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

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 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, C. Desrosiers 1

2 QuesFons Quelles sont vos expériences avec l intelligence d affaires? Quelle est selon vous la définifon de ce concept? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 2

3 Avant de commencer 1. Quel est le lien entre les couches et la bière? 2. Pourquoi les services de Google (Gmail, Calendar, Groups) sont- ils gratuits? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 3

4 Le lien entre les couches et la bière ObservaFons: Les ventes de bières sont parfculièrement importantes les vendredis en début de soirée; Les clients qui achètent de la bière durant ce[e période ont tendance à acheter également des couches! MarkeFng: En plaçant ces deux produits près l un de l autre, les épiceries augmentent leurs ventes et leurs profits (stratégie de vente croisée). Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 4

5 Le principe Google: Toute informafon a un prix; Google uflise ses services pour acquérir gratuitement de l informafon sur ses usagers: Analyse syntaxique des courriels (Gmail); Profil et liste des contacts (Google Groups); Emploi du temps (Google Calendar); etc. Ce[e informafon est uflisée pour envoyer de la publicité ciblée aux usagers. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 5

6 ExploitaFon de l informafon «Les entreprises qui gèrent leurs données comme une ressource stratégique et inves<ssent dans la qualité de celles- ci sont en avance sur leurs compé<teurs, au niveau de la réputa<on et de profitabilité» Sondage PricewaterhouseCoopers Global Data Management (2001) Métro / Loblaws / Super C: Entreprises qui vendent de la nourriture OU; Entreprises qui exploitent des connaissances sur: Les préférences des clients; Les biais géographiques; La chaîne logisfque; Le cycle de vie des produits; Les informafons sur les ventes des compéfteurs. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 6

7 QuesFon En quoi l informafon diffère- t- elle des ressources matérielles et humaines? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 7

8 CaractérisFques de l informafon [1/2] Temporelle: La valeur diminue avec le temps; Ex: acfons en bourse, achats des clients, etc. Partageable: Peut être copiée et distribuée facilement; Ex: réseaux sociaux, le Web, les médias, etc. Valeur augmente avec l usage: Ne se dégrade pas comme d autres ressources (ex: une voiture); Ex: algorithme PageRank de Google. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 8

9 CaractérisFques de l informafon [2/2] Valeur augmente avec la qualité: Une informafon erronée ou imprécise peut nuire; Ex: opérafons militaires. Valeur augmente avec la fusion: Une informafon peut avoir de la valeur que si elle est combinée avec d autres informafons; Ex: ventes + inventaire = planificafon. Valeur mesurable: Historique: combien a couté l acquisifon de ce[e informafon? Marché: combien une personne serait- elle prête à payer pour obtenir ce[e informafon; U5lité: quelle valeur peut- on espérer obtenir de ce[e informafon? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 9

10 QuesFon Est- ce que stocker beaucoup de données est suffisant pour aider la prise de décision d une entreprise? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 10

11 Données vs informafons vs connaissances Données: CollecFon d éléments de valeur brute ou de faits servant à calculer, raisonner et mesurer; Peuvent être collectées, stockées ou traitées; Ne possèdent pas de contexte ni de sens. InformaFons: Proviennent de l organisafon des données, me[ant en valeur les relafons entre les différents éléments de ces données; Fournissent un contexte et un sens aux données. Connaissances: Viennent de la compréhension de l informafon dans son contexte; Sont ufles au processus de décision. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 11

12 De données à stratégies Pyramide d abstracfon: Niveau d abstracfon Connaissances et intelligence InformaFons Données Intelligence d affaires: Ensemble de processus, de technologies et d oufls servant à transformer: Les données en informafons; Les informafons en connaissances; Les connaissances en stratégies menant à des acfons profitables à l entreprise. Taille des données Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 12

13 QuesFons Comment le marché d aujourd hui diffère- t- il d il y a 10, 20 ou 30 ans? Pourquoi avons- nous besoin de l intelligence d affaires? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 13

14 Taux d échec de projets: Échecs dans les projets Catégorie Film (Hollywood) AcquisiFon / fusion TI Produit alimentaire Produit pharmaceufque Taux approx. 60 % 60 % 70 % 80 % 90 % Source: Slywotzky et Weber (2007). The Upside: The 7 Strategies for Turning Big Threats into Growth Breakthroughs Causes fréquentes d échecs: Considérer trop peu de scénarios / scénarios peu réalistes; Être incapable d anfciper les acfons d un compéfteur; Ignorer les changements économiques ou sociaux; Prévoir incorrectement la demande. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 14

