Le cycle de vie d'un projet en intelligence d'affaires
|
|
- Émile Drapeau
- il y a 8 ans
- Total affichages :
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. ChaHi, C. Desrosiers 1
2 QuesKons Rappel: Qu est- ce que le BI? Qu est- ce que l entreposage de données Quels sont les avantages d une solukon de BI / entreposage de données? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 2
3 QuesKons Quelles sont les principales étapes d un projet en technologie de l informakon (TI)? Quelles sont les différentes approches de développement d une solukon de TI? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 3
4 Le cycle de vie d un projet en BI Diagramme de flux de travail: Concep<on de l architecture technique Sélec<on et installa<on des produits Croissance Planifica<on de projet / programme Défini<on des besoins d affaires Modélisa<on des données Concep<on physique Concep<on et développement du système ETL Déploiement Concep<on des applica<on de BI Développement des applica<ons de BI Maintenance Ges<on de projet / programme Note: dépendance horizontale et verkcale entre les ackvités; Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 4
5 Projet vs programme de BI Projet: Une seule itérakon dans le cycle de vie d un projet de BI; A une date de début et de fin; Plus facile à planifier. Programme: CoordinaKon de ressources, infrastructures et communicakons sur plusieurs projets; DéfiniKon conknuelle de nouveaux projets (pas de fin abrupte); Plus difficile à planifier. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 5
6 Phases d un projet de BI [1/7] PlanificaKon: Fait interackvement avec la définikon des besoins; Comprend: DéfiniKon de la portée; Recrutement; IdenKficaKon, eskmakon et affectakon des tâches. GesKon du projet: Assure la coordinakon des ackvités 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 communicakon (affaires et TI). Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 6
7 Phases d un projet de BI [2/7] DéfiniKon des besoins: CriKque à la réussite du projet; Se concentre sur les u<lisateurs, et non les données; IdenKfie les besoins les plus prioritaires; Comprend: Entrevue des uklisateurs; IdenKficaKon des processus d affaires; PréparaKon du document de descripkon des besoins. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 7
8 Phases d un projet de BI [3/7] ModélisaKon des données: Se base sur le document de descripkon des besoins; Processus hautement itérakf et dynamique; Vise la simplicité et l efficacité; Comprend (modèle mul+dimensionnel): IdenKficaKon des faits et leur granularité; IdenKficaKon des dimensions et leur hiérarchie; Stratégies: dénormalisakon, geskon des changements, etc. ConcepKon physique: UKlise le modèle de données; Comprend: Détail du schéma relakonnel (ex: clés, types, contraintes, etc.); OpKmisaKon de la performance (ex: indexes, parkkonnement, agrégakon, etc.); GesKon de la sécurité. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 8
9 Phases d un projet de BI [4/7] ConcepKon de l architecture technique: Définit la vision d ensemble de la solukon et l intégrakon des technologies du projet; Se concentre sur les besoins, pas les aspects techniques; Doit considérer: Environnement technique actuel; DirecKons stratégiques prévues. Comprend: IdenKficaKon des besoins techniques; CréaKon du plan d architecture. SélecKon et installakon des produits: Se base sur le plan d architecture; Produits: DBMS, ETL, reporkng, analyse mulkdimensionnelle, forage de données, etc. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 9
10 Phases d un projet de BI [5/7] ConcepKon et développement du système ETL: Représente environ 70% des efforts et risques du projet; Doit considérer: Nombre et type des sources de données; OuKls disponibles. Comprend: IdenKficaKon et analyse des sources de données; Développement des méthodes d extrackon, de netoyage et de consolidakon des données (code maison ou oukls commerciaux); Développement des méthodes d inserkon de données (ex: scripts, oukls complexes); ValidaKon de la qualité des données. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 10
11 Phases d un projet de BI [6/7] ConcepKon et développement des applicakons de BI: Se fait en parallèle avec la modélisakon des données et la concepkon du plan d architecture; Nécessite une interackon importante avec les uklisateurs; Comprend: ModélisaKon des tableaux de bord, rapports, indices de performances (KPI) adaptés aux uklisateurs; DéfiniKon des modèles de prédickon, classificakon et clustering; ConfiguraKon des oukls et des métadonnées; ImplémentaKon du portail de navigakon; ValidaKon des applicakons. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 11
12 Phases d un projet de BI [7/7] Déploiement: Point de convergence des ackvités de développement; Ne doit pas être fait avant d avoir: Matériel de formakon des uklisateurs; Mécanismes de geskon et de suivi d erreurs; DocumentaKon complète; ValidaKon des données et oukls; Processus efficace de communicakon. Maintenance et croissance: Assure le fonckonnement opkmal du système et prévoit l ajout de nouvelles fonckonnalités; Comprend: Suivi de l uklisakon et réglages de performance (tuning); Sauvegarde et récupérakon des données; Support aux uklisateurs; PréparaKon de nouveaux cycles de développement. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 12
