LES ENTREPOTS DE DONNEES

Dimension: px
Commencer à balayer dès la page:

Download "LES ENTREPOTS DE DONNEES"

Transcription

1 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 Data marts puis évoluer vers un Data warehouse ou commencer tout de suite par un Data warehouse? Nordine BOUCHABOUN Michel M. Sébastien L. Jean-Pierre F.

2 Plan Général 1. du data warehouse 2. Le périmètre d application 3. La structure des données 4. du data warehouse 5. L exploitation de l information Générale

3 PRESENTATION DU DATA WAREHOUSE Les facteurs de changements Historique du décisionnel Définition Comparaison OLTP/OLAP

4 Les Facteurs de changements Facteurs stratégiques Prix, qualité, délais, services, personnalisation Facteurs technologiques Facteurs économiques Facteurs financiers

5 Facteurs économiques Le passage à la net économie

6 Facteurs financiers IDC 2001 Evolution du marché du décisionnel pour l année 2000

7 PRESENTATION DU DATA WAREHOUSE Les facteurs de changements Historique du décisionnel Définition du Data warehouse Comparaison OLTP/OLAP

8 Historique L infocentre Le côté technique L apparition du data warehouse

9 PRESENTATION DU DATA WAREHOUSE Les facteurs de changements Historique du décisionnel Définition du Data warehouse Comparaison OLTP/OLAP

10 Définition «Le data warehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d un processus d aide à la décision» (Bill IMMON -Using the data warehouse -1994)

11 Définition (suite) Données organisées par thèmes Données consolidées et cohérentes Données historiques et non volatiles Data mart & data warehouse

12 PRESENTATION DU DATA WAREHOUSE Les facteurs de changements Historique du décisionnel Définition du Data warehouse Comparaison OLTP/OLAP

13 Comparaison OLTP/OLAP On Line Transaction Processing & On Line Analytical Processing L utilisation Les accès Les origines des données Le Volume des données

14 LE PERIMETRE D APPLICATION Les secteurs d activités Les principaux domaines d application CRM SCM SEM Data warehouse centralisé ou data marts?

15 Les secteurs d activités La répartition des ventes 2000 de licences d outils décisionnels par secteurs d activités Telecom 13% Services publics 11% Distribution / Commerce 14% Autres 6% Banques / Assurances / Finances 27% Industrie 29%

16 LE PERIMETRE D APPLICATION Les secteurs d activités Les principaux domaines d application CRM SCM SEM Data warehouse centralisé ou data marts?

17 Les domaines d application Stratégie E-business et Changement Partenaires et Fournisseurs <> Achat & Logistique Ressources de l'entreprise Vente & Suivi <> Clients Intégration E-business Système d'information Interne

18 Customer Relationship Management Gestion de la Relation Client Les concepts Le rôle du décisionnel

19 Supply Chain Management Gestion de la chaîne logistique Les objectifs Le rôle du décisionnel

20 Strategic Enterprise Management Gestion la stratégie d entreprise Les objectifs Le rôle du décisionnel

21 LE PERIMETRE D APPLICATION Les secteurs d activités Les principaux domaines d application CRM SCM SEM Data warehouse centralisé ou data marts?

22 STRUCTURE DES DONNEES La modélisation des données Les agrégats Les métadonnées

23 Le modèle normalisé PAYS GAMME Gamme_id Libelle Marque FOURNISSEUR Fournisseur_id Nom Adresse Pays Code_Pays Libellé PRODUIT Produit_id Nom Fournisseur Gamme Code_pays Caracteristique Prix_ht COMMANDE Commande_id Client Produit Quantité Date CLIENT Client_id Nom Prenom Adresse Pays Relationnel pur éviter la redondance

24 Le modèle dénormalisé GAMME Gamme_id Libelle Marque PRODUIT FOURNISSEUR Fournisseur_id Nom Adresse Pays PAYS Code_Pays Libellé VENTE Produit_id Nom Fournisseur Gamme Code_pays Caracteristique Prix_ht COMMANDE Commande_id Client Produit Quantité Date CLIENT Client_id Nom Prenom Adresse Pays Produit_id CA_janvier CA_fevrier Résultat de calculs, agrégats

