NF26 Data warehouse et Outils Décisionnels Printemps 2010
|
|
- Gauthier Ratté
- il y a 8 ans
- Total affichages :
Transcription
1 NF26 Data warehouse et Outils Décisionnels Printemps 2010 Rapport Modélisation Datamart VU Xuan Truong LAURENS Francis
2 Analyse des données Avant de proposer un modèle dimensionnel, une analyse exhaustive des données venant de différentes sources doit être effectuée. Cette analyse nous permet d avoir un bilan concret sur l état ainsi que l importance des données présentes vis-à-vis de la problématique de départ à savoir ici d augmenter les ventes. Cette première analyse a aussi pour objectif de classifier les données et donc d'écarter celles qui sont à priori inutiles ou inexploitables. Dans le contexte de ce projet, les données nous sont livrées a priori. Au contraire dans un contexte réel, c est essentiellement aux réalisateurs de rechercher les données nécessaires qui peuvent exister et trainer dans l organisation. Les caractères «+» et «-» traduisent l ordre de l utilité et de la qualité des données. Utilité Qualité ++ Très utile pour des analyses et études Très propre et typé stratégiques prévisionnelles + Utile pour donner plus de détails ou des Typé mais peu propre informations supplémentaires vis-à-vis des requêtes possibles - Peu utile Données à traiter, format varié, manque d unicité -- Pas utile du tout Pas exploitable du tout, trop de valeur nulle La principale difficulté de cette étape réside dans le fait de choisir de garder des données ou non. En effet, lorsque les données sont très utiles mais de mauvaise qualité ou lorsqu'elles sont de très bonne qualité mais on une utilité moyenne, il faudra mûrement réfléchir avant de prendre la décision de les garder ou non. Pour cela, nous devons alors effectuer un choix en l'absence de contraintes explicitées clairement par le client ou par le biais d'un cahier des charges par exemple. En cas de discorde totale avec le client, un compromis pourrait être trouvé. On pourrait par exemple demander au client des données de meilleure qualité sous peine de ne pouvoir réaliser ses demandes. Catalogue (base Oracle) Donnée Type Utilité Qualité Commentaire Attribut conservé CODE Integer Clé primaire Oui TYPE String types différents Non (*) ISBN String -- - ISBN : numéro international normalisé Non du livre ISSN String ISSN : International Standard Serial Non Number LANGUE String langues différentes ; Erreur Oui d'encoding et 624 valeurs null PAYS String pays différents valeurs null Non 2
3 TITRE String - + Inutile selon nous pour répondre à Non l'objectif EDITION String n.a. Non LIEUPUBLI String -- + n.a. Non EDITEUR String éditeurs ; 3057 valeurs null Oui DATEEDITION Integer valeurs null Oui PAGINATION String Différents types de représentation Non COLLECTION String - -- Trop de valeur s null: Non COLLECTIONNUM String - -- n.a. Non SUJET String valeur s null Non AUTEUR String Trop de valeurs null: Oui COAUTEUR String - -- Trop de valeurs null : Non DOMAINE (code) String valeurs null Oui COTE String valeurs null Non PRIX String La question de la monnaie unique se pose; il y a un manque d'unicité flagrant et de même des valeurs semblent erronées Oui Il s agit ici de la collection de données la moins propre. Par exemple, les caractères accentués ont été transformés en points d interrogations, ce qui prévoit un énorme travail de nettoyage. Les informations devront être retravaillées pour devenir utilisables. L'attribut prix pose ici le plus de problème car il est d'une très grande importance mais il est d'une qualité très mauvaise. (*) Nous n avons pas gardé l attribut type car il y avait «Monographie imprim e» sur enregistrements. Ainsi, il y a plus de 87% des livres qui ont «Monographie imprim e» comme valeur pour l attribut type. Départements (Base Access) Donnée Type Utili té Qualité Commentaire Attribut conservé DEPARTEMENT (ref)i Integer Clé primaire Oui NBMAGASINS Integer Analyse sur l'implantation des Oui magasins RAYONBESTSELLER Bool + ++ Permet d'étudier l'impact de la Oui présence d'un rayon bestseller TYPERAYONNAGE Char + ++ Permet d'étudier l'influence du type de rayonnage Oui Ces données sont très intéressantes d un point de vue de l analyse sur la vente de chacun des départements. Par contre, le type de rayonnage et la présence d un rayon de bestseller ne sont pas très pertinents. En effet, tous les magasins d un département partagent le même type de rayonnage ainsi que la présence d'un rayon bestseller. 3