13 QuesKon Doit- on modéliser la solukon tout d un coup (approche top- down) ou bien y aller morceau par morceau (approche bo6om- up)? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 13
14 Approche top- down vs bo6om- up Caractéris<que Top- down (B. Inmon) BoRom- up (R. Kimball) Objec<fs Livrer une solukon technologiquement saine basée sur des méthodes et technologies éprouvées des bases de données Complexité de la méthode Plutôt complexe Plutôt simple Importance de la concep<on physique Importante Livrer une solukon permetant aux usager d obtenir facilement et rapidement des réponses à leurs requêtes d analyse Peu importante Orienta<on du modèle Orienté données Orienté processus d affaires Accessibilité des u<lisateurs finaux Ou<ls de concep<on Faible TradiKonnels (diagrammes enkté- relakon et flot de données) Forte ModélisaKon dimensionnelle (schéma en étoile) Auditoire principal Professionnels en TI UKlisateurs 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 14
15 QuesKon Quels sont les facteurs les plus déterminants pour la réussite d un projet de TI? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 15
16 Besoins prioritaires en TI Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 16
17 Taux de réussite: Le succès d'un projet de BI Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 17
18 Critères de prédisposikon [1/3] Les 5 critères de succès (selon R.Kimball): Critère Le parrainage de la haute direckon* La mokvakon et la légikmité du changement* La faisabilité* Le partenariat entre les intervenants d affaires et des TI La culture analykque Contribu<on 60 % 15 % 15 % 5 % 5 % *: critères indispensables Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 18
19 Critères de prédisposikon [2/3] Parrainage de la haute direckon: Facteur crikque au succès du projet; CaractérisKques d un sponsor idéal: ConvicKon de l impact potenkel de la solukon 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. ChaHi, C. Desrosiers 19
20 Critères de prédisposikon [1/3] MoKvaKon et la légikmité du changement: Besoin urgent d améliorer l accès à de l informakon de qualité (ex: concurrence, nouvelle réglementakon, etc.); Les projets de BI alignés avec des besoins d affaires réels ont de meilleures chances de réussir; Le projet est plus facilement juskfiable lorsqu il existe de telles mokvakons. Faisabilité: Concerne principalement la disponibilité de données de qualité: Niveau de détail (granularité) suffisamment fin; Effort raisonnable pour netoyer et consolider. Se détermine à l aide du profilage de données (profiling). Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 20
21 QuesKons Qu est- ce que la portée d un projet de TI? Comment détermine- t- on cete portée? Quels impacts le choix de la portée a- t- il sur le projet? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 21
22 La portée préliminaire du projet [1/2] Dépend de: Le nombre de sujets d analyse visés (ex: fonckons 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 validakon; Le contenu, le niveau de détail, et l historique des données sources; Les oukls 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. ChaHi, C. Desrosiers 22
23 La portée préliminaire du projet DirecKves pour déterminer la portée: Définie en fonckon 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. Approche botom- up (Kimball) ou top- down (Inmon); Document de portée du projet: InformaKon de base sur le projet; Les inclusions et exclusions de la portée; Les critères de succès; Les risques et stratégies de geskon de risque. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 23
24 Informa<on de base Exemple de document de portée Nom du projet BigCo désire maximiser les revenus provenant de ses ackvités de promokon. Présentement, elle dépense environ $40 million annuellement en publicité. L objeckf est de réduire les dépenses reliées aux ackvités promokonnelle de 25% d ici trois ans. La prochaine phase du projet de BI portera sur l informakon promokonnelle, complémentant le projet précédent consacré aux données de vente. Les équipes de vente et de markekng auront accès à la fois aux données de vente et de promokon, permetant ainsi le développement de stratégie promokonnelles plus efficaces. Portée du projet: Trois années de données historiques sur les ackvités internes de promokon; Maximum de 25 uklisateurs inikalement, avec le plan d augmenter la capacité à 150 uklisateurs; L architecture technique sera basée sur Exclusions: Données externes, telles que les informakon sur les ventes et promokons des principaux compékteurs; Support pour des programmes promokonnels non- domeskques; Critères de succès: Une seule source d informakon employée pour les analyses reliées aux ackvités de promokon; RéducKon du temps requis pour effectuer une analyse reliées aux ackvités de promokon; Risques et stratégies de ges<on des risques: Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 24
