République Algérienne Démocratique et Populaire

Dimension: px
Commencer à balayer dès la page:

Download "République Algérienne Démocratique et Populaire"

Transcription

1 République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieur et de la Recherche Scientifique Institut National de formation en Informatique Direction de la Post-Graduation et de la Recherche Mémoire En vue de l obtention du Diplôme de Magister en Informatique Option : Système d Information Présenté par Ahmed HACIANE Thème Conception d un datawarehouse Orienté CRM Soutenu le 09/01/2007 devant le jury composé de : - Dr. D. E. ZEGOUR, Professeur, INI, Président ; - Dr. M. AHMED NACER, Professeur, USTHB, Examinateur ; - Dr. S. AIT AOUDIA, Maître de conférences, INI, Examinateur ; - Dr. Z. ALIMAZIGHI, Maître de conférences, USTHB, Rapporteur

2 Remerciements Je tiens à exprimer mes sincères remerciements à Mme. ALIMAZIGHI, maître de conférences à l USTHB pour avoir accepté d encadrer ce mémoire et pour son aide précieuse pour l accomplissement de mon travail. Je tiens aussi à exprimer toute ma reconnaissance aux membres de l équipe LSI de l institut d électronique et d informatique de l USTHB pour m avoir accueilli au sein de leur équipe. Je les remercie et tiens à leur assurer ma profonde gratitude. Je tiens aussi à remercie M. SELMOUNE de l équipe LSI pour ses remarques qui m ont permis d améliorer la qualité finale de ce mémoire. Je tiens à remercier très sincèrement l ensemble des membres du jury qui me font le grand honneur d avoir accepté de juger mon travail. Je remercie particulièrement les enseignants et le personnel de la DPGR de l INI, à leur tête Mme AIT ALI YAHIA, directrice de la PG, pour l effort considérable qu ils fournissent pour la bonne marche de la DPGR. Je tiens aussi à remercier mes collègues MM. BALA et CHOUDER pour leur présence permanente à mes côtés. Je leur souhaite la pleine réussite dans leurs travaux.

3 Je voudrais également exprimer mes remerciements aux personnes extérieures au monde universitaire qui m ont soutenu. En particulier, je remercie tous mes amis et collègues de travail avec lesquels j ai passé des moments inoubliables Enfin, je remercie tout particulièrement mes parents qui m ont toujours soutenu et qui m ont permis de mener à bien mes études. Je tiens à remercier également mon frère et mes deux sœurs qui m ont soutenu depuis le début. C est pour eux que je dédie ce mémoire. Ahmed

4 Sommaire Lexique... VI 1. Introduction Les systèmes décisionnels «datawarehouses» Les systèmes d information décisionnels Qu'est-ce que le décisionnel? Positionnement du décisionnel au sein du SI Les différentes composantes du décisionnel Le système datawarehouse Définition du datawarehouse L architecture globale du datawarehouse Définition des concepts Le fonctionnement du système datawarehouse Les modèles de données du datawarehouse Caractéristiques d utilisation : OLTP vs OLAP Les techniques de modélisation Le système datawebhouse L'impact du Web sur le datawarehouse Objectifs du datawebhouse De et vers le Web Amener le Web au datawarehouse Amener le datawarehouse au Web La gestion du «Temps» dans le datawarehouse Le rôle des données temporelles Les problématiques liées au «Temps» Le temps dans la première génération des datawarehouses CRM : Customer Relationship Management Introduction au CRM Définition du CRM Les objectifs du CRM Les résultats constatés avec le CRM...34

5 3.2. Les facteurs du CRM Le facteur humain Le facteur organisationnel Le facteur technologique Le cycle de vie du client Le développement de la relation client Les étapes du développement Les raisons de la prédominance de la relation client Les fonctionnalités offertes par les systèmes CRM E-Commerce et la gestion de la relation client via Internet Le CRM sur Internet Choisir le bon moyen de communication Les trois règles de succès sur la route du e-commerce Les composants du CRM Les systèmes et données en provenance de l ERP Les bases de données externes Les canaux d interaction Le datawarehouse La technologie du datawarehouse comme base pour le CRM Conception d un datawarehouse orienté CRM Etude de cas : présentation de «ETS Boissons» Le modèle conceptuel général (MCG) orienté CRM Comportement client et circonstances client : le cause-à-effet Le modèle conceptuel général «ETS Boissons» La méthode du point et la modélisation conceptuelle détaillée La limite des méthodes traditionnelles La causalité des changements sur les données Le modèle du «point» La construction du modèle conceptuel détaillé «ETS Boissons» La modélisation logique du datawarehouse orienté CRM L implémentation de la rétrospection Choisir la solution d implémentation Le schéma logique relationnel «Clients»...90

6 Les contraintes de la rétrospection L implémentation physique du système L architecture physique du datawarehouse orienté CRM La couche VIM L alimentation du datawarehouse Le modèle physique de données Les applications CRM Synthèse sur l architecture du système Les produits logiciels Les produits ETL Les produits OLAP Les outils de restitution Le Datamining Conclusion et perspectives Références Bibliographiques...123

