Le cycle de vie d'un projet en intelligence d'affaires

Dimension: px
Commencer à balayer dès la page:

Download "Le cycle de vie d'un projet en intelligence d'affaires"

Transcription

1 MTI820 Entrepôts de données et intelligence d affaires Le cycle de vie d'un projet en intelligence d'affaires Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 1

2 Question Quels sont les facteurs les plus déterminants pour la réussite d un projet de BI? Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 2

3 Besoins prioritaires en TI Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 3

4 Taux de réussite: Le succès d'un projet de BI Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 4

5 Critères de prédisposition Les 5 critères de succès (selon R. Kimball): Critère Contribution Le parrainage de la haute direction* 60 % La motivation et la légitimité du changement* 15 % La faisabilité* 15 % Le partenariat entre les intervenants d affaires et des TI 5 % La culture analytique 5 % *: critères indispensables Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 5

6 Critères de prédisposition Parrainage de la haute direction: Facteur critique au succès du projet; Caractéristiques d un sponsor idéal: Conviction de l impact potentiel de la solution de BI; Influence importante au sein de l entreprise; Exigeant mais réaliste; Connaissance des concepts de base du BI est un atout; Vision axée sur le succès à long-terme du projet. Important d avoir plusieurs sponsors dans le projet. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 6

7 Critères de prédisposition Motivation et la légitimité du changement: Besoin urgent d améliorer l accès à de l information de qualité (ex: concurrence, nouvelle réglementation, etc.); Les projets de BI alignés avec des besoins d affaires réels ont de meilleures chances de réussir; Le projet est plus facilement justifiable lorsqu il existe de telles motivations. Faisabilité: Concerne principalement la disponibilité de données de qualité: Niveau de détail (granularité) suffisamment fin; Effort raisonnable pour nettoyer et consolider. Se détermine à l aide du profilage de données (profiling). Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 7

8 Question Quelle est la meilleure approche pour développer une solution de BI? Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 8

9 Approche top-down vs bottom-up Caractéristique Top-down (B. Inmon) Bottom-up (R. Kimball) Objectifs Livrer une solution technologiquement saine basée sur des méthodes et technologies éprouvées des bases de données Complexité de la méthode Plutôt complexe Plutôt simple Importance de la conception physique Importante Livrer une solution permettant aux usager d obtenir facilement et rapidement des réponses à leurs requêtes d analyse Peu importante Orientation du modèle Orienté données Orienté processus d affaires Accessibilité des utilisateurs finaux Outils de conception Faible Traditionnels (diagrammes entitérelation et flot de données) Forte Modélisation dimensionnelle (schéma en étoile) Auditoire principal Professionnels en TI Utilisateurs finaux Source: E. Turban, R. Sharda, D. Delen et D. King (2010). «Business intelligence: A manegerial approach», Pearson. Département de génie logiciel et des TI MTI820 Hiver 2011 C. Desrosiers 9

10 Projet vs programme de BI Projet: Une seule itération dans le cycle de vie d un projet de BI; A une date de début et de fin; Plus facile à planifier. Programme: Coordination de ressources, infrastructures et communications sur plusieurs projets; Définition continuelle de nouveaux projets (pas de fin abrupte); Plus difficile à planifier. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 10

11 Le cycle de vie d une solution BI Diagramme de flux de travail (DW Lifecycle, Kimball): Conception de l architecture technique Sélection et installation des produits Croissance Planification de projet / programme Définition des besoins d affaires Modélisation des données Conception physique Conception et développement du système ETL Déploiement Conception des application de BI Développement des applications de BI Maintenance Gestion de projet / programme Note: dépendance horizontale et verticale entre les activités; Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 11

12 Planification Fait interactivement avec la définition des besoins; Comprend: Définition de la portée; Recrutement; Identification, estimation et affectation des tâches. Planification de projet / programme Définition des besoins d affaires Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 12

13 Question Comment détermine-t-on la portée d un projet de BI? Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 13

14 La portée préliminaire du projet Dépend de: Le nombre de sujets d analyse visés (ex: fonctions d affaires, régions, etc.) Le nombre et le type de sources de données brutes; L approche employée pour charger les données des sources dans l entrepôt de données; Les règles d affaires appliquées aux données sources lors de la validation; Le contenu, le niveau de détail, et l historique des données sources; Les outils frontaux (front-end) d intelligence d affaires employées pour l analyse; La complexité architecturelle de l environnement. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 14

15 La portée préliminaire du projet Directives pour déterminer la portée: Définie en fonction de besoins spécifiques; Doit apporter une valeur d affaires suffisante à l entreprise, tout en restant faisable; Doit être fait conjointement avec les représentants d affaires et ceux des TI. Document de portée du projet: Information de base sur le projet; Les inclusions et exclusions de la portée; Les critères de succès; Les risques et stratégies de gestion de risque. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 15

16 Information de base Exemple de document de portée Nom du projet BigCo désire maximiser les revenus provenant de ses activités de promotion. Présentement, elle dépense environ $40 million annuellement en publicité. L objectif est de réduire les dépenses reliées aux activités promotionnelle de 25% d ici trois ans. La prochaine phase du projet de BI portera sur l information promotionnelle, complémentant le projet précédent consacré aux données de vente. Les équipes de vente et de marketing auront accès à la fois aux données de vente et de promotion, permettant ainsi le développement de stratégie promotionnelles plus efficaces. Portée du projet: Trois années de données historiques sur les activités internes de promotion; Maximum de 25 utilisateurs initialement, avec le plan d augmenter la capacité à 150 utilisateurs; L architecture technique sera basée sur Exclusions: Données externes, telles que les information sur les ventes et promotions des principaux compétiteurs; Support pour des programmes promotionnels non-domestiques; Critères de succès: Une seule source d information employée pourles analyses reliées aux activités de promotion; Réduction dutemps requis poureffectuer une analyse reliées aux activités de promotion; Risques etstratégies de gestion des risques: Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 16

