et les Systèmes Multidimensionnels

Dimension: px
Commencer à balayer dès la page:

Download "et les Systèmes Multidimensionnels"

Transcription

1 Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Data warehouse (DW) Le Data warehouse (entrepôt de données) est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d un processus d aide à la décision (Inmon, 94). Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 2

2 1. Définition d un Data warehouse 1. 1 Données orientées sujet Données structurées par thèmes (sujets majeurs de l entreprise) et non suivant les processus fonctionnels. Le sujet est transversal aux structures fonctionnelles et organisationnelles de l entreprise. On peut accéder aux données utiles sur un sujet. L intégration des différents sujets se fait dans une structure unique. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 3 1. Définition d un Data warehouse 1. 1 Données orientées sujet Il n y a pas de duplication des informations communes à plusieurs sujets. La base de données est construite selon les thèmes qui touchent aux métiers de l entreprise (clients, produits, risques, rentabilité, ). Les données de base sont toutefois issues des Systèmes d Information Opérationnels (SIO). Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 4

3 1. Définition d un Data warehouse Données intégrées Les données, issues de différentes applications de production, peuvent exister sous toutes formes différentes. Il faut les intégrer afin de les homogénéiser et de leur donner un sens unique, compréhensible par tous les utilisateurs. Elle doivent posséder un codage et une description unique. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 5 1. Définition d un Data warehouse 1. 2 Données intégrées La phase d intégration est longue et pose souvent des problèmes de qualification sémantique des données à intégrer (synonymie, homonymie, etc ). Ce problème est amplifié lorsque des données externes sont à intégrer avec les données du SIO. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 6

4 1. Définition d un Data warehouse 1. 3 Données non-volatiles Une information est considérée volatile quand les données sont régulièrement mises à jour comme dans les Systèmes d Information Opérationnels. Dans un SIO, les requêtes portent sur les données actuelles. Il est difficile de retrouver un ancien résultat. Dans un DW, il est nécessaire de conserver l historique de la donnée. Ainsi, une même requête effectuée à deux mois d intervalle en spécifiant la date de référence de la donnée, donnera le même résultat. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 7 1. Définition d un Data warehouse 1. 4 Données historisées Dans un SIO, les transactions se font en temps réel, et les données sont mises à jour constamment. L historique des valeurs de ces données n est généralement pas conservé car il est inutile. Dans un DW, la donnée n est jamais mise à jour. Les données du DW s ajoutent aux données déjà engrangées.=> ajout de couches de données successives, à la manière des strates géologiques Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 8

5 1. Définition d un Data warehouse 1. 4 Données historisées Le DW stocke donc l historique des valeurs que la donnée aura prises au cours du temps. Un référentiel de temps est alors associé à la donnée afin d être capable d identifier une valeur particulière dans le temps. Les utilisateurs possèdent un accès aux données courantes ainsi qu à des données historisées. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 9 1. Définition d un Data warehouse 1. 5 Support d un processus d aide à la décision Un DW est un système d information dédié aux applications décisionnelles dont les principales contraintes sont : des requêtes complexes à plusieurs niveaux d agrégation la nécessité de disposer d informations synthétiques («reporting» de gestion, analyse des ventes, gestion de la masse salariale, etc) le stockage des données sous une forme multidimensionnelle des mises à jour périodiques Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 10

6 2. Objectifs d un Data warehouse permet le développement d applications décisionnelles et de pilotage de l entreprise et de ses processus joue un rôle de référentiel pour l entreprise puisqu il permet de fédérer des données souvent éparpillées dans différentes bases de données offre une vision globale et orientée métier de toutes les données que manipule l entreprise permet de faire face aux changements du marché et de l entreprise offre une information compréhensible, utile, rapide et à jour Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse Bases de production Extraction Transformation Chargement Rafraîchissement Bases externes Dictionnaire Data Warehouse Bases multidimensionnelles Datamarts Outils d administration Outil ROLAP Outils multidimensionnels MOLAP Requeteur ou tableau Outil frontal OLAP Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 12

7 3. Architecture d un Data warehouse 3. 1 Les Bases de Données Bases de données internes: Bases de production de l entreprise Bases créées par les utilisateurs Bases de données externes à l entreprise qui nécessitent leur identification, leur rapatriement et leur intégration. Données achetées à des fournisseurs de données (Nielsen, INSEE, ) Données récupérées sur Internet Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 2 Opérations sur les données EXTRACTION Extraire les données de leur environnement d origine (bases de données relationnelles, fichiers plats, ). Utiliser une technique appropriée pour n extraire que les données nécessaires : données créées ou modifiées depuis la dernière opération d extraction. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 14