7 Sommaire des figures Chapitre 2 : Les systèmes décisionnels «Datawarehouses» Figure : Une vision transversale de l entreprise...4 Figure : Le décisionnel au sein du système d information...5 Figure : Les différents composants du décisionnel...5 Figure : L architecture du datawarehouse...8 Figure : L architecture du système décisionnel...8 Figure : L acquisition des données...12 Figure : Le processus d acquisition des données...13 Figure : L alimentation des datamarts...13 Figure : La restitution des données...14 Figure : Le modèle de données normalisé...17 Figure : Le modèle de données dénormalisé...18 Figure : Le modèle de données en étoile...20 Figure : Le modèle de données en flocon...21 Figure : Le client, le site Web et le datawebhouse...22 Figure : Les deux facettes du datawebhouse...23 Figure : Exemple de datamart du «Clickstream»...25 Chapitre 3 : CRM : Customer Relationship Management Figure : L évolution des composantes d entreprise...32 Figure : Les objectifs du CRM...34 Figure : Les résultats constatés...34 Figure : Les relations CRM Datawarehouse...49 Chapitre 4 : Conception d un datawarehouse orienté CRM Figure : Le modèle général initial en étoile «ETS Boissons»...53 Figure : Rappel : le modèle conceptuel général «ETS Boissons»...54 Figure : MCG : Vue globale «circonstances client changeantes»...57 Figure : MCG : Vue détaillée «circonstances client changeantes»...58 Figure : MCG : Vue globale «Client»...58 Figure : MCG «ETS Boissons» : Vue détaillée «Client»...59

8 Figure : MCG : Vue globale complète «Client»...59 Figure : MCG «ETS Boissons» 1/3 : Vue détaillée «Client»...61 Figure : MCG «ETS Boissons» 2/3 : Vue détaillée «Client»...62 Figure : MCG «ETS Boissons» 3/3 : Vue détaillée «Client»...62 Figure : Le modèle du point...71 Figure : Le modèle du point comportemental «ETS Boissons»...71 Figure : Exemple d un modèle du point d une compagnie de télécom...74 Figure : Le modèle comportemental initial...76 Figure : Le modèle du point comportemental affiné «ETS Boissons»...77 Figure : L implémentation de la rétrospection en utilisant...88 Figure : Le schéma logique des circonstances «clients»...90 Figure : L architecture EASI du système...96 Figure : Le modèle des métadonnées de validation...99 Figure : Le modèle des métadonnées de transformation Figure : Le modèle des métadonnées de mappage Figure : Le modèle complet des métadonnées de la couche VIM Figure : L extraction et le chargement des données Figure : Le rafraîchissement des données Figure : Le modèle physique des circonstances «Clients» non-changeantes Figure : Le modèle physique des circonstances «Clients» changeantes Figure : Le modèle physique du comportement Figure : Le modèle physique des segments dérivés Figure : Le processus ETL...112

9 Lexique ABC (activity Based Costing) : Méthode d optimisation des processus. Elle est fondée sur une évaluation au plus juste des coûts de revient de chacune des activités du processus. ACSI (American Customer Satisfaction Index) : Indice américain de mesure de la satisfaction de la clientèle. L indice reflète les attentes des clients, la qualité réellement perçue ainsi que la valeur perçue. Il peut être décliné au niveau de l entreprise. Agent intelligent : Programme autonome et personnalisable. Les plus aboutis intègrent des caractéristiques d auto-apprentissage et de communication avec ses alter-ego pour une action coopérative. Ils sont le plus souvent dédiés aux techniques de recherche et de collecte d information. Analyse de la valeur (Target Costing) : Approche de conception fondée sur une décomposition en fonctions élémentaires et la mise en exergue du coût d utilité. En d autres termes, au moment de la conception, pour chaque fonction prévue d un produit, on se posera les deux questions : quelle est son utilité? Quelle est sa valeur? API Application Programming Interface : C est une interface de programmation standardisant l accès à des fonctions spécifiques d un produit logiciel ou d une application. Pour l accès aux bases OLAP, Microsoft est en train d imposer son standard : OLE DB for OLAP. Balanced Scorecard : Une approche de pilotage d entreprises proposée par Robert Kaplan et David Norton conseillant de juger toutes les décisions sous l éclairage de quatre (4) perspectives : Axe Financier : Comment nous voient les actionnaires? Axe Client : Comment nous voient les clients? Axe Processus internes : Quels sont nos avantages? Axe Apprentissage organisationnel : Allons-nous progresser? Cette approche rencontre un franc succès aux Etats-Unis. Elle mériterait cependant d être réactualisée pour considérer les nouveaux rôles des clients et des partenaires. Les adeptes de cette approche pourront, avec profit, la compléter par la méthode GIMSI. Business Intelligence : C est le nouveau terme pour identifier toutes les fonctions ayant trait à l aide à la décision. Le terme englobe toute la chaîne décisionnelle, de la collecte en passant par les Datawarehouses et les Datamarts, l analyse et les tableaux de bord.