4 Ventes (fichier csv) Donnée Type Utilité Qualité Commentaire Attribut conservé DATE (jour de l'année) Integer Référence Oui REF PRODUIT Integer Référence Oui REF DEPARTEMENT Integer Référence Oui REF MAGASIN Integer Référence Oui Cette table sera la source centrale pour répondre à la plupart des questions analytiques portant notamment sur l analyse sur le ticket caisse. Cette table nous permet d établir une analyse des ventes à partir des tickets de caisse. En plus, elle est en parfait état, les champs sont très propres. Domaines (fichier ods) Donnée Type Utilité Qualité Commentaire Attribut conservé CODE LC string + ++ Clé primaire Oui DEWEY string - ++ Utile mais obsolète Non DOMAINE string + ++ Intéressant car cet attribut permet de retrouver le nom complet du domaine Oui Cette table nous permet de faire la liaison avec les domaines présents dans la table «Catalogue» vu précédemment. Les champs présents dans cette table sont propres. Départements INSEE (fichier csv) Donnée Type Utilité Qualité Commentaire Attribut conservé CODE-NOM string + - Intéressant pour retrouver le Oui DEPARTEMENT département correspondant POPULATION Integer Permet d'étudier l'implantation ou l'extension des magasins par exemple Oui Ces données sont utiles pour l analyse et parfaitement exploitables. La donnée Département devra cependant être modifiée afin d extraire le numéro du département et son nom. A partir de cette analyse nous pouvons déduire que les données sont plus ou moins propres en fonction de leur origine. Ceci va entraîner un travail conséquent de nettoyage. 4
5 Modèle relationnel existant Telles qu'elles existent : Modèle normalisée : Remarque : La table Magasin n est pas donnée. On ne dispose que du numéro du magasin relatif au département stocké dans le fichier CSV «Ventes». De plus, la base Access des départements montre l analogie du type de rayonnage ainsi que la présence du rayon «Best Seller» des magasins implantés dans un même département. 5
6 Analyse des besoins Une analyse des besoins permet d'exprimer les requêtes cibles. Ces requêtes sont à la base d une construction d un data warehouse optimal. Nous allons exprimer ces requêtes cibles en nous mettant à la place du client avec comme objectif d'augmenter les ventes. Ci-dessous, nous allons donner des requêtes possibles ainsi que des questions possibles auquel notre système doit répondre. Requêtes possibles : Quantité de ventes - Nombre de produits vendus Par magasin d un département Par département Par produit Par période temporelle (congés, vacances scolaire, jour s fériés, ) Par domaine Par auteur Par langue Chiffre d affaire Selon deux ou plusieurs critères à la fois (exemple : par domaine et période) Du magasin avec ou sans le rayon «Best Seller» Du magasin pour un certain type de rayonnage Du département Population d un département Questions typiques : Rapport entre la population et le nombre de magasins Nombre de livres achetés en moyenne par un habitant Chiffre d affaire moyen d un habitant Quelles sont les périodes durant lesquelles on vend le plus? Quelles sont les domaines de livres les plus vendus? Où vend-on? Qu en est-il des paramètres linguistiques? 6
7 Modèle dimensionnel proposé Nous avons conservé dans ce modèle uniquement les attributs qui ont pour valeur «oui» dans la colonne «attribut conservé» issus de l analyse des données. La table «Date» contient les informations nécessaires pour non seulement situer une vente dans le temps (jour, semaine, mois, ) mais aussi pour l adapter dans le contexte de vente grand public (weekend, jours fériés, vacances selon les zones). A partir du code, on peut déterminer tous les autres attributs de la table «Produit» 7
8 Remarques : Le prix unitaire, ici, est une information partielle et non fiable. Par conséquent, il est incorrect de calculer certaines mesures (exemple: le montant total d'un ticket) en fonction de cet attribut. La quantité vendue deviendra l unité essentielle pour tous les calculs ultérieurs. La table «Date» contient toutes les informations permettant de situer une vente dans le temps, c est-à-dire d obtenir la date complète à partir du jour de l année. On pourra ainsi, dans les requêtes, faire des statistiques sur une semaine donnée, un jour de la semaine, un mois, un trimestre, etc... Dans le schéma, nous avons arrêté la granularité au trimestre, pour des raisons de place. En plus, l objectif explicit du modèle est de faire une grande étude portée uniquement sur les ventes de La table «Départements» est une agrégation de deux tables existantes : la table «Départements» fournie par l entreprise et le fichier csv de l INSEE trouvé par le stagiaire. En effet, il n est pas utile de séparer ces deux tables, la clé primaire de ces deux tables étant la même sémantiquement. Il est à noter que l'on suppose que la population dans les départements en 2003 est similaire à la population présente en 2005 pour que les calculs soit correcte. La table «Catalogue» est, elle aussi, une agrégation de deux tables existantes. D une part, la table «Catalogue» qui contient toutes les informations sur les produits et d autre part les informations sur «domaines» des produits contenues dans le fichier Excel. En effet, il n y avait qu une seule