Le Business Intelligence Généralités et techniques

Dimension: px
Commencer à balayer dès la page:

Download "Le Business Intelligence Généralités et techniques"

Transcription

1 Le Business Intelligence Généralités et techniques Cédrine MADERA Adding Value Copyright IBM Corporation 2009

2 Le nouveau rôle de l'informatique est de définir et d'intégrer une architecture qui serve de fondation aux applications décisionnelles : le Data Warehouse.

3 Sommaire Jour 1 ƒintroduction au Data Warehouse ƒconstruction et conception d'un Data warehouse ƒarchitecture

4 PARTIE 1 Introduction au Data warehouse Adding Value Copyright IBM Corporation 2009

5 Sommaire Introduction au Data warehouse Concepts de base et définition Data mart Infocentre Les systèmes d'informations Terminologie

6 Pourquoi un Datawarehouse? ƒpour améliorer sa performance ƒvaloriser le capital d'information ƒgarder la trace d'événements de manière fiable et intègre ƒautomatiser de plus en plus les processus opérationnels. ƒpour accroître leur compétitivité et leur réactivité ƒ avoir une meilleur connaissance de ses clients, de sa compétitivité ou de son environnement.

7 A ce titre, le Data Warehouse doit être rapproché de tous les concepts visant à établir une synergie entre le système d'information et sa stratégie.

8 La mise en œuvre du Data Warehouse : un processus complexe. ƒune vision intégrée et transversale aux différentes fonctions de l'entreprise, ƒ une vision métier au travers de différents axes d'analyse, ƒune vision agrégée ou détaillée suivant le besoin des utilisateurs.

9 le data warehouse, point focal de l'informatique décisionnelle DONNEES SOURCES PRODUCTION SGBD/R PRODUCTION Fichier Plat SOURCE EXTERNE PRODUCTION SGBD/R SOURCE EXTERNE Extractio n Chargemen t RECEPTACLE Synchronisation Transformation Entrepôt de Données Vue Métier Vue Métier Vue Métier Vue Métier TABLEAU X DE BORD DATA MINING SQ S L ANALYSE SELECTION MULTIDIMENSIONNELL E

10 Le Data warehouse : ce n'est pas un produit c'est une solution...

11 Qu'est ce que le Data Warehouse? Support d'applications décisionnelles Data Sources Corporate sources External sources Data Warehouse Environment Caracteristiques et propriétés Organisation des données ayant l'objectif de rassembler tout ce qui peut être utile dans le support à la décision Entrepôt de données non volatile pour les données métiers, les transactions et les événements Construit sur la base d'un modèle de données 'temporel' Données intégrées, consolidées, sécurisées et nettoyées Source d'information pour toutes les applications d'aide à la décision

12 Data Warehouse Caracteristiques - Overview Organisation de données Les données dans le data warehouse sont organisées et orientées par métiers et par applications Entrepôt de données non volatile pour les données métiers, les transactions et les événements Un data warehouse doit être conçu et construit comme un entrepôt où les transactions, les évenements et les données métier sont non volatile Information intégrée, consolidée, dérivées et nettoyée Un data warehouse est un entrepôt de données logique provenant de sources de données disparates. Il doit être la seule source de données pour les utilisateurs Construit sur la base d'un modèle de données 'temporel' plusieurs techniques de modélisation peuvent être utilisées

13 Le Data Warehouse est une collection de données orientées metier, intégrées, non volatiles et historisées, organisées pour le support d'un processus d'aide à la décision.

14 Definition du Datawarehouse ƒ Orientées metier ƒ Données intégrées ƒ Données historisées ƒ Données non volatiles

15 Corporate-wide, Subject-oriented Data Organization Données organisées orientées sujet Organisées autour de domaine métier customers, sales, supplies, products,... Basée sur une architecture de données organisée en plusieurs couches Données avec des règles de gestion. Data and rules consistent across the whole enterprise Modèle de donnée orienté application Organisé sur la base de un ou plusieurs modèle conceptuel pour les différents domaine d'application. Logiquement et /ou physiquement séparés des bases de données. Données adaptées à la conservation de l'information.

16 Non-Volatile Store of Data, Transactions and Events Non-volatile store of data, transactions and events Corporate data, external data Business transactions, represented by one or more, related data changes For example, 'a cash withdrawal', 'reception of a particular goods delivery', 'a customer sale' Notice that a business transaction usually is associated with an event (the cause of the transaction) Corporate and external (business) events, represented by event records For example, "start of a sales promotion campaign", 'election of a president', '4th of July',... Business transactions and events are associated with state changes in the source data Business transactions are usually not systematically recorded in the OLTP sources

17 Integrated, Consolidated and Cleansed Data and Derived Information Data source s OLTP Controlled and managed Data Warehouse Environment Controlled and managed environment Data Warehouse Integrated, consolidation and cleansed data From disparate sources Sources have different temporal characteristics Source data can have different meanings and interpretations Consolidation done once for all data elements Derived Information As needed by the end-users From a single, consistent store Shielded from disparate sources Derived information can be made persistent Information derivation can be automated