15 L environnement d affaires L environnement d affaires est en constante évolufon et devient de plus en plus complexe; Les entreprises sont sous pression: elles doivent répondre rapidement aux changements et innover dans leurs manières d opérer; La prise de décisions stratégiques et opérafonnelles complexes requiert une quanfté considérable de données et de connaissances; Les données nécessaires à la prise de décision proviennent de sources diverses et hétérogènes; L informafon de ces données doit être traitée très rapidement. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 15

16 Intelligence d affaires Business intelligence (BI): Un ensemble de concepts, de méthodologies et d applicafons pour rassembler, stocker, analyser, et perme[re d accéder des données, dans le but d aider les uflisateurs d entreprises dans leur processus de décision. Inclut: L entreposage de données; Les requêtes et le reporfng; L analyse mulfdimensionnelle (OLAP); L analyse stafsfque; La prédicfon (forecas<ng); Le forage de données (data mining). Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 16

17 Pourquoi l intelligence d affaires? Profitabilité accrue de l entreprise; DiminuFon des coûts; Meilleure gesfon des relafons avec le client (CRM); DiminuFon des risques; etc. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 17

18 QuesFon Qu est- ce qu un entreprôt de données et en quoi ce[e technologie diffère- t- elle des bases de données transacfonnelles? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 18

19 OLTP vs OLAP [1/3] OnLine TransacFon Processing (OLTP): Caractérisé par un grand nombre de courtes transacfons faites en- ligne (ex: INSERT, UPDATE, DELETE); Met l emphase sur le traitement rapide de requêtes simples, et sur l intégrité des données dans un environnement concurrenfel (c.- à- d. plusieurs requêtes simultanées). OnLine AnalyFcal Processing (OLAP): Met l emphase sur le traitement rapide de requêtes complexes (mulfples tables, agrégafon de données, etc.) ayant pour objecff d assister dans la prise de décision. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 19

20 OLTP vs OLAP [2/3] Critère OLTP OLAP But Types de données Contrôler et exécuter les tâches quofdiennes et fondamentales de l entreprise Données opérafonnelles (transacfons) Assister dans la planificafon, la résolufon de problème et la prise de décision Données historiques consolidées Sources de données BD transacfonnelles Entrepôts de données ou magasins de données Ce que montre les données InserFons et mises- à- jour Requêtes Portrait instantané des processus d affaires de l entreprise Courtes requêtes d inserfon et de mise- à- jour lancées par les usagers finaux Simples requêtes retournant quelques enregistrements (lignes) de la BD Vue mulfdimensionnelle de plusieurs acfvités d affaires de l entreprise Longs traitements en lot servant à rafraichir les données Requêtes complexes impliquant souvent plusieurs tables et faisant l agrégafon de valeurs Temps de réponses Instantané Quelques secondes à 1 minute max. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 20

21 OLTP vs OLAP [3/3] Critère OLTP OLAP Espace requis ModélisaFon de la BD Sauvegarde et récupérafon RelaFvement peft si les données historiques sont archivées Un grand nombre de tables hautement normalisées Fait de façon régulière, crifque pour l entreprise Grand due aux données historiques et aux données d agrégafon Moins de tables, tables typiquement dénormalisées, schémas en étoile ou flocon Fait de façon irrégulière, peut récupérer des données OLTP ReporFng RouFnier et très ciblé Ad hoc, mulfdimensionnel, à plus large portée Ressources requises Simple DBMS relafonnel DBMS spécialisé mulf- processeurs et à grande capacité Nombre d uflisateurs simultanés Grand PeFt Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 21

22 Quelques définifons Entreposage de données (data warehousing): «La copie périodique et coordonnée de données provenant de diverses sources, internes et externes à l entreprise, dans un environnement opfmisé pour l analyse» Les entrepôts de données (data warehouse): Centralisent les données de l entreprise; Sont contenus dans un environnement bien géré; Possèdent un processus cohérent et répétable pour charger les données provenant des applicafons de l entreprise; Reposent sur une architecture ouverte et extensible pouvant accommoder la croissance des données; Fournissent des oufls perme[ant aux usagers de transformer les données en informafon ufle à la prise de décision. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 22

23 Historique des entrepôts de données GIS, réseaux sociaux, Web sémanfque, etc. Oracle, IBM, Microso, SAP, etc. Naissance de l entreposage de données; Dispersion des données causée par les PC; Première solufon Teradata (RDBMS). ProducFon de rapports automafsés sur micro- ordinateurs (pas d intégrafon). Ralph Kimball Bill Inmon Mesures de la performance d une entreprise et de l impact d une stratégie de markefng. Arthur Nielsen Naissance de la recherche en markefng. Charles Coolidge Parlin Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 23