17 Question Comment justifie-t-on un projet de TI à la direction et aux investisseurs de l entreprise? Comment peut-on démontrer la valeur du projet à ceuxci? Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 17

18 Justification du projet Retour sur l investissement (ROI): ROI = Bénéfices Dépenses. Investissements et coûts: Achat/mise à niveau de composantes matérielles: Ex: serveurs, réseau, HD, etc. Achat/mise à niveau de composantes logicielles: Ex: ETL, DBMS, analyse multidimensionnelle, etc. Embauches internes: Ex: analyste de données, DBA, directeur de projet, etc. Ressources externes: Ex: consultants, support technique de produits achetés, etc. Coûts de maintenance: Ex: frais de maintenance, support et croissance. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 18

19 Justification du projet Bénéfices ($): Augmentation des revenus de vente; Meilleur taux de réponse aux envois publicitaires; Élimination des produits à faible marge de profit; Réduction des dépenses en marketing; Diminution du taux d attrition; Réduction des cas de fraude; etc. Coûts et bénéfices estimés au stade de planification. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 19

20 Exemple de ROI Qui: Compagnie IBM, complexe de production de semiconducteurs dans l'état de New-York; Défis: Satisfaire les besoins en rapports (reporting) des équipes de production et d'ingénierie; Solution: SAS Business Intelligence; 600 utilisateurs; 100 sources; 100 Gb; source: Nucleus Research Inc., 2007 Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 20

21 Coûts et bénéfices: Exemple de ROI Bénéfices principaux: Réduction du temps de création de rapports; Amélioration de la qualité et la visibilité des données; Embauche d'employé en TI évitée; ROI: 386% (après 3 ans) source: Nucleus Research Inc., 2007 Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 21

22 Équipe d un projet de BI Analogie avec une équipe de hockey: Propriétaire, Président Sponsors Directeur général Directeur de projet Entraîneur chef, Entraîneur adjoint Gardien de but, Centres, Ailiers, Défenseurs Unités spéciales Partisans Chef de projet Analyste d affaires, Architecte de données, Analyste en QA, Administrateur de BD, Architecte/développeur ETL, Architecte/développeur d applications BI Spécialiste technique, Spécialiste en sécurité, Spécialiste en forage de données, Chargé des tests, Éducateur Utilisateurs Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 22

23 Équipe d un projet de BI Sponsor: Membre de la haute direction; Approuve les budgets; Défend le projet en cas de besoin. Directeur de projet: Sert de liaison entre les sponsors et les autres membres de l équipe; Responsable du leadership et de la direction du projet; Influence les décisions stratégiques et architecturelles. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 23

24 Équipe d un projet de BI Chef de projet: Gère le projet au jour le jour: Coordination des ressources et des activités; Planification des tâches et des budgets; Suivi de l état et de l avancement du projet. Doit pouvoir réagir rapidement aux problèmes rencontrés, avant que ceux-ci s intensifient. Analyste d affaires: Gère la collecte et la définition des besoins; Assure la juste représentation des besoins dans les autres étapes du projet; Doit très bien connaître les processus d affaires de l entreprise. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 24

25 Équipe d un projet de BI Analyste en QA / intendant des données: Responsable d établir une vue consolidée des définitions et règles des données, à l échelle de l entreprise; S assure que les données insérées dans l entrepôt sont valides et complètes; Peut également être responsable de vérifier l intégrité des applications de BI. Architecte de données: En charge de définir une architecture facilitant la réutilisabilité, l intégration et l optimisation des données; Conçoit et développe le modèle dimensionnel des données; Participe parfois à la collecte des besoins. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 25

26 Équipe d un projet de BI Administrateur de BD (DBA): Responsable de convertir le modèle des données en structures physiques de l entrepôt (tables, colonnes, etc.); Choisit des paramètres physiques maximisant la performance de l entrepôt (ex: disposition des disques, partitionnement, indexes, etc.) Gère l intégrité, la disponibilité et la performance de l entrepôt au quotidien. Architecte/développeur ETL: Responsable de la conception et développement du système ETL; Architecte est souvent impliqué dans la collecte des besoins; Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 26

27 Équipe d un projet de BI Architecte/développeur d application de BI: En charge de concevoir la couche d interaction aux données; Conçoit et développe les applications de BI, souvent à l aide de produits commerciaux; Configure la couche sémantique des outils de BI. Note: Un projet de BI comporte normalement tous ces rôles; Grand projets: plusieurs personnes peuvent avoir le même rôle; Petits projets: une personne peut jouer plusieurs rôles. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 27

28 Définition des besoins Étape critique à la réussite du projet; Se concentre sur les utilisateurs, et non les données; Identifie les besoins les plus prioritaires; Comprend: Entrevue des utilisateurs; Identification des processus d affaires; Préparation du document de description des besoins. Planification de projet / programme Définition des besoins d affaires Conception de l architecture technique Modélisation des données Conception des application de BI Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 28

29 Définition des besoins Processus d analyse (Kimball): Analyse niveau programme BP: processus d affaires (business process) Besoins d affaires regroupés par BP Sélection du BP (matrice en bus, diagramme de priorisation) BP prioritaire Analyse niveau projet Besoins fonctionnels, non fonctionnels, techniques Développement datamart Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 29

30 Modélisation des données Se base sur le document de description des besoins; Processus hautement itératif et dynamique; Vise la simplicité et l efficacité; Comprend: Identification des faits et leur granularité; Identification des dimensions et leur hiérarchie; Stratégies: dénormalisation, gestion des changements, etc. Définition des besoins d affaires Modélisation des données Conception physique Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 30

