L informatique décisionnelle

Dimension: px
Commencer à balayer dès la page:

Download "L informatique décisionnelle"

Transcription

1 L informatique décisionnelle Thèse Professionnelle. Ce document est une thèse professionnelle dont la problématique est : Quelles sont les bonnes pratiques dans la mise en place d une solution décisionnelle et comment la maintenir en condition opérationnelle? Maxime Poletto 01/06/2012

2 Personnes ayant participées à la rédaction de cette thèse professionnelle : Natacha SKRZYPCZAK : Manager SII et Ingénieur Décisionnel Emmanuel LOUF : Ingénieur Décisionnel, Manager pendant 2 ans du centre de service BI pour le groupe ADEO Thibaut RECULE : Ingénieur Décisionnel Tristan WOJCIECHOWSKI : Ingénieur Décisionnel Fabrice BELLOTTI : Directeur des opérations chez SII 1

3 Table des matières Chapitre 1 :... 5 L informatique décisionnelle... 5 I. Introduction... 6 II. L état du marché Les acteurs Le marché de la BI... 7 a. Un marché en pleine croissance... 7 III. Les bases de l informatique décisionnelle Définition Les indicateurs... 8 a. Passé... 9 b. Présent c. Futur IV. Les ETL Définition Fonctionnement V. Le Data Warehouse Définition : Les principes La conservation des données a. Avantages et inconvénients : b. Différence entre les données opérationnelles et décisionnelles La Construction En conclusion VI. Les Outils de mesures Le tableau Tableau de bord Le cube L'hyper cube OLAP c. Définition d. Plusieurs solutions VII. Le data mining Définition But et utilisation du data mining Principe

4 4. Algorithmes VIII. Enjeux de l'informatique décisionnelle Le reporting IX. Les risques de l informatique décisionnelle Article du web X. Conclusion Chapitre 2 : Les bonnes pratiques de mise en place d un projet d informatique décisionnelle I. Introduction II. Analyse Définition du besoin client Étude de l'existant Bien définir les indicateurs III. Les données La définition des données La fiabilité des données IV. Les flux Rappel Création des flux Nettoyage a. Les doublons b. Les incohérences Reprise en cas d'échec Planification Bases de données intermédiaires a. Table de chargement b. Table de rejet V. L entrepôt de données VI. La gestion du changement Intégration des utilisateurs au projet Le choix de l'outil VII. Bilan en Conclusion du chapitre Chapitre 3 : Le maintien en condition opérationnelle d un projet d informatique décisionnelle I. Introduction II. La gestion des flux L intégration des données

5 2. Les fichiers La relance Les évolutions Les environnements La documentation III. Gestion des erreurs La définition de l'erreur Log d'erreur Les Alertes IV. L'intervention humaine Une équipe dédiée Un centre de service a. La gestion des incidents b. Les niveaux de services V. Bilan en Conclusion du chapitre VI. Bilan et conclusion Générale Conclusion Générale Bilan Personnel Glossaire Annexe : Questionnaire de Thèse Professionnelle I. Les bonnes pratiques de mise en place d un projet d informatique décisionnelle Quels conseils donneriez-vous pour bien débuter un projet BI? (définition des indicateurs, sélectionner uniquement les données utiles, s assurer de leur fiabilité) Quels conseils donneriez-vous pour la création des flux? (tables de chargement, gestion des rejets, reprise en cas d échec, bien planifier les flux) Quels conseils donneriez-vous pour la création de l entrepôt de données? (MCD, Outils, tables de rejet, tables de chargement, tables d état, tables de fait, tables de dimension) Quels conseils donneriez-vous pour la gestion des changements qu entraînerait un projet BI? (intégration des utilisateurs au projet) Autres conseils ou bonnes pratiques sur la mise en place d un projet BI (Expériences personnelles)? Personnes qui pourraient me renseigner sur le sujet? II. Le maintien en condition opérationnelle d un projet d informatique décisionnelle Une fois le projet mis en place, quels conseils donneriez-vous pour le maintenir en condition opérationnelle? (Gestion des erreurs, Système d alerte, Équipe dédiée, centre de service)

