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

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Conception de systèmes d'information et d'entrepôts de données Vers des structures informatiques malléables André Miralles & Guilhem Molla

2 Plan de l exposé Entrepôts de données Origine et architecture Notion de Cube multidimensionnel Les Outils ETL Exemple Talend Projet SIE Pesticides Exemple de mise en œuvre des entrepôts de données environnementales Conclusion 2

3 Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Entrepôt de données Origine et architecture

4 Rappel historique Entrepôts de données : Famille d outils informatiques Conçus pour répondre au besoin de prise de décision rapide de la part de la Grande distribution Gestion de flux financiers Suivi du Chiffre d affaire (CA) Dédiés à l aide à la décision Temps de réponse rapide (de l ordre de quelques secondes) et constants quelque soit la complexité des requêtes 4

5 Architecture centralisée Les données sont centralisées au sein d une même plateforme Systèmes d information transactionnels Entrepôt de données centralisées, uniques et intégrées de l organisation Postes clients 5

6 Architectures n-tiers Architecture Multi-tiers où les données sont résumées avant d être agrégées Systèmes d information transactionnels Entrepôt de données détaillées Entrepôt de données résumées Entrepôt de données résumées et agrégées Postes clients Etat Région Bassin Versant Tiers 4 Tiers 3 Tiers 2 Tiers 1 6

7 Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Entrepôt de données Notion de Cube multidimensionnel

8 Notion de Cube multidimensionnel Systèmes d information transactionnels Entrepôt de données Postes clients Chiffre d affaire des Entreprises Agricoles 50<SAU<100 20<SAU<50 SAU 10<SAU<20 CA Carottes Salade SAU<10 Taureau Vache Année

9 Notion Cube multidimensionnel Exemple Chiffre d affaire (CA) d une Entreprise Agricole 50<SAU<100 SAU 20<SAU<50 10<SAU<20 SAU<10 Année CA Carottes Salade Taureau Vache 9

10 Organisation Agrégative Dimension Production Agricole 50<SAU<100 SAU 20<SAU<50 10<SAU<20 SAU<10 CA Carottes Salade Taureau Vache Année Dimension Production Ensemble Production Ensemble Production * Liste Types Produit Bovin Gallinacé Légume Type Produit * Liste Produits Pomme Vache Taureau Poule Carotte Salade de Terre Produit 10

11 Agrégation : opérateur historique Ft? CA d une entreprise : mesure agrégative Ft?

12 Notion Cube multidimensionnel Exemple Mesure : Chiffre d affaire (CA) d une Entreprise Agricole Mesure : Quantité de produit (Q) Mesure dérivée : Prix unitaire 50<SAU<100 20<SAU<50 10<SAU<20 SAU<10 CA Q Carottes Salade Taureau Vache 12

13 Les structures multidimensionnelles dans un SGBDR Modèle en étoile (Star Schema) DIMENSION 1 DIMENSION 4 FAITS DIMENSION 2 DIMENSION 5 Mesures DIMENSION 3 DIMENSION N Modèle en flocon (Snowflake Schema) Modèle mixte (Mixed Schema) Modèle en constellation (Fact Constellation Schema) 13

14 Outils OLAP (On-Line Analytical Processing) / Spatial OLAP Opérateur de forage avant (Drill Down) / forage arrière (Drill Up) Navigation à travers plusieurs niveaux d une dimension Niveau global vers niveau détaillé ou l inverse Dimension Production Ensemble Production * Liste Types Produit Type Produit * Liste Produits Produit 14

15 Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Les outils ETL Exemple de Talend

16 Unité mixte de recherche AgroParisTech - Cirad - Irstea Transferts de données Besoin d un outil de transfert 16

17 Définition d un ETL Technologie informatique intergicielle (middleware) Transformer des données sources en des données «cibles» Synchroniser des sources de données entre elles Données sources Données cibles 17

18 Définition d un ETL E : Extract Extraction depuis des sources de données T : Transform Transformation des données : pour correspondre à un nouveau schéma/structure, pour les corriger, pour effectuer des calculs L : Load Chargement des données vers une source de données Mise à jour éventuellement de données existantes 18

19 Processus de transformation Connecteurs Flux Base de données Fichier (tableau, XML, texte ) Σ g f Connecteurs Base de données Fichier Service web Mises en correspondance Transformation de données Mises en correspondance Sources de données diverses Outil ETL Cibles de données diverses 19

20 Environnement de travail de Talend Job Visualisation de l agencement des différents composants de la transformation 20

21 Environnement de travail de Talend Palette Ensemble des composants utilisables 21

22 Composants disponibles dans Talend Famille Applications métiers Permettre de communiquer avec des applications extérieures comme des ERP par exemple (ici, SAP et Alfresco sont disponibles) 22

23 Composants disponibles dans Talend Famille Fichier Permettre le traitement de fichiers Ecriture : Fonctionnalités d écriture vers divers types de fichiers (Excel, XML, texte délimité, ) Lecture : de la même façon, permet de consulter ces fichiers Gestion : Permet le parcours d un répertoire, la création de fichiers temporaires, la copie d un fichier, 23

