie 1

Qui sommes nous? Partie 1 Qui sommes nous? Partie 1 A propos 10 collaborateurs Une exper)se à 360 Agence cer)fiée Google Partners Mul)lingues Présenta)on: Global Riviera est une agence webmarke/ng basée en région PACA. Fondée par

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

Offre Azimut CONTENT MARKETING. A l a&en)on de : Date de remise : Version : 3.0

Offre Azimut CONTENT MARKETING. A l a&en)on de : Date de remise : Version : 3.0 Offre Azimut CONTENT MARKETING A l a&en)on de : Date de remise : Version : 3.0 01 Marke3ng de Contenu Ecosytème Editorial Offre & Ou3ls Azimut Content Marke3ng Méthodologie Content management Qui sommes-

Plus en détail

USER EXPERIENCE ET DATA : AUGMENTER LES CONVERSIONS GRÂCE À UN PARCOURS UTILISATEUR OPTIMISÉ

USER EXPERIENCE ET DATA : AUGMENTER LES CONVERSIONS GRÂCE À UN PARCOURS UTILISATEUR OPTIMISÉ PARTENAIRES : E-COMMERCE USER EXPERIENCE ET DATA : AUGMENTER LES CONVERSIONS GRÂCE À UN PARCOURS UTILISATEUR OPTIMISÉ PROGRAMME Comment améliorer le parcours des client en temps réel avec les données collectées

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

SÉLECTIONNER LES MEILLEURS CANDIDATS : L APPORT DES OUTILS D ÉVALUATION AU RECRUTEMENT ET À LA MOBILITÉ INTERNE

SÉLECTIONNER LES MEILLEURS CANDIDATS : L APPORT DES OUTILS D ÉVALUATION AU RECRUTEMENT ET À LA MOBILITÉ INTERNE PARTENAIRE RESSOURCES HUMAINES SÉLECTIONNER LES MEILLEURS CANDIDATS : L APPORT DES OUTILS D ÉVALUATION AU RECRUTEMENT ET À LA MOBILITÉ INTERNE PROGRAMME Il est primordial pour une organisation de savoir

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

Devenez un virtuose de Google. Atelier en informa5que présenté par Dominic P. Tremblay h@p://dominictremblay.com

Devenez un virtuose de Google. Atelier en informa5que présenté par Dominic P. Tremblay h@p://dominictremblay.com Devenez un virtuose de Google Atelier en informa5que présenté par Dominic P. Tremblay h@p://dominictremblay.com Google Google est une société fondée en 1998 en Californie par Larry Page et Sergey Brin.

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

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

_L'engagement qui fait la différence BUSINESS INTELLIGENCE DATA WAREHOUSING PILOTAGE DE LA PERFORMANCE

_L'engagement qui fait la différence BUSINESS INTELLIGENCE DATA WAREHOUSING PILOTAGE DE LA PERFORMANCE BUSINESS INTELLIGENCE DATA WAREHOUSING PILOTAGE DE LA PERFORMANCE _L'engagement qui fait la différence AMOA Stratégique Intégration Offshoring Learning A Propos de DECIZIA Decizia offre ses services aux

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

BI : GESTION GESTION, PRODUCTION STRATEGIE DE BI. Un livre blanc d Hyperion

BI : GESTION GESTION, PRODUCTION STRATEGIE DE BI. Un livre blanc d Hyperion Un livre blanc d Hyperion LES TROIS PILIERS DE LA REUSSITE D UNE D STRATEGIE DE BI ET DIFFUSION DE L INFORMATIONL BI : GESTION GESTION, PRODUCTION Si votre société est comme la plupart des moyennes et

Plus en détail

Guide de référence pour l achat de Business Analytics

Guide de référence pour l achat de Business Analytics Guide de référence pour l achat de Business Analytics Comment évaluer une solution de décisionnel pour votre petite ou moyenne entreprise : Quelles sont les questions à se poser et que faut-il rechercher?