25 Le modèle dimensionnel PERIODE GEOGRAPHIE JJMMAA * Jour_Semaine Semaine_année PRODUIT Produit_id * Nom Fournisseur Gamme Code_pays Caracteristique VENTES JJMMAA * Produit_id * Point_vente_id * Client_id * CA Marges Quantité Point_vente_id * Region Pays CLIENT Client_id * Nom Prenom Adresse Pays Schéma en étoile

26 Le modèle dimensionnel tables des dimensions PERIODE JJMMAA * Jour_Semaine Semaine_année GEOGRAPHIE Point_vente_id * Region Pays PRODUIT Produit_id * Nom Fournisseur Gamme Code_pays Caracteristique VENTES JJMMAA * Produit_id * Point_vente_id * Client_id * CA CLIENT Client_id * Nom Prenom Adresse Pays Marges Quantité table des faits

27 Le modèle dimensionnel table des faits = HYPERCUBE VENTES JJMMAA * Produit_id * Point_vente_id * CA Marges Quantité GEOGRAPHIE PRODUIT PERIODE

28 Le modèle des données hiérarchie Dimension temporelle : jour semaine année jour mois année Dimension géographique : ville département pays Dimension article : article type catégorie granularité Plus petit élément d une dimension: jour, ville, article profondeur Nombre d éléments dans une dimension Exemple: 5 ans = 1826 jours environ

29 STRUCTURE DES DONNEES La modélisation des données Les agrégats Les métadonnées

30 Les agrégats Ensemble d enregistrements avec des cumuls, sur une ou plusieurs hiérarchies VENTES JJMMAA * Produit_id * Point_vente_id * Client_id * CA Marges Quantité - Vente par semaine, produit, point de vente, client - Vente par jour, produit - Vente par mois, client - Vente par mois, gamme de produit, région de vente

31 Les agrégats Réduit considérablement le nombre d accès de la plupart des requêtes Occupe de l espace disque supplémentaire Ressemble au principe des clés secondaires Doit être transparent pour les requêtes utilisateurs Définitions stockées dans des métadonnées

32 STRUCTURE DES DONNEES La modélisation des données Les agrégats Les métadonnées

33 Les métadonnées Ensemble des référentiels de l entrepôt de données, utilisés par l OLAP : - définitions des objets - définitions des agrégats - autorisations d accès - Dictionnaire de la BD Métadonnées Données Espace de chargement

34 CONSTRUCTION DU DATA WAREHOUSE La gestion de projet L acquisition des données L architecture physique L architecture logicielle Data warehouse centralisé ou data marts?

35 La gestion de projet ALIMENTER EXPLOITER DECIDER Données opérationnelles + Données externes Extraire Nettoyer Stockage Tampon tempon (facultatif) Transformer Transporter Entrepôt de données Utiliser Outils d'analyse '

36 CONSTRUCTION DU DATA WAREHOUSE La gestion de projet L acquisition des données L architecture physique L architecture logicielle Data warehouse centralisé ou data marts?

37 L acquisition des données

38 L acquisition des données Découvrir Sous quelles formes sont les informations? Les informations sont-elles valides? Où sont les informations? Comment et quand les informations sont-elles modifiées?

39 L acquisition des données Extraire Extraction possible à partir de plusieurs plateformes (OLTP, ERP, Web, ) Chargement incrémental ou complet

40 L acquisition des données Transformer Uniformiser l information Gérer les différents codes page Majuscule / minuscule Orthographe

41 L acquisition des données Transporter par FTP ou autre outil de transfert de fichiers par EAI

42 L acquisition des données Charger Les tables Les agrégats

43 CONSTRUCTION DU DATA WAREHOUSE La gestion de projet L acquisition des données L architecture physique L architecture logicielle Data warehouse centralisé ou data marts?

44 L architecture physique Dépend de la taille de l entrepôt de données et des contraintes Ordinateur processeur INTEL, RISC, Mainframe simple ou multiprocesseur Disques RAID1, RAID5 duplication sur une baie distante Réseau Sauvegarde

45 CONSTRUCTION DU DATA WAREHOUSE La gestion de projet L acquisition des données L architecture physique L architecture logicielle Data warehouse centralisé ou data marts?

46 L architecture logicielle Le système d exploitation UNIX 32 ou 64 bits Windows NT, 2000 Mainframe La base de données Oracle, DB2 d IBM, Informix, Sybase Microsoft SQL server (Windows uniquement) Les outils d ETL (Extract,Transform,Load)

47 CONSTRUCTION DU DATA WAREHOUSE La gestion de projet L acquisition des données L architecture physique L architecture logicielle Data warehouse centralisé ou data marts?