31 Modélisation des données Processus / Dimension Date Client Produit Plan d'utilisation Canal de vente Ligne tél. Relai Représentant de vente Employé Appel service Matrice en bus de données Facturation client X X X X X X Gestion du trafic d'appels X X X X X X X Inventaire X X X Service à la clientèle X X X X X X X Schéma en étoile (magasin de données) Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 31

32 Conception physique des données Utilise le modèle de données; Comprend: Détail du schéma relationnel (ex: clés, types, contraintes, etc.); Optimisation de la performance (ex: indexes, partitionnement, agrégation, etc.); Gestion de la sécurité. Modélisation des données Conception physique Conception et développement du système ETL Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 32

33 Conception physique des données Requête analytique SELECT SUM(Inventaire.quantité) FROM Inventaire, Produit, Fournisseur WHERE Inventaire.idProduit = Produit.id AND Inventare.idFournisseur = Fournisseur.id AND Produit.catégorie='moteur_mazda' AND Fournisseur.province='QC' Stratégie d optimisation (index jointure étoile) CREATE BITMAP INDEX indexjointure ON Inventaire(Fournisseur.province, Produit.catégorie) FROM Inventaire, Fournisseur, Produit WHERE Inventaire.idProduit = Produit.id AND Inventare.idFournisseur = Fournisseur.id Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 33

34 Conception de l architecture technique Définit la vision d ensemble de la solution et l intégration des technologies du projet; Se concentre sur les besoins, pas les aspects techniques; Doit considérer: Environnement technique actuel; Directions stratégiques prévues. Comprend: Identification des besoins techniques; Création du plan d architecture. Définition des besoins d affaires Conception de l architecture technique Sélection et installation des produits Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 34

35 Conception de l architecture technique Sélection de produits Modèle architecturel Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 35

36 Conception et développement du système ETL Représente environ 70% des efforts et risques du projet; Doit considérer: Nombre et type des sources de données; Outils disponibles. Comprend: Identification et analyse des sources de données; Développement des méthodes d extraction, de nettoyage et de consolidation des données (code maison ou outils commerciaux); Développement des méthodes d insertion de données (ex: scripts, outils complexes); Validation de la qualité des données. Conception physique Conception et développement du système ETL Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 36

37 Conception et développement du système ETL Matrice de transformation Champs cible Table cible Champs source Table source Règle de transformation Flot de traitements / données (SSIS) Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 37

38 Conception et développement des applications BI Se fait en parallèle avec la modélisation des données et la conception du plan d architecture; Nécessite une interaction importante avec les utilisateurs; Comprend: Modélisation des tableaux de bord, rapports, indices de performances (KPI) adaptés aux utilisateurs; Définition des modèles de prédiction, classification et clustering; Configuration des outils et des métadonnées; Implémentation du portail de navigation; Validation des applications. Définition des besoins d affaires Conception des application BI Développement des applications BI Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 38

39 Conception et développement des applications BI Besoins analytiques et techniques Requêtes à accès direct, reporting, data mining Modèle physique Portail de BI Rapports standards Applications analytiques Architecture Tableaux de bords et scorecards BI opérationnel Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 39

40 Gestion du projet Assure la coordination des activités du projet; Comprend: Suivi de l avancement et de l état du projet; Suivi des problèmes; Contrôle des changements (ex: portée du projet); Développement du plan de communication (affaires et TI). Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 40

41 Plan de projet Définit pour chaque activité: Ressources responsables; Les dates de début et de fin estimées (ne doivent pas être modifiées); L état courant (ex: future, en cours ou complétée); Les dates de début et de fin mises à jour; Le nombre de jours de retard; Le % complété; Les dépendances (autres tâches). Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 41

42 Plan de projet Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 42

43 Déploiement Point de convergence des activités de développement; Ne doit pas être fait avant d avoir: Matériel de formation des utilisateurs; Mécanismes de gestion et de suivi d erreurs; Documentation complète; Validation des données et outils; Processus efficace de communication. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 43

44 Maintenance et croissance Assure le fonctionnement optimal du système et prévoit l ajout de nouvelles fonctionnalités; Comprend: Suivi de l utilisation et réglages de performance (tuning); Sauvegarde et récupération des données; Support aux utilisateurs; Préparation de nouveaux cycles de développement. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 44

45 Questions Quels les risques potentiels d un projet de BI? Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 45

46 Risques selon Kimball Ne pas pouvoir recruter un sponsor influent et visionnaire provenant de la haute direction; En faire trop en même temps, au lieu d employer une approche de développement itérative centrée sur un sujet à la fois; Être séduit par la technologie, au lieu de se concentrer sur les objectifs et les besoins de l entreprise; Supposer qu il est possible de développer le projet sans l apport des membres d affaires; Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 46

47 Risques selon Kimball (suite) Aller de l avant avec le projet, même si les données source sont de piètre qualité ou n ont pas été validées; Faire la conception d un entrepôt de données comme s il s agissait d une BD transactionnelle (ex: normalisation); Sous-estimer la quantité de travail reliée au nettoyage et la consolidation des données; Accorder trop d importance au système ETL, au détriment de la performance et la qualité des applications de BI (et viceversa). Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 47

48 Questions À quoi correspond le développement Agile? Quels sont les avantages/inconvénients de ce mode de développement? Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 48

49 Le développement en mode agile [1/2] Philosophie Agile: «Si un projet doit se solder par un échec, mieux vaut le savoir après 1 seul mois, qu après 15 mois» Jeffries, Anderson et Hendrickson (2000). Extreme Programming Installed. Principes de base des méthodes agile: Se concentrer sur les besoins prioritaires; Développer en itérations/prototype; Petites équipes; Collaboration soutenue entre l équipe de développement et les clients; La livraison est plus importante que le processus; Documentation : seulement le nécessaire. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 49