18 Temporal Modeling 'Styles' Cumulative snapshot OLT P Day 1 Day 2 Day Cumulative snapshot with rolling summarization OLTP Day 1 Day 2 Day 3... Day 10 Day 11Day Month 2 Day 21 Day 22 Day 23 Continuous temporal model the best suited for the CDW but also the most complicated to make Month 3 OLTP John Main Street Jan 96, now Mary Hwy 55 Feb 55, March 88 Mary Tiny road March 88, now Paul Route 66 June 77, Jan 88

19 Data Mart OLTP

20 Définition ƒle Data Mart est une base de données destinée à quelques utilisateurs d'un département ƒpetite structure très ciblée et pilotée par les besoins utilisateurs ƒla même vocation que le Data Warehouse (fournir une architecture décisionnelle) ƒnombre d'utilisateurs plus restreint

21 Data Mart - Caracteristiques Caracteristiques d'un Data Mart Un data mart a un objectif restreint taille, cycle de vie, utilisation Un data mart supporte tous les types de données (dérivées, agrégées, détaillées) pour répondre aux besoins du domaine métier Un data mart est souvent fait pour répondre à des analyses multi-dimensionnelles La conception d'un Data Mart tend à être dépendante de l'outil choisit pour la restitution ou l'analyse

22 Avantages d'un Data Mart Satisfait les besoins d'un groupe de travail ou un département Permet une implémentation et un ROI rapide Implémentation abordable Attention au 'prototype' permanent Intégre trés bien tous les outils et les produits complémentaires

23 Un sytème décisionnel basé sur une strategie de féderation de data mart Inconvénients potentiels Chaque Data Mart est modelisé à partir des sources de données Pas de sources consolidées communes Pas de données consolidées et nettoyées communes vital mais trop coûteux Croissement des résultats très difficile à réaliser surtout quand le nombre de data mart augmente Data source s OLTP

24 Erreurs communement faites Un Data Mart n'est pas un Data Warehouse L'objectif d'un data mart est d'avoir une application décisionnelle donnée tandis qu'un data warehouse est une conféderation de toutes les données Un Data Mart n'est pas juste un petit Data Warehouse Si parfois la 'taille' d'un Data mart est effectivement plus petite que celle d'un Data warehouse, ce n'est pas un critère de différentiation Une collection de Data Marts n'est pas un Data Warehouse ne pas croire qu'en 'féderant ' des data marts on obtienne un Data warehouse Un Data warehouse n'est pas un Système d'aide à la Décision un SIAD comprend aussi bien le Data warehouse, que les applications décisionnelles, que l'environnement d'analyse et d'interrogation

25 Les mythes du Data Mart Les Data Marts sont petits Les Data Marts sont moins complexes et plus faciles à déployer que les Data Warehouse Les Data Marts peuvent évoluer facilement vers un Data Warehouse Les différents Data Marts indépendants peuvent être dynamiquement couplés pour se métamorphoser en Data Warehouse Les Data Marts ne se résument qu'à une seule information métier (exemple : ventes) Les Data Marts sont plus flexibles que les Data Warehouse Les Data Marts sont un nouveau concept.

26 Finalités des data marts et data warehouse Data Warehouse Data Mart Cible utilisateur Toute l'entreprise Département Implication du service Elevée Faible ou moyen informatique Base de données d'entreprise SQL type serveur SQL milieu de gamme, bases multidimensionnelles Modèles de données A l'échelle de Département l'entreprise Champ applicatif Multi sujets, neutre Quelques sujets, spécifique Sources de données Multiples Quelques unes Stockage Base de données Plusieurs bases distribuées

27 Commencer par un Data Mart oui mais... ƒimpliquer les utilisateurs ƒattention à la cohérence des données ƒbannir les redondances ƒféderer des data mart n'est pas facile ƒne pas construire de data mart isolé ƒattention à la prolifération de data mart 'sauvages' ƒavoir une vision de l'avenir...(modèle)

28 Donc le Data Mart peut préparer au Data Warehouse. Mais il faut penser grand, avenir, et adopter des technologies capables d'évoluer.

29 Infocentre et Data Warehouse

30 Définition L'infocentre est une collection de données orientées sujet, intégrées, volatiles, actuelles, organisées pour le support d'un processus de décision ponctuel. Le Data Warehouse est une collection de données orientées sujet, intégrées, non volatiles, historisées, organisées pour le support d'un processus d'aide à la décision.

31 L'infocentre ƒchaque nouvelle valeur remplace l'ancienne valeur ƒpas de gestion d'historique des valeurs. ƒprendre des décisions opérationnelles basées sur des valeurs courantes ƒprocessus d'alimentation simple. ƒ permettre aux utilisateurs d'accéder à leur données dans leurs propres termes.