24 CaractérisFques des entrepôts de données Orientés sujet: Les données sont organisées par sujet (ex: clients, produits, ventes, etc.). Intégrés: Les données, qui proviennent de diverses sources hétérogènes, sont consolidées et intégrées dans l entrepôt. Historiques: Les données ont très souvent une composante temporelle (ex: date et heure d une transacfon). Non- volafles: Une fois insérées dans l entrepôt, les données ne sont jamais modifiées ou effacées; elle sont conservées pour des analyses futures. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 24

25 QuesFon Quels sont les avantages d ufliser les entrepôts de données? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 25

26 Bénéfices des entrepôts de données Directs: Perme[ent de mener des analyses poussées sur différents sujets d affaires; Fournissent une vue consolidée des données de l entreprise (une seule vérité); Procurent de l informafon de qualité, plus rapidement; Libèrent les ressources (ex: serveurs) dédiées au traitement des transacfons des tâches d analyse; Simplifient l accès aux données. Indirects: Améliorent le savoir de l entreprise; Procurent un avantage concurrenfel à l entreprise; Améliorent la safsfacfon des clients; etc. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 26

27 Bénéfices sociaux des entrepôts de données Meilleure communicafon/coopérafon entre les différents intervenants d une entreprise: Normalement très peu d affinités entre les intervenants du domaine des TI et ceux du domaine des affaires; Un projet d entreposage de données rapproche ces deux groupes en leur donnant un objecff commun. Meilleure communicafon/coopérafon entre les différentes branches d une entreprise: Permet d intégrer et de consolider les données des différentes branches; Fournit une plateforme et des oufls d analyse communs. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 27

28 Architecture d un entrepôt de données Sources de données Op;on sans datamart ERP / CRM Legacy POS OLT / Web Processus ETL Sélec;on Extrac;on Transforma;on Intégra;on Méta- données Entrepôt de données Copie Accès Datamart (marke;ng) Datamart (finances) Datamart (clients) API / Intergiciels Applica;ons (visualisa;ons) Rapports de rou;ne Forage de données / textes OLAP, tableaux de bord Externes Chargement Datamart (ventes) Autres Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 28

29 Sources de données Enterprise resource planning (ERP): Gèrent les processus opérafonnels d'une entreprise (ex: ressources humaines, finances, distribufon, approvisionnement, etc.). Customer rela<onship management (CRM): Gèrent les interacfons d une entreprise avec ses clients (ex: markefng, ventes, après- vente, assistance technique, etc.). Systèmes legacy: Matériels et logiciels obsolètes mais difficilement remplaçables. Point of sale (POS): Matériels et logiciels uflisés dans les caisses de sorfes d un magasin. Externes: Ex: données concurrenfelles achetées, données démographiques. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 29

30 QuesFons À quoi correspond le processus ETL? Pourquoi ce processus est- il essenfel à l entreposage de données? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 30

31 IntégraFon des données Processus Extract, Tranform, Load (ETL): 1. Extraire les données des sources hétérogènes: IdenFfier les sources ufles; Comprendre les schémas. 2. Consolider les données: Données redondantes / manquantes; Différents noms / types; Incohérences. 3. Charger les données intégrées dans l entrepôt: Mode différé (batch); Quasi temps- réel. Représente la parfe la plus complexe de l entreposage. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 31

32 Les oufls d analyse de données Rapports et requêtes simples «Dis moi ce qui s est passé». Analyse d affaires «Dis moi ce qui s est passé et pourquoi». Tableaux de bord et scorecards «Donne moi l informa<on mais ne me fait pas travailler pour obtenir les réponses». Forage de données «Dis moi quelque chose de nouveau et d intéressant sans que j aille à le demander». Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 32

33 Exemples de tableau de bord [1/2] Données du système des finances Données de systèmes ERP Données d autres systèmes Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 33

34 Exemples de tableau de bord [2/2] Intégration avec MS Office Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 34

35 Cas d étude: Police de Richmond [1/4] Objectif: Réduire le crime en anticipant les activités criminelles. Données: Données actuelles et historiques d appels au 911; Informations relatives aux événements de la ville et des régions limitrophes; Conditions météorologiques; etc. Méthode: Analyser les interactions entre les données actuelles et historiques. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 35

36 Cas d étude: Police de Richmond [2/4] Composantes technologiques: Technologie Webfocus (Informa;on Builders) SPSS (IBM) ESRI Composante IntégraFon des données Analyse prédicfve Correspondance dynamique des informafons géographiques OuFl de visualisafon: ReprésentaFon des indicateurs sur la carte graphique de la ville. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 36

37 Cas d étude: Police de Richmond [3/4] Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 37

38 Cas d étude: Police de Richmond [4/4] Résultats: AffectaFon opfmale des ressources policières; Meilleure anfcipafon des acfvités criminelles; Le crime a été réduit de 49 %; Moins d appels au 911. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi, C. Desrosiers 38