24 Quelques types d utilisation Intégration de données dans une base Vérification de la qualité des données Conversion de types de fichiers Automatisation de traitements répétitifs 24

25 Cube Multidimensionnel Projet Equipe Problématique Analyser des indicateurs sur les dimensions (spatiale, temporelle, culture, matière active) Volume de données 8 indicateurs ~1400 tuples Durée de chargement < 30 s Calculateurs Excel Cube 25

26 Cube Multidimensionnel 26

27 Fusion de linéaires d un Bassin versant Projet Miriphyque Problématique Influence des linéaires (cours d eau, routes, talus, fossés) sur le transfert de pesticides depuis les parcelles jusqu au cours d eau Transfert vertical entre la surface et les subsurfaces proche et profonde ~350 éléments linéaires Fusion des éléments parallèles Durée du traitement Environ 4 min 30 s SIE Pesticides SIE Pesticides 27

28 Fusion de linéaires d un Bassin versant 28

29 Transformation de fichiers Fichiers SQL généré par AGL SQL Serveur -> PostGreSQL Contrôle de la cohérence Fichier SQL Serveur Fichier PostGreSQL 29

30 Transformation de fichiers 30

31 Transformation de fichiers Environ lignes Java 31

32 Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Projet SIE Pesticides Système d Information Environnemental pour les Pesticides

33 Contexte sociétal Utilisation massive de pesticides tonnes : 3 consommation mondial et 1 en Europe Impact sur l environnement Positif : Selon certains experts, 50% de la surface de forêt actuelle a été préservée (Source ORP) Négatif : Impacts sur les différents compartiments de notre environnement (Source ORP) Plan EcoPhyto2018 Objectif : Réduite de 50% l utilisation des pesticides en

34 Objectif sociétal du projet SIE Pesticides Réduire l impact des produits phytosanitaires dans les différents compartiments de l environnement en France 34

35 2 Objectifs opérationnels Objectif de production de connaissance Faire évoluer et concevoir les méthodes, les indicateurs et les outils permettant d identifier et d évaluer l impact des pesticides sur l environnement Objectif de structuration de la connaissance Concevoir un système d information améliorant l accès à la connaissance relative aux pesticides en vue de faciliter sa remobilisation dans un but d information et de transparence vis-à-vis des acteurs 35

36 Contexte de recherche particulier Recherches informatiques menées en synergie avec des chercheurs «thématiciens» Recherches thématiques Recherches Informatiques Problématique : Concepts manipulés sont des objets de recherche 36

37 Défi informatique Organiser l évolution du SIE Pesticides 37

38 Défi informatique Concevoir et mettre en œuvre des méthodes et des outils permettant l évolution Du développement de l application (code) Méthode itérative + Formalisme SIG Des structures de données Entrepôt de données + SOLAP 38

39 Principe de l Ingénierie Dirigée par les modèles Transformations PIM PSM Concepts métiers Concepts métiers + Concepts d Implémentation 39

40 Profil SIG Extension de l AGL Objecteering Formalisme pictogrammique Propriétés spatiales et temporelles des concepts métiers Ligne de production automatique du code SQL SIT 40

41 Génération automatique de l Entrepôts de données Ingénierie Dirigée par les modèles SIE Pesticides Dimension Spatiale Dimension Temporelle Profil SOLAP Dimension M atière Active Mesure Surface développée : real Quantité de Matière Active kg : real /Quantité de Matière Active kg/ha : real Entrepôt de Données Collecter Restituer 41

42 Dichotomie des données primaires / calculées Indicateurs Systèmes d information transactionnels Entrepôt de données Postes clients Données primaires Données diffusées ou calculées 42

43 Source : Jean-Pierre Chanet Unité mixte de recherche AgroParisTech - Cirad - Irstea Chaîne de conception Transfert des données existantes Créer les SIT Systèmes d information transactionnels Créer l ED Transfert des données et calcul d indicateurs Calcul des Agrégations Entrepôt de données Coupler des outils OLAP/SOLAP Postes clients BD 43

44 Modèle du SIE Pesticides SIT Collecter Restituer 44

45 Modèle du Bassin versant 45

46 Modèle des Pratiques Agricoles 46

47 Modèle du Cube multidimensionnel SIE Pesticides Dimension Spatiale Dimension Temporelle Profil SOLAP Dimension Matière Active Mesure Surface développée : real Quantité de Matière Active kg : real /Quantité de Matière Active kg/ha : real Entrepôt de Données Collecter Restituer 47

48 Modèle du Cube - Dimension Spatiale Collecter Restituer 48

49 Modèle du Cube - Dimension Matière Active Collecter Restituer 49

50 Modèle d Implémentation de l Entrepôt de données Modèle en étoile Collecter Restituer 50

51 Modèle Physique des Données du Cube Collecter Restituer 51

52 S o u r c e : J e an -P i e r e Ch a n e t Unité mixte de recherche AgroParisTech - Cirad - Irstea Processus d intégration d un entrepôts de données Systèmes d information transactionnels Entrepôt de données Postes clients BD Outils ETL E : Extract T : Transform L : Load 52