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

Présenta)on DesignBuilder

Présenta)on DesignBuilder Présenta)on DesignBuilder Logiciel de Simula)on Thermique Dynamique des bâ)ments Ingénieurs, Architectes, Energé1ciens Présenta)on de Design Builder DesignBuilder est une interface graphique reposant sur

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

Business Intelligence

Business Intelligence Pour aller plus loin Tous les détails de l offre Microsoft Business Intelligence : www.microsoft.com/france/decisionnel Contact Microsoft France : msfrance@microsoft.com Business Intelligence Votre Infrastructure

Plus en détail

PRÉSENTATION DES RÉSULTATS DU LIVRE BLANC BIG DATA

PRÉSENTATION DES RÉSULTATS DU LIVRE BLANC BIG DATA PARTENAIRES BIG DATA PRÉSENTATION DES RÉSULTATS DU LIVRE BLANC BIG DATA Le Livre Blanc de l EBG a pour ambion d'entrer dans le concret du Big Data. Finis les concepts flous et les formules vagues : nous

Plus en détail

La Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1

La Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1 La Geo-Business Intelligence selon GALIGEO avec ESRI 2005 session «Décisionnel» 26/10/2005 1 La Business Intelligence : Une Définition La Business intelligence permet l utilisation des données opérationnelles

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

Solu%on de Business Intelligence leader pour la ges%on de la performance d entreprise. myssii www.myssii.fr - 2012 Jedox AG, www.jedox.

Solu%on de Business Intelligence leader pour la ges%on de la performance d entreprise. myssii www.myssii.fr - 2012 Jedox AG, www.jedox. by Solu%on de Business Intelligence leader pour la ges%on de la performance d entreprise 2014 Jedox by myssii Pour toute entreprise, l informatique d aide à la décision est devenue une arme de compétitivité

Plus en détail

Les termes du cloud CUMULO NUMBIO 2015 O. COLLIN

Les termes du cloud CUMULO NUMBIO 2015 O. COLLIN Les termes du cloud CUMULO NUMBIO 2015 O. COLLIN Agenda Pe$t glossaire du cloud : termes qui seront u$lisés lors de ce5e école Virtualisa$on CMP Environnement Bioinforma$que Linux Comment les machines

Plus en détail

Catalogue de FORMATIONS 2015

Catalogue de FORMATIONS 2015 Catalogue de FORMATIONS 2015 Qui sommes nous? î SmartView est un cabinet de conseil et de forma1on, basé à Montpellier et Paris, qui accompagne ses clients professionnels, grands comptes ou PME innovantes,

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

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

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

Bases de données multidimensionnelles et mise en œuvre dans Oracle

Bases de données multidimensionnelles et mise en œuvre dans Oracle Bases de données multidimensionnelles et mise en œuvre dans Oracle 1 Introduction et Description générale Les bases de données relationnelles sont très performantes pour les systèmes opérationnels (ou

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

1. LA GESTION DES BASES DE DONNEES RELATIONNELLES

1. LA GESTION DES BASES DE DONNEES RELATIONNELLES Dossier G11 - Interroger une base de données La base de données Facturation contient tout un ensemble d'informations concernant la facturation de la SAFPB (société anonyme de fabrication de produits de

Plus en détail

Département Génie Informatique

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

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

Plus en détail

LE SUPPLIER RELATIONSHIP MANAGEMENT EN PRATIQUE

LE SUPPLIER RELATIONSHIP MANAGEMENT EN PRATIQUE PARTENAIRES ACHATS LE SUPPLIER RELATIONSHIP MANAGEMENT EN PRATIQUE PROGRAMME La geson de la relaon fournisseur Supplier Relaonship Management est au centre de l aenon de toutes les foncons Achats. Les

Plus en détail

L ou%l téléphone dans votre stratégie de marke%ng direct

L ou%l téléphone dans votre stratégie de marke%ng direct L ou%l téléphone dans votre stratégie de marke%ng direct «Allo, vous n avez pas de stratégie téléphone?» Alain Pierre La Chaîne de l Espoir Pascal Fréneaux ADM VALUE Présenta%on de La Chaîne de l Espoir

Plus en détail

ÉVALUATION DES PRODUITS COMMERCIAUX OFFRANT DES CAPACITÉS

ÉVALUATION DES PRODUITS COMMERCIAUX OFFRANT DES CAPACITÉS pr ÉVALUATION DES PRODUITS COMMERCIAUX OFFRANT DES CAPACITÉS COMBINÉES D ANALYSE MULTIDIMENSIONNELLE ET DE CARTOGRAPHIE. Préparé par Marie-Josée Proulx, M.Sc. Sonia Rivest, M.Sc., chargées de recherche

Plus en détail

Business Intelligence

Business Intelligence avec Excel, Power BI et Office 365 Téléchargement www.editions-eni.fr.fr Jean-Pierre GIRARDOT Table des matières 1 Avant-propos A. À qui s adresse ce livre?..................................................