50 Le développement en mode agile [2/2] Agile vs Développement en cascade: Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 50

51 Les entrepôts de données en mode agile [1/3] Exemple d itérations de développement agile ITÉRATION 1: Définition des besoins ITÉRATION 2: Définition de la portée ITÉRATION 3: Dévelopement de la solution ITÉRATION 4: Intégration de la solution Durée 1-2 mois 1-2 mois 4-8 mois 1-2 mois Livrable Prototype Solution BI Solution complète Solution complète livrée Processus 75% Besoins 25% Conception 0% Développement 0% Test 25% Besoins 50% Conception 15% Développement 10% Test 5% Besoins 10% Conception 50% Développement 35% Test 5% Besoins 10% Conception 50% Développement 35% Test Ressources 50% Utilisateur 100% Architect 25% Lead technique 0% Sp. modélisation 0% Développeur ETL 0% Développeur BI 50% Utilisateur 100% Architecte 100%Lead technique 50% Sp. modélisation 0% Développeur ETL 50% Développeur BI 25% Utilisateur 100% Architecte 100%Lead technique 100% Sp. modélisation 100% Développeur ETL 100% Développeur BI 100% Sp. tests 100% Utilisateur 100% Architecte 100%Lead technique 50% Sp. modélisation 50% Développeur ETL 50% Développeur BI 100% Sp. tests 100% Chef livraison Technologie Accès utilisateurs Accès utilisateurs Données d analyse Données source Accès utilisateurs Données d analyse Nettoyage et transfert Données source Accès utilisateurs Données d analyse Nettoyage et transfert Données source Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 51

52 Les entrepôts de données en mode agile [2/3] Avantages vs inconvénients: Avantages Livraison plus rapide de la solution; Réduction des coûts; Évite d avoir des besoins obsolètes. Inconvénients Peut développer des silos de données; Potentiel de réduire: o Qualité de données; o Stabilité du système; o Partage d information. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 52

53 Les entrepôts de données en mode agile [3/3] Solution: Integrated Sandboxing*: Créer un environnement de prototype (Sand box); Administration de données flexible et allégée; Copie de production / fédération des données; Ramener les données rapidement sans trop de formalisme; Gouvernance; Déploiement en production; *: S. Brobst, M. McIntire et E. Rado (2008). Agile Data Warehousing with Integrated Sandboxing, Business Intelligence Journal, vol. 13, no. 1. Département de génie logiciel et des TI MTI820 Hiver 2011 S. Chafki, C. Desrosiers 53

Le cycle de vie d'un projet en intelligence d'affaires

Le cycle de vie d'un projet en intelligence d'affaires MTI820 Entrepôts de données et intelligence d affaires Le cycle de vie d'un projet en intelligence d'affaires Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 1 QuesKons

Plus en détail

Architecture des entrepôts de données

Architecture des entrepôts de données MTI820 Entrepôts de données et intelligence d affaires Architecture des entrepôts de données Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 1 Le cycle de vie d un projet

Plus en détail

Introduc;on à l intelligence d affaires et aux entrepôts de données

Introduc;on à l intelligence d affaires et aux entrepôts de données MTI820 Entrepôts de données et intelligence d affaires Introduc;on à l intelligence d affaires et aux entrepôts de données C. Desrosiers Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaBi,

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

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

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

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

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

Présenta;on du cours

Présenta;on du cours MTI820 Entrepôts de données et intelligence d affaires Présenta;on du cours Hiver 2015 C. Desrosiers Département de génie logiciel et des TI MTI820 Hiver 2013 C. Desrosiers 1 InformaBons de base Titre:

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

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

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

Département Génie Informatique

Département Génie Informatique Département Génie Informatique BD51 : Business Intelligence & Data Warehouse Projet Rédacteur : Christian FISCHER Automne 2011 Sujet : Développer un système décisionnel pour la gestion des ventes par magasin

Plus en détail

Découverte et investigation des menaces avancées PRÉSENTATION

Découverte et investigation des menaces avancées PRÉSENTATION Découverte et investigation des menaces avancées PRÉSENTATION AVANTAGES CLÉS RSA Security Analytics offre les avantages suivants : Surveillance de la sécurité Investigation des incidents Reporting sur

Plus en détail

SWISS ORACLE US ER GRO UP. www.soug.ch. Newsletter 5/2014 Sonderausgabe. OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features

SWISS ORACLE US ER GRO UP. www.soug.ch. Newsletter 5/2014 Sonderausgabe. OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features SWISS ORACLE US ER GRO UP www.soug.ch Newsletter 5/2014 Sonderausgabe OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features 42 TIPS&TECHNIQUES Alexandre Tacchini, Benjamin Gaillard, Fabien

Plus en 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

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

Impartition réussie du soutien d entrepôts de données

Impartition réussie du soutien d entrepôts de données La force de l engagement MD POINT DE VUE Impartition réussie du soutien d entrepôts de données Adopter une approche globale pour la gestion des TI, accroître la valeur commerciale et réduire le coût des

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

DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM

DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM Étude de cas technique QlikView : Big Data Juin 2012 qlikview.com Introduction La présente étude de cas technique QlikView se consacre au

Plus en détail

Les entrepôts de données et l analyse de données

Les entrepôts de données et l analyse de données LOG660 - Bases de données de haute performance Les entrepôts de données et l analyse de données Quelques définitions Entreposage de données (data warehousing): «La copie périodique et coordonnée de données

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

Bases de Données OLAP

Bases de Données OLAP Bases de Données OLAP Hiver 2013/2014 Melanie Herschel melanie.herschel@lri.fr Université Paris Sud, LRI Chapitre 1 Introduction Détails administratifs Entrepôts de Données Perspective sur le semestre

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 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

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

La Business Intelligence pour les Institutions Financières. Jean-Michel JURBERT Resp Marketing Produit

La Business Intelligence pour les Institutions Financières. Jean-Michel JURBERT Resp Marketing Produit La Business Intelligence pour les Institutions Financières Jean-Michel JURBERT Resp Marketing Produit Agenda Enjeux des Projets Financiers Valeur de Business Objects Références Clients Slide 2 Des Projets

Plus en détail

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

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

CURRICULUM VITAE. Martin Harnois. Consultant depuis 23 ans Spécialiste en Business Intelligence / entrepôt de données depuis 11 ans.