48 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?

49 La Business Intelligence Restituer l information pour: Informer Analyser Décider et piloter

50 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?

51 Les différents types d utilisation Utilisation passive Navigation dans un référentiel Requête Analyse stratégique

52 Les services logiques de restitution Navigation dans l entrepôt Authentification et autorisation Surveillance des activités Gestion des requêtes Génération d états standards

53 Navigation dans l entrepôt Basé sur les métadonnées Recherche des sujets disponibles Permettre à l utilisateur d accéder aux contenus

54 Authentification et autorisation Authentification Identifier l utilisateur (login / mot de passe) Autorisation Détermination des informations visibles Table des filtres Utilisateur X / Filtre A / Rapport X Utilisateur Y / Filtre B / Rapport X Utilisateur Z / Filtre C / Rapport X

55 Authentification et autorisation Utilisateur X Filtre A Utilisateur Y Filtre B Rapport X Filtre C Utilisateur Z

56 Autres services Surveillance de l activité Informations sur le fonctionnement Gestion des requêtes Formulation, exécution, envoi du résultat Génération d états standards Génération et mise à disposition

57 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?

58 Le mode pull Client browser HTML / XML LDAP Intranet Intranet / / Internet Internet HTTP Firewall Serveur web Serveur de rapport Métadonnées Datamarts ou Datawarehouse

59 Le mode pull: avantages et inconvénients Avantage Nombre de traitements limité Inconvénient Utilisation des rapports pas optimisée par rapport aux filtres

60 Le mode push LDAP Client browser HTML / XML Métadonnées Intranet Intranet / / Internet Internet Firewall Serveur web Serveur de rapport Datamarts ou Datawarehouse HTTP SMTP Scheduler

61 Le mode push: avantages et inconvénients Avantage Génération des rapports planifiable Inconvénients Utilisation des rapports pas optimisée par rapport aux filtres Pas d adéquation par rapport au besoin utilisateur

62 Le mode mixte LDAP Client browser HTML / XML Métadonnées Intranet Intranet / / Internet Internet Firewall Serveur web Cache mémoire Serveur de rapport Datamarts ou Datawarehouse HTTP Scheduler

63 Le mode mixte: avantages et inconvénients Avantages Génération des rapports planifiable Adéquation au besoin utilisateur Optimisation de la génération des rapports par rapport aux filtres Inconvénient Stockage intermédiaire des rapports

64 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?

65 L accès libre service Requête simple Sur des données simples opérationnelles Interfaces utilisateurs

66 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?

67 La logique OLAP: les principes Un principe logique Méthodologie de modélisation de données Outils de restitution La navigation dans un cube

68 La logique OLAP: exemple d analyse Temps Années Trimestre Mois Jour Clients Secteur Famille Type client Client Mesures Quantité Délai de livraison CA Marge Géographie Produits Gammes Produits Région Département Point de vente

69 La logique OLAP: la pyramide d analyse Indicateurs (CA, Quantité ) Agrégation Axe d analyse Produit (Gamme, produit unitaire) CA / Gamme / Année CA / Gamme / Mois CA / Gamme / Jour Axe d analyse Période (Année, trimestre, jour ) DRILL DOWN Axe d analyse Client (Secteur, famille, client ) SLICE AND DICE

70 La mise en œuvre par MOLAP Vue multidimensionnelle Base Multi dimensionnelle CA / Gamme / Année CA / Gamme / Mois CA / Gamme / Jour Axe d analyse Période (Année, trimestre, jour ) Axe d analyse Produit (Gamme, produit unitaire)

71 La mise en œuvre par MOLAP Avantages Temps de réponse très court Navigation facilitée Limites Stockage des données Pré-agrégation des indicateurs Volumes importants difficile à gérer

72 La mise en œuvre par ROLAP Vue multidimensionnelle Mapping Vue relationnelle Base relationnelle Axe d analyse Produit (Gamme, produit unitaire) CA / Gamme / Année Axe d analyse Période (Année, trimestre, jour ) CA / Gamme / Jour

73 La mise en œuvre par ROLAP Avantages Axes d analyse non nécessairement pré-définis Monde relationnel Limites Temps de réponse

74 La mise en œuvre par HOLAP Vue multidimensionnelle Base Multi dimensionnelle SQL dynamique Base relationnelle CA / Gamme / Année Axe d analyse Produit (Gamme, produit unitaire) CA / Gamme / Jour CA / Gamme / Mois Axe d analyse Période (Année, trimestre, jour ) DRILL THROUGH

75 La mise en œuvre par HOLAP Avantages Temps de réponse Limites Gestion du passage du multidimensionnel au relationnel

76 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?