8 3. Architecture d un Data warehouse 3. 2 Opérations sur les données TRANSFORMATION Une même donnée peut avoir une structure ou une valeur différente en fonction de la base (production, externe, utilisateurs) dont elle provient. On peut être confronté à des redondances (un même client peut apparaître avec différents attributs et propriétés selon la source consultée). Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 2 Opérations sur les données TRANSFORMATION Il faut supprimer certaines données aberrantes qui risqueraient de fausser les analyses. Il faut donc épurer et transformer les données. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 16

9 3. Architecture d un Data warehouse 3. 2 Opérations sur les données CHARGEMENT/RAFRAICHISSEMENT Effectuer sur les données des opérations de calcul et d agrégation. Remplacer certaines bases si aucune solution d extraction satisfaisante n est possible. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 2 Opérations sur les données CHARGEMENT/RAFRAICHISSEMENT Mettre en place des procédures de chargement et de restauration (en cas de problème). Typiquement, la fréquence du chargement est quotidienne et il est effectué en tout début de matinée. Si la disponibilité du système ne peut être interrompue, envisager la mise en place de systèmes redondants. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 18

10 3. Architecture d un Data warehouse 3. 2 Opérations sur les données LES OUTILS On peut automatiser tout ou partie des opérations décrites. Des outils sont disponibles : Extract d ETI, Genio de Leonard s Logic, SAS/Warehouse Administrator de SAS Le développement d outils spécifiques est envisageable mais risque d alourdir les tâches. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 3 Dictionnaire de Données Le dictionnaire de données regroupe les méta-données. Une méta-donnée représente une donnée sur les données. Il s agit de l ensemble des informations qui permettent de qualifier une donnée, notamment par sa sémantique, sa règle de calcul, sa provenance, sa qualité, etc les méta-données permettent de préciser de quelle table provient la donnée, à quelles dates et heures elle en a été extraite, l état de la base à cet instant, etc... Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 20

11 3. Architecture d un Data warehouse 3. 3 Dictionnaire de Données Une méta-donnée permet de «remonter la chaîne» et de reconstituer l ensemble d événements et données qui ont servi à obtenir l information associée. Le dictionnaire de données contient toutes les informations permettant d exploiter les données. C est un référentiel destiné aux utilisateurs et à l administrateur du DW. A ce jour, il n existe pas de normes en ce qui concerne la structure et la gestion des dictionnaires de données. Chaque outil propose sa solution et son approche. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 4 Les Data Marts Un data mart (magasin de données) est un DW focalisé sur un sujet particulier, souvent au niveau départemental ou métier. C est donc un mini DW lié à un métier particulier de l entreprise (finance, commercial, ). Un DW est souvent volumineux (plusieurs centaines de Go voire quelques To ) avec des performances inappropriées (temps de réponse trop longs). Un Data mart, quant à lui, comporte moins de 50 Go, ce qui permet des performances acceptables. La création d un data mart peut être un moyen de débuter un projet de DW (projet pilote). Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 22

12 3. Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les modèles de données Modèles de présentation Modèles de diffusion Modèles d intégration Bases de données opérationnelles Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les modèles de données Le modèle d intégration unifie les données opérationnelles. Le modèle de diffusion représente le modèle conceptuel des données. Il correspond aux bases multidimensionnelles (serveur OLAP). Le modèle de présentation est un complément au modèle conceptuel. C est à travers ce modèle que l utilisateur voit les données. Il correspond à différents outils physiques : les tableurs, les requêteurs, les outils clients OLAP, etc... Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 24

13 3. Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les outils OLAP (On-Line Analytical Processing) OLAP caractérise l architecture nécessaire à la mise en place d un système d information décisionnel (SID). OLAP s oppose à OLTP (On-Line Transactional Processing) qui caractérise les SIO. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les outils OLAP (On-Line Analytical Processing) OLAP constitue l ensemble des outils multidimensionnels nécessaires à l accès, stockage et à la manipulation des données utiles pour un SIAD ou pour un EIS. OLAP désigne les outils d analyse s appuyant sur les bases de données multidimensionnelles. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 26

14 3. Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les 12 règles de E.F. CODD (1993) Vue multidimensionnelle : Les données sont structurées en dimensions métiers. Transparence : L utilisateur doit pouvoir utiliser les logiciels habituels (tableurs, ) sans percevoir la présence d un outil OLAP. Accessibilité : L outil doit se charger d accéder aux données stockées dans n importe quel type de bases de données (interne + externe) et le faire simultanément. Performance continue dans les restitutions : A mesure que le nombre de dimensions ou la taille de la base augmente, l utilisateur ne doit pas subir de baisse sensible de performance. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les 12 règles de E.F. CODD (1993) Architecture client-serveur : Tout produit OLAP doit fonctionner en mode C/S avec une répartition des traitements. Dimension générique : Chaque dimension (avec l analyse) doit être équivalent aux autres à la fois dans sa structure et dans ses capacités opérationnelles. Une seule structure logique dans l ensemble des dimensions. Gestion dynamique des matrices creuses : OLAP doit gérer les cellules non renseignées de manière optimale. Support multi-utilisateurs : OLAP doit assurer un accès simultané aux données, gérer l intégrité et la sécurité de ces données. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 28