10 Cash-flow : Solde des flux de trésorerie engendré par un investissement à la clôture d une période. Cross selling : Technique recherchant à améliorer la valeur client en l incitant à acheter aussi d autres produits que ceux achetés régulièrement. La réussite du cross selling est conditionnée par le décloisonnement de la fonction marketing. (voir Up selling) CRM : CRM est un acronyme pour «Customer Relationship Management», en français GRC pour «Gestion de la Relation Client». CRM est un terme de l industrie des systèmes d information englobant des méthodologies, des stratégies, des outils logiciels et habituellement des capacités internet qui aide une entreprise à gérer ses relations client d une manière structurée. Datamart : Entrepôt de données départemental orienté sur un problème spécifique. Datamining : Outil d analyse mettant en évidence des corrélations insoupçonnées en travaillant sur grand nombre de données. Le terme datamining englobe des techniques différentes comme : les recherches d association, les arbres de décision, les algorithmes génétiques ou encore les techniques d apprentissage comme les réseaux de neurones. Datawarehouse : Entrepôt de données. Un datawarehouse centralise les données issues des applications utilisées dans l entreprise. Les données sont organisées par sujet, horodatées et historisées. Pour réussir son Datawarehouse, il faut en premier abandonner la vision universelle de l information et se focaliser sur des problèmes particuliers et les traiter un par un. En deuxième, il faut surtout ne pas négliger les travaux de nettoyage qui constituent la tâche la plus lourde du projet. En troisième, il faut adopter un système de gestion des métadonnées et le maintenir en permanence dans un esprit de qualité totale. DOLAP Desktop OLAP : C est une version simple du modèle OLAP pour des analyses multidimensionnelles locales, au sein de la machine client. Drill Down : zoom dans une base OLAP ou comment aller du global au détail. EIS (Executive Information System puis Entreprise Information System) : Tableau de bord destiné à l origine au management. Le terme n a pas survécu à la banalisation des systèmes décisionnels et est remplacé par la «Business Intelligence» ERP (Entreprise Ressource Planning ou Progiciel de gestion intégré) : Outil fédérateur du système d information, l ERP intègre les fonctions de l entreprise comme la comptabilité, la gestion des ressources humaines, la gestion de production Malgré ses avantages quant au décloisonnement du SI dans l entreprise, les ERP pèchent cruellement par manque d ouverture vers les clients, les partenaires et les besoins décisionnels des utilisateurs.

11 ETL (Extraction Transformation Loading) : Désigne une catégorie d outils et par extension d activités dédiées à l extraction des données des bases de productions, à leur adaptation (nettoyage entre autre) et au stockage dans un système décisionnel, le datawarehouse ou le datamart dans la plupart des cas. GRC : Gestion de la relation client (voir CRM). Groupware : Ce sont les outils destinés à favoriser le travail en équipe. On trouvera notamment la messagerie, les bases d informations partagées et le workflow. Une gestion de contacts, un agenda partagé, voire des outils de vidéo conférence pouvant compléter la panoplie d outils. HOLAP Hybrid OLAP : Ce terme décrit les bases assurant le juste compromis entre le modèle MOLAP et ROLAP, MOLAP pour les données les plus souvent utilisées et ROLAP pour les autres. HTML Hyper Text Mark-up Language : Langage de description des pages Web. HTML est un dérivé allégé du langage de documentation SGML. HTTP : Protocole de transfert des pages HTML sur le réseau Internet. Méta Donnée (Meta data) : ou les données sur les données. Les méta-données stockent toutes les informations nécessaires à la vie des données : origine, date de dernière mise à jour, mode de calcul, procédure de transformation La gestion des méta-données est le point clé de la gestion de la qualité du système d information. Le manque de standard est aujourd hui la principale difficulté OIM (Open Information Model) du Meta Data Coalition ou CWM (Common Warehouse MetaData) de l OGM (Object Management Group). MOLAP Multidimensionnal OLAP : Il s agit des bases de données intégrant physiquement le modèle OLAP. MTBF (Mean Time Between Failure) : Temps moyen entre deux pannes. MTTR (Mean Time To Repair) : Temps moyen de dépannage. ODBC (Open Data Base Connectivity) : Le standard de Microsoft pour accéder aux bases de données. Les solutions ODBC s opposent aux interfaces dites «native» propriétaires mais plus performantes. OLAP (On-Line Analytical Processing) : Le concept de base de données multidimensionnelle établi par EF CODD l inventeur du modèle relationnel. Partant du constat que le modèle classique OLTP (On-Line Transaction Processing) était inadapté aux besoins de l analyse, EF CODD a formalisé les 18 règles du modèle (gérer, traiter et présenter les données multidimensionnelles).

12 Reporting : Informations constatant l activité et entre autre la performance locale transmises selon la voie hiérarchique au niveau supérieur à titre de compte-rendu. Elles seront le plus souvent globalisées pour construire un indice «moyen». ROLAP Relationnal OLAP : Ce terme décrit les bases de structure relationnelle implantant le modèle OLAP. SFA Sales Force Automation : des anciens systèmes qui se bornaient principalement à soutenir la mission du représentant en contact avec le client dans la prise des commandes. UML (Unified Modeling Language) : Langage de modélisation. Il est issu des méthodes d analyse objet : OOD (Object Oriented Design), OMT (Object Modeling Technique) et OOSE (Object Oriented Software Engineering). Up Selling : Technique recherchant à améliorer la valeur client en l incitant à augmenter ses achats (en proposant des services complémentaires par exemple). ML (etensible Markup Language) : Est un langage «d écriture» de données. Il dérive de SGML, un langage plus ancien utilisé dans les bases documentaires. Il est beaucoup plus puissant sur le plan des règles et des possibilités de définition et de programmation que HTML. Notamment, il sépare le texte de sa présentation. Il ne remet pas en cause tous les acquis du Web, notamment le protocole HTTP, et peut devenir la norme d écriture.