77 Data warehouse centralisé ou data marts Demande HOLAP Data mart Demande ROLAP Data mart Data warehouse Demande MOLAP Requête Data mart Demande de rapport

78 DATAMINING Définition du Data minig Processus Les techniques utilisées Choix des outils Data warehouse centralisé ou data marts?

79 Définition du = Forage des données Concepts et outils dérivés de l'intelligence artificielle permettant d'analyser des données pour en déduire, sans a priori, des corrélations.

80 DATAMINING Définition Processus Les techniques utilisées Choix des outils Data warehouse centralisé ou data marts?

81 Processus Extraction de l information - Nbre d exemples + Zone optimale Multiplication des apprentissages pour s assurer de la stabilité Temps de calcul trop long Trop peu d exemples par rapport à la taille du problème - Nbre de variables +

82 Processus La sélection des données Les actions sur les variables La recherche du modèle L évaluation des résultats

83 DATAMINING Définition Processus Les techniques utilisées Choix des outils Data warehouse centralisé ou data marts?

84 Les techniques Raisonnement à base de cas Expériences passées Nouvelles expériences Situation Recherche de cas similaires Nouvelle situation Solution et explication Adaptation Solution Amélioration de l expérience

85 Les techniques Les arbres de décisions Moyenne = 241,02 Écart type= 137,51 N= 9403 (94,0%) Décomposition de la durée d un appel en sec. Moyenne = 245,72 Écart type= 203,06 N= 1000 (100,0%) Revenu <= > Moyenne = 319,76 Écart type= 622,60 N= 597 (6,0%) Possède un PC Non Oui Moyenne = 234,94 Écart type= 150,85 N= 422 (4,2%) Moyenne = 524,31 Écart type= 1101,43 N= 175 (1,8%)

86 Les techniques Les algorithmes génétiques Chromosomes = Hybridation Mutation Inversion

87 Les techniques Les réseaux de neurones Neurones d entrée Neurones cachés Neurones de sortie

88 Les techniques Les associations Ensemble de règles conditionnelles de type: Si A <opérateur> B Alors C Exemple Si achat SALADE Et TOMATE Alors achat HUILE

89 Les techniques Evaluation: analyse de tickets de caisses Ticket 1 Ticket 2 Ticket 3 Ticket 4 Farine Sucre Lait Œufs Sucre Chocolat Farine Œufs Sucre Oeufs Œufs Chocolat Thé Chocolat Niveau de confiance de l association Farine Oeufs Chocolat Sucre : 100% : 100% Niveau de support de l association Farine Sucre : 66.6% Niveau de support de l association Oeufs Chocolat : 100% Association réversible

90 Les techniques Utilisations principales Analyse de tickets de caisses Diagnostiques de crédits Avantage Facilement compréhensible Inconvénient Le volume de calcul croit au carré ou au cube avec le volume de données de crédits

91 DATAMINING Définition Processus Les techniques utilisées Choix des outils Data warehouse centralisé ou data marts?

92 Le choix d un outils Apprécier la pertinence des données Obtenir des modèles sans modifier les données Le traitement du volume de données Plusieurs types de variables et de les travailler La possibilité d'utiliser plusieurs techniques de data mining

93 Le choix d un outil La qualité d'ajustement du résultat Facilité de compréhension du résultat L introduction des résultats dans les systèmes de gestion La volonté de l'entreprise à s'investir Le prix Les impacts sur l'organisation de l'entreprise

94 DATAMINING Définition Processus Les techniques utilisées Choix des outils Data warehouse centralisé ou data marts?

95 CONCLUSION GENERALE Problématique : Pour capitaliser ses informations, une entreprise doit-elle commencer par mettre en œuvre des Data marts puis évoluer vers un Data warehouse ou commencer tout de suite par un Data warehouse? Les avantages et inconvénients du data warehouse centralisé Les avantages et inconvénients des data marts Notre réponse

96 Le data warehouse centralisé Avantages et Inconvénients Demande une coopération étroite entre les différents acteurs Demande énormément de ressources financières et de compétences Facilite l uniformisation par une administration unique