information (domaine) exploitable dans ce dernier fichier Excel et ainsi il n'était point nécessaire d ajouter une nouvelle table. Dans la table «Ventes», nous avons décidé de ne pas rajouter l information Quantité. En effet, cette information, si elle permet de se passer d un certain nombre d enregistrements, pourra être facilement recalculée à partir de fonctions SQL simples. Il ne s agit pas d une modification profonde du modèle. Ce choix est justifié par le fait que généralement, une même vente (à la même date, dans un même magasin d un département et avec un numéro d achat identique) ne contiendra pas plusieurs fois le même livre. Après calcul, en regroupant par Quantité, le gain est de 9218 enregistrements sur les existants, soit au maximum 4.5%. Le regroupement par Quantité ne semble donc pas essentiel. 8
9 Datamarts Datamart «Ticket de caisse» utilisé pour produire l information liée aux caractéristiques d une commande ou d'un ticket de caisse. Ainsi, les informations générées permettent de voir s il y a une tendance d acheter des livres selon certains critères portant sur les caractéristiques des livres. Datamart départemental utilisé pour produire l information liée à la vente dans les départements en prenant compte les deux facteurs primordiaux : leur population, leur nombre de magasins implantés. Une étude sur le rapport entre ces deux derniers attributs invitera éventuellement à effectuer une réimplantation des sites dans les départements les moins efficaces en termes de rentabilité. Nb de Nb départements magasins possédant un tel nombre de magasins
10 Regroupement des départements selon la densité de magasins : 1 : avoir un seul magasin 2 : de 2 à 3 3 : de 4 à 7 4 : plus de 8 Datamart temporel utilisé pour estimer et trouver les périodes durant lesquelles il y a le plus de ventes dans l année (jours fériés, vacances, weekend, etc ). On peut s appuyer sur un tel planning pour lancer des stratégies temporelles. 10
11 Implémentation SQL CREATE TABLE DATE ( Jour integer PRIMARY KEY, Semaine integer, Mois integer, Trimestre integer, Weekend integer(1) CHECK IN {0,1}, Ferie integer(1) CHECK IN {0,1}, VacancesA integer(1) CHECK IN {0,1}, VacancesB integer(1) CHECK IN {0,1}, VacancesC integer(1) CHECK IN {0,1} ) CREATE TABLE LOCATION ( Magasin integer, Num integer, NomDepartement varchar2(100), NbMagasins integer, RayonBS integer, TypeRayon varchar2(1), Population long, DensiteMag integer(1) CHECK IN {1,2,3,4}, PRIMARY KEY (Magasin, Num) ) CREATE TABLE PRODUIT ( Code integer PRIMARY KEY, Langue varchar2(20), Auteur varchar2(50), IntituleDomaine varchar2(50), Editeur varchar2(50), AnneeEdition integer, Prix float, ) CREATE TABLE VENTES ( NumTicket integer, NumMagasin integer, DateVente integer, Departement integer, Produit integer, FOREIGN KEY (DateVente) REFERENCES DATE(Jour), FOREIGN KEY (NumMagasin, Departement) REFERENCES DEPARTEMENT(Magasin, Num), FOREIGN KEY (Produit) REFERENCES DIM_Produit(Code), PRIMARY KEY (NumTicket, NumMagasin, DateVente, Departement, Produit) ) 11
12 Conclusion A partir de l'ensemble des données mises à notre disposition, nous avons déduit un modèle dimensionnel pour notre data warehouse. Ces données qui étaient présentes sous différent formats (Oracle, Access, ODS, CSV) ont été sélectionnées en fonction de leur propreté et de leur importance par rapport à l objectif initial. Les données mises à notre disposition traduisent bien le monde réel dans lequel le stockage des données est réalisé de manière plus ou moins correcte. Par exemple, des erreurs d'encodage au niveau du prix, nous empêchent de connaître la devise utilisée et ainsi d'effectuer de nombreuses analyses intéressantes au niveau du montant total des tickets de caisse. Il est important de noter que ce modèle a été construit à partir de nombreux choix subjectifs. Ainsi, notre modèle pourrait être modifié si de nouveaux éléments venaient à s'opposer aux décisions préalablement prises. Par exemple, nous pourrions rajouter le type dans la table «Produit». 12
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 détailBases de Données relationnelles et leurs systèmes de Gestion
III.1- Définition de schémas Bases de Données relationnelles et leurs systèmes de Gestion RAPPELS Contraintes d intégrité sous Oracle Notion de vue Typage des attributs Contrainte d intégrité Intra-relation
Plus en détailI4 : Bases de Données
I4 : Bases de Données Passage de UML au modèle relationnel Georges LOUIS Département Réseaux et Télécommunications Université de La Rochelle Module I4 2008-2009 1 G.Louis Sommaire 1 Des classes aux tables
Plus en détailUML et les Bases de Données
CNAM UML et les Bases de Données UML et les Bases de Données. Diagramme de classes / diagramme d objets (UML)...2.. Premier niveau de modélisation des données d une application...2.2. Les éléments de modélisation...2.2..