15 3. Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les 12 règles de E.F. CODD (1993) Opérations entre les dimensions : OLAP doit gérer des calculs associés entre les dimensions sans faire appel à l utilisateur pour définir le contenu de ces calculs Manipulation intuitive : Minimiser le recours à des menus ou les allers et retours avec l interface utilisateur Flexibilité des restitutions : convivialité des états de gestion ou des états de sortie - ergonomie Nombre de dimensions et niveaux de hiérarchie illimité : l outil doit gérer au moins quinze dimensions et ne pas limiter le nombre de niveaux hiérarchiques. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Fast Analysis of Shared Multidimensional Information (FASMI) Analyse : fournir des possibilités d analyse (statistiques et autres) Rapide : l essentiel des réponses doit être rendu dans un délai de moins de cinq secondes Information : accéder à l ensemble des données indépendamment de leur localisation Multidimensionnelle :fournir une vue conceptuelle multidimensionnelle Partagée : être accessible à un grand nombre d utilisateurs et ne pas limiter le nombre de niveaux hiérarchiques. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 30

16 3. Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les outils relationnels OLAP Outils relationnels : requêteurs, infocentres, jointures complexes exemple : Business Objects (anciennes versions) Hypercubes relationnels : les données sont stockées dans une BD relationnelle, mais avec une structure adaptée aux données multidimensionnelles exemple : SGBD relationnels OLAP relationnel (ROLAP) : ces outils utilisent directement le modèle relationnel. Au travers des méta-données, ils permettent de transformer l analyse multidimensionnelle en requêtes SQL : distinguent les axes d analyse et les faits à observer (modèles en étoile ou en flocon) Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les outils relationnels OLAP Interface de présentation Hypercube virtuel Base de données relationnelle Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 32

17 3. Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Intégration Infocentre Hypercube Principe proche de l OLAP relationnel Intégration d un outil d infocentre et d un outil d analyse multidimensionnelle dans une même interface située sur le poste client L outil d infocentre assure la gestion d un référentiel commun, la sélection des données et leur valorisation L outil multidimensionnel assure la création d un hypercube, l implémentation des fonctionalités OLAP (consolidation, zoom avant, glisser-déplacer, gestion des seuils, etc.) Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Intégration Infocentre Hypercube Hypercubes clients Table de dimension Table de Faits Table de dimension Table de dimension Serveur relationnel Table de dimension Table de dimension Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 34

18 3. Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les outils multidimensionnels MOLAP Les BD multidimensionnelles sont propriétaires (pas de standard) Les données sont dynamiquement structurées et compressées (optimisation de l espace disque) Les données sont organisées en dimensions et hiérarchies Les formules de calcul sont généralement complexes Les temps de réponse sont constants Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les outils multidimensionnels MOLAP Interface de présentation Serveur matriciel Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 36

19 3. Architecture d un Data warehouse 3. 5 Les bases multidimensionnelles et les outils OLAP Les outils multidimensionnels MOLAP La constitution de la base se fait selon le processus suivant extraction des données provenant des SGBD ou fichiers décomposition des données en dimensions, attributs et variables calcul des consolidations chargement de l hypercube selon la structure dimensionnelle choisie L interrogation de la base possède les caractéristiques suivantes : interface graphique (drill down, slice and dice, etc) gestion des seuils et des alertes (codage couleurs) temps de réponse court et constant SQL non implémenté Exemple : Oracle Express Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Architecture d un Data warehouse 3. 6 Les limites du multidimensionnel Format et langage propriétaire Structure figée (l hypercube doit être construit à chaque modification) Accès au détail difficile Peu d outils disponibles Outils d administration insuffisants Difficulté de réaliser des sélections sur un hypercube Pas de standard ni pour la structure physique ni pour l interrogation Manque de souplesse et absence de gestion de méta-données Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 38

20 3. Architecture d un Data warehouse 3. 7 Conclusion Un marché florissant nombreux outils (ROLAP,MOLAP,..) concentration du nombre d éditeurs de logiciels Nécessité de méthodologie de conception démarche modélisation conceptuelle et logique implication des utilisateurs Un avenir réel l informatique opérationnelle est mature la demande des utilisateurs est importante la technologie est disponible. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Le Marché du Data warehouse Le marché du décisionnel regroupe une trentaine d acteurs Les éditeurs peuvent être regroupés en quatre catégories solutions applicatives bases de données multidimensionnelles client ROLAP client OLAP Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 40