CURRICULUM VITAE. Martin Harnois. Consultant depuis 23 ans Spécialiste en Business Intelligence / entrepôt de données depuis 11 ans. CURRICULUM VITAE Consultant depuis 23 ans Spécialiste en Business Intelligence / entrepôt de données depuis 11 ans Renseignements personnels : Langue maternelle : Français Autre langue parlée et écrite

Plus en détail

Services technologiques mondiaux IBM Canada Services de personnel d appoint. Catalogue des fonctions techniques

Services technologiques mondiaux IBM Canada Services de personnel d appoint. Catalogue des fonctions techniques technologiques mondiaux IBM Canada de personnel d appoint Catalogue des fonctions techniques de personnel d appoint Catalogue des postes techniques de personnel d appoint Postes techniques Table des matières

Plus en détail

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012 CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2012 AGENDA Qui sommes nous? Présentation de Keyrus Keyrus : Expert en formations BI Nos propositions de formation 3 modes de formations Liste des

Plus en 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

Conclusion. Rôle du géodécisionnel dans une organisation gouvernementale Contexte organisationnel à Infrastructure Canada Le projet Les résultats

Conclusion. Rôle du géodécisionnel dans une organisation gouvernementale Contexte organisationnel à Infrastructure Canada Le projet Les résultats Le marché des logiciels géodécisionnels et exemple d application avec Oracle BIEE 11g Géomatique 2011, Montréal Sonia Rivest, Analyste en géodécisionnel géodécisionnel,, Intelli3 Denis Beaulieu, Gestionnaire,

Plus en détail

Livre Blanc. ETL Master Data Management Data Quality - Reporting. Comment mieux connaître et maîtriser son réseau de distribution indirect?

Livre Blanc. ETL Master Data Management Data Quality - Reporting. Comment mieux connaître et maîtriser son réseau de distribution indirect? Livre Blanc ETL Master Data Management Data Quality - Reporting Comment mieux connaître et maîtriser son réseau de distribution indirect? Sommaire I. Les 3 principaux canaux de distribution... 3 II. Les

Plus en détail

25/01/05 TD Entrepôt de données IHS / Master ICA

25/01/05 TD Entrepôt de données IHS / Master ICA Une compagnie d assurance de biens (automobile, immobilier, responsabilité civile) possède une application transactionnelle de production permet de gérer les polices (contrats) de ses clients ainsi que

Plus en détail

ROYAUME DU MAROC PROJET E-RH DANS L ADMINISTRATION PUBLIQUE MAROCAINE - PREMIÈRE PHASE

ROYAUME DU MAROC PROJET E-RH DANS L ADMINISTRATION PUBLIQUE MAROCAINE - PREMIÈRE PHASE MMSP ROYAUME DU MAROC PROJET E-RH DANS L ADMINISTRATION PUBLIQUE MAROCAINE - PREMIÈRE PHASE Termes de référence et documents techniques de l'offre concernant la Version 1.0 Page i TABLE DES MATIÈRES 1.

Plus en détail

L A B U S I N E S S. d a t a g i n f o r m a t i o n g a c t i o n

L A B U S I N E S S. d a t a g i n f o r m a t i o n g a c t i o n L A B U S I N E S S I N T E L L I G E N C E D U X X I e m e S I E C L E A T A W A D * d a t a g i n f o r m a t i o n g a c t i o n domaines d expertise : Modélisation des données Intégration des données

Plus en détail

Re-Platforming SAP. Jean-Baptiste Rouzaud. EMEA SAP Services lead EMC Global Services. Copyright 2013 EMC Corporation. All rights reserved.

Re-Platforming SAP. Jean-Baptiste Rouzaud. EMEA SAP Services lead EMC Global Services. Copyright 2013 EMC Corporation. All rights reserved. Re-Platforming SAP Jean-Baptiste Rouzaud EMEA SAP Services lead EMC Global Services 1 Agenda Introduction Pourquoi Transformer? L approche Étude de cas Questions / Réponses 2 Pourquoi Transformer? 3 Les

Plus en détail

Titre : La BI vue par l intégrateur Orange

Titre : La BI vue par l intégrateur Orange Titre : La BI vue par l intégrateur Orange Résumé : L entité Orange IT&L@bs, partenaire privilégié des entreprises et des collectivités dans la conception et l implémentation de SI Décisionnels innovants,

Plus en détail

Cabinet Conseil en Intelligence d Affaires. L'Intégration de données et la Qualité des données dans l'écosystème BI actuel et future

Cabinet Conseil en Intelligence d Affaires. L'Intégration de données et la Qualité des données dans l'écosystème BI actuel et future Cabinet Conseil en Intelligence d Affaires L'Intégration de données et la Qualité des données dans l'écosystème BI actuel et future Nous croyons que Les données sont des actifs corporatifs Les projets

