Le Business Intelligence Généralités et techniques
|
|
- Rémy Gaudet
- il y a 8 ans
- Total affichages :
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
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 détailLe "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 détailEntrepôt 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 détailChapitre 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 détailLe 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 détailBusiness 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 détailLes 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 détailETL 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 détailThéories 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 détailUrbanisation 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 détailLe 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 détailBUSINESS 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 détailUn 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 détailLes 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 détailEn 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 détailIntelligence 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 détailPlan. 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 détailLES 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 détailL 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 détailIntroduction. 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 détailNos 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 détailBusiness & 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 détailBases 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 détailLa 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 détailEntrepôts 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 détailObjectif. 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 détailChapitre 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 détailSGBDR. 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 détailDidier 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 détailOracle 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 détailIntroduction 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 détailSQL 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 détailet 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 détailRenforcez 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 détailPrésentations personnelles. filière IL
Présentations personnelles filière IL Résumé Liste de sujets de présentations personnelles. Chaque présentation aborde un sujet particulier, l'objectif étant que la lecture du rapport ainsi que l'écoute
Plus en détailBusiness & 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 détailBI 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 détailMise 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 détailAnnuaires 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 détailEnterprise 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 détailIntégration 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 détailLes 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 détailL 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 détailDatawarehouse: 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 détailWEB15 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 détailBI = 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 détailSécurité 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 détailGestion 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 détailCA 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 détailInscriptions : 0800 901 069 - Renseignements : 33 (0)1 44 45 24 35 - education.france@sap.com
FORMATION SAP BUSINESSOBJECTS BUSINESS INTELLIGENCE PLATFORM 4.x Du lundi 3 au vendredi 7 juin 2013 http://www.sap.com/france/services/education/newsevents/index.epx 1 Vous êtes clients SAP BusinessObjects
Plus en détailTRANSFORMEZ 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 détail4. 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 détailInitiation 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 détailHervé 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 détailIntroduction 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 détailIntroduction à ORACLE WAREHOUSE BUILDER Cédric du Mouza
Introduction à ORACLE WAREHOUSE BUILDER Cédric du Mouza Avant de commencer à travailler avec le produit, il est nécessaire de comprendre, à un haut niveau, les problèmes en réponse desquels l outil a été
Plus en détailBI = 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 détailProgramme 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 détailIci, 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 détailPetit Déjeuner Pépinière du Logiciel Libre. 25 juin 2008
Petit Déjeuner Pépinière du Logiciel Libre 25 juin 2008 1 / 37 Agenda Définition & Principes Les différents outils & composants Les Solutions intégrés Open-Source Vos Questions 2 / 37 Agenda Définition
Plus en détailL INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE
2009 L INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE Chapitre 1 : BI Une introduction La plupart des administrateurs de bases de données (DBA) ont rencontré une certaine forme de business
Plus en détailIntroduction au domaine du décisionnel et aux data warehouses
Data warehouse Introduction au domaine du décisionnel et aux data warehouses http://dwh.crzt.fr STÉPHANE CROZAT Paternité - Partage des Conditions Initiales à l'identique : http://creativecommons.org/licenses/by-sa/2.0/fr/
Plus en détailITIL : 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 détailArchitecture d'entreprise : Guide Pratique de l'architecture Logique
Guides Pratiques Objecteering Architecture d'entreprise : Guide Pratique de l'architecture Logique Auteur : Version : 1.0 Copyright : Softeam Equipe Conseil Softeam Supervisée par Philippe Desfray Softeam
Plus en détailConduite de projets informatiques Développement, analyse et pilotage (2ième édition)
Avant-propos 1. Objectifs du livre 13 2. Structure du livre 14 Un projet informatique 1. Les enjeux 17 1.1 Les buts d'un projet 17 1.2 Les protagonistes d'un projet 18 1.3 Exemples de projets 19 2. Les
Plus en détailBases de Données. Stella MARC-ZWECKER. stella@unistra.u-strasbg.fr. Maître de conférences Dpt. Informatique - UdS
Bases de Données Stella MARC-ZWECKER Maître de conférences Dpt. Informatique - UdS stella@unistra.u-strasbg.fr 1 Plan du cours 1. Introduction aux BD et aux SGBD Objectifs, fonctionnalités et évolutions
Plus en détailWorkflow/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 détailEnquête 2014 de rémunération globale sur les emplois en TIC