25 QuesKon Comment juskfie- t- on un projet de TI à la direckon et aux invesksseurs de l entreprise? Comment peut- on démontrer la valeur du projet à ceux- ci? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 25
26 JusKficaKon du projet [1/2] Retour sur l inveskssement (ROI): ROI = Bénéfices Dépenses. InvesKssements et coûts: Achat/mise à niveau de composantes matérielles: Ex: serveurs, réseau, HD, etc. Achat/mise à niveau de composantes logicielles: Ex: Profilage de données, ETL, DBMS, analyse mulkdimensionnelle, 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. ChaHi, C. Desrosiers 26
27 JusKficaKon du projet [2/2] Bénéfices: AugmentaKon des revenus de vente; Meilleur taux de réponse aux envois publicitaires; ÉliminaKon des produits à faible marge de profit; Meilleure geskon des fournisseurs; RéducKon des dépenses en markekng; DiminuKon du taux d atrikon; RéducKon des cas de fraude; etc. Coûts et bénéfices es<més au stade de planificakon. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 27
28 Exemple de ROI [1/2] Qui: Compagnie IBM, complexe de produckon de semi- conducteurs dans l'état de New- York; Défis: SaKsfaire les besoins en rapports (reporkng) des équipes de produckon et d'ingénierie; SoluKon: SAS Business Intelligence; 600 uklisateurs; 100 sources; 100 Gb; source: Nucleus Research Inc., 2007 Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 28
29 Coûts et bénéfices: Exemple de ROI [2/2] Bénéfices principaux: RéducKon du temps de créakon de rapports; AmélioraKon 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. ChaHi, C. Desrosiers 29
30 QuesKon Quelle est la composikon d une équipe de développement d une solukon de TI? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 30
31 Équipe d un projet de BI [1/6] 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 Chef de projet Analyste d affaires, Architecte de données, Analyste en QA, Administrateur de BD, Architecte/développeur ETL, Architecte/développeur d applica<ons BI Spécialiste technique, Spécialiste en sécurité, Spécialiste en forage de données, Chargé des tests, Éducateur Par<sans U<lisateurs Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 31
32 Équipe d un projet de BI [2/6] Sponsor: Membre de la haute direckon; 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 direckon du projet; Influence les décisions stratégiques et architecturelles. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 32
33 Équipe d un projet de BI [3/6] Chef de projet: Gère le projet au jour le jour: CoordinaKon des ressources et des ackvités; PlanificaKon 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 définikon des besoins; Assure la juste représentakon 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. ChaHi, C. Desrosiers 33
34 Équipe d un projet de BI [4/6] Analyste en QA / intendant des données: Responsable d établir une vue consolidée des définikons 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 applicakons de BI. Architecte de données: En charge de définir une architecture facilitant la réuklisabilité, l intégrakon et l opkmisakon des données; Conçoit et développe le modèle dimensionnel des données; ParKcipe parfois à la collecte des besoins. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 34
35 Équipe d un projet de BI [5/6] Administrateur de BD (DBA): Responsable de converkr le modèle des données en structures physiques de l entrepôt (ex: tables, colonnes, etc.); Choisit des paramètres physiques maximisant la performance de l entrepôt (ex: disposikon des disques, parkkonnement, indexes, etc.) Gère l intégrité, la disponibilité et la performance de l entrepôt au quokdien. Architecte/développeur ETL: Responsable de la concepkon 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. ChaHi, C. Desrosiers 35
36 Équipe d un projet de BI [6/6] Architecte/développeur d applicakon de BI: En charge de concevoir la couche d interackon aux données; Conçoit et développe les applicakons de BI, souvent à l aide de produits commerciaux; Configure la couche sémankque des oukls de BI. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 36
37 QuesKons Comment planifie- t- on un projet de TI? À quoi sert cete planificakon? Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 37
38 Plan de projet [1/2] Définit pour chaque ackvité: Ressources responsables; Les dates de début et de fin eskmées (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. ChaHi, C. Desrosiers 38
39 Plan de projet [2/2] Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 39
40 La geskon du risque (selon Kimball) Dangers: Ne pas pouvoir recruter un sponsor influent et visionnaire provenant de la haute direckon; En faire trop en même temps, au lieu d employer une approche de développement itérakve centrée sur un sujet à la fois; Être séduit par la technologie, au lieu de se concentrer sur les objeckfs 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. ChaHi, C. Desrosiers 40
41 La geskon du risque (selon Kimball) Dangers (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 concepkon d un entrepôt de données comme s il s agissait d une BD transackonnelle (ex: normalisakon); Sous- eskmer la quankté de travail reliée au netoyage et la consolidakon des données; Accorder trop d importance au système ETL, au détriment de la performance et la qualité des applicakons de BI (et vice- versa). Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 41