53 Agrégation des données Effectuer par les outils OLAP Configuration 53

54 Exemple d emboîtements récursifs des BV 54

55 Evolution temporelle de la Matière Active appliquée 55

56 Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Conclusion

57 Apports de la méthode mise en œuvre Capitalisation des connaissances et des données Traçabilité des modèles et des transformations Gain de productivité et de qualité 57

58 Capitalisation des connaissances et des modèles Matière Active Matière Active Spécialité Commerciale Spécialité Commerciale Dimension MA Famille : string Solubilité : real DT50 : real DJA : real KOC : real LC50 : real 1..* * Concentration Mode de Pénétration : string Commentaire : string Toutes MA * Types Action Concentration Type Action Valeur : real Unité : string * Matières Actives Matière Active Systèmes d information transactionnels Entrepôt de données Postes clients Connaissances métiers Analyse métiers 58

59 Capitalisation des données et des indicateurs Systèmes d information transactionnels Entrepôt de données Postes clients Données primaires Indicateurs (Calculés) 59

60 Malléabilité de l Architecture informatique Systèmes d information transactionnels Entrepôt de données Postes clients Equipements Etat Ecotoxicologie Région Hydrobiologie Bassin Versant 60

61 Traçabilité des modèles Atelier de Génie logiciel + Ingénierie Dirigée par les modèles SIE Pesticides SIT Dimension Spatiale Dimension Temporelle Profil SOLAP Dimension Matière Active Mesure Surface développée : real Quantité de Matière Active kg : real /Quantité de Matière Active kg/ha : real Entrepôt de Données 61

62 Gain de productivité et de Qualité Cabinet conseil : The Middleware Company Deux équipes de niveaux équivalents Même application : Ventes d animaux sur Internet Même cahier des charges Équipe Planifiée Réalisée Equ. Tradition. 499 h 507 h Equ. MDA 442 h -11% 330 h -35% Résultat important Equipe Traditionnelle : Corrections bogues Equipe MDA : Pas de bogues Meilleure qualité 62

63 Traçabilité des transformations 63

64 Evolution des SI : une nécessité Concepts manipulés sont des objets de recherche Recherches thématiques Recherches Informatiques Evolution des besoins Nouvelles fonctionnalités, nouveaux indicateurs, etc. Evolution des textes réglementaires Lois, normes, etc. Etc. 64

65 Merci de votre attention Formations Langage UML et Modélisation d Applications Environnementales Outils ETL pour système d information décisionnel spatialisé

Informatique Décisionnelle pour l environnement

Informatique Décisionnelle pour l environnement Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Informatique Décisionnelle pour l environnement Principe, architecture informatique

Plus en détail

Informatique Décisionnelle pour l environnement

Informatique Décisionnelle pour l environnement Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche AgroParisTech - Cirad - Irstea Informatique Décisionnelle pour l environnement Principe, architecture informatique

Plus en détail

Entreposage, analyse en ligne et fouille de données

Entreposage, analyse en ligne et fouille de données Entreposage, analyse en ligne et fouille de données Houssem Jerbi IRIT - SIG/ED jerbi@irit.fr Journée COMPIL " Bases de Données" 14/12/2010 PLAN Introduction Bases de données Entrepôt de données Technologie

Plus en détail

Le "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique

Le tout fichier Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché

Plus en détail

Action de formation: SQL Server Business Intelligence & Data Warehouse

Action de formation: SQL Server Business Intelligence & Data Warehouse Action de formation: SQL Server Business Intelligence & Data Warehouse Contenu : Integration Services Présentation de Management Studio - Présenter les différentes tâches de SSMS - Structure des serveurs

Plus en détail

Système OLAP Fresqueau

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

Plus en détail

Les Entrepôts de Données

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

Plus en détail

Introduction à GeoKettle un outil ETL spatial open source

Introduction à GeoKettle un outil ETL spatial open source Introduction à GeoKettle un outil ETL spatial open source par Etienne Dubé et Thierry Badard {etienne.dube,thierry.badard}@scg.ulaval.ca Groupe de recherche GeoSOA (http://geosoa.scg.ulaval.ca) Université

Plus en détail

BUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise

BUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise BUSINESS INTELLIGENCE Une vision cockpit : utilité et apport pour l'entreprise 1 Présentation PIERRE-YVES BONVIN, SOLVAXIS BERNARD BOIL, RESP. SI, GROUPE OROLUX 2 AGENDA Définitions Positionnement de la

Plus en détail

La problématique. La philosophie ' ) * )

La problématique. La philosophie ' ) * ) La problématique!" La philosophie #$ % La philosophie &'( ' ) * ) 1 La philosophie +, -) *. Mise en oeuvre Data warehouse ou Datamart /01-2, / 3 13 4,$ / 5 23, 2 * $3 3 63 3 #, 7 Datawarehouse Data warehouse

Plus en détail

SQL SERVER 2008, BUSINESS INTELLIGENCE

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

Plus en détail

Prototype SOLAP appliqué sur des champs continus en mode raster

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

Plus en détail

PARTIE 1 : ETAT DE L ART...