21 4. Le Marché du Data warehouse 4. 1 Les solutions applicatives L offre la plus ancienne l offre verticale (spécialisée dans un secteur tel que la banque ou la grande distribution) l offre horizontale (consacrée à une fonction précise) l offre fondée sur un progiciel l éditeur intègre généralement dans sa solution une base de données multidimensionnelle Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Le Marché du Data warehouse 4. 1 Les solutions applicatives exemples de produits : Editeur Produit Fonction Comshare Boost sales and marging planning Prévision, planification Boost sales analysis Analyse des ventes Commander budget Elaboration budgétaire Commander FDC Reporting, consolidation Hyperion Software Hyperion entreprise Reporting, consolidation Hyperion Pilar Elaboration budgétaire Oracle Oracle financial analyser Elaboration budgétaire Oracle sales analyser Analyse des ventes SAS Institute CFO Vision Reporting Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 42

22 4. Le Marché du Data warehouse 4. 2 Bases de données multidimensionnelles Quatre acteurs principaux répartis en deux catégories : les spécialistes qui fournissent une technologie multidimensionnelle performante les fournisseurs de solutions complètes capables de fournir en plus de la base de données, un environnement de développement, d interrogation et d administration. Catégorie Editeur Produit Spécialistes Autres (environnement intégré) Arbor Software Aplix Oracle Gentia Software Essbase TMI Express Gentia Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Le Marché du Data warehouse 4. 3 Client ROLAP Offre la plus récente sur le marché l information est stockée dans une base de données relationnelle et un dictionnaire permet de faire apparaître l information sous forme multidimensionnelle l administrateur offre à l utilisateur un point de vue multidimensionnel sur une base relationnelle les principaux acteurs sont : Editeur Produit Business Objects Microstrategy Information Advantage Informix Platinum Technology Business Objects DSS Agent Decision Suite MetaCube Info Beacon Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 44

23 4. Le Marché du Data warehouse 4. 4 Client OLAP Utilisation d un outil d infocentre pour interroger les données relationnelles, puis représenter l information récupérée sous forme multidimensionnelle solution proposée par les éditeurs d infocentre deux outils sont utilisés : l analyse multidimensionnelle et l infocentre relationnel inconvénients : pour alimenter l outil multidimensionnel, il faut rapatrier un volume de données important de la base relationnelle vers l outil le stockage physique des données multidimensionnelles s effectue sur le poste de travail, ce qui entraîne une redondance des données Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Le Marché du Data warehouse 4. 4 Client OLAP ces systèmes sont appelés DOLAP, pour Desktop OLAP principaux acteurs : Editeur Editeur Fonction Andyne Cognos GQL Pablo Impromptu Powerplay Requêteur Analyse OLAP Requêteur Analyse OLAP Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 46

24 5. Développement d un Data warehouse 5. 1 Introduction Caractéristiques d un data warehouse à prendre en compte 4 caractéristiques du data warehouse jouent un rôle fondamental dans les projets de ce type: Les évolutions technologiques: client-serveur et systèmes ouverts permettent de construire le data warehouse par intégration des composants les + adaptés. Le lien implicite à la stratégie de l entreprise: data warehouses + proches de la stratégie de l entreprise que les systèmes transactionnels. Une logique d amélioration continue (évolution des demandes des utilisateurs, nouveaux objectifs de l entreprise) Un niveau de maturité (acquis décisionnel) différent selon les entreprises. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Développement d un Data warehouse 5. 1 Introduction Phases du processus de développement Démarche proposée=démarche incrémentale: le data warehouse est construit application par application (décomposition en sousprojets ou «initiatives»). 3 grandes phases dans un projet de data warehouse: «Découvrir et définir les initiatives»: niveau entreprise; distinction de 2 sous-phases: étude stratégique et élaboration du plan d action. Définition de l infrastructure technique et organisationnelle du data warehouse, conduite du changement: niveau entreprise. Mise en œuvre incrémentale des applications: niveau projet. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 48

25 5. Développement d un Data warehouse 5. 2 Phase 1: découvrir et définir les initiatives Etude stratégique Rôle fondamental. Etape 1: sensibilisation, «sponsorship», préparation au changement. Chaque acteur doit être convaincu de la nécessité et de l importance du projet de data warehouse, et de la nécessité de son implication. Rôle du sponsor du projet. Etape 2: identification des objectifs métier/entreprise assignés au data warehouse. Effectuée par collaboration entre management, équipes opérationnelles et équipes informatiques. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Développement d un Data warehouse 5. 2 Phase 1: découvrir et définir les initiatives Etude stratégique Etape 3: identification des sous-projets (initiatives) permettant d atteindre les objectifs précédemment identifiés. Les initiatives sont ordonnancées par priorité. Les initiatives sont indépendantes, bien délimitées, et leur mise en œuvre est relativement courte (moins de 6 mois en général). Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 50