13 Chapitre 1 Introduction n Introduction générale ; n Problématique ; n Contribution ; n Présentation du mémoire.

14 Introduction 1. Introduction Le CRM Customer Relationship Management ou GRC en français Gestion de la Relation Client a trouvé son origine dans plusieurs études américaines qui ont démontré que fidéliser un client coûtait jusqu à cinq fois moins cher que d en conquérir de nouveaux. La mise en place d une démarche CRM est une stratégie qui va mettre le client au centre de l entreprise et qui a pour objectif d en améliorer la rentabilité et de le fidéliser. La gestion de la relation client s est surtout développée dans les années 90 afin de répondre à l évolution du contexte économique : passage d une économie d offre orientée «produit» années 50 à 60 à une économie de demande orientée «marché» années 70 à 80 puis «client» depuis les années 90. Et enfin, avec l avènement du Web, une nouvelle notion est apparue : l E-CRM, ou le CRM électronique via le Web années D un autre côté, les systèmes décisionnels basés sur les datawarehouses sont apparus depuis le début des années 90 afin de permettre de mesurer la performance de l entreprise dans son environnement. Cette mesure permet d assister les décideurs dans leur processus de prise de décision. Ainsi, Les systèmes décisionnels tentent de rendre ce processus le plus efficace possible. Le but principal du datawarehousing est de rendre l information disponible pour tous les acteurs de l entreprise. Il n existe pas de doute sur la valeur de l information dans l entreprise, et nous admettons tous que la majorité des entreprises ont une masse d informations considérable non-exploitée dans leurs systèmes opérationnels. Le datawarehouse peut être la clé qui ouvre la porte vers ces informations. Au fil des années, les datawarehouses n ont pas cessé d évoluer afin d intégrer des concepts liés aux nouvelles tendances émergentes telle que Internet et aussi, le CRM. Au début de leur apparition, les datawarehouses (de «première génération») n ont pas été toujours un succès et cela pour au moins deux raisons : La première est liée à la sous-estimation de la complexité des projets datawarehouses et la difficulté de la gestion des bases de données décisionnelles. La deuxième raison est, quant-àelle, liée au fait que dans un projet datawarehouse, il n est pas possible de définir préalablement les besoins d une manière précise, et cela au contraire des systèmes opérationnels. Or, l approche de conception traditionnelle des systèmes d informations restent toujours largement basée sur la compréhension préalable des besoins. 14

15 Introduction Problématique : Les entreprises existent pour générer un chiffre d affaire et un profit et le client y constitue la principale source de revenue. C est pourquoi, la prise de décision dans l entreprise doit «être orientée» et «en relation» avec les clients. Cela ne devient possible que si les datawarehouses sont capables de fournir toutes les données nécessaires sur les clients. Les datawarehouses classiques stockent des données comportementales. Ainsi, ces systèmes permettent de connaître et d analyser le comportement des clients. Or, les données comportementales ne sont pas suffisantes pour une prise de décision CRM efficace. Pour atteindre cet objectif, les applications CRM doivent être supportées par des datawarehouses conçus autour d objectifs CRM et qui ne se limitent pas à recueillir que les données comportementales. Ce sont des datawarehouses de «deuxième génération» qui intègrent un nouvel objectif clair : maximiser l efficacité de la gestion de la relation client (CRM). Contribution : Le but de ce mémoire est de traiter les éléments liés à la conception d un datawarehouse orienté CRM pouvant constituer l élément de base de toute infrastructure CRM efficace. Dans ce mémoire, une méthodologie complète de conception et d implémentation de datawarehouses orienté CRM est présentée. Ma contribution personnelle dans ce travail sera de regrouper et de présenter tous les éléments de conception nécessaires d un datawarehouse orienté CRM en se basant sur les travaux de recherche actuels dans ce domaine et d appliquer en parallèle la méthode et les concepts sur une étude de cas. Ce mémoire traitera donc tous les aspects liés à la conception d un datawarehouse orienté CRM. Le sujet principal de ce mémoire est donc le datawarehousing (la construction d un datawarehouse). Présentation du mémoire : Le mémoire est organisé comme suit : Un Premier chapitre état de l art sur La première génération des datawarehouses : Historiquement, la première génération des datawarehouses a été construite sur un certain nombre de principes définis par les gourous de l industrie des systèmes d information. Les deux principaux pionniers dans le domaine sont : Ralph KIMBALL et Bill INMON. Ces deux personnes peuvent être considérées comme les fondateurs du datawarehousing puisque ce sont eux qui ont donné les définitions et les principes de conception des datawarehouses qui restent actuellement la référence dans le domaine. 15

16 Introduction Le premier chapitre de ce mémoire donne une introduction sur les datawarehouses de première génération et traite, entre-autres, les points suivants : Le besoin en systèmes décisionnels, Comment le datawarehouse peut aider à répondre à ce besoin, Les différences entre les systèmes opérationnels et les systèmes décisionnels, Les principaux composants du datawarehouse, L importance des données temporelles dans les datawarehouses. Un deuxième chapitre état de l art sur La gestion de la relation client : Après avoir présenté les principes du datawarehousing, nous allons essayer de découvrir l univers de la gestion de la relation client (en anglais CRM pour : Customer Relationship Management, abréviation que nous allons d ailleurs utiliser tout-au-long de ce mémoire). L arrivée des systèmes CRM a tout changé. Le CRM ne peut pas être pratiqué dans une entreprise sans avoir une source majeure d information. Or, la disponibilité de cette source est la raison d être des datawarehouses. Ainsi, l intérêt des datawarehouses a été ainsi revitalisé. Les datawarehouses de première génération attendaient l apparition du CRM pour évoluer et montrer leur vrai intérêt. Sans le CRM, les datawarehouses auraient tout de même gardés leur importance malgré le fait que les projets datawarehouses sont qualifiés de complexes, chers et à grands risques. Un troisième chapitre sur La conception d un datawarehouse de deuxième génération orienté CRM : Nous allons ensuite entamer le cœur de notre sujet qui est la conception d un datawarehouse de deuxième génération orienté CRM. Nous rappelons, que dans ce mémoire, nous allons agrémenter notre travail par une étude de cas. L étude de cas concerne une entreprise classique de commercialisation de boissons implantée sur le territoire national. Un datawarehouse orienté CRM sera conçu pour cette entreprise. Pour ce faire, nous allons produire les modèles conceptuels, logiques et physiques des données et proposer l architecture physique du système. Le mémoire se termine par la présentation des axes de recherches actuels et futurs sur les datawarehouses orientés gestion de la relation client. 16