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 = Business Intelligence Master Data-ScienceCours 3 - Data

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

Plus en détail

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

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

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 2 - ETL

BI = Business Intelligence Master Data-ScienceCours 2 - ETL BI = Business Intelligence Master Data-Science Cours 2 - ETL UPMC 1 er février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage des décideurs

Plus en détail

Restitution. Antoine Lapostolle Ingénieur Avant-Vente Microsoft France

Restitution. Antoine Lapostolle Ingénieur Avant-Vente Microsoft France Restitution Antoine Lapostolle Ingénieur Avant-Vente Microsoft France Fgi was here Restitution: les problématiques Stocker ne suffit, il faut permettre de comprendre et d analyser ces données. Avec des

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

QU EST-CE QUE LE DECISIONNEL?

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

Plus en détail

La problématique. La philosophie ' ) * )

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

Plus en détail

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

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

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

Conclusion. Rôle du géodécisionnel dans une organisation gouvernementale Contexte organisationnel à Infrastructure Canada Le projet Les résultats

Conclusion. Rôle du géodécisionnel dans une organisation gouvernementale Contexte organisationnel à Infrastructure Canada Le projet Les résultats Le marché des logiciels géodécisionnels et exemple d application avec Oracle BIEE 11g Géomatique 2011, Montréal Sonia Rivest, Analyste en géodécisionnel géodécisionnel,, Intelli3 Denis Beaulieu, Gestionnaire,

Plus en détail

Evry - M2 MIAGE Entrepôt de données

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

Plus en détail

Ecole des Hautes Etudes Commerciales HEC Alger. par Amina GACEM. Module Informatique 1ière Année Master Sciences Commerciales

Ecole des Hautes Etudes Commerciales HEC Alger. par Amina GACEM. Module Informatique 1ière Année Master Sciences Commerciales Ecole des Hautes Etudes Commerciales HEC Alger Évolution des SGBDs par Amina GACEM Module Informatique 1ière Année Master Sciences Commerciales Evolution des SGBDs Pour toute remarque, question, commentaire

Plus en détail

Présentation de l offre produit de Business Objects XI

Présentation de l offre produit de Business Objects XI Conseil National des Assurances Séminaire - Atelier L information au service de tous Le 09 Novembre 2005 Présentation de l offre produit de XI Amar AMROUCHE Consultant Avant Vente aamrouche@aacom-algerie.com

Plus en détail

SIO-16544 Séminaire en systèmes d'information. 1. Intégrer et les connaissances acquises dans le programme.

SIO-16544 Séminaire en systèmes d'information. 1. Intégrer et les connaissances acquises dans le programme. Systèmes d'information organisationnels Plan de cours Faculté des sciences de l'administration Hiver 2004 Université Laval SIO-16544 Séminaire en systèmes d'information Chargé de cours : Hichem Dhrif Courrier

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

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

Introduction aux S.G.B.D.

Introduction aux S.G.B.D. NFE113 Administration et configuration des bases de données - 2010 Introduction aux S.G.B.D. Eric Boniface Sommaire L origine La gestion de fichiers Les S.G.B.D. : définition, principes et architecture

Plus en détail

L Information en Temp Réel

L Information en Temp Réel L Information en Temp Réel Christophe Toulemonde Program Director Integration & Development Strategies christophe.toulemonde @metagroup.com Europe 2004 : Environnement économique Importance du pilotage

Plus en détail

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

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

Introduction. Division Moyennes et Grandes Entreprises - Direction Produits Page 2 / 7. Communiqué de lancement Sage HR Management V5.

Introduction. Division Moyennes et Grandes Entreprises - Direction Produits Page 2 / 7. Communiqué de lancement Sage HR Management V5. Division Moyennes et Grandes Entreprises Direction Produits Communiqué de lancement Sage HR Management Version 5.10 Nouveau module Décisionnel Bases de données Sage HR Management Version 5.10 MS SQL Server

Plus en détail

Ici, le titre de la. Tableaux de bords de conférence

Ici, le titre de la. Tableaux de bords de conférence Ici, le titre de la Tableaux de bords de conférence pilotage d entreprise, indicateurs de performance reporting et BI quels outils seront incontournables à l horizon 2010? Les intervenants Editeur/Intégrateur

Plus en détail

Troisième partie. Entrepôt de données

Troisième partie. Entrepôt de données Troisième partie Entrepôt de données 23 Chapitre 8 Architecture d un entrepôt de données 8.1 Systèmes décisionnels 8.1.1 Comparaison avec un système transactionnel Un système transactionnel est une base

Plus en détail

TOP. année promet d être BIG (Business Intelligence Growth) PRINCIPALES TENDANCES EN MATIÈRE DE SOLUTIONS DÉCISIONNELLES POUR 2013

TOP. année promet d être BIG (Business Intelligence Growth) PRINCIPALES TENDANCES EN MATIÈRE DE SOLUTIONS DÉCISIONNELLES POUR 2013 0 Cette TOP 10 PRINCIPALES TENDANCES EN MATIÈRE DE SOLUTIONS DÉCISIONNELLES POUR 2013 année promet d être BIG (Business Intelligence Growth) Quel est le bilan de l année 2012 en matière de solutions décisionnelles?