32 Tableau de comparaison entre infocentre et Data Warehouse Infocentre Collection de données Orientées sujet Intégrées Volatiles Actuelles Organisées pour le support d'un processus de décision ponctuelle Outil Data Warehouse Collection de données Orientées sujet Intégrées Non volatiles Historisées Organisées pour le support d'un processus d'aide à la décision Architecture

33 Les systèmes d'information

34 LA REALITE DES SYSTEMES D'INFORMATIONS ƒles données contenues dans ces systèmes sont : Eparpillées Peu structurées pour l'analyse Focalisées pour améliorer le quotidien Utilisées pour des fonctions critiques

35 Différences entre données du système de production et données décisionnelles (1) Données opérationnelles Orientées application, détaillées, précises au moment de l'accès Mise à jour interactive possible de la part des utilisateurs Accédées de façon unitaires par une personne à la fois Cohérence atomique Haute disponibilité en continu Données décisionnelles Orientée activité (thème, sujet), condensées, représentes des données historiques Pas de mise à jour interactive de la part des utilisateurs Utilisées par l'ensemble des analystes, gérées par sous-ensemble Exigence différente, haute disponibilité ponctuelle Exigence différente, haute disponibilité ponctuelle

36 Différences entre données du système de production et données décisionnelles (2) Données opérationnelles Données décisionnelles Uniques (pas de redondance en théorie) Peuvent être redondantes Structure statique, contenu variable Structure flexible Petite quantité de données utilisées par un traitement Réalisation des opérations au jour le jour Grande quantité de données utilisée par les traitements Cycle de vie différent Utilisées de façon répétitive Utilisée de façon aléatoire

37 Différences entre système de production et data warehouse Critère Niveau de détail des informations utilisateurs Utilisateurs Données figées Opérations sur les données Système de production Très détaillé Une ou quelques fonctions de l'entreprise Non - évolution en temps réel Data Warehouse Synthétique, parfois détaillé Plusieurs fonctions de l'entreprise Oui - archivage Historique Non Oui Ajout/mise à jour/ consultation Consultation uniquement

38 Terminologie

39 Terminologie ƒdss ƒconcept OLAP ƒoltp ƒmeta-data

40 Decision Support System - Definition Decision Support System "A computing system designed for supporting the decision support processes (planning, managerial and operational) throughout a company" This definition encompasses "End-user Computing Systems (EUCS), 'Executive Information Systems' (EIS), 'On-line Analytical Data Processing Systems' Business (OLAP), Data Mining Systems,... Context Manage Plan Business Data Operate

41 Decision Support Processing - A "Continuum" of Information Processing Activities Select, manipulate and report "traditional" Q&R, OLAP Regression analysis Statistical analysis Correlation analysis Verifying and analyzing known or suspected correlations between events, transactions,... Time-series analysis Trend analysis Analysis of seasonal/cyclic variations Hypothesis testing "What-if" analysis, impact analysis Data Mining Discover unknown or unsuspected correlations, associations,... Query and Reportin g Track Answe r Verificatio n Mode Decisio n Support Data Analysi s Verify Analyze Discover y Mode Data Minin g Discover

42 Using the Data Warehouse for Decision Support Processing Query Complexity, Data Volumes & CPU Requirements Query and Reporting Standard queries Summary reports Detailed Reports Mathematical & Statistical Functions Multi-dimensional Reports Graphs Spreadsheets Data Analysis Multi-Dimensional Data Analysis Slice and Dice Drill-down and Roll-up Pivoting Dynamic Data Analysis Available Tools and Technology Data Mining Induction/Deduction Generalization Classification Association Pattern Recognition Clustering Sequential Patterns

43 Le concept OLAP On Line Anlytical Processing

44 Les 12 principes de l'olap ƒvue multidimensionnelle ƒtransparence du serveur OLAP à différents types de logiciels ƒaccessibilité à de nombreuses sources de données ƒperformance du système de Reporting ƒarchitecture Client/Serveur ƒdimensions Génériques ƒgestion dynamique des matrices creuses ƒsupport multi-utilisateurs ƒcalculs à travers les dimensions ƒmanipulation intuitive des données ƒsouplesse et facilité de constitution des rapports ƒnombre illimité de niveaux d'agrégation et de dimensions

45 OLAP Technical Architecture Multi-dimensional OLAP (MD- OLAP) DD W Data Warehouse or Data Sources OLAP server with MDDB data store (Datamart) Clien t Presentatio n Services Can be combined into fat MD- OLAP

46 OLAP Logical Architecture and Service Components Logical architecture OLAP "View" Data Store Technology Service components Presentation services OLAP services Data Store services OLAP "View" Data Warehouse or Datamart Data Store Services OLAP Services Clien t Presentation Services

47 OLTP On Line Transactionnel processing

48 OLTP ƒgarantir la persistance des données ƒminimisation des redondances ƒorienté processus ƒvise la productivité

49 Différences OLTP / OLAP OLTP Atomique actuel orienté processus mise à jour en ligne transactions nombreuses mais simple OLAP agrégé historisé orienté sujet mise à jour lors des phases de chargement processus complexes