17 Chapitre 2 Les systèmes décisionnels «Datawarehouses» n Les systèmes d informations décisionnels ; n Le Datawarehouse : définition, objectifs, concepts et architectures ; n Les techniques de modélisation décisionnelle ; n La gestion du «Temps» dans les datawarehouses.

18 Les systèmes décisionnels «datawarehouses» 2. Les systèmes décisionnels «datawarehouses» 2.1. Les systèmes d information décisionnels Qu est-ce que le décisionnel? Le système d information décisionnel est un ensemble de données organisées de façon spécifique, facilement accessibles et appropriées à la prise de décision ou encore une représentation intelligente de ces données au travers d outils spécialisés. La finalité d un système décisionnel est le pilotage de l entreprise. Les systèmes de gestion sont dédiés aux métiers de l entreprise pour les assister dans leurs tâches de gestion quotidiennes, et directement opérationnels car maintenus par les utilisateurs sur le terrain. Les systèmes décisionnels sont dédiés au management de l entreprise pour l aider au pilotage de l activité, et indirectement opérationnels car n offrant que rarement le moyen d appliquer les décisions. Ils constituent une synthèse d informations opérationnelles, internes ou externes, choisies pour leur pertinence et leur transversalité fonctionnelles, et sont basés sur des structures particulières de stockage volumineux (datawarehouses, bases OLAP). Le principal intérêt d un système décisionnel est d offrir au décideur une vision transversale de l entreprise intégrant toutes ses dimensions. [Source : Goglin1998] Figure : Une vision transversale de l entreprise [source : Goglin1998] Cette vue intégrée peut alors être étudiée par fonction ou par métier. 18

19 Les systèmes décisionnels «datawarehouses» Positionnement du décisionnel au sein du système d information D un point de vue architectural, nous considérerons que nous pénétrons dans le monde du décisionnel dès lors que les données de production sont valorisées en informations. Cette valorisation est effective dès que l on sort du monde de la production. Sur le schéma suivant, décrivant l architecture fonctionnelle d une entreprise, on voit la place prise par le décisionnel au sein d un système d information. [Source : Goglin1998] Figure : Le décisionnel au sein du système d information [source : Goglin1998] Les différentes composantes du décisionnel Allié aux nouvelles technologies de communication et de diffusion de l information, le décisionnel va façonner la nouvelle informatique de demain. Figure : Les différents composants du décisionnel [source : Goglin1998] 19

20 Les systèmes décisionnels «datawarehouses» De façon chronologique, on peut considérer que les premiers systèmes de pilotage ont été constitués par des outils qui, via des requêtes, permettaient de constituer des tableaux de bord. Ces outils se sont ensuite enrichis de fonctionnalités de simulation et d interfaces de présentation. Ce fût alors l avènement des outils EIS et SIAD. Ces outils aussi puissants soient-ils, ne permettent que de faire une photographie en deux dimensions d une situation donnée. On est donc : «capable d identifier un dysfonctionnement, mais pas d en connaître la cause». [Source : Goglin1998] Pour pouvoir rechercher et identifier les causes, il fallait introduire une nouvelle dimension au système «photographique» en deux dimensions existant, la dimension de l agrégation qui permet d expliquer l origine de l information étudiée. Cette nouvelle dimension a été introduite par les systèmes multidimensionnels au travers des systèmes OLAP (On-Line Analytical Processing). Les outils devenant plus conviviaux et plus puissants, les décideurs s ingénièrent à trouver de plus en plus d indicateurs toujours plus astucieux et plus compliqués. La course à l indicateur était lancée. Elle eut pour principale conséquence de noyer le décideur sous une masse de tableaux de bord et de synthèses dont il n arrivait plus à extraire la substantifique moelle. On introduisit alors un moyen graphique pour identifier plus vite les informations utiles, ce fut l introduction du «color-coding» et des systèmes d information cartographiques qui permettent d identifier visuellement les informations intéressantes selon les critères du décideur puis de les représenter sous une forme directement exploitable par une équipe de direction. Il devenait alors intéressant de diffuser en «temps réel» toutes ces informations et toutes ces analyses vers tous les cadres concernés. C est ce qu allait permettre le développement des réseaux, des activités de «Workflow» et maintenant Internet. Notons que le décisionnel souffre toujours d un grave manque : Il sait fournir les informations nécessaires au décideur ou trouver des corrélations entre des évènements apparemment non liés, mais ne sait pas assister le décideur dans sa prise de décision. Le décideur devient victime du syndrome de la non prise de décision puisqu il ne sait pas forcément ni par quel bout commencer, ni, finalement, quelle décision prendre. Il faut connaître les seuils à partir desquels les valeurs des indicateurs sont considérées comme anormales, puis identifier les règles exploitant ces seuils afin de proposer un diagnostic. Ce diagnostic permet de prendre la décision finale. Ces nouveaux outils sont appelés les moteurs de règles de gestion. Leur objectif n est pas de se substituer au décideur, mais bien de l assister dans sa prise de décision. 20