Plus en détailLe langage SQL pour Oracle - partie 1 : SQL comme LDD
Le langage SQL pour Oracle - partie 1 : SQL comme LDD 1 SQL : Introduction SQL : Structured Query Langage langage de gestion de bases de donn ees relationnelles pour Définir les données (LDD) interroger
Plus en détailApplication web de gestion de comptes en banques
Application web de gestion de comptes en banques Objectif Réaliser une application Web permettant à un client de gérer ses comptes en banque Diagramme de cas d'utilisation 1 Les cas d'utilisation Connexion
Plus en détailEvry - M2 MIAGE Entrepôt de données
Evry - M2 MIAGE Entrepôt de données Introduction D. Ploix - M2 Miage - EDD - Introduction 1 Plan Positionnement du BI dans l entreprise Déclinaison fonctionnelle du décisionnel dans l entreprise Intégration
Plus en détailLe Langage De Description De Données(LDD)
Base de données Le Langage De Description De Données(LDD) Créer des tables Décrire les différents types de données utilisables pour les définitions de colonne Modifier la définition des tables Supprimer,
Plus en détailet 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 détailEvry - M2 MIAGE Entrepôts de Données
Evry - M2 MIAGE Entrepôts de Données Modélisation décisionnelle D. Ploix - M2 MIAGE - Conception EDD 1 Plan Construction de l entrepôt : les faits et les dimensions Préparation de l analyse : Les agrégats
Plus en détailMagasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP)
Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP) Définition (G. Gardarin) Entrepôt : ensemble de données historisées variant
Plus en détailTP Contraintes - Triggers
TP Contraintes - Triggers 1. Préambule Oracle est accessible sur le serveur Venus et vous êtes autorisés à accéder à une instance licence. Vous utiliserez l interface d accés SQL*Plus qui permet l exécution
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 détailCours Bases de données 2ème année IUT
Cours Bases de données 2ème année IUT Cours Bilan : Des vues à PL/SQL corrigé Anne Vilnat http://www.limsi.fr/individu/anne/cours Plan 1 Cas exemple 2 Les tables... 3 Vues et index 4 Privilèges 5 Fonctions
Plus en détailSQL. Oracle. pour. 4 e édition. Christian Soutou Avec la participation d Olivier Teste
Christian Soutou Avec la participation d Olivier Teste SQL pour Oracle 4 e édition Groupe eyrolles, 2004, 2005, 2008, 2010, is BN : 978-2-212-12794-2 Partie III SQL avancé La table suivante organisée en
Plus en détailLangage SQL : créer et interroger une base
Langage SQL : créer et interroger une base Dans ce chapitre, nous revenons sur les principales requêtes de création de table et d accès aux données. Nous verrons aussi quelques fonctions d agrégation (MAX,
Plus en détailChapitre 5 LE MODELE ENTITE - ASSOCIATION
Chapitre 5 LE MODELE ENTITE - ASSOCIATION 1 Introduction Conception d une base de données Domaine d application complexe : description abstraite des concepts indépendamment de leur implémentation sous
Plus en détailIntroduction à la modélisation dimensionnelle
Introduction à la modélisation dimensionnelle Data warehouse http://dwh.crzt.fr Paternité - Partage des Conditions Initiales à l'identique : http://creativecommons.org/licenses/by-sa/4.0/fr/ 11 février
Plus en détailA QUOI SERVENT LES BASES DE DONNÉES?