42 QuesKons 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. ChaHi, C. Desrosiers 42
43 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 itérakons/prototype; PeKtes équipes; CollaboraKon soutenue entre l équipe de développement et les clients; La livraison est plus importante que le processus; DocumentaKon : seulement le nécessaire. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 43
44 Le développement en mode agile [2/2] Agile vs Développement en cascade: Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 44
45 Les entrepôts de données en mode agile [1/3] Exemple d itérakons de développement agile ITÉRATION 1: Défini<on des besoins ITÉRATION 2: Défini<on de la portée ITÉRATION 3: Dévelopement de la solu<on ITÉRATION 4: Intégra<on de la solu<on Durée 1-2 mois 1-2 mois 4-8 mois 1-2 mois Livrable Prototype SoluKon BI SoluKon complète SoluKon complète livrée Processus 75% Besoins 25% ConcepKon 0% Développement 0% Test 25% Besoins 50% ConcepKon 15% Développement 10% Test 5% Besoins 10% ConcepKon 50% Développement 35% Test 5% Besoins 10% ConcepKon 50% Développement 35% Test Ressources 50% UKlisateur 100% Architect 25% Lead technique 0% Sp. modélisakon 0% Développeur ETL 0% Développeur BI 50% UKlisateur 100% Architecte 100% Lead technique 50% Sp. modélisakon 0% Développeur ETL 50% Développeur BI 25% UKlisateur 100% Architecte 100% Lead technique 100% Sp. modélisakon 100% Développeur ETL 100% Développeur BI 100% Sp. tests 100% UKlisateur 100% Architecte 100% Lead technique 50% Sp. modélisakon 50% Développeur ETL 50% Développeur BI 100% Sp. tests 100% Chef livraison Technologie Accès uklisateurs Accès uklisateurs Données d analyse Données source Accès uklisateurs Données d analyse Netoyage et transfert Données source Accès uklisateurs Données d analyse Netoyage et transfert Données source Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 45
46 Les entrepôts de données en mode agile [2/3] Avantages vs inconvénients: Avantages Livraison plus rapide de la solukon; RéducKon des coûts; Évite d avoir des besoins obsolètes. Inconvénients Peut développer des silos de données; PotenKel de réduire: o Qualité de données; o Stabilité du système; o Partage d informakon. Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaHi, C. Desrosiers 46
47 Les entrepôts de données en mode agile [3/3] SoluKon: Integrated Sandboxing*: Créer un environnement de prototype (Sand box); AdministraKon de données flexible et allégée; Copie de produckon / fédérakon des données; Ramener les données rapidement sans trop de formalisme; Gouvernance; Déploiement en produckon; *: S. Brobst, M. McInKre 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. ChaHi, C. Desrosiers 47
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 détailMTI820 Entrepôts de données et intelligence d affaires. Gouvernance des données et ges1on des données de référence
MTI820 Entrepôts de données et intelligence d affaires Gouvernance des données et ges1on des données de référence 1 La gouvernance des données Défini1on: «Processus de supervision et de décision qui permet
Plus en détailPrésenta;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 détailIntroduc;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 détailMTI820 Entrepôts de données et intelligence d affaires. Les applica+ons de BI
MTI820 Entrepôts de données et intelligence d affaires Les applica+ons de BI Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 1 Le cycle de vie d un projet en BI Diagramme
Plus en détailPrésentation Level5. Editeur de Logiciels. «If it s not monitored, it s not in production» Theo Schlossnagle #velocityconf
Editeur de Logiciels Présentation Level5 «If it s not monitored, it s not in production» Theo Schlossnagle #velocityconf «If you can not measure it, you can not improve it» Lord Kelvin vous accompagne
Plus en détailIntroduction à la B.I. Avec SQL Server 2008
Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide
Plus en détailEntrepôt de données et l Analyse en ligne. Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot
Entrepôt de données et l Analyse en ligne Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot Déroulement du cours 17 janvier : cours et TD 20 janvier : cours?
Plus en détailDesign & conception de site web optimisé SEO. augmentez la conversion sur vos sites
Design & conception de site web optimisé SEO augmentez la conversion sur vos sites Consultant web indépendant, mon approche en conception de site internet est centrée utilisateurs, prend en compte vos
Plus en détailEnquête 2014 de rémunération globale sur les emplois en TIC
Enquête 2014 de rémunération globale sur les emplois en TIC Enquête 2014 de rémunération globale sur les emplois en TIC Les emplois repères de cette enquête sont disponibles selon les trois blocs suivants
Plus en détailSolu%on de Business Intelligence leader pour la ges%on de la performance d entreprise. myssii www.myssii.fr - 2012 Jedox AG, www.jedox.