Plus en détail

Business Intelligence avec SQL Server 2012

Business Intelligence avec SQL Server 2012 Editions ENI Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Collection Solutions Informatiques Table des matières Les éléments à télécharger sont disponibles

Plus en détail

Scrum/XP adapté au BI/DW

Scrum/XP adapté au BI/DW Scrum/XP adapté au BI/DW Marc-Éric Larocque, PMP, MBA, CBIP, PSM marc-eric.larocque@procimaexperts.com Jean-François Pilon, CBIP jean-francois.pilon@procimaexperts.com PROCIMAEXPERTS.COM Introduction Objectifs

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

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

X2BIRT : Mettez de l interactivité dans vos archives

X2BIRT : Mettez de l interactivité dans vos archives Présentation Produit Présentation Produit X2BIRT : Mettez de l interactivité dans vos archives L accès à l information est capital pour les affaires. X2BIRT, la dernière innovation d Actuate, prend le

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

Stratégie et Vision de SAP pour le secteur Banque- Assurance: Data-Management, BI, Mobilité

Stratégie et Vision de SAP pour le secteur Banque- Assurance: Data-Management, BI, Mobilité Stratégie et Vision de SAP pour le secteur Banque- Assurance: Data-Management, BI, Mobilité Patrice Vatin Business Development SAP FSI Andrew de Rozairo Business Development Sybase EMEA Septembre 2011

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

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

Business Intelligence, Etat de l art et perspectives. ICAM JP Gouigoux 10/2012

Business Intelligence, Etat de l art et perspectives. ICAM JP Gouigoux 10/2012 Business Intelligence, Etat de l art et perspectives ICAM JP Gouigoux 10/2012 CONTEXTE DE LA BI Un peu d histoire Premières bases de données utilisées comme simple système de persistance du contenu des

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

Introduction au domaine du décisionnel et aux data warehouses

Introduction au domaine du décisionnel et aux data warehouses Data warehouse Introduction au domaine du décisionnel et aux data warehouses http://dwh.crzt.fr STÉPHANE CROZAT Paternité - Partage des Conditions Initiales à l'identique : http://creativecommons.org/licenses/by-sa/2.0/fr/

Plus en détail

DOSSIER SOLUTION CA ERwin Modeling. Comment gérer la complexité des données et améliorer l agilité métier?

DOSSIER SOLUTION CA ERwin Modeling. Comment gérer la complexité des données et améliorer l agilité métier? DOSSIER SOLUTION CA ERwin Modeling Comment gérer la complexité des données et améliorer l agilité métier? CA ERwin Modeling fournit une vue centralisée des définitions de données clés afin de mieux comprendre

Plus en détail

1 ère Partie Stratégie et Directions Stockage IBM

1 ère Partie Stratégie et Directions Stockage IBM Cédric ARAGON Directeur des Ventes de Stockage IBM France 1 ère Partie Stratégie et Directions Stockage IBM Agenda Les défis actuels posés par la croissance des volumes de données IBM: acteur majeur sur

Plus en détail

Gestion des Donnés Métier de Référence

Gestion des Donnés Métier de Référence Gestion des Donnés Métier de Référence (Master Data Management - MDM) Michel Bruley Directeur Marketing Teradata Western Europe Définitions Données Métier de Référence elles permettent d identifier et

Plus en détail

Datawarehouse and OLAP

Datawarehouse and OLAP Datawarehouse and OLAP Datawarehousing Syllabus, materials, notes, etc. See http://www.info.univ-tours.fr/ marcel/dw.html today architecture ETL refreshing warehousing projects architecture architecture

Plus en détail

Les facteurs clés pour la réussite d un projet BI

Les facteurs clés pour la réussite d un projet BI Les facteurs clés pour la réussite d un projet BI Présenté par: Abdelkerim REZGUI GM BI4YOU www.biforyou.com Hammamet, 31 Mai 2014 Agenda 1. BI4YOU 2. Introduction BI 3. 4. 5. 6. Projet BI Méthodologie

Plus en détail

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

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

Plus en détail

IFT 6261: L Analytique Web. Fares Aldik, Consultant principal, Analytique Web et optimisation Bell Marchés Affaires services d expérience client

IFT 6261: L Analytique Web. Fares Aldik, Consultant principal, Analytique Web et optimisation Bell Marchés Affaires services d expérience client IFT 6261: L Analytique Web Fares Aldik, Consultant principal, Analytique Web et optimisation Bell Marchés Affaires services d expérience client 2012 01 04 Analytique Web : une pratique multidisciplinaire

Plus en détail

webanalyste Boostez les performances de votre site Web grâce aux conseils du webanalyste

webanalyste Boostez les performances de votre site Web grâce aux conseils du webanalyste QUOI QUANTI QUALI POURQUOI webanalyste Boostez les performances de votre site grâce aux conseils du webanalyste webanalyste Qui c est? Mon nom est Franck Scandolera, je suis consultant et optimisation

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

Plan de cours. 1. Mise en contexte. 2. Place du cours dans le programme. 3. Descripteur du cours

Plan de cours. 1. Mise en contexte. 2. Place du cours dans le programme. 3. Descripteur du cours Faculté des sciences Centre de formation en technologies de l information Plan de cours Cours : INF 735 Entrepôt et forage de données Trimestre : Hiver 2015 Enseignant : Robert J. Laurin 1. Mise en contexte

Plus en détail

Guide de référence pour l achat de Business Analytics

Guide de référence pour l achat de Business Analytics Guide de référence pour l achat de Business Analytics Comment évaluer une solution de décisionnel pour votre petite ou moyenne entreprise : Quelles sont les questions à se poser et que faut-il rechercher?