50 OLTP et OLAP - Des rôles différents On-Line Transaction Processing On-Line Analytical Processing Enregistre les opérations Processus défini Deux dimensions Intégrité des données Détail des opérations GESTION des affaires Définit des actions Processus itératif Multi-dimensions Consolidation de données Synthèse d'informations CONDUITE des affaires Gestion Planification

51 PARTIE 2 Construction et conception d'un Data warehouse Adding Value Copyright IBM Corporation 2009

52 ƒintroduction au Data Warehouse ƒconstruction et conception d'un Data warehouse ƒarchitecture

53 Construction et conception d'un Data warehouse ƒconstruction d'un Data warehouse ƒconception d'un Data warehouse ƒadministration des données

54 Contruction du Data Warehouse ƒles Applications ƒles composants fonctionnels ƒles infrastructures

55 Les applications ƒdoivent rester maîtrisables ƒfournir des résultats tangibles ƒpérimètre clairement définis

56 Les composants fonctionnels ƒl'acquisition ƒle stockage ƒ l'accès

57 L'acquisition ƒextraction : collecter les données utiles dans le système de production ƒpréparation :plusieurs technologies sont utilisables les passerelles, fournies par les éditeurs de base de données, les utilitaires de réplication, utilisables si les systèmes de production et décisionnel sont homogènes les outils spécifiques d'extraction (prix élevé). ƒchargement :maîtriser la structure du SGBD

58 Le stockage ƒle composant de base est le SGBD ƒla structuration physique des données est très importante ƒle SGBD apporte la transparence à l'évolution matérielle, l'indépendance ainsi que la transparence à l'évolution des systèmes d'exploitation.

59 Les infrastructures ƒinfrastructure technique ƒinfrastructure opérationnelle

60 Infrastructure technique ƒensemble des composants matériels et logiciels (à associer aux composants fonctionnels : alimentation, stockage et accés)

61 Infrastructure opérationnelle ƒensemble des procédures et des services pour administrer les données, gérer les utilisateurs et exploiter le sytème

62 Pour la construction d'un Data Warehouse, de manière générale, il faut : 1. Bien connaître les métiers utilisateurs Impliquer les utilisateurs dans les projets Former l'utilisateur pour l'aider à comprendre la logique du Data Warehouse Avoir un chef de projet orienté utilisateur. Faire participer l'utilisateur à la définition et à l'évolution des méta-données, 2. Assurer une véritable conduite de projet 3. Commencer petit et voir grand 4. Gérer l'évolutivité

63 Conception du Data warehouse

64 La conception ƒ Les évolutions technologiques ƒ La stratégie de l'entreprise ƒ L'amélioration continue ƒ La maturité de l'entreprise

65 Trois phases pour la conception : ƒ Définir le pourquoi du Data Warehouse et les objectifs à atteindre (impliquer les utilisateurs). ƒ Définir l'infrastructure technique et organisationnelle du Data Warehouse. ƒmettre en œuvre les applications.

66 Etude strategique ƒinformer et motiver les personnes concernées dans l'entreprise. ƒ Impliquer les managers, les équipes opérationnelles, les équipes informatiques : phase d'identification et de compréhension des enjeux métier/entreprise. ƒ Identifier les projets Data Warehouse.

67 Plan d'action ƒvérifier la faisabilité de chaque projet (s'assurer de l'existence et de la qualité des données, des possibilités techniques, des possibilités organisationnelles). ƒ Estimer les ressources pour chaque projet, les besoins. ƒséquencer et planifier les projets.

68 L'infrastructure ƒinfrastructure technique ƒinfrastructure organisationnelle

69 Infrastructure technique ƒ Les fournisseurs ƒles outils ƒ Comment sera utilisé le Data Warehouse, par qui, comment sera structuré l'organisation qui l'exploitera. ƒ Faut-il une architecture centralisé (Data Warehouse), distribuée (plusieurs Data Mart), ou une architecture répliquée (un Data Warehouse et plusieurs Data Mart). ƒla structure de stockage, sera-t-elle relationnelle, multidimensionnelle, hybride (Data Warehouse en relationnel, Data Mart en multidimensionnel). ƒchoisir le matériel : selon les volumes envisagés, les utilisateurs concernés, l'architecture visée, la flexibilité attendue. ƒorganiser l'administration des systèmes et la gestion de la sécurité.

70 Infrastructure organisationnelle ƒ Déterminer la logistique et l'organisation nécessaires à la concrétisation des initiatives. ƒrépartir les tâches entre les équipes de développement et les équipes d'exploitation : déterminer l'alimentation du Data Warehouse, l'administration. ƒdéterminer les flux d'information entre le Data Warehouse et les utilisateurs.

71 Mise en oeuvre des applications ƒ la spécification, ƒ la conception, ƒ la mise en œuvre et l'intégration, ƒle déploiement et la mise en place des accompagnements, ƒles mesures.