Plus en détail

Informatique décisionnelle (Première partie) Emmanuelle Cravoisier

Informatique décisionnelle (Première partie) Emmanuelle Cravoisier Informatique décisionnelle (Première partie) Emmanuelle Cravoisier Informatique décisionnelle Concepts Présentation de Business Objects Conception d un univers Business Objects Structure générale d une

Plus en détail

Genius Manufacturing Logiciel ERP/MRP spécialisé pour la fabrication complexe et sur mesure

Genius Manufacturing Logiciel ERP/MRP spécialisé pour la fabrication complexe et sur mesure Genius Manufacturing Logiciel ERP/MRP spécialisé pour la fabrication complexe et sur mesure «Un contrôle rigoureux sur la planification et une flexibilité pour gérer les changements, Genius manufacturing

Plus en détail

ORACLE PRIMAVERA PORTFOLIO MANAGEMENT

ORACLE PRIMAVERA PORTFOLIO MANAGEMENT ORACLE PRIMAVERA PORTFOLIO MANAGEMENT FONCTIONNALITÉS GESTION DE PORTEFEUILLE Stratégie d approche permettant de sélectionner les investissements les plus rentables et de créer de la valeur Paramètres

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

Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques. Projet personnel. Thème : Présenté par IOGO Valentin

Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques. Projet personnel. Thème : Présenté par IOGO Valentin Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques Projet personnel Thème : «Etude exploratoire des systèmes d information géographique décisionnels (SIG décisionnels)

Plus en détail

Tout ce que vous avez toujours voulu savoir sur SAP HANA. Sans avoir jamais osé le demander

Tout ce que vous avez toujours voulu savoir sur SAP HANA. Sans avoir jamais osé le demander Tout ce que vous avez toujours voulu savoir sur SAP HANA Sans avoir jamais osé le demander Agenda Pourquoi SAP HANA? Qu est-ce que SAP HANA? SAP HANA pour l intelligence d affaires SAP HANA pour l analyse

Plus en détail

Business Intelligence L avantage. géographique. Emanuele Gennai Global Affairs ESRI Nyon, Switzerland

Business Intelligence L avantage. géographique. Emanuele Gennai Global Affairs ESRI Nyon, Switzerland Business Intelligence L avantage géographique Emanuele Gennai Global Affairs ESRI Nyon, Switzerland Qu est ce que le SIG pour ESRI? Aider à mieux gérer g nos ressources Communiquer nos géographies Notre

Plus en détail

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

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

Plus en détail

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

Thibault Denizet. Introduction à SSIS

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

Plus en détail

Vous avez une problématique, nous avons la solution.

Vous avez une problématique, nous avons la solution. Vous avez une problématique, nous avons la solution. SOMMAIRE Notre agence marketing...3 Etudes & analyses......4 Geomarketing......5 Webmarketing......6 Traitement des données...7 Décisionnel......8 Notre

Plus en détail

DOSSIER SOLUTION CA ERwin Modeling. Comment gérer la complexité des données et améliorer l agilité métier?

DOSSIER SOLUTION CA ERwin Modeling. Comment gérer la complexité des données et améliorer l agilité métier? DOSSIER SOLUTION CA ERwin Modeling Comment gérer la complexité des données et améliorer l agilité métier? CA ERwin Modeling fournit une vue centralisée des définitions de données clés afin de mieux comprendre

Plus en détail

GPC Computer Science

GPC Computer Science CYCLE ISMIN P2015 GPC Computer Science P LALEVÉE lalevee@emse.fr @p_lalevee A3.01 0442616715 C YUGMA yugma@emse.fr A3.01 0442616715 01/09/2014 Présentation GPC CS - Ph. Lalevée - C Yugma 1 Scolarité Site

Plus en détail

Business Intelligence - Introduction

Business Intelligence - Introduction Le cours Business Intelligence - Introduction Olivier Schwander UPMC 1 / 45 Le cours Organisation du cours http://www-connex.lip6.fr/~schwander/enseignement/ 2015-2016/m2stat_bi/

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

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

IBM Content Analytics Libérer l Information

IBM Content Analytics Libérer l Information IBM Content Analytics Libérer l Information Patrick HOFLEITNER patrick_hofleitner@fr.ibm.com Août 2011 TABLE DES MATIERES RESUME...3 INTRODUCTION...4 LA PROBLEMATIQUE...5 1 L EXPLOSION DU CONTENU NON-STRUCTURE...5