Plus en détail

CONFÉRENCE-ATELIER : BRUNCHEZ VOS AFFAIRES AVEC LA CDEC. Le commerce électronique : un enjeu stratégique pour votre entreprise

CONFÉRENCE-ATELIER : BRUNCHEZ VOS AFFAIRES AVEC LA CDEC. Le commerce électronique : un enjeu stratégique pour votre entreprise CONFÉRENCE-ATELIER : BRUNCHEZ VOS AFFAIRES AVEC LA CDEC Le commerce électronique : un enjeu stratégique pour votre entreprise À PROPOS DU CONFÉRENCIER MIRZET KADRIC Co-fondateur d une agence numérique

Plus en détail

L INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE

L INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE 2009 L INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE Chapitre 1 : BI Une introduction La plupart des administrateurs de bases de données (DBA) ont rencontré une certaine forme de business

Plus en détail

OFFRE MDB Service & Architecture Technique. MyDataBall Saas (Software as a Service) MyDataBall On Premise

OFFRE MDB Service & Architecture Technique. MyDataBall Saas (Software as a Service) MyDataBall On Premise OFFRE MDB Service & Architecture Technique MyDataBall Saas (Software as a Service) MyDataBall On Premise L offre Produit / Service 1 Implantation Rédaction collaborative du cahier des charges 2 3 de la

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

Performances. Gestion des serveurs (2/2) Clustering. Grid Computing

Performances. Gestion des serveurs (2/2) Clustering. Grid Computing Présentation d Oracle 10g Chapitre VII Présentation d ORACLE 10g 7.1 Nouvelles fonctionnalités 7.2 Architecture d Oracle 10g 7.3 Outils annexes 7.4 Conclusions 7.1 Nouvelles fonctionnalités Gestion des

Plus en détail

STEPHANE DODIER, M.B.A. Sommaire. Compétences. Formation académique 514-608- 5865. sdodier@stephanedodier.com. Stephane Dodier MBA

STEPHANE DODIER, M.B.A. Sommaire. Compétences. Formation académique 514-608- 5865. sdodier@stephanedodier.com. Stephane Dodier MBA STEPHANE DODIER, M.B.A. 514-608-5865 Sommaire J occupe le poste de Vice-Président Exécutif pour Optimum informatique, une firme de servicesconseils informatique appartenant au Groupe financier Optimum.

Plus en détail

Logiciel PME performant pour une gestion commerciale efficace.

Logiciel PME performant pour une gestion commerciale efficace. Sage 50 Logiciel PME performant pour une gestion commerciale efficace. Sage 50 Gestion commerciale Comptabilité Sage 50 Gestion des salaires Facturation Comptabilité Comptabilité générale Option modèle

Plus en détail

Oracle Décisionnel : Modèle OLAP et Vue matérialisée D BILEK

Oracle Décisionnel : Modèle OLAP et Vue matérialisée D BILEK Oracle Décisionnel : Modèle OLAP et Vue matérialisée SOMMAIRE Introduction Le modèle en étoiles Requêtes OLAP Vue matérialisée Fonctions Roll up et Cube Application Introduction Data Warehouse Moteur OLAP

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

S84-1 LA GRC ET LE SI (Système d Information) 841 - Qualification des données clientèle. 842 - La segmentation de la clientèle

S84-1 LA GRC ET LE SI (Système d Information) 841 - Qualification des données clientèle. 842 - La segmentation de la clientèle S84-1 LA GRC ET LE SI (Système d Information) 841 - Qualification des données clientèle 842 - La segmentation de la clientèle 843 - Les actions personnalisées utilisation des procédures de consultation

Plus en détail

.id. _la solution de pilotage de votre entreprise ERP / CRM / BPM. www.groupeid.ch. informatique & développement

.id. _la solution de pilotage de votre entreprise ERP / CRM / BPM. www.groupeid.ch. informatique & développement .id informatique & développement _la solution de pilotage de votre entreprise ERP / CRM / BPM marketing & crm \ ventes \ achats \ \ \ www.groupeid.ch Un outil performant basé sur des connaissances «métiers»

Plus en détail

Jean-François McNeil. Consultant en Analyse d Affaires Certification de l IIBA (CCBA) jf@solutionsmcn.com

Jean-François McNeil. Consultant en Analyse d Affaires Certification de l IIBA (CCBA) jf@solutionsmcn.com Jean-François McNeil Profil personnel Consultant en Analyse d Affaires Certification de l IIBA (CCBA) jf@solutionsmcn.com Consultant orienté sur les résultats, à l affut de meilleures pratiques d analyse

Plus en détail

SpagoBI: la seule suite décisionnelle 100% open source, complète et flexible www.spagobi.org

SpagoBI: la seule suite décisionnelle 100% open source, complète et flexible www.spagobi.org SpagoBI: la seule suite décisionnelle 100% open source, complète et flexible www.spagobi.org Pourquoi choisir SpagoBI? Une suite décisionnelle open source complète : Une gamme complète de fonctionnalités,

Plus en détail

IBM System i. DB2 Web Query for System i : le successeur de Query/400? Oui, mais bien plus!!!

IBM System i. DB2 Web Query for System i : le successeur de Query/400? Oui, mais bien plus!!! DB2 Web Query for System i : le successeur de Query/400? Oui, mais bien plus!!! Stéphane MICHAUX Philippe BOURGEOIS Christian GRIERE stephane_michaux@ibi.com pbourgeois@fr.ibm.com cgriere@fr.ibm.com Les

Plus en détail

QLIKVIEW POUR SALESFORCE

QLIKVIEW POUR SALESFORCE QLIKVIEW POUR SALESFORCE Exploiter rapidement et facilement les données issues de votre CRM QlikView simplifie l intégration de la Business Discovery à une Plate-forme PaaS (Platform as a Service) éprouvée

Plus en détail

DEMANDE D INFORMATION RFI (Request for information)

DEMANDE D INFORMATION RFI (Request for information) DOD SEICAM RFI Demande d information EVDEC Réf. : RFI_EVDEC- GT5_Outil_reporting_BI_v4.doc Page 1/11 DEMANDE D INFORMATION RFI (Request for information) OUTIL INTÉGRÉ DE REPORTING ET D ANALYSE DÉCISIONNELLE

Plus en détail

Comment mettre en oeuvre une gestion de portefeuille de projets efficace et rentable en 4 semaines?