72 Administration des données ƒles métadonnées ƒle referentiel du data warehouse ƒla mise en oeuvre

73 Définition d'une méta-donnée Type d'information Sémantique Signification Que signifie la donnée Origine D'où vient-elle, où, par qui est-elle créée ou mise à jour Règle de calcul Règle d'agrégation Stockage, format Règle de calcul, de gestion Périmètre de consolidation Où, comment est-elle stockée, sous quel format Utilisation Programmes informatiques qui l'utilisent, Machines : comment et sur lesquelles, à disposition, Temps de conservation

74 Réferentiel du Data warehouse ƒassurer la cohésion du système : Respecter la cohérence et la fiabilité des informations. Unifier la représentation des données. Respecter la cohérence des concepts. Vérifier la non redondance des informations. ƒsimplifier techniquement les systèmes d'information : Diminuer le nombre de fichiers. Unifier la saisie et le stockage des informations. Organiser les mises à jour et la diffusion des informations.

75 La mise en oeuvre ƒla sécurité ƒla gestion des performances ƒles bacths

76 PARTIE 3 L ARCHITECTURE Adding Value Copyright IBM Corporation 2009

77 ƒintroduction au Data Warehouse ƒconstruction et conception d'un Data warehouse ƒarchitecture

78 Architecture ƒchoix d'architecture & d'implementation ƒarchitecture en 3 couches

79 Choix d'architecture ƒarchitecture warehouse centrale ƒarchitecture de datamart indépendant ƒarchitecture de datamart interconnectés

80 Exemple d'implémentation : scénario 1 Pas de datamart. Les utilisateurs accèdent au datawarehouse. External External Data Data Donnés Externes Reconciliation / Nettoyage / Transformation Enterprise Data Warehouse Détail Historiques Aggrégats data marts Operational Operational Data Data Données Opérationelles Selection / Aggregation / Propagation

81 Implémentation scénario 1 ƒavantages Gain d'espace disque : l'information n'est stockée qu'une fois Pas de problème de synchronisation liées à la maintenance de plusieurs copies de données Recommandé lorsque les besoins de l'organisation sont génériques ƒinconvénients Les données ne sont pas organisées pour satisfaire les besoins d'un ensemble d'utilisateurs spécifique

82 Exemple d'implémentation : scénario 2 Pas de datawarehouse. Les utilisateurs accèdent à différents datamarts. External External Data Data Donnés Externes Operational Operational Data Data Données Opérationelles Reconciliation / Nettoyage / Transformation Enterprise Data Warehouse Détail Historiques Aggrégats Selection / Aggregation / Propagation data marts

83 Implémentation scénario 2 ƒavantages Les datamarts ont été optimisés pour les besoins (parfois uniques) d'utilisateurs spécifiques Recommandé en cas de besoins spécifiques de groupes d'utilisateur qui n'ont pas d'obligations de partager des informations communes ƒinconvénients Dupplication des données (consommation d'espace disque, maintenances multiples) Complexité de l'alimentation : m sources pour n datamarts Risques d'incohérences entre les datamarts

84 Exemple d'implémentation : scénario 3 Les utilisateurs accèdent à différents datamarts. Possibilité d'accès aux données détails si besoin Données Externes External Data Réceptacle Nettoyées Détail Reconciliation / Nettoyage/ Transformation / Derivation Enterprise Selection / Aggregation / Data Warehouse Propagation data marts virtuels Operational Operational Data Data Données Opérationelles Détails Aggrégées Historiques data marts

85 Implémentation scénario 3 ƒavantages Option la plus "propre" Alimentation des datamarts simplifiée : source unique Séparation claire entre les niveaux réconciliation / nettoyage transformation / dérivation propagation Recommandé en cas de nécessité de partage d'informations entre les utilisateurs de différents datamarts ƒinconvénients Consommateur en espace disque Gestion plus complexe Trop lourd pour les cas simples

86 Les 3 composants de l'architecture d'un DWH ƒarchitecture des données (le quoi) ƒarchitecture technique (le comment) ƒarchitecture de l'infrastructure (le où)

87 Architecture des données (le quoi) liste des données importantes zones de stockage les sources conception du modèle de données ( logique et physique) les agrégations, les hiérarchisations... définition du niveau de détail volume de données périodicité des traitements

88 Architecture technique (le comment) ƒprocessus et outils qui s'appliquent aux données ƒcomment récupérer les données sources ƒcomment leur donner une forme répondant aux besoins ƒcomment les placer à un endroit accéssible ƒles outils, le code, les utilitaires... ƒrégulation et direction du flux des données

89 Architecture de l'infrastructure (le où) ƒdiagnostic de l'infrastructure informatique existante ƒ définitions des plates_ formes, des cables, du réseau ƒle matériel

90 Valeur ajoutée de l'architecture Communication Planification Flexibilité et maintenance Apprentissage Productivité et réutilisation

91 FIN Jour 1 Adding Value Copyright IBM Corporation 2009

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

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

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

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

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

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

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

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

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

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

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

III. Entrepôts de. données. Définition. Orientées sujet. Intégrées, Variables dans le temps, Non volatiles Entrepôts de III - données III Définition Un entrepôt de données est une collection de données orientées sujet, intégrées, variables dans le temps et non volatiles, en soutien au processus de prise de