PARTIE 1 : ETAT DE L ART... Table des matières INTRODUCTION... 1 Contexte général de l étude... 3 Problématiques... 4 Contributions des nos travaux de recherche... 5 Organisation du mémoire... 6 PARTIE 1 : ETAT DE L ART... 9 CHAPITRE

Plus en détail

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

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

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 4 - OLAP

BI = Business Intelligence Master Data-ScienceCours 4 - OLAP BI = Business Intelligence Master Data-Science Cours 4 - OLAP UPMC 15 février 2015 Plan Vision générale ETL Datawarehouse OLAP Reporting Data Mining Entrepôt de données Les entrepôts de données (data warehouse)

Plus en détail

Cas d Utilisation d Spatial Data Integrator. ATEN / Forum TIC Montpellier 2 et 3 juin 2010

Cas d Utilisation d Spatial Data Integrator. ATEN / Forum TIC Montpellier 2 et 3 juin 2010 d Utilisation d Spatial Data Integrator ATEN / Forum TIC Montpellier 2 et 3 juin 2010 ETL? d Utilisation d SOMMAIRE Qu est ce qu un un ETL? de Talend Open Studio (TOS) à Spatial Data Integrator (SDI) :

Plus en détail

Projet Fresqueau: un entrepôt des données pour analyser la qualité de l eau en France

Projet Fresqueau: un entrepôt des données pour analyser la qualité de l eau en France Projet Fresqueau: un entrepôt des données pour analyser la qualité de l eau en France 12 juin 2013 Atelier SOLAP @EDA2013 Démarrage Projet MIDAS - 29 Janvier 2008 1 Plan Projet Fresqueau Objectifs généraux

Plus en détail

JASPERSOFT ET LE PAYSAGE ANALYTIQUE. Jaspersoft et le paysage analytique 1

JASPERSOFT ET LE PAYSAGE ANALYTIQUE. Jaspersoft et le paysage analytique 1 JASPERSOFT ET LE PAYSAGE ANALYTIQUE Jaspersoft et le paysage analytique 1 Ce texte est un résumé du Livre Blanc complet. N hésitez pas à vous inscrire sur Jaspersoft (http://www.jaspersoft.com/fr/analyticslandscape-jaspersoft)

Plus en détail

Mercredi 15 Janvier 2014

Mercredi 15 Janvier 2014 De la conception au site web Mercredi 15 Janvier 2014 Loïc THOMAS Géo-Hyd Responsable Informatique & Ingénierie des Systèmes d'information loic.thomas@anteagroup.com 02 38 64 26 41 Architecture Il est

Plus en détail

Introduction à la B.I. Avec SQL Server 2008

Introduction à la B.I. Avec SQL Server 2008 Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide

Plus en détail

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

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

Plus en détail

TP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3

TP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 TP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 30/11/2011 Plan du TP 2 Rappel sur la chaine de BI Présentation de la suite Microsoft BI Ateliers sur SSIS (2H) Ateliers sur RS (2H) 3 Rappel sur la chaine de

Plus en détail

La Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1

La Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1 La Geo-Business Intelligence selon GALIGEO avec ESRI 2005 session «Décisionnel» 26/10/2005 1 La Business Intelligence : Une Définition La Business intelligence permet l utilisation des données opérationnelles

Plus en détail

Informatique décisionnelle (Première partie) Emmanuelle Cravoisier

Informatique décisionnelle (Première partie) Emmanuelle Cravoisier Informatique décisionnelle (Première partie) Emmanuelle Cravoisier Informatique décisionnelle Concepts Présentation de Business Objects Conception d un univers Business Objects Structure générale d une

Plus en détail

Solution dédiée à l interfaçage de données entre progiciels propriétaires

Solution dédiée à l interfaçage de données entre progiciels propriétaires Solution dédiée à l interfaçage de données entre progiciels propriétaires Table des Matières 1. Contexte 2. Présentation SIB-ESB 3. SIB-ESB en résumé 4. Cas #1 : Remplacer un progiciel 5. Cas #2 : Migrer

Plus en détail

Business Intelligence (BI) Stratégie de création d un outil BI

Business Intelligence (BI) Stratégie de création d un outil 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 indispensable, sous plusieurs

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Créer le modèle multidimensionnel

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

Plus en détail

Evry - M2 MIAGE Entrepôt de données

Evry - M2 MIAGE Entrepôt de données Evry - M2 MIAGE Entrepôt de données Introduction D. Ploix - M2 Miage - EDD - Introduction 1 Plan Positionnement du BI dans l entreprise Déclinaison fonctionnelle du décisionnel dans l entreprise Intégration

Plus en détail

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

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

Plus en détail

Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques. Projet personnel. Thème : Présenté par IOGO Valentin

Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques. Projet personnel. Thème : Présenté par IOGO Valentin Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques Projet personnel Thème : «Etude exploratoire des systèmes d information géographique décisionnels (SIG décisionnels)