Plus en détail

Le Data Mining, Outil d aide à la prise de décision dans l action commerciale

Le Data Mining, Outil d aide à la prise de décision dans l action commerciale Université Ibn Zohr Faculté des Sciences Juridiques, Économiques et Sociales Exposé sous le thème : Le Data Mining, Outil d aide à la prise de décision dans l action commerciale Plan : Introduction : L

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

5. Architecture et sécurité des systèmes informatiques Dimension Fonctionnelle du SI

5. Architecture et sécurité des systèmes informatiques Dimension Fonctionnelle du SI 5. Architecture et sécurité des systèmes informatiques Dimension Fonctionnelle du SI Un SI : et pour faire quoi? Permet de stocker de manière définitive des informations volatiles provenant d autre BD.

Plus en détail

Contexte. Objectif. Enjeu. Les 3 questions au cœur du Pilotage de la Performance :

Contexte. Objectif. Enjeu. Les 3 questions au cœur du Pilotage de la Performance : Contexte Il est naturel de construire et d adapter son système d information à son métier pour répondre aux besoins opérationnels et quotidiens. Facturation, production, gestion de stocks, ressources humaines,

Plus en détail

Les tableaux de bord intégrés : une nouvelle intelligence pour une collaboration et une performance accrues

Les tableaux de bord intégrés : une nouvelle intelligence pour une collaboration et une performance accrues Les tableaux de bord intégrés : une nouvelle intelligence pour une collaboration et une performance accrues Pierre Jones Spécialiste-conseil principal, Gestion de l information Cognos IBM Canada Ltée 2009

Plus en détail

Système d Information

Système d Information 1 sur 9 Brandicourt sylvain formateur Unix,apache,Algorithme,C,Html,Css,Php,Gestion de projet,méthode Agile... sylvainbrandicourt@gmail.com Système d Information Architecture Technique Architecture Logiciel

Plus en détail

Généralités sur les bases de données

Généralités sur les bases de données Généralités sur les bases de données Qu est-ce donc qu une base de données? Que peut-on attendre d un système de gestion de bases de données? Que peut-on faire avec une base de données? 1 Des données?

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

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

Entrepôt de données 1. Introduction

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

Plus en détail

Accélérateur de votre RÉUSSITE

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

Plus en détail

IMPLEMENTATION D UN SYSTEME D INFORMATION DECISIONNEL

IMPLEMENTATION D UN SYSTEME D INFORMATION DECISIONNEL IMPLEMENTATION D UN SYSTEME D INFORMATION DECISIONNEL Proposé par BUMA Feinance Master en management e projets informatiques Consultant en système écisionnel I. COMPREHENSION DU CONTEXTE «L informatique

Plus en détail

La Business Intelligence 01/05/2012. Les Nouvelles Technologies

La Business Intelligence 01/05/2012. Les Nouvelles Technologies 2 La Business Intelligence Les Nouvelles Technologies 3 Une expertise méthodologique pour une intervention optimale sur tous les niveaux du cycle de vie d un projet 4 5 Ils nous font confiance : L ambition

Plus en détail

RAPPORT MAIRIE PARIS. Ville de Paris. Interview du 14 Février 2013 avec Richard Malachez, Chef du Bureau des Projets Patrimoniaux et Géographiques.

RAPPORT MAIRIE PARIS. Ville de Paris. Interview du 14 Février 2013 avec Richard Malachez, Chef du Bureau des Projets Patrimoniaux et Géographiques. Ville de Paris Interview du 14 Février 2013 avec Richard Malachez, Chef du Bureau des Projets Patrimoniaux et Géographiques. Mail : richard.malachez@paris.fr Tel : 01 43 47 62 96 Organisme d accueil Présentation

Plus en détail

III. Entrepôts de. données. A. Définition. Définition. Orientées sujet. Intégrées, Variables dans le temps,

III. Entrepôts de. données. A. Définition. Définition. Orientées sujet. Intégrées, Variables dans le temps, Entrepôts de III - données III Définition 19 Architecture d'un entrepôt de données 20 Architecture ED avec magasins de données 22 Architecture basée sur des magasins de données indépendants 23 Fonctionnement

Plus en détail

Projet CASI: Master Data Management

Projet CASI: Master Data Management Projet CASI: Master Data Management Mardi 17 janvier 2011 Laetitia Ader ya - Ali Lazaar-Youssef Hafi-Chun Jin Projet CASI: Master Data Management 1 / 22 1 2 3 4 5 6 Laetitia Ader ya - Ali Lazaar-Youssef