97 Les data marts Avantages et Inconvénients Permet de commencer petit pour voir grand (notion de projet pilote) Faciliter de mise en place Permet d utiliser des outils spécialisés sur le thème métier de chaque Data mart

98 Notre réponse Les directions organisationnelles sont demandeurs et pressées Créer un environnement centralisé pose des problèmes de gigantisme Grouper les thèmes ne semble pas nécessaire Aujourd hui, les restrictions budgétaires font que souvent, seuls les data marts voient le jour

99 Questions / Réponses

100 Annexes

101 Annexe 1 Répartion des licences IDC 2001 Répartition des licences du marché par type d outils pour l année 2000

102 Annexe 2 Répartition du marché IDC 2001 Répartition du marché entre les éditeurs et les SSII pour l année 2000

103 Annexe 3 Quelques ouvrages Quelques ouvrages : Jean-Michel FRANCO & Sandrine DE LIGNEROLLES Eyrolles 2000 «Piloter l entreprise grâce au data warehouse» R. KIMBALL & L. REEVES & M. ROSS & W. THORNTHWAITE Eyrolles 2000 «Concevoir et déployer un data warehouse» R. LEFEBURE & G VENTURI Eyrolles «Le Data Mining»

104 ANNEXE 4 Tableau comparatif OLTP/OLAP On Line Transaction Processing On Line Analytical Processing Caractéristique Base opérationnelle Base décisionnelle Utilisateurs La majorité de l entreprise Quelques décideurs Mises à jour Au fil de l eau, générées surtout par les utilisateurs De nuit et week-end, par lot (extraction) Fréquence d accès Continue, Pics de charge Sur demande des utilisateurs Performances Rapidité impérative Charge dépend des requêtes Modèle principal des données Normalisé ( 3NF ) Dimensionnel (en étoile, en flocon) Origine des données unique Sources multiples possibles Souplesse d accès au données Faible, accès par programmes d application Grande, accès par requêtes Besoins en données Bien compris Flou, travail de recherche Ancienneté des données Récente Historisée Taille de la base : 100 MB à 1GB 1 GB à 1 TB

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

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

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

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

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

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

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

Les Entrepôts de Données

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

Plus en détail

Chapitre 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 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

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

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

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

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

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

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

Plus en détail

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

et les Systèmes Multidimensionnels

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

Plus en détail

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

Présentation du module. Base de données spatio-temporelles. Exemple. Introduction Exemple. Plan. Plan

Présentation du module. Base de données spatio-temporelles. Exemple. Introduction Exemple. Plan. Plan Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Partie 1 : Notion de bases de données (Conception

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

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

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

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

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

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

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

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

SQL SERVER 2008, BUSINESS INTELLIGENCE

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

Plus en détail

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

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

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

Les entrepôts de données pour les nuls... ou pas!

Les entrepôts de données pour les nuls... ou pas! Atelier aideà la Décision à tous les Etages AIDE@EGC2013 Toulouse Mardi 29 janvier 2013 Cécile Favre Fadila Bentayeb Omar Boussaid Jérôme Darmont Gérald Gavin Nouria Harbi Nadia Kabachi Sabine Loudcher

Plus en détail

Système OLAP Fresqueau

Système OLAP Fresqueau Système OLAP Fresqueau Kamal BOULIL Journées 20 mars Strasbourg Réunion plénière -Fresqueau 07-08 octobre 2013 1 Plan 1. Introduction 1. Projet ANR Fresqueau 2. Systèmes OLAP 2. Système OLAP Fresqueau

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

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

Cisco Expo 2007. De Netflow à l Expertise Décisionnelle. On Demand IT Expertise

Cisco Expo 2007. De Netflow à l Expertise Décisionnelle. On Demand IT Expertise Cisco Expo 2007 De Netflow à l Expertise Décisionnelle On Demand IT Expertise accellent, l entreprise Notre métier L expertise des flux d applications et de services voix et données sur les réseaux et

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

Pierre-Adrien Forestier Partner Technical Advisor pafore@microsoft.com

Pierre-Adrien Forestier Partner Technical Advisor pafore@microsoft.com Pierre-Adrien Forestier Partner Technical Advisor pafore@microsoft.com Agenda Vision de la BI par Microsoft SQL Server 2008 R2 Démo PowerPivot Démo Reporting Services Questions / Réponses Une plateforme