BASE DE DONNÉES OBJET Virginie Sans virginie.sans@irisa.fr A QUOI SERVENT LES BASES DE DONNÉES? Stockage des informations : sur un support informatique pendant une longue période de taille importante accès
Plus en détailSWISS ORACLE US ER GRO UP. www.soug.ch. Newsletter 5/2014 Sonderausgabe. OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features
SWISS ORACLE US ER GRO UP www.soug.ch Newsletter 5/2014 Sonderausgabe OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features 42 TIPS&TECHNIQUES Alexandre Tacchini, Benjamin Gaillard, Fabien
Plus en détailEXERCICES UML. Modéliser cette situation par un diagramme de cas d utilisation. Consulter planning
EXERCICES UML 1 ) Dans un établissement scolaire, on désire gérer la réservation des salles de cours ainsi que du matériel pédagogique (ordinateur portable ou/et Vidéo projecteur). Seuls les enseignants
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 détailTP Bases de données réparties
page 1 TP Bases de données réparties requêtes réparties Version corrigée Auteur : Hubert Naacke, révision 5 mars 2003 Mots-clés: bases de données réparties, fragmentation, schéma de placement, lien, jointure
Plus en détailCompétences Business Objects - 2014
Compétences Business Objects - 2014 «Mars-Juin 2014. Réf : Version 1 Page 1 sur 34 Sommaire CONTEXTE DE LA REMISE A NIVEAU EN AUTOFORMATION... 3 1. MODELISATION... 4 1.1 DESCRIPTION FONCTIONNEL DE L'APPLICATION
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 détailBIRT (Business Intelligence and Reporting Tools)
BIRT (Business Intelligence and Reporting Tools) Introduction Cette publication a pour objectif de présenter l outil de reporting BIRT, dans le cadre de l unité de valeur «Data Warehouse et Outils Décisionnels»
Plus en détailGESCOM. Votre logiciel de gestion commerciale
GESCOM Votre logiciel de gestion commerciale GESCOM Progiciel intégré de «gestion commerciale» 2 Notre solution Maîtriser vos flux d informations Pour tout négoce, la gestion des flux, de l achat à la
Plus en détailCréation et Gestion des tables
Création et Gestion des tables Version 1.0 Z Grégory CASANOVA 2 Sommaire 1 Introduction... 3 2 Pré-requis... 4 3 Les tables... 5 3.1 Les types de données... 5 3.1.1 Les types de données Sql Server... 5
Plus en détailCONCEPTION Support de cours n 3 DE BASES DE DONNEES
CONCEPTION Support de cours n 3 DE BASES DE DONNEES Auteur: Raymonde RICHARD PRCE UBO PARTIE III. - LA DESCRIPTION LOGIQUE ET PHYSIQUE DES DONNEES... 2 A. Les concepts du modèle relationnel de données...
Plus en détail1 Position du problème
Licence Science et Technologies - INF245 Examen session 1 - mai 2012 Durée : 2 heures Documents non autorisés Le barème est donné à titre indicatif 1 Position du problème Le Club Universitaire de Vélo
Plus en détailVISUAL GESATEL. La gestion commerciale n a jamais été aussi facile!
La gestion commerciale n a jamais été aussi facile! LES AVANTAGES Transformation de tous vos documents au format PDF, HTML, WORD, EXCEL. Envoi direct de tous vos documents via Internet. Récupérez sans
Plus en détailConstruction d un EDD avec SQL 2008 R2. D. Ploix - M2 Miage - EDD - Création
Construction d un EDD avec SQL 2008 R2 Plan Analyse du DW construit Construction de la base DW dans SQL 2008 Construction des tables de faits et dimensions Injection des données Étapes de l injection des
Plus en détailBases de données relationnelles
Bases de données relationnelles Système de Gestion de Bases de Données Une base de données est un ensemble de données mémorisé par un ordinateur, organisé selon un modèle et accessible à de nombreuses
Plus en détailTP3 : Creation de tables 1 seance
Universite de Versailles IUT de Velizy - Algorithmique 2005/2006 TP3 : Creation de tables 1 seance Objectif : Creation et modication de tables dans une base de donnees. Avant de commencer ce TP, terminer
Plus en détailMYXTRACTION. 2009 La Business Intelligence en temps réel
MYXTRACTION 2009 La Business Intelligence en temps réel Administration Qui sommes nous? Administration et management des profils Connecteurs Base des données Gestion des variables et catégories de variables
Plus en 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 détailDépartement Génie Informatique
Département Génie Informatique BD51 : Business Intelligence & Data Warehouse Projet Rédacteur : Christian FISCHER Automne 2011 Sujet : Développer un système décisionnel pour la gestion des ventes par magasin
Plus en détailBusiness Intelligence
avec Excel, Power BI et Office 365 Téléchargement www.editions-eni.fr.fr Jean-Pierre GIRARDOT Table des matières 1 Avant-propos A. À qui s adresse ce livre?..................................................