Plus en détail

Alcatel-Lucent VitalQIP Appliance Manager

Alcatel-Lucent VitalQIP Appliance Manager Alcatel-Lucent Appliance Manager Solution complète de gestion des adresses IP et de bout en bout basée sur des appliances Rationalisez vos processus de gestion et réduisez vos coûts d administration avec

Plus en détail

Optim. EDM : Enterprise Data Management La gestion de données d entreprise. 2008 IBM Corporation

Optim. EDM : Enterprise Data Management La gestion de données d entreprise. 2008 IBM Corporation EDM : Enterprise Data Management La gestion de données d entreprise Fonctions Archiver Purger Conserver Accéder Gérer les données de Test Extraire / Alimenter Gérer les cas de test Tester les régressions

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

MANAGEMENT DES SYSTEMES D INFORMATION

MANAGEMENT DES SYSTEMES D INFORMATION MANAGEMENT DES SYSTEMES D INFORMATION TROISIEME PARTIE LES PROGICIELS DE GESTION INTEGREE TABLE DES MATIERES Chapitre 1 : LA PLACE DES PGI... 3 Chapitre 2 : LE CYCLE DE VIE DES PGI... 6 Questions de cours...

Plus en détail

Contexte. Objectif. Enjeu. Les 3 questions au cœur du Pilotage de la Performance :

Contexte. Objectif. Enjeu. Les 3 questions au cœur du Pilotage de la Performance : Les 3 questions au cœur du Pilotage de la Performance : Contexte Il est naturel de construire et d adapter son système d information à son métier pour répondre aux besoins opérationnels et quotidiens.

Plus en détail

Les solutions SAS pour les Petites et Moyennes Entreprises

Les solutions SAS pour les Petites et Moyennes Entreprises BROCHURE SOLUTION Les solutions SAS pour les Petites et Moyennes Entreprises Sur un marché aussi compétitif que celui des Petites et Moyennes Entreprises, le temps et l efficacité sont deux valeurs prioritaires

Plus en détail

Rapports d évaluation professionnels

Rapports d évaluation professionnels Rapports d évaluation professionnels Extrayez des informations significatives de vos données immotiques archivées et prenez des décisions opérationnelles les plus appropriées en toute connaissance de cause

Plus en détail

Business Intelligence : Informatique Décisionnelle

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

Plus en détail

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

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

Plus en détail

Offre CRM Analytique Logiciels pour une meilleure performance commerciale, 2011

Offre CRM Analytique Logiciels pour une meilleure performance commerciale, 2011 Offre CRM Analytique Logiciels pour une meilleure performance commerciale, 2011 Notre Métier Le Client L intégrateur = AGI Distribution Installation, Paramétrage, Formation, Support L éditeur de logiciel

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

Solutions IT pour libérer le potentiel de votre Business

Solutions IT pour libérer le potentiel de votre Business Solutions IT pour libérer le potentiel de votre Business Stop Guessing Décisionnel & Pilotage Get the Attitude Gestion de la Relation Client Go Paperless Gestion Electronique de Documents DECIZIA, Déjà

Plus en détail

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

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

Plus en détail

Le terme «ERP» provient du nom de la méthode MRP (Manufacturing Ressource Planning) utilisée dans les années 70 pour la gestion et la planification

Le terme «ERP» provient du nom de la méthode MRP (Manufacturing Ressource Planning) utilisée dans les années 70 pour la gestion et la planification Séminaire national Alger 12 Mars 2008 «L Entreprise algérienne face au défi du numérique : État et perspectives» CRM et ERP Impact(s) sur l entreprise en tant qu outils de gestion Historique des ERP Le

Plus en détail

BASES DE DONNEES AVANCEES

BASES DE DONNEES AVANCEES 1.Introduction J.Korczak 1 BASES DE DONNEES AVANCEES Jerzy KORCZAK, Mohammed ATTIK email: {jjk,attik}@lsiit.u-strasbg.fr BDA Objectifs : Ce cours présente des méthodes, modèles et outils d'aide au développement

Plus en détail

Intelligence Economique - Business Intelligence

Intelligence Economique - Business Intelligence Intelligence Economique - Business Intelligence Notion de Business Intelligence Dès qu'il y a une entreprise, il y a implicitement intelligence économique (tout comme il y a du marketing) : quelle produit

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

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

Les outils logiciels IBM à l'appui d'un projet de remontée des informations en temps réel.