Comment mettre en oeuvre une gestion de portefeuille de projets efficace et rentable en 4 semaines? DOSSIER SOLUTION Package CA Clarity PPM On Demand Essentials for 50 Users Comment mettre en oeuvre une gestion de portefeuille de projets efficace et rentable en 4 semaines? agility made possible CA Technologies

Plus en détail

L offre décisionnel IBM. Patrick COOLS Spécialiste Business Intelligence

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

Plus en détail

Chapitre 10. Architectures des systèmes de gestion de bases de données

Chapitre 10. Architectures des systèmes de gestion de bases de données Chapitre 10 Architectures des systèmes de gestion de bases de données Introduction Les technologies des dernières années ont amené la notion d environnement distribué (dispersions des données). Pour reliér

Plus en détail

Améliorer l'expérience client grâce à la gestion efficace des connaissances

Améliorer l'expérience client grâce à la gestion efficace des connaissances Améliorer l'expérience client grâce à la gestion efficace des connaissances Suzanne Henricksen @SuzHenricksen Directrice, Marque, Canaux digitaux et Relations Consommateurs 28 Mai, 2015 Imaginez avec moi

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

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

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

L'agilité appliquée à nous-mêmes. Philippe Krief, PhD Development Manager IBM France Lab

L'agilité appliquée à nous-mêmes. Philippe Krief, PhD Development Manager IBM France Lab L'agilité appliquée à nous-mêmes Philippe Krief, PhD Development Manager IBM France Lab Agenda Où en était l équipe RPP il y a 24 mois Réorganisation de l équipe et du projet autour de Scrum et de RTC

Plus en détail

Accélérer l agilité de votre site de e-commerce. Cas client

Accélérer l agilité de votre site de e-commerce. Cas client Accélérer l agilité de votre site de e-commerce Cas client L agilité «outillée» devient nécessaire au delà d un certain facteur de complexité (clients x produits) Elevé Nombre de produits vendus Faible

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

Vérifier la qualité de vos applications logicielle de manière continue

Vérifier la qualité de vos applications logicielle de manière continue IBM Software Group Vérifier la qualité de vos applications logicielle de manière continue Arnaud Bouzy Kamel Moulaoui 2004 IBM Corporation Agenda Analyse de code Test Fonctionnel Test de Performance Questions

Plus en détail

FINI LA RÉCRÉ PASSONS AUX MÉGADONNÉES

FINI LA RÉCRÉ PASSONS AUX MÉGADONNÉES 1 FINI LA RÉCRÉ PASSONS AUX MÉGADONNÉES «Dans le concret, projets de transformation vers le BigData» V1-10/03/15 ABED AJRAOU CONNAISSEZ-VOUS PAGESJAUNES? CONNAISSEZ-VOUS PAGESJAUNES? LES MEGADONNEES RÉPONDENT

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

Optimisez les profits de vos sites web. Intégrez la performance à votre projet de création

Optimisez les profits de vos sites web. Intégrez la performance à votre projet de création Optimisez les profits de vos sites web Intégrez la performance à votre projet de création Consultant web spécialisée dans le référencement, mon objectif est d augmenter les profits de vos sites web par

Plus en détail

Axe de valeur BMC Identity Management, la stratégie d optimisation de la gestion des identités de BMC Software TM

Axe de valeur BMC Identity Management, la stratégie d optimisation de la gestion des identités de BMC Software TM BROCHURE SOLUTIONS Axe de valeur BMC Identity Management, la stratégie d optimisation de la gestion des identités de BMC Software TM L IDENTITE AU COEUR DE VOTRE PERFORMANCE «En tant que responsable informatique,

Plus en détail

Processus de déploiement d une stratégie CRM

Processus de déploiement d une stratégie CRM CRM odyssey Inc. SYNTHESE DE LA MÉTHODOLOGIE CRM odyssey est aussi la marque de commerce d une méthodologie de déploiement de stratégie CRM dans les entreprises. Elle repose sur un processus dynamique

Plus en détail

Livre blanc. CRM: Quels sont les bénéfices pour votre entreprise?

Livre blanc. CRM: Quels sont les bénéfices pour votre entreprise? Livre blanc CRM: Quels sont les bénéfices pour votre entreprise? Longtemps considéré comme un outil de luxe exclusivement réservé aux grands groupes, le CRM a su démontrer au fil du temps, que son efficacité

Plus en détail

En un coup d œil le descriptif de la solution OpenERP

En un coup d œil le descriptif de la solution OpenERP En un coup d œil le descriptif de la solution OpenERP OpenERP est une suite complète d'applications business. Elle permet entre autre de gérer les ventes, le CRM, les projets, le ou les entrepôt(s), les

Plus en détail

Pensezdifféremment: la supervision unifiéeen mode SaaS

Pensezdifféremment: la supervision unifiéeen mode SaaS Pensezdifféremment: la supervision unifiéeen mode SaaS Web-séminaire Bull-CA Technologies 25 Mars 2014 2014 CA. All rights reserved. Agenda Introduction : pourquoi la supervision unifiée? Pourquoi le SaaS?

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