26 5. Développement d un Data warehouse 5. 2 Phase 1: découvrir et définir les initiatives Elaboration du plan d action Etape 1: étude de faisabilité (existence et qualité des données, contraintes techniques et organisationnelles). Etape 2: analyse coûts/bénéfices. Exemples: coût de développement, coût du matériel et du logiciel Estimations ne sont pas détaillées. Estimations sont de moins en moins détaillées selon le niveau de priorité de l initiative. Etape 3: séquencement et planification des projets. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Développement d un Data warehouse 5. 3 Phase 2: définition de l infrastructure Infrastructure technique Choix du ou des fournisseur(s) de technologies: choix entre un unique fournisseur et plusieurs fournisseurs Choix des outils: construire, acheter ou faire avec l existant? Choix de l architecture du data warehouse: centralisée/distribuée/répliquée, Intranet Choix de la structure de stockage: relationnelle, multidimensionnelle Choix du matériel Choix des infrastructures destinées à l administration des systèmes, à la gestion de la sécurité Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 52

27 5. Développement d un Data warehouse 5. 3 Phase 2: définition de l infrastructure Infrastructure organisationnelle Organisation typique des équipes de développement et d exploitation: Un 1er centre de compétences responsable de l alimentation du data warehouse à partir des systèmes de production. Un second centre de compétences responsable de la gestion et du support du data warehouse proprement dit. Rôle des administrateurs de bases de données. Un 3è centre de compétences responsable des flux d informations entre les utilisateurs et leur poste de travail d une part, et le data warehouse d autre part. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Développement d un Data warehouse 5. 3 Phase 2: définition de l infrastructure Conduite du changement Rôle de la formation. Rôle des sponsors. Il est souvent souhaitable d identifier un sponsor par initiative, chaque sponsor étant généralement associé à une entité opérationnelle (marketing, finance, ressources humaines ). Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 54

28 5. Développement d un Data warehouse 5. 4 Phase 3: mise en œuvre des applications Les 5 étapes Etape 1: étude préalable Définition et planification des étapes suivantes de manière plus précise et détaillée que dans les phases précédentes. Analyse de l existant Etude des besoins. Etape 2: étude détaillée (cf. parties 6 et 7 + loin) Modélisation conceptuelle des données Modélisation logique multidimensionnelle Modélisation mathématique: définition des agrégations et des formules. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Développement d un Data warehouse 5. 4 Phase 3: mise en œuvre des applications Les 5 étapes Etape 3: réalisation Définition de l interface homme-machine Implémentation physique Intégration. Etape 4: déploiement Etape 5: mesures Bilan de la mise en œuvre de l application de data warehouse (capitalisation d expérience) Mesures doivent être effectuées régulièrement. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 56

29 5. Développement d un Data warehouse 5. 4 Phase 3: mise en œuvre des applications Démarche itérative Mise en œuvre des applications peut s effectuer selon une approche itérative, de type RAD (Rapid Application Development). Phase de mise en œuvre des applications découpée en deux sous-phases, avec déroulement des 5 étapes à chaque fois: Développement d un prototype (pilote) Déploiement, généralisation du pilote. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Développement d un Data warehouse 5. 5 Conclusion: schéma général du processus d entreprise Vision Vision PI P2 P3 Projet 1 (pilote) Projet 2 (pilote) Projet 3 (pilote) Itérative inter-projets Itérative inter-projets Itérative inter-projets Vision projet Projet 1 (déploiement) Projet 2 (déploiement) Projet 3 (déploiement) d entreprise Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Incrémentale : multi projet 58

30 6. Modélisation des données d un Data warehouse 6. 1 Introduction Nécessité de techniques de modélisation spécifiques Système transactionnel Data warehouse Redondances Mises à jour A minimiser pour préserver la fiabilité et la cohérence du système (normalisation). Oui Autorisées. Non. Pas de mises à jour en ligne. Mise à jour dans la phase de chargement/ rafraîchissement. Modèle de données Utilisateur n accède pas directement au modèle de données. Utilisateur a un accès direct au modèle de données. Volumes de données Nombre de tables manipulées dans les requêtes Résultats des transactions : volumes limités. Faible en général Requêtes manipulent souvent de gros volumes de données. Elevé en général. Requêtes prévisibles Oui Non dans de nombreux cas. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Modélisation des données d un Data warehouse 6. 1 Introduction Modèle multidimensionnel 3 concepts fondamentaux: Les faits mesurent l activité. Les faits sont toujours numériques. Les faits les plus importants et les plus utiles sont valorisés de façon continue et additifs. Les dimensions sont les axes d analyse. Elles peuvent être organisées en hiérarchies telles que la géographie, le temps Les attributs des dimensions qualifient celles-ci. Typiquement, les attributs sont textuels et discrets (par opposition aux faits). Copyright J. Akoka - I. Comyn-Wattiau - N.Prat 60