Enquête 2014 de rémunération globale sur les emplois en TIC Enquête 2014 de rémunération globale sur les emplois en TIC Les emplois repères de cette enquête sont disponibles selon les trois blocs suivants
Plus en détailInnovative BI with SAP Jean-Michel JURBERT D. de Marché BI, HANA, BIG DATA _ SAP France
Innovative BI with SAP Jean-Michel JURBERT D. de Marché BI, HANA, BIG DATA _ SAP France 2013 SAP AG. All rights reserved. Customer 1 Rôles et Attentes Instantanéité BIG DATA Users IT Real Time SAP HANA
Plus en détailSAP Runs SAP Reporting Opérationnel & BI avec HANA et SAP Analytics. Pierre Combe, Enterprise Analytics Juin, 2015
SAP Runs SAP Reporting Opérationnel & BI avec HANA et SAP Analytics Pierre Combe, Enterprise Analytics Juin, 2015 Agenda SAP Enterprise Analytics qui sommes-nous? Acteur clé de l innovation à SAP Présentation
Plus en détailMéthodologie 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 détailBD 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 détailAXIAD 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 détailStructure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données
Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques
Plus en détailBI2B 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 détailSOA Open Source Intégration des services et business process dans une architecture SOA Open Source. Bruno Georges JBoss, a Division of Red Hat
SOA Open Source Intégration des services et business process dans une architecture SOA Open Source Bruno Georges JBoss, a Division of Red Hat Agenda Cas d etude Contexte métier Les bénéfices Open Source
Plus en détailSymantec Protection Suite Enterprise Edition Protection éprouvée pour les terminaux, la messagerie et les environnements Web
Fiche technique: Sécurité des terminaux Protection éprouvée pour les terminaux, la messagerie et les environnements Web Présentation permet de créer un environnement (terminaux, messagerie et Web) protégé
Plus en détailCONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS
CONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS Nazih Selmoune (*), Zaia Alimazighi (*) Selmoune@lsi-usthb.dz, Alimazighi@wissal.dz (*) Laboratoire des systèmes
Plus en détailAnalyse comparative entre différents outils de BI (Business Intelligence) :
Analyse comparative entre différents outils de BI (Business Intelligence) : Réalisé par: NAMIR YASSINE RAGUI ACHRAF Encadré par: PR. L. LAMRINI Dans le domaine d économies des Big Data et Open Data, comment
Plus en détailConcepts 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 détailSQL 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 détailLa 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 détailSQL Server 2012 et SQL Server 2014
SQL Server 2012 et SQL Server 2014 Principales fonctions SQL Server 2012 est le système de gestion de base de données de Microsoft. Il intègre un moteur relationnel, un outil d extraction et de transformation
Plus en détailPrésentation 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 détailBases de données multidimensionnelles et mise en œuvre dans Oracle
Bases de données multidimensionnelles et mise en œuvre dans Oracle 1 Introduction et Description générale Les bases de données relationnelles sont très performantes pour les systèmes opérationnels (ou
Plus en détailSystèmes d information décisionnels (SIAD) Extraction de connaissances (KDD) Business Intelligence (BI)
Systèmes d information décisionnels (SIAD) Extraction de connaissances (KDD) Business Intelligence (BI) Imade BENELALLAM Imade.benelallam@ieee.org AU: 2012/2013 Imade Benelallam : imade.benelallam@ieee.org
Plus en détailPrise en main du BusinessObjects XI R2 Service Pack 2/ Productivity Pack
Prise en main du BusinessObjects XI R2 Service Pack 2/ Productivity Pack A propos de ce guide A propos de ce guide Ce guide contient des informations de prise en main du BusinessObjects XI R2 Service Pack
Plus en détailBI Haute performance. Jean-François Vannier Responsable Infrastructures Décisionnelles, Bull
BI Haute performance Jean-François Vannier Responsable Infrastructures Décisionnelles, Bull Bull aujourd'hui - La seule expertise 100% européenne des infrastructures et des applications critiques - Une
Plus en détailExemple d implémentation d un. Projet SAP avec ASAP
Exemple d implémentation d un Projet SAP avec ASAP Implémentation d un ERP dans une organisation problématiques : adéquation aux besoins conduite du changement adaptation de l ERP adaptabilité aux utilisateurs
Plus en détailBusiness Process Management
Alain Darmon Responsable Avant-Vente BPM, IBM 1 er mars 2011 Business Process Management Améliorez l agilité de l entreprise avec la gestion des processus métier Les processus sont partout! Ouverture de
Plus en détailinformatisé de l'entreprise
M542 - Fonctionnement informatisé de l'entreprise PLAN : Fonctionnement informatisé de l'entreprise 6h de cours 2h : progiciels, ERP & IAE 1h : Echange de données 1h : Intranet-Extranet 1h : Sécurité 1h
Plus en détailObjectif. 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 détailLe 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 détailCATALOGUE 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 détailITIL Gestion de la capacité
ITIL Sommaire 1 GENERALITES 3 2 PERIMETRE DE LA GESTION DES CAPACITES 3 3 ACTIVITES ET LIVRABLES DE LA GESTION DES CAPACITES 4 3.1 ACTIVITES ITERATIVES OU GESTION DE PERFORMANCES : 4 3.2 GESTION DE LA
Plus en détailTout ce que vous avez toujours voulu savoir sur SAP HANA. Sans avoir jamais osé le demander
Tout ce que vous avez toujours voulu savoir sur SAP HANA Sans avoir jamais osé le demander Agenda Pourquoi SAP HANA? Qu est-ce que SAP HANA? SAP HANA pour l intelligence d affaires SAP HANA pour l analyse
Plus en détailMICROSOFT DYNAMICS CRM & O Val
MICROSOFT DYNAMICS CRM & O Val O Val Operational Value JSI Groupe 2, rue Troyon 92310 Sèvres 1 AGENDA 1. QUI SOMMES-NOUS? 2. NOS OFFRES 3. UNE ORGANISATION COMMERCIALE DÉDIÉE À NOS CLIENTS 4. O VAL : OPERATIONAL
Plus en détailL Art d être Numérique. Thierry Pierre Directeur Business Development SAP France
L Art d être Numérique Thierry Pierre Directeur Business Development SAP France La Transformation Numérique «Plus largement, l impact potentiel des technologies numériques disruptives (cloud, impression
Plus en détailLa Business Intelligence pour les Institutions Financières. Jean-Michel JURBERT Resp Marketing Produit
La Business Intelligence pour les Institutions Financières Jean-Michel JURBERT Resp Marketing Produit Agenda Enjeux des Projets Financiers Valeur de Business Objects Références Clients Slide 2 Des Projets
Plus en détail