Plus en détail

CAPACITE CARTOGRAPHIQUE AUTOUR DES TECHNOLOGIES SOLAP

CAPACITE CARTOGRAPHIQUE AUTOUR DES TECHNOLOGIES SOLAP CONSERVATOIRE NATIONAL DES ARTS ET METIERS CENTRE REGIONAL RHONE-ALPES CENTRE D'ENSEIGNEMENT DE GRENOBLE UE ENG111 - Epreuve TEST Travail d'etude et de Synthèse Technique en INFORMATIQUE CAPACITE CARTOGRAPHIQUE

Plus en détail

SGBDR. Systèmes de Gestion de Bases de Données (Relationnelles)

SGBDR. Systèmes de Gestion de Bases de Données (Relationnelles) SGBDR Systèmes de Gestion de Bases de Données (Relationnelles) Plan Approches Les tâches du SGBD Les transactions Approche 1 Systèmes traditionnels basés sur des fichiers Application 1 Gestion clients

Plus en détail

PITAGORE. Pour tout renseignement complémentaire, veuillez contacter le Pôle de Compétences PITAGORE

PITAGORE. Pour tout renseignement complémentaire, veuillez contacter le Pôle de Compétences PITAGORE MINISTÈRE DE LA DÉFENSE MINISTÈRE DE LA DÉFENSE Pour tout renseignement complémentaire, veuillez contacter le Pôle de Compétences Téléphone : 01 44 42 51 04 Télécopie : 01 44 42 51 21 Messagerie : pitagore-pc@sga.defense.gouv.fr

Plus en détail

BI2 : Un profil UML pour les Indicateurs Décisionnels

BI2 : Un profil UML pour les Indicateurs Décisionnels BI2 : Un profil UML pour les Indicateurs Décisionnels Sandro Bimonte Irstea, TSCF, 9 Av. Blaise Pascal, 63178, Aubière, France sandro.bimonte@irstea.fr Thème de Recherche MOTIVE www.irstea.fr 2 Plan Motivations

Plus en détail

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

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

Plus en détail

UNE DÉMARCHE D ANALYSE À BASE DE PATRONS POUR LA DÉCOUVERTE DES BESOINS MÉTIER D UN SID

UNE DÉMARCHE D ANALYSE À BASE DE PATRONS POUR LA DÉCOUVERTE DES BESOINS MÉTIER D UN SID 1 UNE DÉMARCHE D ANALYSE À BASE DE PATRONS POUR LA DÉCOUVERTE DES BESOINS MÉTIER D UN SID 31 janvier 2012 Bordeaux Présentée par :Mme SABRI Aziza Encadrée par : Mme KJIRI Laila Plan 2 Contexte Problématique

Plus en détail

Business & High Technology

Business & High Technology UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 8 : ID : Informatique Décisionnelle BI : Business Intelligence Sommaire Introduction...

Plus en détail

Management des processus opérationnels

Management des processus opérationnels Ecole Nationale Supérieure de Management Master Management des organisations Management des processus opérationnels Dr TOUMI Djamila Cours n 4: l approche processus et le management du système d informations

Plus en détail

Base de données en mémoire

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

Plus en détail

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

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

Plus en détail

et les Systèmes Multidimensionnels

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

Plus en détail

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

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

Plus en détail

Contexte général de l étude

Contexte général de l étude 1 2 Contexte général de l étude Les entrepôts de données associés à des outils d analyse On Line Analytical Processing (OLAP), représentent une solution effective pour l informatique décisionnelle (Immon,

Plus en détail

Gestion de données avec TALEND

Gestion de données avec TALEND Journée Bases de données OSUC Gestion de données avec TALEND Validation et insertion Aurore Hertout Chargée d études Géomatique & Expertise Spatiale Données thématiques : Nombreuses et variées Différents

Plus en détail

LOGICIEL DE GESTION D ENTREPOT

LOGICIEL DE GESTION D ENTREPOT FR LOGICIEL DE GESTION D ENTREPOT Modula WMS Avantages découlant de l utilisation de Modula WMS OPTIMISATION Gestion statique ou dynamique des emplacements pour éviter d inutiles redondances. GAIN DE TEMPS

Plus en détail

Méthodologie de conceptualisation BI

Méthodologie de conceptualisation BI Méthodologie de conceptualisation BI Business Intelligence (BI) La Business intelligence est un outil décisionnel incontournable à la gestion stratégique et quotidienne des entités. Il fournit de l information

Plus en détail

Diplôme de Comptabilité et de Gestion. D é c r e t N 2 0 0 6-1 7 0 6 d u 2 2 d é c e m b r e 2 0 0 6 - A r r ê t é d u 8 m a r s 2 0 1 0

Diplôme de Comptabilité et de Gestion. D é c r e t N 2 0 0 6-1 7 0 6 d u 2 2 d é c e m b r e 2 0 0 6 - A r r ê t é d u 8 m a r s 2 0 1 0 Diplôme de Comptabilité et de Gestion DCG D é c r e t N 2 0 0 6-1 7 0 6 d u 2 2 d é c e m b r e 2 0 0 6 - A r r ê t é d u 8 m a r s 2 0 1 0 Validation des Acquis de l Expérience VAE R é f é r e n t i e