Plus en détailConcevoir et déployer un data warehouse
Concevoir et déployer un data warehouse Ralph Kimball Éditions Eyrolles ISBN : 2-212-09165-6 2000 2 Le cycle de vie dimensionnel Avant d étudier de plus près les spécificités de la conception, du développement
Plus en détail1. Base de données SQLite
Dans ce TP, nous allons voir comment créer et utiliser une base de données SQL locale pour stocker les informations. La semaine prochaine, ça sera avec un WebService. On repart de l application AvosAvis
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 détailAuto-évaluation Oracle: cours de base
Auto-évaluation Oracle: cours de base Document: F0475Test.fm 14/01/2008 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INTRODUCTION AUTO-ÉVALUATION ORACLE: COURS DE
Plus en détailAIDE AU PILOTAGE. BO Web intelligence Session 1
AIDE AU PILOTAGE BO Web intelligence Sommaire 1. Présentation Générale...4 1.1 A quoi sert Business Objects?...4 1.2 De quoi est composé Business Objects?...5 1.3 Quelle utilité?...6 1.4 Qu est-ce que
Plus en détailLe langage SQL (première partie) c Olivier Caron
Le langage SQL (première partie) 1 Plan Le S.G.B.D. postgres Le langage SQL Langage de manipulation de données Langage de requêtes 2 Quelques mots sur Postgres (1/2) Travaux de Stonebraker (Univ. Berkeley)
Plus en détailDatawarehouse and OLAP
Datawarehouse and OLAP Datawarehousing Syllabus, materials, notes, etc. See http://www.info.univ-tours.fr/ marcel/dw.html today architecture ETL refreshing warehousing projects architecture architecture
Plus en détailChaîne opératoire de réalisation d une base de données. ANF «Comment concevoir une base de données» (29-30/01/2015)
Chaîne opératoire de réalisation d une base de données ANF «Comment concevoir une base de données» (29-30/01/2015) En introduction 1- Phase d analyse ou d audit 2- Modélisation & développement de la base
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 détailTHOT - Extraction de données et de schémas d un SGBD
THOT - Extraction de données et de schémas d un SGBD Pierre-Jean DOUSSET (France), Benoît ALBAREIL (France) pj@miningdb.com, benoit@miningdb.com Mots clefs : Fouille d information, base de données, système
Plus en détailMODE D EMPLOI DU LOGICIEL AURELIE
MODE D EMPLOI DU LOGICIEL AURELIE 1/ Création d un client : 5 1.1/ Comment y aller? 5 1.2/ Procédure de création : 5 2/ Création d un article : 6 2.1/ Comment y aller? 6 2.2/ Procédure de création : 6
Plus en détailBusiness Intelligence avec Excel, Power BI et Office 365
Avant-propos A. À qui s adresse ce livre? 9 1. Pourquoi à chaque manager? 9 2. Pourquoi à tout informaticien impliqué dans des projets «BI» 9 B. Obtention des données sources 10 C. Objectif du livre 10
Plus en détailOlivier Mondet http://unidentified-one.net
T-GSI Ch.4 Le Langage SQL LDD, LCD Cet exercice guidé reprend le plan suivis lors de l intervention de formation faite pour l académie de Versailles. L objectif principal visait en la présentation du langage
Plus en détailChapitre 3 LE MODELE RELATIONNEL ET SQL (DDL)
Chapitre 3 LE MODELE RELATIONNEL ET SQL (DDL) Un modèle de données définit un mode de représentation de l information selon trois composantes : 1. Des structures de données. 2. Des contraintes qui permettent
Plus en détailA QUOI SERVENT LES BASES DE DONNÉES?