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

Entrepôt de données 1. Introduction

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

Plus en détail

Chapitre 9 : Informatique décisionnelle

Chapitre 9 : Informatique décisionnelle Chapitre 9 : Informatique décisionnelle Sommaire Introduction... 3 Définition... 3 Les domaines d application de l informatique décisionnelle... 4 Architecture d un système décisionnel... 5 L outil Oracle

Plus en détail

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise.

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service

Plus en détail

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

LES ENTREPOTS DE DONNEES

LES ENTREPOTS DE DONNEES Module B4 : Projet des Systèmes d information Lille, le 25 mars 2002 LES ENTREPOTS DE DONNEES Problématique : Pour capitaliser ses informations, une entreprise doit-elle commencer par mettre en œuvre des

Plus en détail

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

Business Intelligence : Informatique Décisionnelle

Business Intelligence : Informatique Décisionnelle Business Intelligence : Informatique Décisionnelle On appelle «aide à la décision», «décisionnel», ou encore «business intelligence», un ensemble de solutions informatiques permettant l analyse des données

Plus en détail

CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2. Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP...

CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2. Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP... Table des matières CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2 Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP...6 OPÉRATIONS SUR LES CUBES...7 Exemple

Plus en détail

L information et la technologie de l informationl

L information et la technologie de l informationl L information et la technologie de l informationl CRM & informatique décisionnelled CRM CRM & informatique décisionnelle. d 1 2 3 Les Les fondements managériaux managériaux du du CRM. CRM. Les Les fondements

Plus en détail

Introduction 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

QU EST-CE QUE LE DECISIONNEL?

QU EST-CE QUE LE DECISIONNEL? La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce

Plus en détail

Leçon 4 : Typologie des SI

Leçon 4 : Typologie des SI Leçon 4 : Typologie des SI Typologie des SI Système formel Système informel Typologie des SI Chaque jour au sein d une organisation Le système d info stocke, traie ou restitue des quantités importantes

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

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

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

Plan. Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation

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

Plus en détail

Un datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données :

Un datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données : Page 1 of 6 Entrepôt de données Un article de Wikipédia, l'encyclopédie libre. L'entrepôt de données, ou datawarehouse, est un concept spécifique de l'informatique décisionnelle, issu du constat suivant

Plus en détail

Entrepôts de données. NEGRE Elsa Université Paris-Dauphine 2015-2016

Entrepôts de données. NEGRE Elsa Université Paris-Dauphine 2015-2016 Entrepôts de données NEGRE Elsa Université Paris-Dauphine 2015-2016 Contexte et problématique Le processus de prise de décision L entrepôt de données Définition Différence avec un SGBD Caractéristiques

Plus en détail

Les solutions SAS pour les Petites et Moyennes Entreprises

Les solutions SAS pour les Petites et Moyennes Entreprises BROCHURE SOLUTION Les solutions SAS pour les Petites et Moyennes Entreprises Sur un marché aussi compétitif que celui des Petites et Moyennes Entreprises, le temps et l efficacité sont deux valeurs prioritaires

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

Les entrepôts de données

Les entrepôts de données Les entrepôts de données Lydie Soler Janvier 2008 U.F.R. d informatique Document diffusé sous licence Creative Commons by-nc-nd (http://creativecommons.org/licenses/by-nc-nd/2.0/fr/) 1 Plan Introduction

Plus en détail

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

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

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

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

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

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

Entrepôt de Données. Jean-François Desnos. Jean-Francois.Desnos@grenet.fr ED JFD 1

Entrepôt de Données. Jean-François Desnos. Jean-Francois.Desnos@grenet.fr ED JFD 1 Entrepôt de Données Jean-François Desnos Jean-Francois.Desnos@grenet.fr ED JFD 1 Définition (Bill Inmon 1990) Un entrepôt de données (data warehouse) est une collection de données thématiques, intégrées,

Plus en détail

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

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

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

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

Plus en détail

AXIAD Conseil pour décider en toute intelligence

AXIAD Conseil pour décider en toute intelligence AXIAD Conseil pour décider en toute intelligence Gestion de la Performance, Business Intelligence, Big Data Domaine d expertise «Business Intelligence» Un accompagnement adapté à votre métier dans toutes

Plus en détail

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

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

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :

Plus en détail

Annexe. Méthodologie de mise en œuvre d un projet BusinessObjects

Annexe. Méthodologie de mise en œuvre d un projet BusinessObjects Annexe Méthodologie de mise en œuvre d un projet BusinessObjects Déroulement du cours 1 : Le rôle du Designer d Univers 2 : Créer un Univers avec l Assistant 3 : Créer un Univers étape par étape 4 : Enrichir

Plus en détail

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

Intelligence Economique - Business Intelligence

Intelligence Economique - Business Intelligence Intelligence Economique - Business Intelligence Notion de Business Intelligence Dès qu'il y a une entreprise, il y a implicitement intelligence économique (tout comme il y a du marketing) : quelle produit