Les outils logiciels IBM à l'appui d'un projet de remontée des informations en temps réel. IBM Software Group Les outils logiciels IBM à l'appui d'un projet de remontée des informations en temps réel. Lydie Peter, IBM Software Group. 2004 IBM Corporation Le principe : Identifier et réagir Filtres

Plus en détail

Infor PM Query & Analysis pour Infor FMS SunSystems

Infor PM Query & Analysis pour Infor FMS SunSystems Infor FMS FM Infor FMS Infor PM Query & Analysis pour Infor FMS SunSystems Création de rapports personnalisés pour toute l entreprise Infor PM Query & Analysis propose la solution à tous vos besoins en

Plus en détail

ORACLE DATA INTEGRATOR ENTERPRISE EDITION - ODI EE

ORACLE DATA INTEGRATOR ENTERPRISE EDITION - ODI EE ORACLE DATA INTEGRATOR ENTERPRISE EDITION - ODI EE ORACLE DATA INTEGRATOR ENTERPRISE EDITION offre de nombreux avantages : performances de pointe, productivité et souplesse accrues pour un coût total de

Plus en détail

Système d information : démystification, facteur de croissance et conduite du changement

Système d information : démystification, facteur de croissance et conduite du changement Système d information : démystification, facteur de croissance et conduite du changement Patrick CONVERTY Directeur Commercial www.cibeo-consulting.com Approche globale de la performance Stratégie Système

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

Intégration et protection de données Avril 2008. IBM ireflect : Intégration et protection des données pour les environnements Oracle

Intégration et protection de données Avril 2008. IBM ireflect : Intégration et protection des données pour les environnements Oracle Avril 2008 IBM ireflect : Intégration et protection des données pour les environnements Oracle Page 2 Le saviez-vous? ireflect peut répliquer les données entre différentes versions d Oracle, vous permettant

Plus en détail

Cascade. Logiciel d aide à la gestion de crises. Préparation aux crises Exercices et formations Gestion de crise en temps réel Retour d expérience

Cascade. Logiciel d aide à la gestion de crises. Préparation aux crises Exercices et formations Gestion de crise en temps réel Retour d expérience Cascade Logiciel d aide à la gestion de crises Préparation aux crises Exercices et formations Gestion de crise en temps réel Retour d expérience http://www.overmind-dynamic.com Qu est-ce que Cascade? Cascade

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

Informatique Décisionnelle pour l environnement

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

Plus en détail

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

TD n 1 de fonctionnement des organisations (introduction au cours)

TD n 1 de fonctionnement des organisations (introduction au cours) TD n 1 de fonctionnement des organisations (introduction au cours) Organisations = rassemblent de personnes qui répartit des tâches : I) Présentation de l entreprise A) Approche économique et sociale 1)

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

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

Enrichissez votre connaissance client grâce aux questionnaires intelligents! contact@myfeelback.com www.myfeelback.com +33 5 62 80 44 27

Enrichissez votre connaissance client grâce aux questionnaires intelligents! contact@myfeelback.com www.myfeelback.com +33 5 62 80 44 27 Enrichissez votre connaissance client grâce aux questionnaires intelligents! contact@myfeelback.com www.myfeelback.com +33 5 62 80 44 27 Les nouveaux défis de la connaissance client 44% des entreprises

Plus en détail

Je découvre Lina Entreprise

Je découvre Lina Entreprise Je découvre Lina Entreprise Une solution simple et ergonomique pour gérer votre entreprise 1 Sommaire Présentation 4 Référentiel 6 Ressources 9 Là où d autres agissent dans le présent, nous orientons

Plus en détail

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/ Systèmes de gestion de bases de données Introduction Université d Evry Val d Essonne, IBISC utiles email : cinzia.digiusto@gmail.com webpage : http://www.ibisc.univ-evry.fr/ digiusto/ Google+ : https://plus.google.com/u/0/b/103572780965897723237/

Plus en détail

Business Intelligence www.globalservices.be www.sap-training.be

Business Intelligence www.globalservices.be www.sap-training.be Business Intelligence www.globalservices.be www.sap-training.be Global Services + Business Intelligence = perfect match! Le concept Souhaitez-vous également avoir une meilleure visibilité au niveau des

Plus en détail

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

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

Plus en détail

GARANTIR LE SUCCÈS GRÂCE À LA TECHNOLOGIE

GARANTIR LE SUCCÈS GRÂCE À LA TECHNOLOGIE BROCHURE DE PRODUIT APPLIED TAMOnline GARANTIR LE SUCCÈS GRÂCE À LA TECHNOLOGIE L ACCÈS INSTANTANÉ À L INFORMATION a établi de nouvelles attentes pour le service à la clientèle. De plus en plus de clients

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

Optimisez vos environnements Virtualisez assurément

Optimisez vos environnements Virtualisez assurément Optimisez vos environnements Virtualisez assurément Présenté par Jean-Steve Shaker Architecte de solutions - Virtualisation Une approche unique et simplifiée Solutions en Solutions d infrastructure infrastructure

Plus en détail