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

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

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

Durée ou Modalité: Examen! MOTS CLES : Architecture d application, Internet, Web2, RIA, Service Oriented Architecture, XML

Durée ou Modalité: Examen! MOTS CLES : Architecture d application, Internet, Web2, RIA, Service Oriented Architecture, XML DEPARTEMENT INFORMATIQUE ET GESTION S 9 PIGUE9.1 ARCHITECTURE DES SYSTEMES D INFORMATION & INTERNET! COORDINATEUR : Christophe FIORIO! EQUIPE PEDAGOGIQUE : Christophe FIORIO, Tiberiu STRATULAT! VOLUME

Plus en détail

BUSINESS OBJECTS V5 / V6

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

Plus en détail

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

Objectif : Passer de l analyse métier et fonctionnelle à la définition des applications qui

Objectif : Passer de l analyse métier et fonctionnelle à la définition des applications qui Formation PARTIE 1 : ARCHITECTURE APPLICATIVE DUREE : 5 h Objectif : Passer de l analyse métier et fonctionnelle à la définition des applications qui automatisent les fonctions Définir une architecture

Plus en détail

Conception de systèmes d'information et d'entrepôts de données

Conception de systèmes d'information et d'entrepôts de données Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Conception de systèmes d'information et d'entrepôts de données Vers des structures

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

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

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

Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence

Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION Mentions

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

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

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

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

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'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

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

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

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

Plus en détail

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

Chapitre I : Protocoles client serveur et architectures distribuées

Chapitre I : Protocoles client serveur et architectures distribuées Licence Pro Réseaux Télécom Systèmes Internet et Intranet pour l entreprise Chapitre I : Protocoles client serveur et architectures distribuées Département IEM / UB Eric.Leclercq@u-bourgogne.fr Bureau

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

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

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

Créer le modèle multidimensionnel

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

Plus en détail

Plateforme SAS. Data & Information System

Plateforme SAS. Data & Information System Data & Information System SOMMAIRE Rédacteur : Ref: F.Barthelemy AXIO_1111_V1 PLATEFORME SAS PREREQUIS SAS GUIDE SAS WRS SAS PORTAL SAS MINER Une plateforme unique et modulable capable d exploiter l architecture

Plus en détail

Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP)

Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP) Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP) Définition (G. Gardarin) Entrepôt : ensemble de données historisées variant

Plus en détail

Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel

Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 10 Introduction 1. Présentation du décisionnel 15 1.1 La notion de décideur 15 1.2 Les facteurs d'amélioration

Plus en détail

La place de la Géomatique Décisionnelle dans le processus de décision

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

Plus en détail

Cycle de formation certifiante Business Intelligence. Initiation, Approfondissement et Maîtrise

Cycle de formation certifiante Business Intelligence. Initiation, Approfondissement et Maîtrise Cycle de formation certifiante Business Intelligence Initiation, Approfondissement et Maîtrise Objectifs de la formation : - Maîtriser les concepts et les outils de la business intelligence - Concevoir

Plus en détail

Domaines d intervention

Domaines d intervention MANAGEMENT INFORMATIQUE 1 PLACE DE L EGALITE 78280 GUYANCOURT TELEPHONE + 33 1 30 48 54 34 TELECOPIE + 33 1 30 48 54 34 INFOS mailto:contact@managementinformatique.com Société Présentation Société Notre

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

MyReport Le reporting sous excel. La solution de business intelligence pour la PME

MyReport Le reporting sous excel. La solution de business intelligence pour la PME La solution de business intelligence pour la PME Qu est que la business intelligence La Business intelligence, dénommée aussi par simplification "Informatique Décisionnelle", est vraisemblablement l'unique

Plus en détail

ERP & Processus. lacreuse@unistra.fr

ERP & Processus. lacreuse@unistra.fr ERP & Processus Métiers lacreuse@unistra.fr Processus : «Système d activités qui utilise des ressources pour transformer des éléments d entrée en résultat» Iso9000 Approche par processus Axes de modélisation

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

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

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

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

Business Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel

Business Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 11 Introduction 1. Présentation du décisionnel 13 1.1 La notion de décideur 14 1.2 Les facteurs d'amélioration

Plus en détail

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012

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

Plus en détail

Introduction à l Informatique Décisionnelle - Business Intelligence (7)

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

Plus en détail

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

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

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