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

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

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

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

En synthèse. HVR pour garantir les échanges sensibles de l'entreprise

En synthèse. HVR pour garantir les échanges sensibles de l'entreprise En synthèse HVR pour garantir les échanges sensibles de l'entreprise Le logiciel HVR fournit des solutions pour résoudre les problèmes clés de l'entreprise dans les domaines suivants : Haute Disponibilité

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

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

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

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 & 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

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

La gestion des données

La gestion des données Faculté Administration et échanges internationaux Master 1 - AEI Spécialité Commerce Electronique Technologies des systèmes d information Polycopie 2015/2016 Page 1 Objectifs du chapitre Décrire les notions

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

Archivage, sauvegarde et restauration pour une virtualisation réussie Gestion des informations unifiée pour les environnements d'entreprise Windows

Archivage, sauvegarde et restauration pour une virtualisation réussie Gestion des informations unifiée pour les environnements d'entreprise Windows Archivage, sauvegarde et restauration pour une virtualisation réussie Gestion des informations unifiée pour les environnements d'entreprise Windows Croissance exponentielle des informations non structurées

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

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 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

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

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

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

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

Yphise. Le SAN. Architectures SAN

Yphise. Le SAN. Architectures SAN Architectures SAN Mardi 28 mars 2000 Laurent Ruyssen - 53 Bd de Sébastopol - T 1 45 08 86 70 F 1 45 08 05 51 yphise@yphise.com - http://yphise.fr ABS0003-1 Nous accompagnons les Directions Informatiques

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

Business & High Technology

Business & High Technology UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 3 : Progiciels de Gestion Intégrés Sommaire Définition... 2 ERP... 2 Objectifs

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

Le Workflow comme moteur des projets de conformité

Le Workflow comme moteur des projets de conformité White Paper Le Workflow comme moteur des projets de conformité Présentation Les entreprises sont aujourd'hui soumises aux nouvelles régulations, lois et standards de gouvernance les obligeant à mettre

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

Objectif. Participant. Prérequis. Oracle BI Suite EE 10g R3 - Développer des référentiels. 5 Jours [35 Heures]

Objectif. Participant. Prérequis. Oracle BI Suite EE 10g R3 - Développer des référentiels. 5 Jours [35 Heures] Objectif Utiliser les techniques de gestion de la mise en cache pour contrôler et améliorer les performances des requêtes Définir des mesures simples et des mesures calculées pour une table de faits Créer

Plus en détail

CA ERwin Modeling Suite Conception de base de données : du concept à la réalité

CA ERwin Modeling Suite Conception de base de données : du concept à la réalité DOSSIER SOLUTIONS : CA ERWIN MODELING SUITE CA ERwin Modeling Suite Conception de base de données : du concept à la réalité CA Database Management CA Database Design & Modeling CA Database Administration

Plus en détail

CEISAR Survey on IT education

CEISAR Survey on IT education CEISAR Survey on IT education Objectives In June 2007, the CEISAR conducted a survey to understand what company needs are in terms of training on Computer Science and Management of IS. Our objective was

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

Chapitre 1 : Introduction aux bases de données

Chapitre 1 : Introduction aux bases de données Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données

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

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

Annuaires LDAP et méta-annuaires

Annuaires LDAP et méta-annuaires Annuaires LDAP et méta-annuaires Laurent Mynard Yphise 6 rue Beaubourg - 75004 PARIS yphise@yphise.com - http://yphise.fr T 01 44 59 93 00 F 01 44 59 93 09 LDAP020314-1 Agenda A propos d Yphise Les annuaires

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

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

CA ARCserve Backup. Avantages. Vue d'ensemble. Pourquoi choisir CA

CA ARCserve Backup. Avantages. Vue d'ensemble. Pourquoi choisir CA DOSSIER SOLUTION : CA ARCSERVE BACKUP R12.5 CA ARCserve Backup CA ARCSERVE BACKUP, LOGICIEL DE PROTECTION DE DONNÉES LEADER DU MARCHÉ, INTÈGRE UNE TECHNOLOGIE DE DÉDUPLICATION DE DONNÉES INNOVANTE, UN

Plus en détail

ITIL : Premiers Contacts

ITIL : Premiers Contacts IT Infrastructure Library ITIL : Premiers Contacts ou Comment Optimiser la Fourniture des Services Informatiques Vincent DOUHAIRIE Directeur Associé vincent.douhairie douhairie@synopse. @synopse.fr ITIL

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

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

Enterprise Intégration

Enterprise Intégration Enterprise Intégration Intégration des données L'intégration de données des grandes entreprises, nationales ou multinationales est un vrai cassetête à gérer. L'approche et l'architecture de HVR est très

Plus en détail

Positionnement de UP

Positionnement de UP UNIFIED PROCESS Positionnement de UP Unified Process Langage Méthode Outil logiciel UML UP RUP 6 BONNES PRATIQUES développement itératif gestion des exigences architecture basée sur des composants modélisation

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

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

Système de base de données

Système de base de données Système de base de données 1. INTRODUCTION Un système de base de données est un système informatique dont le but est de maintenir les informations et de les rendre disponibles à la demande. Les informations

Plus en détail

WEB15 IBM Software for Business Process Management. un offre complète et modulaire. Alain DARMON consultant avant-vente BPM alain.darmon@fr.ibm.