by Solu%on de Business Intelligence leader pour la ges%on de la performance d entreprise 2014 Jedox by myssii Pour toute entreprise, l informatique d aide à la décision est devenue une arme de compétitivité
Plus en détailDÉPLOIEMENT 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 détailLes méthodes Agiles. Introduc)on aux méthodes Agiles Exemple : Scrum
Les méthodes Agiles Introduc)on aux méthodes Agiles Exemple : Scrum Défini)on de base Les méthodes Agiles sont des procédures de concep)on de logiciel qui se veulent plus pragma)ques que les méthodes tradi)onnelles
Plus en détailCabinet 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 détailCatalogue de FORMATIONS 2015
Catalogue de FORMATIONS 2015 Qui sommes nous? î SmartView est un cabinet de conseil et de forma1on, basé à Montpellier et Paris, qui accompagne ses clients professionnels, grands comptes ou PME innovantes,
Plus en détailCURRICULUM 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 détailBases de Données Avancées
1/26 Bases de Données Avancées DataWareHouse Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR Léonard de Vinci 74, rue Marcel Cachin,
Plus en détailLa problématique. La philosophie ' ) * )
La problématique!" La philosophie #$ % La philosophie &'( ' ) * ) 1 La philosophie +, -) *. Mise en oeuvre Data warehouse ou Datamart /01-2, / 3 13 4,$ / 5 23, 2 * $3 3 63 3 #, 7 Datawarehouse Data warehouse
Plus en détailLe "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique
Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché
Plus en détailAméliorez et industrialisez vos feedback produit
Améliorez et industrialisez vos feedback produit Jean- Philippe Gillibert, architecte logiciel et coach agile chez Introduc)on Retour d expérience sur un projet à la SNCF Méthode originale de traitement
Plus en détailCollabora'on IRISA/INRA sur le transfert de nitrates et l améliora'on de la qualité des eaux des bassins versants:
Collabora'on IRISA/INRA sur le transfert de nitrates et l améliora'on de la qualité des eaux des bassins versants: Tassadit BOUADI 22 Juin 2010, Saint Jacut 1 Plan Introduc
Plus en détailBusiness 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 détailQLIKVIEW 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 détailMéthodes Agiles et gestion de projets
Méthodes Agiles et gestion de projets Eric LELEU Consultant Solutions Collaboratives Contact ericleleu@nordnet.fr Site Personnel http://home.nordnet.fr/~ericleleu Blog http://ericleleu.spaces.live.fr La
Plus en détailServices 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 détailPlan. Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation
Data WareHouse Plan Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation 2 Présentation Besoin: prise de décisions
Plus en détailPlan d action SMB d une Approche Agile de la BITM Pour les PME
Plan d action SMB d une Approche Agile de la BITM Pour les PME Personnel, processus et technologie nécessaires pour élaborer une solution rapide, souple et économique Copyright 2013 Pentaho Corporation.
Plus en détailLes Entrepôts de Données. (Data Warehouses)
Les Entrepôts de Données (Data Warehouses) Pr. Omar Boussaid Département d'informatique et de Sta5s5que Université Lyon2 - France Les Entrepôts de Données 1. Généralités, sur le décisionnel 2. L'entreposage
Plus en détailTechnologie 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 détailJean-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 détailObjectif : 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 détailGESTION DE PROJET SÉANCE 2 : LES CYCLE DE VIE D'UN PROJET
GESTION DE PROJET SÉANCE 2 : LES CYCLE DE VIE D'UN PROJET 1 Tianxiao LIU Licence Professionnelle Réseaux & Sécurité Université de Cergy-Pontoise http://depinfo.u-cergy.fr/~tliu/lpg.php PLAN Objectif et
Plus en détailBUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise
BUSINESS INTELLIGENCE Une vision cockpit : utilité et apport pour l'entreprise 1 Présentation PIERRE-YVES BONVIN, SOLVAXIS BERNARD BOIL, RESP. SI, GROUPE OROLUX 2 AGENDA Définitions Positionnement de la
Plus en détailProcessus 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 détailOptimisation de la supervision by Somone. - Présentation Générale -!
Optimisation de la supervision by Somone - Présentation Générale -! Somone et le Service 27% 18% 18% 37% Consultants Juniors (0-2 ans) Confirmés (2-5 ans) Séniors (5-8 ans) Référents (>8 ans) 30% 10% 12%
Plus en détailÉvolu>on et maintenance
IFT3912 Développement et maintenance de logiciels Évolu>on et maintenance Bruno Dufour Université de Montréal dufour@iro.umontreal.ca Modifica>on des logiciels Les modifica>ons sont inévitables Des nouveaux
Plus en détailMe#re le Big Data sur la carte : défis et avenues rela6fs à l exploita6on de la localisa6on
Me#re le Big Data sur la carte : défis et avenues rela6fs à l exploita6on de la localisa6on Thierry Badard, PhD, ing. jr Centre de Recherche en Géoma6que Conférence ITIS - Big Data et Open Data au coeur
Plus en détailRe-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 détailQu'est-ce que le BPM?