Plus en détail

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

Les Entrepôts de Données. (Data Warehouses)

Les Entrepôts de Données. (Data Warehouses) Les Entrepôts de Données (Data Warehouses) Pr. Omar Boussaid Département d'informatique et de Sta5s5que Université Lyon2 - France Les Entrepôts de Données 1. Généralités, sur le décisionnel 2. L'entreposage

Plus en détail

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

et les Systèmes Multidimensionnels

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

Plus en détail

GUIDE COMPARATIF OLAP. www.viseo.com

GUIDE COMPARATIF OLAP. www.viseo.com GUIDE COMPARATIF OLAP www.viseo.com Table des matières Contexte et usage... Champs d application... Principes OLAP... 4 Les architectures OLAP... 5 Ouverture et complémentarité... 6 Questionnaire opérationnel...

Plus en détail

Sommaire. Première partie

Sommaire. Première partie Sommaire Introduction... XIX Première partie Pour bien piloter, il faut mieux mesurer Chapitre 1 Vos tableaux de bord ne sont plus efficaces... 3 Rôle du tableau de bord...3 Le modèle conducteur, automobile

Plus en détail

CONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS

CONCEPTION 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 détail

Les nouveaux tableaux de bord des managers

Les nouveaux tableaux de bord des managers Alain Fernandez Les nouveaux tableaux de bord des managers Le projet Business Intelligence clés en main Sixième édition Tableaux bord NE.indd 3 26/03/13 15:22 Le site www.piloter.org, dédié au pilotage

Plus en détail

ETL Extract - Transform - Load

ETL Extract - Transform - Load ETL Extract - Transform - Load Concept général d analyse en ligne (rappels) Rémy Choquet - Université Lyon 2 - Master 2 IIDEE - 2006-2007 Plan Définitions La place d OLAP dans une entreprise OLAP versus

Plus en détail

IBM Cognos TM1. Fiche Produit. Aperçu

IBM Cognos TM1. Fiche Produit. Aperçu Fiche Produit IBM Cognos TM1 Aperçu Cycles de planification raccourcis de 75 % et reporting ramené à quelques minutes au lieu de plusieurs jours Solution entièrement prise en charge et gérée par le département

Plus en détail

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE GUIDE COMPARATIF BUSINESS INTELLIGENCE www.viseo.com Table des matières Business Intelligence :... 2 Contexte et objectifs... 2 Une architecture spécifique... 2 Les outils de Business intelligence... 3

Plus en détail

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

Résumé CONCEPTEUR, INTEGRATEUR, OPERATEUR DE SYSTEMES CRITIQUES

Résumé CONCEPTEUR, INTEGRATEUR, OPERATEUR DE SYSTEMES CRITIQUES Aristote ----- Cloud Interopérabilité Retour d'expérience L A F O R C E D E L I N N O V A T I O N Résumé Les systèmes d'information logistique (SIL) sont des outils qui amènent des gains de productivité

Plus en détail

SQL Server 2014 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services, Power BI...)

SQL Server 2014 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services, Power BI...) Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence

Plus en détail

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

Objectifs. Maîtriser. Pratiquer

Objectifs. Maîtriser. Pratiquer 1 Bases de Données Objectifs Maîtriser les concepts d un SGBD relationnel Les modèles de représentations de données Les modèles de représentations de données La conception d une base de données Pratiquer

Plus en détail

Présentation de l offre produit de Business Objects XI

Présentation de l offre produit de Business Objects XI Conseil National des Assurances Séminaire - Atelier L information au service de tous Le 09 Novembre 2005 Présentation de l offre produit de XI Amar AMROUCHE Consultant Avant Vente aamrouche@aacom-algerie.com

Plus en détail

Licence Professionnelle en Statistique et Informatique Décisionnelle (S.I.D.)

Licence Professionnelle en Statistique et Informatique Décisionnelle (S.I.D.) Université de Lille 2 - Droit et Santé Ecole Supérieure des Affaires & Institut Universitaire de Technologie (IUT-C) Département Statistique et Traitement Informatique des Données Licence Professionnelle

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

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

Fiche de lecture OLAP

Fiche de lecture OLAP Fiche de lecture OLAP NFE107 Urbanisation des Systèmes d Information Karim Sekri Informatique décisionnelle BI, Business Intelligence Système interprétant des données complexes permettant aux dirigeants

Plus en détail

Présentation du module Base de données spatio-temporelles

Présentation du module Base de données spatio-temporelles Présentation du module Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Partie 1 : Notion de bases de données (12,5h ) Enjeux et principes

Plus en détail

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

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

Généralités sur les bases de données

Généralités sur les bases de données Généralités sur les bases de données Qu est-ce donc qu une base de données? Que peut-on attendre d un système de gestion de bases de données? Que peut-on faire avec une base de données? 1 Des données?

Plus en détail

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...) Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence

Plus en détail

Les activités numériques

Les activités numériques Les activités numériques Activités de l entreprise et activités numériques de l entreprise convergent de plus en plus au sein de la chaîne de valeur, c est-à-dire la manière avec laquelle une entreprise

Plus en détail

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

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

Plus en détail

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

RAMOS BELLO Laura Comment la culture de chaque agence PANALPINA va-t-elle influencer les enjeux de la mise en place du CRM?