WEB15 IBM Software for Business Process Management. un offre complète et modulaire. Alain DARMON consultant avant-vente BPM alain.darmon@fr.ibm. WEB15 IBM Software for Business Process Management un offre complète et modulaire Alain DARMON consultant avant-vente BPM alain.darmon@fr.ibm.com Claude Perrin ECM Client Technical Professional Manager

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

L offre décisionnel IBM. Patrick COOLS Spécialiste Business Intelligence

L offre décisionnel IBM. Patrick COOLS Spécialiste Business Intelligence L offre décisionnel IBM Patrick COOLS Spécialiste Business Intelligence Le marché du Business Intelligence L enjeux actuel des entreprises : devenir plus «agiles» Elargir les marchés tout en maintenant

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

Oracle Fusion Middleware Concepts Guide 11g Release 1 (11.1.1) Figure 1-1 Architecture Middleware

Oracle Fusion Middleware Concepts Guide 11g Release 1 (11.1.1) Figure 1-1 Architecture Middleware 1 Introduction Ce chapitre décrit Oracle Fusion Middleware. Il comprend : o Qu'est-ce que Middleware o Les fonction de Middleware o L'architecture de conception Middleware o L'architecture orientée services

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

Mise en place d'un data mart concernant la paie du personnel de l'etat MEMOIRE DE FIN D'ETUDE. présenté et soutenu publiquement pour l'obtention du

Mise en place d'un data mart concernant la paie du personnel de l'etat MEMOIRE DE FIN D'ETUDE. présenté et soutenu publiquement pour l'obtention du MINISTERE DES ENSEIGNEMENTS SECONDAIRE, SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE POLYTECHNIQUE DE BOBO-DIOULASSO ECOLE SUPERIEURE D'INFORMATIQUE 01 BP 1091, TéL(226) 97 27 64 BOBO-DIOULASSO

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

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

TRANSFORMEZ VOTRE INFRASTRUCTURE DE BASE DE DONNEES

TRANSFORMEZ VOTRE INFRASTRUCTURE DE BASE DE DONNEES TRANSFORMEZ VOTRE INFRASTRUCTURE DE BASE DE DONNEES Les bases de données telles qu'oracle et SQL Server exigent un niveau de latence faible et prévisible ainsi que des performances d'e/s exceptionnelles

Plus en détail

Objectif. Participant. Prérequis. Pédagogie. Oracle Enterprise Manager 10g Grid Control Rel 2. 5 Jours [35 Heures]

Objectif. Participant. Prérequis. Pédagogie. Oracle Enterprise Manager 10g Grid Control Rel 2. 5 Jours [35 Heures] Plan de cours disponible à l adresse http://www.adhara.fr/.aspx Objectif Décrire les étapes d'installation du référentiel OMR (Oracle Management Repository) et du service OMS (Oracle Management Service)

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

Avantages économiques de la stratégie de Cisco relative à l'informatique en nuage

Avantages économiques de la stratégie de Cisco relative à l'informatique en nuage Avantages économiques de la stratégie de Cisco relative à l'informatique en nuage Principaux résultats Synthèse L'informatique en nuage permet d'utiliser l'informatique en tant que service, en tout lieu

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

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

I D C E X E C U T I V E B R I E F

I D C E X E C U T I V E B R I E F IDC France, 13 Rue Paul Valéry, 75116 Paris, Tél.: 01 56 26 26 66 Fax: 01 56 26 2670 www.idc.com/france/ I D C E X E C U T I V E B R I E F C l o u d : C o l l a b o r a t i o n e t I n f r a s t u c t

Plus en détail

ENVIRONNEMENTS ORACLE CRITIQUES AVEC VMAX 3

ENVIRONNEMENTS ORACLE CRITIQUES AVEC VMAX 3 ENVIRONNEMENTS ORACLE CRITIQUES AVEC VMAX 3 AVANTAGES CLES CRITIQUES Puissance Stockage hybride avec des niveaux de service performants optimisés pour le Flash à grande échelle, pour les charges applicatives

Plus en détail

Concepts de base. du décisionnel. A. Quelques définitions. Décision. Remarque. Comment prendre de bonnes décisions. Le décideur

Concepts de base. du décisionnel. A. Quelques définitions. Décision. Remarque. Comment prendre de bonnes décisions. Le décideur Concepts de base I - du décisionnel I Quelques définitions 7 Les Phases de la Prise de décision 8 Aide à la décision 8 Le système d'information décisionnel 9 Références Bibliographiques 11 A. Quelques

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

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

Choix de l outil PENTAHO

Choix de l outil PENTAHO Choix de l outil PENTAHO GROUPES : Encadrant : IDRISSI BADSSI abd al moughit Mme LEMRINI loubna HALIM hamza LARHROUCH mustapha Table des matières Business intelligence... 2 Les Outils Open source de Business

Plus en détail

Corrigé - Exercices. A l'aide de vos connaissances et du document suivant, répondez aux questions.