6 Chapitre 1 : L informatique décisionnelle 5

7 I. Introduction Par le passé, les entreprises prenaient leurs décisions selon l intuition du pôle exécutif sans l aide de l informatique. Cela était dû au fait que les outils informatiques de l époque ne permettaient pas d analyser les données, ni de faire de calculs complexes. Avec le temps et les progrès de l informatique, les entreprises ont mis à jour leur processus de récupération de données qui commençaient à s accumuler. Il fallait donc faire face à des problèmes de stockage et de compatibilité entre les divers systèmes de l époque. Tout cela rendait l exploitation et l analyse des données difficiles et coûteuses en temps. Aujourd hui, la récupération des données est beaucoup plus simple à gérer à l aide de logiciels d extraction de données (ETL). Ces logiciels stockent les données dans des entrepôts de données (data warehouse) qui permettent de stocker un très grand nombre de données. La capacité de stockage de ces entrepôts de données, permet à des outils d analyse de données, d extrapoler et ainsi fournir une aide à la prise de décision. De nos jours, il est ainsi possible pour une entreprise de s évaluer et d anticiper grâce à l informatique décisionnelle. Dans ce chapitre, nous allons définir ce qu est l informatique décisionnelle, ses composants, les différents outils qu elle utilise et enfin les risques de cette nouvelle science. 6

8 II. L état du marché 1. Les acteurs Le marché de l informatique décisionnelle est composé de nombreux acteurs, mais seulement 4 d entre eux représentent 70 % en 2007 du marché de la Business Intelligence (BI) : SAP (business object) : 22 % Oracle (Oracle BI Solutions) : 15 % SAS (SAS BI) : 14 % IBM (Cognos) : 12 % Microsoft (SSRS and SSAS) : 7 % Microstrategty : 3 % Autres Éditeurs open source: 27% En 2009, 40 à 50% du marché de la BI est composé d acteurs proposant des technologies Open Source qui sont très prisées par les entreprises de petite taille. En effet, aujourd hui, le décisionnel est utilisé par un grand nombre d entreprises de taille variable. 2. Le marché de la BI a. Un marché en pleine croissance En 2009, le marché du décisionnel était de milliards d euro rien que pour la France et 9 milliards de dollars dans le monde. En 2009, le décisionnel a connu une croissance de 5.9%, ce qui représente 3 fois celle du logiciel. On peut en conclure que le marché de la BI est en pleine croissance, et que cela n est pas prêt de changer dans la société de consommation actuelle. De plus, avec les offres Open Source, ce secteur devient accessible pour les entreprises de toutes tailles. 7

9 III. Les bases de l informatique décisionnelle 1. Définition L informatique décisionnelle (Decision Support System ou Business Intelligence) désigne les méthodes, les outils et les moyens qui permettent de collecter, consolider, modéliser les données d'une entreprise afin d'offrir une aide à la décision et de permettre au corps exécutif d une entreprise d avoir une vue d ensemble de l activité. Plus simplement, l informatique décisionnelle c est la transformation de données brutes en information puis la transformation de l information en savoir : C est ce savoir qui va fournir une aide à la décision, aux managers ou au corps exécutif d une entreprise. 2. Les indicateurs L informatique décisionnelle est généralement utilisée pour : - Prédire et/ou gérer les ventes - Evaluer le risque client (par exemple pour les banques et assurances) - Définir des comportements de population afin d aider les entreprises à définir leur cible client. 8

10 Ainsi on dit souvent qu on utilise la BI dans le passé, le présent et le futur. a. Passé La BI est souvent utilisée pour analyser le passé, par exemple, on va comparer les ventes d un produit sur plusieurs années ou sur une année afin de voir l évolution : Prenons l exemple d un produit : grâce à ce type d indicateur, nous savons où et quand il s est le mieux vendu, qui l achète et qui le vend. Le croisement de ces informations peut par exemple aider une entreprise à prévoir ses stocks. 9

11 b. Présent La BI est également utilisée dans le reporting afin d avoir une vue en temps réel d une activité. Cela permet de savoir à tout moment où nous en sommes : Généralement, on rend également ce type d information visible de n importe où avec la BI Mobile : c. Futur Enfin, grâce à des techniques scientifiques et l aide de l informatique, il est possible d obtenir des prévisions sur le futur. Par exemple les ventes de l année prochaine : 10

12 IV. Les ETL Pour résumer, nous venons de voir que la BI permet de transformer des données en information et l information en savoir, afin de générer des indicateurs très utiles. Mais comment ça fonctionne? Pour analyser les données, il est indispensable de les rassembler en un seul endroit. Or, les données d une entreprise se trouvent dans de multiples endroits et, souvent, elles ne sont pas cohérentes. Afin de rassembler et de nettoyer les données, nous utilisons un logiciel de type ETL. 1. Définition Un outil appelé ETL (Extract, Transform and Load) extrait, nettoie et importe les données dans différentes sources et les charge dans un entrepôt de données (data warehouse). 2. Fonctionnement Un ETL prend en charge différentes sources de données, en entrée et en sortie. Les principales : - SGBD relationnels, - les flux XML, - fichiers à formats fixes ou avec séparateurs (CSV). 11