Qu'est-ce que le BPM? Le BPM (Business Process Management) n'est pas seulement une technologie mais, dans les grandes lignes, une discipline de gestion d'entreprise qui s'occupe des procédures contribuant
Plus en détailImpartition 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 détailScrum/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 détailLES ENTREPOTS DE DONNEES
Module B4 : Projet des Systèmes d information Lille, le 25 mars 2002 LES ENTREPOTS DE DONNEES Problématique : Pour capitaliser ses informations, une entreprise doit-elle commencer par mettre en œuvre des
Plus en détailComment 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 détailPlan 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 détailLe Processus RUP. H. Kadima. Tester. Analyst. Performance Engineer. Database Administrator. Release Engineer. Project Leader. Designer / Developer
Le Processus RUP Database Administrator Project Leader H. Kadima Performance Engineer Release Engineer Analyst Designer / Developer Tester Table des matières 1. De l artisanat à l industrialisation de
Plus en détailIci, le titre de la. Tableaux de bords de conférence
Ici, le titre de la Tableaux de bords de conférence pilotage d entreprise, indicateurs de performance reporting et BI quels outils seront incontournables à l horizon 2010? Les intervenants Editeur/Intégrateur
Plus en détailBusiness Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel
Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 10 Introduction 1. Présentation du décisionnel 15 1.1 La notion de décideur 15 1.2 Les facteurs d'amélioration
Plus en détailConcevoir 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 détailROYAUME 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 détailBI = Business Intelligence Master Data-ScienceCours 3 - Data
BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage
Plus en détailSWISS ORACLE US ER GRO UP. www.soug.ch. Newsletter 5/2014 Sonderausgabe. OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features
SWISS ORACLE US ER GRO UP www.soug.ch Newsletter 5/2014 Sonderausgabe OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features 42 TIPS&TECHNIQUES Alexandre Tacchini, Benjamin Gaillard, Fabien
Plus en détailGuide 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 détailPrésentation SAP CRM
Présentation SAP CRM AUGUSTA REEVES Distributeur et Intégrateur des solu:ons SAP Solu:ons ERP, Clients, Ressources Humaines et Web Créé en 1998 5 Associés Un partenaire financier 17,2 Millions d Euros
Plus en détailGestion Projet. Cours 3. Le cycle de vie
Gestion Projet Cours 3 Le cycle de vie Sommaire Généralités 3 Séquentiel 7 Itératif/Incrémental 17 Extreme Programming 22 Que choisir? 29 Etats Transverse 33 Cours 3 2006-2007 2 Généralités Cours 3 2006-2007
Plus en détailDOSSIER 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 détailBusiness Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel
Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 11 Introduction 1. Présentation du décisionnel 13 1.1 La notion de décideur 14 1.2 Les facteurs d'amélioration
Plus en détailWEB15 IBM Software for Business Process Management. un offre complète et modulaire. Alain DARMON consultant avant-vente BPM alain.darmon@fr.ibm.
WEB15 IBM Software for Business Process Management un offre complète et modulaire Alain DARMON consultant avant-vente BPM alain.darmon@fr.ibm.com Claude Perrin ECM Client Technical Professional Manager
Plus en détailNom du client. Date. Client Logo or project name
Nom du client Date Client Logo or project name Presenta7on 7tle client name Date Linalis speaker Speaker 7tle Le Groupe Linalis Historique Crée en 2002 Présent en Suisse, France, au Royaume Uni et en Espagne
Plus en détailX2BIRT : 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 détailDéveloppement itératif, évolutif et agile
Document Développement itératif, évolutif et agile Auteur Nicoleta SERGI Version 1.0 Date de sortie 23/11/2007 1. Processus Unifié Développement itératif, évolutif et agile Contrairement au cycle de vie
Plus en détailConclusion. 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 détailRational Software Rational Portfolio Manager
IBM Software Group Rational Software Rational Portfolio Manager Rachid Saoui, rachid.saoui@fr.ibm.com Fabrice Grelier, fabrice.grelier@fr.ibm.com 2003 IBM Corporation genda Gouvernance et Portfolio Management
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL INTELLIGENCE D AFFAIRES ET LES LOGICIELS À CODE SOURCE LIBRE POUR LES PME
UNIVERSITÉ DU QUÉBEC À MONTRÉAL INTELLIGENCE D AFFAIRES ET LES LOGICIELS À CODE SOURCE LIBRE POUR LES PME PROJET DE RECHERCHE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN GÉNIÉ LOGICIEL PAR GABRIELA
Plus en détailIntroduction aux outils BI de SQL Server 2014. Tutoriel sur SQL Server Integration Services (SSIS)
MIT820: Entrepôts de données et intelligence artificielle Introduction aux outils BI de SQL Server 2014 Tutoriel sur SQL Server Integration Services (SSIS) Description générale Ce tutoriel a pour objectif
Plus en détailSÉLECTIONNER LES MEILLEURS CANDIDATS : L APPORT DES OUTILS D ÉVALUATION AU RECRUTEMENT ET À LA MOBILITÉ INTERNE
PARTENAIRE RESSOURCES HUMAINES SÉLECTIONNER LES MEILLEURS CANDIDATS : L APPORT DES OUTILS D ÉVALUATION AU RECRUTEMENT ET À LA MOBILITÉ INTERNE PROGRAMME Il est primordial pour une organisation de savoir
Plus en détailDécouverte 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 détailDéterminer quelle somme dépenser en matière de sécurité des TI
Déterminer quelle somme dépenser en matière de sécurité des TI Un InfoDossier d IDC 2015 Introduction Les organisations peinent à déterminer quelle somme dépenser en matière de sécurité des TI, un investissement
Plus en détailSAUVER LA DISTRIBUTION!