Corrigé - Exercices. A l'aide de vos connaissances et du document suivant, répondez aux questions. Exercice 1 A l'aide de vos connaissances et du document suivant, répondez aux questions. 1. D'après vous, pourquoi utilise-t-on le terme d'«urbanisation» plutôt que celui d'«urbanisme»? On utilise le terme

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

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

BI2B est un cabinet de conseil expert en Corporate Performance Management QUI SOMMES-NOUS?

BI2B est un cabinet de conseil expert en Corporate Performance Management QUI SOMMES-NOUS? SOMMAIRE Qui sommes nous? page 3 Notre offre : Le CPM, Corporate Performance Management page 4 Business Planning & Forecasting page 5 Business Intelligence page 6 Business Process Management page 7 Nos

Plus en détail

Les tableaux de bord de pilotage de nouvelle génération. Copyright 2002-2008 PRELYTIS

Les tableaux de bord de pilotage de nouvelle génération. Copyright 2002-2008 PRELYTIS Les tableaux de bord de pilotage de nouvelle génération Sommaire PRELYTIS en quelques mots LiveDashBoard : principes directeurs et positionnement La couverture fonctionnelle Démonstration Les packages

Plus en détail

Renforcez la flexibilité et la réactivité de votre entreprise Dotez votre entreprise d'un système de gestion des données de référence éprouvé

Renforcez la flexibilité et la réactivité de votre entreprise Dotez votre entreprise d'un système de gestion des données de référence éprouvé Renforcez la flexibilité et la réactivité de votre entreprise Dotez votre entreprise d'un système de gestion des données de référence éprouvé Point de vue client «En exploitant une infrastructure MDM bien

Plus en détail

Gérez efficacement vos flux d entreprises.

Gérez efficacement vos flux d entreprises. Gérez efficacement vos flux d entreprises. g geai* répond au besoin de gestion des flux de données inter et intra-entreprises. Vous maîtrisez vos flux autour d une application centralisée. *EAI : Enterprise

Plus en détail

Initiation aux bases de données (SGBD) Walter RUDAMETKIN

Initiation aux bases de données (SGBD) Walter RUDAMETKIN Initiation aux bases de données (SGBD) Walter RUDAMETKIN Bureau F011 Walter.Rudametkin@polytech-lille.fr Moi Je suis étranger J'ai un accent Je me trompe beaucoup en français (et en info, et en math, et...)

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

CONTEXTE GENERAL : CADRE DE REFLEXION ET D ACTION ET DOMAINES D INTERVENTION

CONTEXTE GENERAL : CADRE DE REFLEXION ET D ACTION ET DOMAINES D INTERVENTION COSEIL ET EXPERTISE FOCTIO rchitecte informatique CLSSIFICTIO / GROUPE RISO D ETRE / ISSIO Participe à la construction du contenu du cadre de référence de l urbanisme du SI (description des applications

Plus en détail

BI Open Source Octobre 2012. Alioune Dia, Consultant BI alioune.dia@openbridge.fr

BI Open Source Octobre 2012. Alioune Dia, Consultant BI alioune.dia@openbridge.fr BI Open Source Octobre 2012 Alioune Dia, Consultant BI alioune.dia@openbridge.fr 1 Le groupe, en bref 2004 Date de création +7M * Chiffre d affaires 2012 +80 Collaborateurs au 06/2011 35% Croissance chiffre

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

Concepts et définitions

Concepts et définitions Division des industries de service Enquête annuelle sur le développement de logiciels et les services informatiques, 2002 Concepts et définitions English on reverse Les définitions qui suivent portent

Plus en détail

Accélérateur de votre RÉUSSITE

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

Plus en détail

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

Hervé Couturier EVP, SAP Technology Development

Hervé Couturier EVP, SAP Technology Development Hervé Couturier EVP, SAP Technology Development Hervé Biausser Directeur de l Ecole Centrale Paris Bernard Liautaud Fondateur de Business Objects Questions à: Hervé Couturier Hervé Biausser Bernard Liautaud

Plus en détail

Gestion du centre de données et virtualisation

Gestion du centre de données et virtualisation Gestion du centre de données et virtualisation Microsoft Corporation Juin 2010 Les informations contenues dans ce document représentent l'opinion actuelle de Microsoft Corporation sur les points cités

Plus en détail

Veritas Storage Foundation par Symantec

Veritas Storage Foundation par Symantec Veritas Storage Foundation par Symantec Gestion en ligne de ressources de stockage hétérogènes Veritas Storage Foundation offre une solution complète pour la gestion en ligne de ressources de stockage

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

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