BASE DE DONNÉES OBJET Virginie Sans virginie.sans@irisa.fr A QUOI SERVENT LES BASES DE DONNÉES? Stockage des informations : sur un support informatique pendant une longue période de taille importante accès
Plus en détailObjectifs du TP : Initiation à Access
Objectifs du TP : Initiation à Access I. Introduction Microsoft Access fait partie de l ensemble Microsoft Office. C est un SGBDR (système de gestion de bases de données relationnelles) présentant une
Plus en détailCREATION WEB DYNAMIQUE
CREATION WEB DYNAMIQUE IV ) MySQL IV-1 ) Introduction MYSQL dérive directement de SQL (Structured Query Language) qui est un langage de requêtes vers les bases de données relationnelles. Le serveur de
Plus en détailProjet Business Object
Projet Business Object Rapports parties 1 et 2 Alexandre DUPONT, Guillaume COUSIN, Laurent PACHAREU et Yoann KERMORVANT Etudiants en licence professionnelle Conception de Systèmes Décisionnels Page 1 sur
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 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 détailNFA 008. Introduction à NoSQL et MongoDB 25/05/2013
NFA 008 Introduction à NoSQL et MongoDB 25/05/2013 1 NoSQL, c'est à dire? Les bases de données NoSQL restent des bases de données mais on met l'accent sur L'aspect NON-relationnel L'architecture distribuée
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 détailUtiliser Access ou Excel pour gérer vos données
Page 1 of 5 Microsoft Office Access Utiliser Access ou Excel pour gérer vos données S'applique à : Microsoft Office Access 2007 Masquer tout Les programmes de feuilles de calcul automatisées, tels que
Plus en détail1. LA GESTION DES BASES DE DONNEES RELATIONNELLES
Dossier G11 - Interroger une base de données La base de données Facturation contient tout un ensemble d'informations concernant la facturation de la SAFPB (société anonyme de fabrication de produits de
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 détailCours Base de données relationnelles. M. Boughanem, IUP STRI
Cours Base de données relationnelles 1 Plan 1. Notions de base 2. Modèle relationnel 3. SQL 2 Notions de base (1) Définition intuitive : une base de données est un ensemble d informations, (fichiers),
Plus en 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 détailTP3 : Etude de cas Talend
1. Présentation TP3 : Etude de cas Talend La société Orion Cette société fictive, présente au niveau mondial, est spécialisée dans la commercialisation d articles de sport et d extérieur. Les données disponibles
Plus en détailLes bases de données
Les bases de données Introduction aux fonctions de tableur et logiciels ou langages spécialisés (MS-Access, Base, SQL ) Yves Roggeman Boulevard du Triomphe CP 212 B-1050 Bruxelles (Belgium) Idée intuitive
Plus en détailRejoignez la Communauté
Rejoignez la Communauté MODÉLISATION DIMENSIONNELLE Le fondement du datawarehouse 2 MODÉLISATION DIMENSIONNELLE Le fondement du datawarehouse 3 QUI SOMMES NOUS? Jean-Pierre Riehl Pratice Manager SQL Azeo
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 détailStructure fonctionnelle d un SGBD
Fichiers et Disques Structure fonctionnelle d un SGBD Requetes Optimiseur de requetes Operateurs relationnels Methodes d acces Gestion de tampon Gestion de disque BD 1 Fichiers et Disques Lecture : Transfert
Plus en détailLe modèle de données
Le modèle de données Introduction : Une fois que l étude des besoins est complétée, deux points importants sont à retenir : Les données du système étudié Les traitements effectués par le système documentaire.
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 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 détailCOMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2
SQL Sommaire : COMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2 COMMANDES DE MANIPULATION DE DONNEES... 2 COMMANDES DE CONTROLE TRANSACTIONNEL... 2 COMMANDES DE REQUETE DE DONNEES... 2 COMMANDES
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 détailBases de Données. Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre
Bases de Données Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre Synthèse : conception de BD langage de modélisation famille de SGBD SGBD Analyse du
Plus en détailDéveloppement de base de données Microsoft SQL Server 2012. Durée : 5 jours Référence : DPSQL12. Contenu
Développement de base de données Microsoft SQL Server 2012 Durée : 5 jours Référence : DPSQL12 Cette formation permet aux participants de maîtriser les fonctionnalités de Microsoft SQL Server 2012 telles
Plus en détailQU EST-CE QUE LE DECISIONNEL?
La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce
Plus en détail1. Qu'est-ce que SQL?... 2. 2. La maintenance des bases de données... 2. 3. Les manipulations des bases de données... 5
1. Qu'est-ce que SQL?... 2 2. La maintenance des bases de données... 2 2.1 La commande CREATE TABLE... 3 2.2 La commande ALTER TABLE... 4 2.3 La commande CREATE INDEX... 4 3. Les manipulations des bases
Plus en détailDEMANDE D INFORMATION RFI (Request for information)
OI - SERES RFI Demande d information GEPOFI Réf. : SERES_GEPOFI_RFI.doc Page 1/17 DEMANDE D INFORMATION RFI (Request for information) SOMMAIRE 1. INTRODUCTION... 3 2. PRÉSENTATION DE L EXISTANT... 4 2.1.