Plus en détail

La Business Intelligence 01/05/2012. Les Nouvelles Technologies

La Business Intelligence 01/05/2012. Les Nouvelles Technologies 2 La Business Intelligence Les Nouvelles Technologies 3 Une expertise méthodologique pour une intervention optimale sur tous les niveaux du cycle de vie d un projet 4 5 Ils nous font confiance : L ambition

Plus en détail

Travail de diplôme 2011 Business Intelligence Open Source SpagoBI/Talend Résumé

Travail de diplôme 2011 Business Intelligence Open Source SpagoBI/Talend Résumé ESNE Travail de diplôme 2011 Business Intelligence Open Source SpagoBI/Talend Résumé I.Cirillo 2010-2011 Introduction Le laboratoire de base de données de l ESNE a mis en place, il y a quelques années,

Plus en détail

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

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

Plus en détail

5. Architecture et sécurité des systèmes informatiques Dimension Fonctionnelle du SI

5. Architecture et sécurité des systèmes informatiques Dimension Fonctionnelle du SI 5. Architecture et sécurité des systèmes informatiques Dimension Fonctionnelle du SI Un SI : et pour faire quoi? Permet de stocker de manière définitive des informations volatiles provenant d autre BD.

Plus en détail

Restitution. Antoine Lapostolle Ingénieur Avant-Vente Microsoft France

Restitution. Antoine Lapostolle Ingénieur Avant-Vente Microsoft France Restitution Antoine Lapostolle Ingénieur Avant-Vente Microsoft France Fgi was here Restitution: les problématiques Stocker ne suffit, il faut permettre de comprendre et d analyser ces données. Avec des

Plus en détail

L'interopérabilité CAO/SIG, un enjeu important pour la maintenance et l exploitation de vos infrastructures. www.graphland.fr

L'interopérabilité CAO/SIG, un enjeu important pour la maintenance et l exploitation de vos infrastructures. www.graphland.fr L'interopérabilité CAO/SIG, un enjeu important pour la maintenance et l exploitation de vos infrastructures Présentation du Groupe GL Investissement Graph Land Polynésie Graph Land Graph Land Services

Plus en détail

Easy to. report. Connexion. Transformation. Stockage. Construction. Exploitation. Diffusion

Easy to. report. Connexion. Transformation. Stockage. Construction. Exploitation. Diffusion M y R e p o r t, L A S O L U T I O N R E P O R T I N G D E S U T I L I S AT E U R S E X C E L Connexion Transformation Stockage Construction Exploitation Diffusion OBJECTIF REPORTING : De la manipulation

Plus en détail

VISIO. Un nouveau service de mise à disposition des données. Séminaire Open Data en Agriculture 12 novembre 2013

VISIO. Un nouveau service de mise à disposition des données. Séminaire Open Data en Agriculture 12 novembre 2013 VISIO Un nouveau service de mise à disposition des données Séminaire Open Data en Agriculture 12 novembre 2013 Sommaire Contexte et enjeux Architecture du système d information économique Périmètre et

Plus en détail

Introduction aux S.G.B.D.

Introduction aux S.G.B.D. NFE113 Administration et configuration des bases de données - 2010 Introduction aux S.G.B.D. Eric Boniface Sommaire L origine La gestion de fichiers Les S.G.B.D. : définition, principes et architecture

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 3 - Data

BI = Business Intelligence Master Data-ScienceCours 3 - Data BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage

Plus en détail

Préparé par Alessandro Candeloro, PNUE / PAM

Préparé par Alessandro Candeloro, PNUE / PAM Rapport de la mission d appui technique dans le cadre du projet ENPI-SEIS à l Observatoire National pour l Environnement et le Développement Durable (ONEDD), Alger, 11-13 Novembre 2014 (version préliminaire)

Plus en détail

Bases de Données Avancées

Bases de Données Avancées 1/26 Bases de Données Avancées DataWareHouse Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR Léonard de Vinci 74, rue Marcel Cachin,

Plus en détail

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

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

Plus en détail

GPC Computer Science

GPC Computer Science CYCLE ISMIN P2015 GPC Computer Science P LALEVÉE lalevee@emse.fr @p_lalevee A3.01 0442616715 C YUGMA yugma@emse.fr A3.01 0442616715 01/09/2014 Présentation GPC CS - Ph. Lalevée - C Yugma 1 Scolarité Site

Plus en détail

Business Intelligence avec Excel, Power BI et Office 365

Business Intelligence avec Excel, Power BI et Office 365 Avant-propos A. À qui s adresse ce livre? 9 1. Pourquoi à chaque manager? 9 2. Pourquoi à tout informaticien impliqué dans des projets «BI» 9 B. Obtention des données sources 10 C. Objectif du livre 10

Plus en détail

TP2_1 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3

TP2_1 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 TP2_1 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 03/11/2014 Plan du TP 2 Présentation de la suite Microsoft BI Ateliers sur SSIS (2H) Ateliers sur RS (2H) 3 Présentation de la suite Microsoft BI Présentation

Plus en détail

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

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

Plus en détail

La Business Intelligence en toute simplicité :