RAMOS BELLO Laura Comment la culture de chaque agence PANALPINA va-t-elle influencer les enjeux de la mise en place du CRM? Glossaire 178 A Analyses personnalisables : Les fournisseurs des outils de CRM offrent des outils à la fois puissants et conviviaux qui permettent à tout utilisateur d'obtenir, grâce à des rapports standard

Plus en détail

Bases de Données. Stella MARC-ZWECKER. stella@unistra.u-strasbg.fr. Maître de conférences Dpt. Informatique - UdS

Bases 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 détail

Introduction à l Informatique Décisionnelle - Business Intelligence (7)

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

Plus en détail

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

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

ERP & Processus. lacreuse@unistra.fr

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

Plus en détail

D une part, elles ne peuvent faire table rase de la richesse contenue dans leur système d information.

D une part, elles ne peuvent faire table rase de la richesse contenue dans leur système d information. PACBASE «Interrogez le passé, il répondra présent.». Le Module e-business Les entreprises doivent aujourd hui relever un triple défi. D une part, elles ne peuvent faire table rase de la richesse contenue

Plus en détail

clients. Selon une approche pragmatique, PRIOS Groupe cultive : L optimisation des processus

clients. Selon une approche pragmatique, PRIOS Groupe cultive : L optimisation des processus DOSSIER DE PRESSE prios groupe éditeur sectoriel Créée en 1990, La société PRIOS s est spécialisée dans deux activités principales : l agro-alimentaire et l équipement de la personne (gamme Estelle). Depuis

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

SAP Billing and Revenue Innovation Management for High-Volume Business

SAP Billing and Revenue Innovation Management for High-Volume Business SAP Solution Brief SAP Business Suite SAP Billing and Revenue Innovation Management Enjeux SAP Billing and Revenue Innovation Management for High-Volume Business Rationalisation du processus de facturation

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

PLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION

PLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION PLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION KEOPS Automation Espace Performance 2B, rue du Professeur Jean Rouxel BP 30747 44481 CARQUEFOU Cedex Tel. +33 (0)2 28 232 555 -

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

Concevoir et déployer un data warehouse

Concevoir 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 détail

La Business Intelligence & le monde des assurances

La Business Intelligence & le monde des assurances Conseil National des Assurances Séminaire - Atelier L information au service de tous Le 09 Novembre 2005 La Business Intelligence & le monde des assurances Karim NAFIE Regional Presales Manager EEMEA Operations

Plus en détail

Technologie data distribution Cas d usage. www.gamma-soft.com

Technologie data distribution Cas d usage. www.gamma-soft.com Technologie data distribution Cas d usage www.gamma-soft.com Applications stratégiques (ETL, EAI, extranet) Il s agit d une entreprise industrielle, leader français dans son domaine. Cette entreprise est

Plus en détail

Secteur Sociétés de Services

Secteur Sociétés de Services Secteur Sociétés de Services isatech est spécialiste des solutions de gestion d entreprise Microsoft Dynamics ERP, CRM et Office365 Les problématiques du secteur tertiaire Selon l'insee, le marché des

Plus en détail

Paie - RH. Un ERP à la richesse fonctionnelle exceptionnelle

Paie - RH. Un ERP à la richesse fonctionnelle exceptionnelle Un ERP à la richesse fonctionnelle exceptionnelle Un ERP est un progiciel de planification des ressources nécessaires au bon fonctionnement d une entreprise (Entreprise Ressources Planning). l entreprise,

Plus en détail

Thibault Denizet. Introduction à SSIS

Thibault Denizet. Introduction à SSIS Thibault Denizet Introduction à SSIS 2 SSIS - Introduction Sommaire 1 Introduction à SQL Server 2008 Integration services... 3 2 Rappel sur la Business Intelligence... 4 2.1 ETL (Extract, Transform, Load)...

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

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

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

Plus en détail

Secteur Recherche Santé

Secteur Recherche Santé Secteur Recherche Santé isatech est spécialiste des solutions de gestion d entreprise Microsoft Dynamics ERP, CRM et Office365 Les problématiques du secteur de la santé Selon l INSEE, le secteur de la

Plus en détail

Les ressources numériques

Les ressources numériques Les ressources numériques Les ressources numériques sont diverses et regroupent entre autres, les applications, les bases de données et les infrastructures informatiques. C est un ensemble de ressources

Plus en détail

Secteur Distribution & Retail

Secteur Distribution & Retail Secteur Distribution & Retail isatech est spécialiste des solutions de gestion d entreprise Microsoft Dynamics ERP, CRM et Office365 Les problématiques des métiers du négoce Selon l Observatoire des commerces

Plus en détail

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

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

Plus en détail

La Gestion Electronique des Documents

La Gestion Electronique des Documents La Gestion Electronique des Documents La mise en place d une solution La gestion de l information est devenue un enjeu stratégique majeur à l intérieur des organisations. D après l observation des projets

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

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

Comment tirer le meilleur profit de votre système d information & de votre infrastructure

Comment tirer le meilleur profit de votre système d information & de votre infrastructure Ateliers de découverte fonctionnelle et d information Service offert dans le cadre de votre contrat de mise à jour et de support Infrastructure Comment tirer le meilleur profit de votre système d information

Plus en détail

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

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

Plus en détail

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

Notions fondamentales sur les bases de données

Notions fondamentales sur les bases de données 1 Notions fondamentales sur les bases de données Au sommaire de ce chapitre Qu est-ce qu une base de données? Environnements des bases de données Origine d une base de données Eléments constitutifs d une

Plus en détail