SAUVER LA DISTRIBUTION! Face au Cloud et à l explosion des usages innovants qu il permet dans tous les secteurs, les acteurs «canal historique» de la distribu=on et des services informa=ques se reposi=onnent
Plus en détailAnalyse structurée de solutions pour BMC Remedy IT Service Management v 7
LIVRE BLANC SUR LES PRATIQUES ITIL Analyse structurée de solutions pour BMC Remedy IT Service Management v 7 Exploiter le potentiel des pratiques ITIL grâce aux ateliers d analyse de solutions organisés
Plus en détailLa Business Intelligence pour les Institutions Financières. Jean-Michel JURBERT Resp Marketing Produit
La Business Intelligence pour les Institutions Financières Jean-Michel JURBERT Resp Marketing Produit Agenda Enjeux des Projets Financiers Valeur de Business Objects Références Clients Slide 2 Des Projets
Plus en détailMODELE DE MATURITE SOCIAL MEDIA MARKETING
Online Intelligence Solutions MODELE DE MATURITE SOCIAL MEDIA MARKETING Jean-Marie Camiade, knowledge manager Mélanie Claisse, product marketing manager WHITE PAPER SOMMAIRE INTRODUCTION 3 1. Modélisation
Plus en détailDépartement Génie Informatique
Département Génie Informatique BD51 : Business Intelligence & Data Warehouse Projet Rédacteur : Christian FISCHER Automne 2011 Sujet : Développer un système décisionnel pour la gestion des ventes par magasin
Plus en détailEn 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 détailLa 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 détailSQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)
Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence
Plus en détailBIG DATA en Sciences et Industries de l Environnement
BIG DATA en Sciences et Industries de l Environnement François Royer www.datasio.com 21 mars 2012 FR Big Data Congress, Paris 2012 1/23 Transport terrestre Traçabilité Océanographie Transport aérien Télémétrie
Plus en détailAXIAD Conseil pour décider en toute intelligence
AXIAD Conseil pour décider en toute intelligence Gestion de la Performance, Business Intelligence, Big Data Domaine d expertise «Business Intelligence» Un accompagnement adapté à votre métier dans toutes
Plus en détailIBM Business Process Manager
IBM Software WebSphere Livre blanc sur le leadership en matière d innovation IBM Business Process Manager Une plateforme de BPM complète, unifiée et facilement adaptable aux projets et aux programmes d
Plus en détailLa gestion des données de référence ou comment exploiter toutes vos informations
La gestion des données de référence ou comment exploiter toutes vos informations La tour de Babel numérique La gestion des données de référence (appelée MDM pour Master Data Management) se veut la réponse
Plus en détailDistribuez une information fiable. IBM InfoSphere Master Data Management Server 9.0. Des données fiables pour de meilleurs résultats
IBM InfoSphere Master Data Management Server 9.0 Des données fiables pour de meilleurs résultats Les entreprises génèrent et collectent chaque jour une multitude de données : informations sur les comptes,
Plus en détailCOMMISSARIAT À LA PROTECTION DE LA VIE PRIVÉE DU CANADA. Vérification de la gestion des ressources humaines
COMMISSARIAT À LA PROTECTION DE LA VIE PRIVÉE DU CANADA Vérification de la gestion des ressources humaines 13 mai 2010 Préparée par le Centre de gestion publique Inc. TABLE DES MATIÈRES 1.0 Sommaire...