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

Plus en détail

Entrepôt de données avec SAP BW

Entrepôt de données avec SAP BW Entrepôt de données avec SAP BW Etudiant : David ROUSSE Maître de stage : Christophe BIZET Tuteurs de stage : Claude CHRISMENT et Gilles ZURFLUH 23/12/2003 1/21 Page 1 Introduction Gestion comptabilité

Plus en détail

Systèmes et réseaux d information et de communication

Systèmes et réseaux d information et de communication 233 DIRECTEUR DES SYSTÈMES ET RÉSEAUX D INFORMATION ET DE COMMUNICATION Code : SIC01A Responsable des systèmes et réseaux d information FPESIC01 Il conduit la mise en œuvre des orientations stratégiques

Plus en détail

Principe, applications et limites

Principe, applications et limites Principe, applications et limites Sujet commandité par Thomas Milon Encadré par Bruno Tisseyre Traité par Florence Laporte, Anne Meillet et Romain Rivière Veilles technologiques Mercredi 14 décembre 2011

Plus en détail

Datawarehouse: Cubes OLAP. Marlyse Dieungang Khaoula Ghilani

Datawarehouse: Cubes OLAP. Marlyse Dieungang Khaoula Ghilani Datawarehouse: Cubes OLAP Marlyse Dieungang Khaoula Ghilani Table des matières 1 Data Warehouse 3 1.1 Introduction............................ 3 1.1.1 Définition......................... 3 1.1.2 Architecture........................

Plus en détail

Introduction. d'informations Les entrepôts de données (Datawarehouse) Les datamarts Architecture Modélisation

Introduction. d'informations Les entrepôts de données (Datawarehouse) Les datamarts Architecture Modélisation Data WareHouse Plan Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamarts Architecture Modélisation 2 Présentation Besoin: prise de décisions

Plus en détail

HERMES SYSTEM et BEWISE souhaitent vous offrir les meilleures compétences.

HERMES SYSTEM et BEWISE souhaitent vous offrir les meilleures compétences. Notre alliance, Votre atout. HERMES SYSTEM et BEWISE souhaitent vous offrir les meilleures compétences. C est de cette philosophie qu est née notre partenariat avec la société toulousaine (31) Bewise,

Plus en détail

La solution pour gérer vos connaissances techniques et scientifiques

La solution pour gérer vos connaissances techniques et scientifiques La solution pour gérer vos connaissances techniques et scientifiques La solution pour gérer, sécuriser et réutiliser vos connaissances techniques et scientifiques TEEXMA est le premier outil collaboratif

Plus en détail

les GDT dans le Système d Information informatisé Muriel Pinel Laurent Tabourot

les GDT dans le Système d Information informatisé Muriel Pinel Laurent Tabourot les GDT dans le Système d Information informatisé Muriel Pinel Laurent Tabourot Introduction Le Système d Information Les fonctions du SI Un système d information collecte diffuse, transforme et stocke

Plus en détail

UE 8 Systèmes d information de gestion Le programme

UE 8 Systèmes d information de gestion Le programme UE 8 Systèmes d information de gestion Le programme Légende : Modifications de l arrêté du 8 mars 2010 Suppressions de l arrêté du 8 mars 2010 Partie inchangée par rapport au programme antérieur Indications

Plus en détail

Ici, le titre de la. Tableaux de bords de conférence

Ici, le titre de la. Tableaux de bords de conférence Ici, le titre de la Tableaux de bords de conférence pilotage d entreprise, indicateurs de performance reporting et BI quels outils seront incontournables à l horizon 2010? Les intervenants Editeur/Intégrateur

Plus en détail

La gestion des flux d information : EDI

La gestion des flux d information : EDI La gestion des flux d information : EDI Introduction EDI (définition, composants, types et domaines d application) Les enjeux de l EDI La mise en œuvre de l EDI Conclusion Introduction Tâches Création

Plus en détail

Une plate-forme interopérable. 4 décembre 2007

Une plate-forme interopérable. 4 décembre 2007 1 Une plate-forme interopérable 4 décembre 2007 Plan 2 Vers une nouvelle plate-forme: GeOxygene L expérience des plates-formes au COGIT. Architecture de GeOxygene Organisation générale de la plate-forme

Plus en détail

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

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

Plus en détail

Solocal Group Solocal Group pilote ses audiences via un ensemble de tableaux de bord complètement automatisés grâce à l API AT Internet.