Plus en détail

Design & conception de site web optimisé SEO. augmentez la conversion sur vos sites

Design & conception de site web optimisé SEO. augmentez la conversion sur vos sites Design & conception de site web optimisé SEO augmentez la conversion sur vos sites Consultant web indépendant, mon approche en conception de site internet est centrée utilisateurs, prend en compte vos

Plus en détail

Easy to. report. Connexion. Transformation. Stockage. Construction. Exploitation. Diffusion

Easy to. report. Connexion. Transformation. Stockage. Construction. Exploitation. Diffusion M y R e p o r t, L A S O L U T I O N R E P O R T I N G D E S U T I L I S AT E U R S E X C E L Connexion Transformation Stockage Construction Exploitation Diffusion OBJECTIF REPORTING : De la manipulation

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

Bases de Données relationnelles et leurs systèmes de Gestion

Bases de Données relationnelles et leurs systèmes de Gestion III.1- Définition de schémas Bases de Données relationnelles et leurs systèmes de Gestion RAPPELS Contraintes d intégrité sous Oracle Notion de vue Typage des attributs Contrainte d intégrité Intra-relation

Plus en détail

EXCEL & XLCubed 10 raisons d en faire l assise de votre Managed Self-Service BI

EXCEL & XLCubed 10 raisons d en faire l assise de votre Managed Self-Service BI EXCEL & XLCubed 10 raisons d en faire l assise de votre Managed Self-Service BI Préambule Excel au centre de la solution Si vous manipulez des rapports et tableaux de bord en somme des données - vous connaissez

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

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

Catalyse IT. Innovation Digital/Numérique

Catalyse IT. Innovation Digital/Numérique Innovation Digital/Numérique Notre concept Le Challenge des technologies Web Applica:ons mé:ers (Produc:on/Commerciale/Marke:ng/RH/ ) Intranet Corporate / CMS / Back- Office Web Mobilité & Interac:vité

Plus en détail

FreeAnalysis. Schema Designer. Cubes

FreeAnalysis. Schema Designer. Cubes FreeAnalysis Schema Designer Cubes Charles Martin et Patrick Beaucamp BPM Conseil Contact : charles.martin@bpm-conseil.com, patrick.beaucamp@bpm-conseil.com Janvier 2013 Document : BPM_Vanilla_FreeAnalysisSchemaDesigner_v4.2_FR.odt

Plus en détail

Analytics Platform. MicroStrategy. Business Intelligence d entreprise. Self-service analytics. Big Data analytics.

Analytics Platform. MicroStrategy. Business Intelligence d entreprise. Self-service analytics. Big Data analytics. Business Intelligence d entreprise MicroStrategy Analytics Platform Self-service analytics Big Data analytics Mobile analytics Disponible en Cloud Donner l autonomie aux utilisateurs. Des tableaux de bord

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

Fournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement

Fournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement Introduction Phases du projet Les principales phases du projet sont les suivantes : La mise à disposition des sources Des fichiers Excel sont utilisés pour récolter nos informations L extraction des données

Plus en détail

Guide de référence pour l achat de Business Analytics

Guide de référence pour l achat de Business Analytics Guide de référence pour l achat de Business Analytics Comment évaluer une solution de décisionnel pour votre petite ou moyenne entreprise : Quelles sont les questions à se poser et que faut-il rechercher?

Plus en détail

Comment CEGID et ses solu/ons peuvent elles implémenter les standards TICPME2010?

Comment CEGID et ses solu/ons peuvent elles implémenter les standards TICPME2010? 14 Octobre 2008 TICPME2010 Comment CEGID et ses solu/ons peuvent elles implémenter les standards TICPME2010? Eric VALION Directeur de marché ERP Middle Market Cegid Group Table ronde éditeurs Cegid Group

Plus en détail

MOBILE FIRST : PARTIR DU MOBILE POUR DÉVELOPPER ENSUITE LES AUTRES DEVICES OU OPTER POUR LE RESPONSIVE DESIGN?

MOBILE FIRST : PARTIR DU MOBILE POUR DÉVELOPPER ENSUITE LES AUTRES DEVICES OU OPTER POUR LE RESPONSIVE DESIGN? PARTENAIRES MARKETING & SOCIAL MARKETING MOBILE FIRST : PARTIR DU MOBILE POUR DÉVELOPPER ENSUITE LES AUTRES DEVICES OU OPTER POUR LE RESPONSIVE DESIGN? PROGRAMME La mobilité et la mulplicité des écrans

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