31 6. Modélisation des données d un Data warehouse 6. 1 Introduction Modèle multidimensionnel Opérations fondamentales sur des bases multidimensionnelles: Drill-down (une donnée agrégée est visualisée à un niveau de détail plus fin) et consolidation (les données sont visualisées à un niveau plus agrégé). Le drill-down et la consolidation se fondent sur l utilisation des hiérarchies entre dimensions, et des fonctions agrégées (somme, nombre, min, max, moyenne). Slicing and dicing: visualisation des données selon différentes perspectives. Copyright J. Akoka - I. Comyn-Wattiau - N.Prat Modélisation des données d un Data warehouse 6. 1 Introduction Modèle multidimensionnel DIMENSION Attribut de dimension Fait CA ANNEE TRIMESTRE MOIS JOUR PRODUIT - libellé - prix unitaire VILLE - nombre d habitants -pouvoir d achat moyen REGION -taux de chômage Copyright J. Akoka - I. Comyn-WattiauTYPE - N.Prat DE PRODUIT 62 Un cube d analyse des ventes

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

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

L'infocentre sert à prendre des décisions opérationnelles basées sur des valeurs courantes

L'infocentre sert à prendre des décisions opérationnelles basées sur des valeurs courantes II - II 1ère génération 13 2ème génération : Entrepôt de données / Magasin de données 15 3ème génération OLAP 16 Références Bibliographiques 18 A. 1ère génération Infocentre Tableur Base de données Infocentre

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

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

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

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 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

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

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

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

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 concept de Data Warehouse a été formalisé pour la première fois en 1990.

Le concept de Data Warehouse a été formalisé pour la première fois en 1990. 1 - LE DATA WAREHOUSE 1.1 - PRESENTATION Le concept de Data Warehouse a été formalisé pour la première fois en 1990. L idée de constituer une base de données orientée sujet, intégrée, contenant des informations

Plus en détail

Fiche de lecture OLAP

Fiche de lecture OLAP Fiche de lecture OLAP NFE107 Urbanisation des Systèmes d Information Karim Sekri Informatique décisionnelle BI, Business Intelligence Système interprétant des données complexes permettant aux dirigeants

Plus en détail

Chapitre 9 : Informatique décisionnelle

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

Plus en détail

Bases de données multimédias Bases de données multidimensionnelles

Bases de données multimédias Bases de données multidimensionnelles Bases de données multimédias Bases de données multidimensionnelles Contenu BD Multimédia : Caractéristiques Modélisation Interrogation Architectures des SGBD multimédias BD Multidimensionnelles Motivations

Plus en détail

Le Data Warehouse. Fait Vente. temps produit promotion. magasin. revenu ... Produit réf. libellé volume catégorie poids. Temps jour semaine date ...

Le Data Warehouse. Fait Vente. temps produit promotion. magasin. revenu ... Produit réf. libellé volume catégorie poids. Temps jour semaine date ... Le Data Warehouse Temps jour semaine date magasin nom ville m 2 région manager... Fait Vente temps produit promotion magasin revenu... Produit réf. libellé volume catégorie poids... Promo nom budget média

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

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

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

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

Entrepôt de Données. Jean-François Desnos. Jean-Francois.Desnos@grenet.fr ED JFD 1

Entrepôt de Données. Jean-François Desnos. Jean-Francois.Desnos@grenet.fr ED JFD 1 Entrepôt de Données Jean-François Desnos Jean-Francois.Desnos@grenet.fr ED JFD 1 Définition (Bill Inmon 1990) Un entrepôt de données (data warehouse) est une collection de données thématiques, intégrées,

Plus en détail

AXIAD Conseil pour décider en toute intelligence

AXIAD Conseil pour décider en toute intelligence AXIAD Conseil pour décider en toute intelligence Gestion de la Performance, Business Intelligence, Big Data Domaine d expertise «Business Intelligence» Un accompagnement adapté à votre métier dans toutes

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

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

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

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

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

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

Bases de données multidimensionnelles OLAP. OnLine Analytical Processing

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

Plus en détail

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

Annexe. Méthodologie de mise en œuvre d un projet BusinessObjects

Annexe. Méthodologie de mise en œuvre d un projet BusinessObjects Annexe Méthodologie de mise en œuvre d un projet BusinessObjects Déroulement du cours 1 : Le rôle du Designer d Univers 2 : Créer un Univers avec l Assistant 3 : Créer un Univers étape par étape 4 : Enrichir

Plus en détail

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

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

CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2. Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP...

CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2. Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP... Table des matières CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2 Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP...6 OPÉRATIONS SUR LES CUBES...7 Exemple

Plus en détail

IBM Cognos TM1. Fiche Produit. Aperçu

IBM Cognos TM1. Fiche Produit. Aperçu Fiche Produit IBM Cognos TM1 Aperçu Cycles de planification raccourcis de 75 % et reporting ramené à quelques minutes au lieu de plusieurs jours Solution entièrement prise en charge et gérée par le département

Plus en détail

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

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

Plus en détail

Objectifs. Maîtriser. Pratiquer

Objectifs. Maîtriser. Pratiquer 1 Bases de Données Objectifs Maîtriser les concepts d un SGBD relationnel Les modèles de représentations de données Les modèles de représentations de données La conception d une base de données Pratiquer

Plus en détail

L information et la technologie de l informationl

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

Plus en détail

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise.

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service

Plus en détail

Bases de données multidimensionnelles OLAP

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

Plus en détail

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

Sommaire. Introduction. Opérations typiques. Langages. Architectures

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

Plus en détail

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

Leçon 4 : Typologie des SI

Leçon 4 : Typologie des SI Leçon 4 : Typologie des SI Typologie des SI Système formel Système informel Typologie des SI Chaque jour au sein d une organisation Le système d info stocke, traie ou restitue des quantités importantes

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

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

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

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

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

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

MyReport, une gamme complète. La Business Intelligence en toute simplicité : Concevez, partagez, actualisez! pour piloter votre activité au quotidien.

MyReport, une gamme complète. La Business Intelligence en toute simplicité : Concevez, partagez, actualisez! pour piloter votre activité au quotidien. MyReportle reporting sous excel La Business Intelligence en toute simplicité : Concevez, partagez, actualisez! MyReport, une gamme complète pour piloter votre activité au quotidien. En rendant les données

Plus en détail

Base de données en mémoire

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

Plus en détail

GUIDE COMPARATIF OLAP. www.viseo.com

GUIDE COMPARATIF OLAP. www.viseo.com GUIDE COMPARATIF OLAP www.viseo.com Table des matières Contexte et usage... Champs d application... Principes OLAP... 4 Les architectures OLAP... 5 Ouverture et complémentarité... 6 Questionnaire opérationnel...

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

FICHE CONCEPT 01 ETL (EXTRACT TRANSFORM & LOAD)

FICHE CONCEPT 01 ETL (EXTRACT TRANSFORM & LOAD) FICHE CONCEPT 01 ETL (EXTRACT TRANSFORM & LOAD) BIEN GERER SES REFERENTIELS DE DONNEES : UN ENJEU POUR MIEUX PILOTER LA PERFORMANCE DE SON ETABLISSEMENT octobre 2008 GMSIH 44, Rue de Cambronne 75015 Paris.

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Le parcours pédagogique Sage Business Intelligence. Utilisateur Niv I BO XI 3.0 WebI pour Sage 1000 2 jours

Le parcours pédagogique Sage Business Intelligence. Utilisateur Niv I BO XI 3.0 WebI pour Sage 1000 2 jours Vous êtes Consultant, Chef de Projets, Directeur des Systèmes d Information, Directeur Administratif et Financier, Optez pour les «formations Produits» Nous vous proposons des formations vous permettant

Plus en détail

Cours Base de données relationnelles. M. Boughanem, IUP STRI

Cours Base de données relationnelles. M. Boughanem, IUP STRI Cours Base de données relationnelles 1 Plan 1. Notions de base 2. Modèle relationnel 3. SQL 2 Notions de base (1) Définition intuitive : une base de données est un ensemble d informations, (fichiers),

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

Présentation du module Base de données spatio-temporelles

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

Plus en détail

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

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

BASE DE DONNEES. OlivierCuré [ocure@univ-mlv.fr]

BASE DE DONNEES. OlivierCuré [ocure@univ-mlv.fr] BASE DE DONNEES 1 Contact Olivier Curé ocure@univ-mlv.fr http://www.univ-mlv.fr/~ocure Copernic 4B060 2 Objectifs du cours Présentation des concepts liés aux bases de données, aux modèles des bases de

Plus en détail

Chapitre 2 : Conception de base de données relationnelle

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

Plus en détail

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

La Business Intelligence en toute simplicité :

La Business Intelligence en toute simplicité : MyReportle reporting sous excel La Business Intelligence en toute simplicité : Concevez, partagez, actualisez! En rendant les données accessibles aux personnes habilitées dans l entreprise (comptabilité,

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

Les PGI. A l origine, un progiciel était un logiciel adapté aux besoins d un client.

Les PGI. A l origine, un progiciel était un logiciel adapté aux besoins d un client. Les PGI Les Progiciels de Gestion Intégrés sont devenus en quelques années une des pierres angulaire du SI de l organisation. Le Système d Information (SI) est composé de 3 domaines : - Organisationnel

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

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

Licence Professionnelle en Statistique et Informatique Décisionnelle (S.I.D.)