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 détail1/ Présentation de SQL Server :
Chapitre II I Vue d ensemble de Microsoft SQL Server Chapitre I : Vue d ensemble de Microsoft SQL Server Module: SQL server Semestre 3 Année: 2010/2011 Sommaire 1/ Présentation de SQL Server 2/ Architerture
Plus en détailCette application développée en C# va récupérer un certain nombre d informations en ligne fournies par la ville de Paris :
Développement d un client REST, l application Vélib 1. Présentation L application présentée permet de visualiser les disponibilités des vélos et des emplacements de parking à la disposition des parisiens
Plus en détailLes bases de données Page 1 / 8
Les bases de données Page 1 / 8 Sommaire 1 Définitions... 1 2 Historique... 2 2.1 L'organisation en fichier... 2 2.2 L'apparition des SGBD... 2 2.3 Les SGBD relationnels... 3 2.4 Les bases de données objet...
Plus en détailGestion de la Maintenance Assistée par Ordinateur
Gestion de la Maintenance Assistée par Ordinateur Simplifiez vous la maintenance Gagner en productivité. Réduire les pannes. Améliorer la durée de vie des équipements. Diminuer les coûts de maintenance.
Plus en détailChapitre 07 Le modèle relationnel des données
Chapitre 07 Le modèle relationnel des données Introduction Ce chapitre est un prolongement de l'étude du modèle relationnel vu en classe de première. L'idée principale est de faire comprendre aux élèves
Plus en détailBusiness Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel
Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 10 Introduction 1. Présentation du décisionnel 15 1.1 La notion de décideur 15 1.2 Les facteurs d'amélioration
Plus en détailConcevoir un modèle de données Gestion des clients et des visites
page 1 MCD Concevoir un modèle de données Gestion des clients et des visites La gestion des informations d une organisation est un élément essentiel de son efficacité. L obligation de les trouver et de
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 détailles Formulaires / Sous-Formulaires Présentation...2 1. Créer un formulaire à partir d une table...3
Présentation...2 1. Créer un formulaire à partir d une table...3 2. Les contrôles :...10 2.1 Le contrôle "Intitulé"...11 2.2 Le contrôle "Zone de Texte"...12 2.3 Le contrôle «Groupe d options»...14 2.4
Plus en détailTP base de données SQLite. 1 Différents choix possibles et choix de SQLite : 2 Définir une base de donnée avec SQLite Manager
TP base de données SQLite 1 Différents choix possibles et choix de SQLite : La plupart des logiciels de gestion de base de données fonctionnent à l aide d un serveur. Ils demandent donc une installation
Plus en détailONIX : une norme pour communiquer entre familles professionnelles?
ONIX : une norme pour communiquer entre familles professionnelles? Journée d étude AFNOR / BnF Métadonnées et confiance : quelles normes pour les échanges entre communautés? Etat des lieux des outils normatifs
Plus en détailFaculté des sciences de gestion et sciences économiques BASE DE DONNEES
BASE DE DONNEES La plupart des entreprises possèdent des bases de données informatiques contenant des informations essentielles à leur fonctionnement. Ces informations concernent ses clients, ses produits,
Plus en détailLes entrepôts de données
Les entrepôts de données Lydie Soler Janvier 2008 U.F.R. d informatique Document diffusé sous licence Creative Commons by-nc-nd (http://creativecommons.org/licenses/by-nc-nd/2.0/fr/) 1 Plan Introduction
Plus en détailDurée de l'épreuve : 4 heures Coefficient : 7
BACCALAURÉAT TECHNOLOGIQUE SESSION 2007 SÉRIE : SCIENCES ET TECHNOLOGIES DE LA GESTION ÉPREUVE ÉCRITE DE LA SPÉCIALITÉ : COMPTABILITÉ ET FINANCE D ENTREPRISE Durée de l'épreuve : 4 heures Coefficient :
Plus en détailOptimisations des SGBDR. Étude de cas : MySQL
Optimisations des SGBDR Étude de cas : MySQL Introduction Pourquoi optimiser son application? Introduction Pourquoi optimiser son application? 1. Gestion de gros volumes de données 2. Application critique
Plus en détailBusiness Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel
Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 11 Introduction 1. Présentation du décisionnel 13 1.1 La notion de décideur 14 1.2 Les facteurs d'amélioration
Plus en 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 détailBases de Données Avancées
1/62 Bases de Données Avancées Introduction & Rappel Conception et Modélisation Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR
Plus en détail