Plus en détailEvry - M2 MIAGE Entrepôt de données
Evry - M2 MIAGE Entrepôt de données Introduction D. Ploix - M2 Miage - EDD - Introduction 1 Plan Positionnement du BI dans l entreprise Déclinaison fonctionnelle du décisionnel dans l entreprise Intégration
Plus en détailIntroduction à ORACLE WAREHOUSE BUILDER Cédric du Mouza
Introduction à ORACLE WAREHOUSE BUILDER Cédric du Mouza Avant de commencer à travailler avec le produit, il est nécessaire de comprendre, à un haut niveau, les problèmes en réponse desquels l outil a été
Plus en détailITIL Examen Fondation
ITIL Examen Fondation Échantillon d examen B, version 5.1 Choix multiples Instructions 1. Essayez de répondre aux 40 questions. 2. Vos réponses doivent être inscrites sur la grille de réponses fournie.
Plus en détailBusiness & High Technology
UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 8 : ID : Informatique Décisionnelle BI : Business Intelligence Sommaire Introduction...
Plus en détailLes Entrepôts de Données
Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations
Plus en détailSQL SERVER 2008, BUSINESS INTELLIGENCE
SGBD / Aide à la décision SQL SERVER 2008, BUSINESS INTELLIGENCE Réf: QLI Durée : 5 jours (7 heures) OBJECTIFS DE LA FORMATION Cette formation vous apprendra à concevoir et à déployer une solution de Business
Plus en détailInscriptions : 0800 901 069 - Renseignements : 33 (0)1 44 45 24 35 - education.france@sap.com
FORMATION SAP BUSINESSOBJECTS BUSINESS INTELLIGENCE PLATFORM 4.x Du lundi 3 au vendredi 7 juin 2013 http://www.sap.com/france/services/education/newsevents/index.epx 1 Vous êtes clients SAP BusinessObjects
Plus en détailGESTION DE CONTENUS (ECM) Ges1on de l informa1on. Nicolas Bürki, Senior Analyst
GESTION DE CONTENUS (ECM) Ges1on de l informa1on Nicolas Bürki, Senior Analyst AGENDA Entreprises: les tendances & les projets Les offres ECM / GED : les tendances du marche La réalité / retour d expérience
Plus en détailUne infrastructure IT innovante et flexible avec le Virtual Data Centre de BT
Une infrastructure IT innovante et flexible avec le Virtual Data Centre de BT Vous aimeriez répondre plus rapidement aux nouveaux besoins du métier tout en réduisant les coûts, en accroissant votre fiabilité
Plus en détailDatawarehouse and OLAP
Datawarehouse and OLAP Datawarehousing Syllabus, materials, notes, etc. See http://www.info.univ-tours.fr/ marcel/dw.html today architecture ETL refreshing warehousing projects architecture architecture
Plus en détailCATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012
CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2012 AGENDA Qui sommes nous? Présentation de Keyrus Keyrus : Expert en formations BI Nos propositions de formation 3 modes de formations Liste des
Plus en détailIntelligence d affaires nouvelle génération
Intelligence d affaires nouvelle génération Sept étapes vers l amélioration de l intelligence d affaires par l entremise de la recherche de données À PROPOS DE CETTE ÉTUDE Les approches traditionnelles
Plus en détailSolutions IT pour libérer le potentiel de votre Business
Solutions IT pour libérer le potentiel de votre Business Stop Guessing Décisionnel & Pilotage Get the Attitude Gestion de la Relation Client Go Paperless Gestion Electronique de Documents DECIZIA, Déjà
Plus en détailLes termes du cloud CUMULO NUMBIO 2015 O. COLLIN
Les termes du cloud CUMULO NUMBIO 2015 O. COLLIN Agenda Pe$t glossaire du cloud : termes qui seront u$lisés lors de ce5e école Virtualisa$on CMP Environnement Bioinforma$que Linux Comment les machines
Plus en détailDéveloppez votre système d'information en toute simplicité
Développez votre système d'information en toute simplicité IT CONSULTING HOSTING as a service SR opérations SA Société suisse fondée en 2003, SR opérations SA est une filiale de SRF groupe SA. SR opérations
Plus en détailMéthodologies SCRUM Présentation et mise en oeuvre
Méthodologies SCRUM Présentation et mise en oeuvre Réalisé par Istace Emmanuel (Manu404) pour la communauté Hackbbs Document sous license GFDL (Licence de documentation libre GNU) http://www.gnu.org/licenses/licenses.fr.html
Plus en détailS organiser pour le Cloud
S organiser pour le Cloud Apporter une valeur supplémentaire à l entreprise en optimisant l organisation des services informatiques pour le Cloud LIVRE BLANC VMWARE Sommaire Synthèse.... 3 Contexte....
Plus en détailGuide 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 détailEntrepôt 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