Licence Professionnelle en Statistique et Informatique Décisionnelle (S.I.D.) Université de Lille 2 - Droit et Santé Ecole Supérieure des Affaires & Institut Universitaire de Technologie (IUT-C) Département Statistique et Traitement Informatique des Données Licence Professionnelle

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

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

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

Plus en détail

K. Smaïli Professeur à l université Nancy2. 1/105 K. Smaïli 2008

K. Smaïli Professeur à l université Nancy2. 1/105 K. Smaïli 2008 K. Smaïli Professeur à l université Nancy2 1/105 K. Smaïli 2008 Introduction au BI (Business Intelligence) Notion de Datawarehouse Cognos Powerplay Powerplay Transformer Impromptu Datamining Le panier

Plus en détail

BI = Business Intelligence Master Data-Science

BI = Business Intelligence Master Data-Science BI = Business Intelligence Master Data-Science UPMC 25 janvier 2015 Organisation Horaire Cours : Lundi de 13h30 à 15h30 TP : Vendredi de 13h30 à 17h45 Intervenants : Divers industriels (en cours de construction)

Plus en détail

MyReport, LE REPORTING SOUS EXCEL

MyReport, LE REPORTING SOUS EXCEL MyReport, LE REPORTING SOUS EXCEL Avec MyReport : De la manipulation en moins. De l analyse en plus! Les données d une entreprise sont un vrai capital. Bien exploitées, elles facilitent les prises de décisions.

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

Chapitre 1 : Introduction aux Systèmes de Gestion de Bases de Données (Eléments de base)

Chapitre 1 : Introduction aux Systèmes de Gestion de Bases de Données (Eléments de base) Chapitre 1 : Introduction aux Systèmes de Gestion de Bases de Données (Eléments de base) 1. Généralités sur l'information et sur sa Représentation 1.1 Informations et données : a. Au sen de la vie : C

Plus en détail

MyReport, LE REPORTING SOUS EXCEL

MyReport, LE REPORTING SOUS EXCEL MyReport, LE REPORTING SOUS EXCEL De la simplicité d Excel à l autonomie des utilisateurs Avec MyReport : De la manipulation en moins. De l analyse en plus! Tous les services de l entreprise utilisent

Plus en détail

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

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

Plus en détail

Bases de données Cours 1 : Généralités sur les bases de données

Bases de données Cours 1 : Généralités sur les bases de données Cours 1 : Généralités sur les bases de données POLYTECH Université d Aix-Marseille odile.papini@univ-amu.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 1 Qu est ce qu une

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

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

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

Plus en détail

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

Théories de la Business Intelligence

Théories de la Business Intelligence 25 Chapitre 2 Théories de la Business Intelligence 1. Architectures des systèmes décisionnels Théories de la Business Intelligence Depuis les premières requêtes sur les sources de données OLTP consolidées

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

Prototype SOLAP appliqué sur des champs continus en mode raster

Prototype SOLAP appliqué sur des champs continus en mode raster Session démos 24 novembre 2014 Prototype SOLAP appliqué sur des champs continus en mode raster Analyse de hot spots de criminalité Jean-Paul Kasprzyk, doctorant Introduction 2 L informatique décisionnelle

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

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

République Algérienne Démocratique et Populaire

République Algérienne Démocratique et Populaire République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieur et de la Recherche Scientifique Institut National de formation en Informatique Direction de la Post-Graduation et de

Plus en détail

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

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

Plus en détail

Intégration de systèmes client - serveur Des approches client-serveur à l urbanisation Quelques transparents introductifs

Intégration de systèmes client - serveur Des approches client-serveur à l urbanisation Quelques transparents introductifs Intégration de systèmes client - serveur Des approches client-serveur à l urbanisation Quelques transparents introductifs Jean-Pierre Meinadier Professeur du CNAM, meinadier@cnam.fr Révolution CS : l utilisateur

Plus en détail

Mémoire de fin d études. Thème Conception et réalisation d un Data Warehouse pour la mise en place d un système décisionnel

Mémoire de fin d études. Thème Conception et réalisation d un Data Warehouse pour la mise en place d un système décisionnel Mémoire de fin d études Pour l obtention du diplôme d Ingénieur d Etat en Informatique Option : Systèmes d information Thème Conception et réalisation d un Data Warehouse pour la mise en place d un système

Plus en détail

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

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

Plus en détail

L informatique des entrepôts de données

L informatique des entrepôts de données L informatique des entrepôts de données Daniel Lemire SEMAINE 8 Introduction à OLAP 8.1. Présentation de la semaine Le modèle OLAP (Online Analytical Processing) est un modèle quasiomniprésent en intelligence

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