Solocal Group Solocal Group pilote ses audiences via un ensemble de tableaux de bord complètement automatisés grâce à l API AT Internet. Online Intelligence Solutions Solocal Group Solocal Group pilote ses audiences via un ensemble de tableaux de bord complètement automatisés grâce à l API AT Internet. Case study Case study INTRODUCTION

Plus en détail

TP1_1 DE BUSINESS INTELLIGENCE ISIMA 3 ÈME ANNÉE ZZ3 F3

TP1_1 DE BUSINESS INTELLIGENCE ISIMA 3 ÈME ANNÉE ZZ3 F3 TP1_1 DE BUSINESS INTELLIGENCE ISIMA 3 ÈME ANNÉE ZZ3 F3 05/10/2015 Plan du TP 2 Présentation et but de ce TP (15 min) Présentation de Talend Open Studio et ateliers (2H) Présentation de BIRT et ateliers

Plus en détail

Entrepôt de données 1. Introduction

Entrepôt de données 1. Introduction Entrepôt de données 1 (data warehouse) Introduction 1 Présentation Le concept d entrepôt de données a été formalisé pour la première fois en 1990 par Bill Inmon. Il s agissait de constituer une base de

Plus en détail

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

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

Plus en détail

Business Intelligence

Business 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 détail

Fournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement

Fournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement Introduction Phases du projet Les principales phases du projet sont les suivantes : La mise à disposition des sources Des fichiers Excel sont utilisés pour récolter nos informations L extraction des données

Plus en détail

Q.U.I.D QUALITÉ ET URBANISATION DE L'INFORMATION DÉCISIONNELLE. Tom BIZET & Stéphane SITBON 2008

Q.U.I.D QUALITÉ ET URBANISATION DE L'INFORMATION DÉCISIONNELLE. Tom BIZET & Stéphane SITBON 2008 Q.U.I.D QUALITÉ ET URBANISATION DE L'INFORMATION DÉCISIONNELLE Tom BIZET & Stéphane SITBON 2008 SOMMAIRE Contexte de réalisation Open Source Pourquoi Ruby? Normes & Standard Architecture Outil au cœur

Plus en détail

Bases de données multidimensionnelles OLAP. OnLine Analytical Processing

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

Plus en détail

Urbanisation des SI-NFE107

Urbanisation des SI-NFE107 OLAP Urbanisation des SI-NFE107 Fiche de lecture Karim SEKRI 20/01/2009 OLAP 1 Introduction PLAN OLAP Les différentes technologies OLAP Plate formes et Outils 20/01/2009 OLAP 2 Informatique décisionnelle

Plus en détail

Guide de démarrage rapide avec DataStudio Online Edition

Guide de démarrage rapide avec DataStudio Online Edition Guide de démarrage rapide avec DataStudio Online Edition Introduction Ce document vient en complément des films de démonstration disponibles sur le site web de data. L ETL ETL est un sigle qui signifie

Plus en détail

BASES DE DONNEES AVANCEES

BASES DE DONNEES AVANCEES 1.Introduction J.Korczak 1 BASES DE DONNEES AVANCEES Jerzy KORCZAK, Mohammed ATTIK email: {jjk,attik}@lsiit.u-strasbg.fr BDA Objectifs : Ce cours présente des méthodes, modèles et outils d'aide au développement

Plus en détail

Conseil et Ingénierie des Systèmes d Information d Entreprise

Conseil et Ingénierie des Systèmes d Information d Entreprise Conseil et Ingénierie des Systèmes d Information d Entreprise Le Groupe Khiplus SAS KHIPLUS Management Société holding animatrice du groupe SAS KHIPLUS Advance Conseil et ingénierie de Systèmes d Information

Plus en détail

FICHE CONCEPT 01 ETL (EXTRACT TRANSFORM & LOAD)

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

Plus en détail

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

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

Plus en détail

Didier MOUNIEN Samantha MOINEAUX

Didier MOUNIEN Samantha MOINEAUX Didier MOUNIEN Samantha MOINEAUX 08/01/2008 1 Généralisation des ERP ERP génère une importante masse de données Comment mesurer l impact réel d une décision? Comment choisir entre plusieurs décisions?

Plus en détail

Le terme «ERP» provient du nom de la méthode MRP (Manufacturing Ressource Planning) utilisée dans les années 70 pour la gestion et la planification

Le terme «ERP» provient du nom de la méthode MRP (Manufacturing Ressource Planning) utilisée dans les années 70 pour la gestion et la planification Séminaire national Alger 12 Mars 2008 «L Entreprise algérienne face au défi du numérique : État et perspectives» CRM et ERP Impact(s) sur l entreprise en tant qu outils de gestion Historique des ERP Le

Plus en détail

Présentation salon Linux Paris Janvier 2006 / FR / CSS6

Présentation salon Linux Paris Janvier 2006 / FR / CSS6 Présentation salon Linux Paris Janvier 2006 / FR / CSS6 Talend en bref Un éditeur leader technologique sur le marché de l intégration des données en entreprise 1 er acteur ETL Open Source 1 er acteur sur

Plus en détail

Qu est-ce que ArcGIS?

Qu est-ce que ArcGIS? 2 Qu est-ce que ArcGIS? LE SIG ÉVOLUE Depuis de nombreuses années, la technologie SIG améliore la communication, la collaboration et la prise de décision, la gestion des ressources et des infrastructures,

Plus en détail

Drive your success. «Un écosystème complexe implique une capacité de gestion temps réel des aléas» www.imagina-international.com

Drive your success. «Un écosystème complexe implique une capacité de gestion temps réel des aléas» www.imagina-international.com Drive your success «Un écosystème complexe implique une capacité de gestion temps réel des aléas» www.imagina-international.com ATEN, dix avantages au service de votre entreprise Qualité de mise en œuvre

Plus en détail