13 Une fois la création d un flux d extraction-transformation-chargement terminée, celui-ci peut être déclenché régulièrement à l aide d un outil de planification de tâches, ou d ordonnancement. Il est nécessaire de nettoyer et transformer les données pour : - les homogénéiser : ceci permet de définir un format commun pour les données ; prenons l exemple des dates : si certains utilisent le format français 12/01/2012 et d autres le format us 01/12/2012, on risque une confusion de l information. - C est également l occasion de nettoyer les données et de supprimer les données anciennes ou incohérentes : par exemple, des produits sans nom ni prix a) Quelques ETL : Open Source Propriétaire Apatar IBM InfoSphere DataStage CloverETL Informatica PowerCenter Pentaho Data Integration Oxio Data Intelligence solution ETL Scriptella OpenText Genio Talend Open Studio BusinessObjects Data Integrato Cognos DecisionStream (Data Manager) Oracle / Warehouse Builde SSIS Microsoft 12

14 V. Le Data Warehouse Pour résumer, nous sommes partis de données brutes que nous avons nettoyées et transformées, mais où et comment les stocker? Nous allons stocker ces données dans une base de données particulière, appelée Data Warehouse. 1. Définition : a. Data Warehouse Un entrepôt de données (Data Warehouse en anglais) est un type de base de données utilisé pour collecter et stocker des informations provenant d autres sources de données. Toute information collectée se verra affecter une date, ou un numéro de version, afin d éviter l écrasement d une information déjà présente dans l entrepôt de données et également permettre un suivi de l évolution au cours du temps. Les informations collectées peuvent provenir de plusieurs bases de données. Parfois, les informations des différentes bases de données d une entreprise sont collectées dans un 13

15 seul data warehouse, ou alors il existe différents data warehouses en fonction du sujet ou du métier en rapport avec chaque information (datamarts). b. DataMart Un magasin de données (DataMart en anglais) est un sous-ensemble d une base de données relationnelle en informatique décisionnelle. Il est généralement exploité pour restituer des informations d un métier spécifique, constituant pour ce dernier un ensemble d indicateurs à vocation de pilotage de l activité et d aide à la décision. Un DataMart, est issu ou fait partie d un Data Warehouse, et en reprend par conséquent la plupart des caractéristiques. 2. Les principes a. L objectif : L objectif d un entrepôt de données est de stocker l information de manière détaillée, afin de permettre la prise de décisions autour des activités majeures de l entreprise. Dans un data warehouse, les données sont ainsi structurées par thèmes contrairement à celles, dans les systèmes de production, qui sont organisées par processus fonctionnel. L intérêt de cette organisation est de centraliser les informations utiles sur un sujet le plus souvent transversal aux structures organisationnelles et fonctionnelles d une 14

16 entreprise. On peut ainsi passer d une vision verticale de l entreprise à une vision transversale beaucoup plus riche en informations. Un entrepôt de données est orienté «métier», en réponse aux différents métiers de l entreprise. b. Les différents axes d analyse : Un entrepôt de données est présenté selon différents axes d analyse ou «dimensions» (exemple : temps ou population de clients, type de produits etc.). L entrepôt de données est fait pour stocker les données selon les besoins actuels et futurs de l entreprise, et répondre à tous les utilisateurs. Par conséquent, nous ne trouverons pas de règle puriste dans le stockage, ni de modélisation unique : l entrepôt de données peut contenir certaines informations plus ou moins détaillées, provenant des sources de production, nécessaires à un besoin de management, tout comme des tables de faits. c. Stables? L entrepôt de données est stable et non modifiable. Ce qui permet de conserver l évolution des informations et la traçabilité de la prise de décision. Une des règles à ne pas rater dans la conception et dans la mise à jour d un data warehouse, c est que les informations ne doivent jamais disparaître. Ainsi, la même requête exécutée à des moments différents (séparée par plusieurs mois par exemple) doit obligatoirement retrouver le même résultat. Ainsi, les données d un data warehouse ne sont jamais supprimées ni mises à jour. Eventuellement un système de purge peut être mis en place pour des données obsolètes. d. Homogénéité : L intégration d un entrepôt de données est effectuée depuis des sources d origines diverses (fichiers externes, etc). Dans un monde parfait, les données provenant d un système d information sont homogènes et l entreprise possède les compétences nécessaires à son exploitation. Mais dans notre monde, les données sont issues de diverses sources et d applications de production. Il faut alors homogénéiser les données afin d en garantir la qualité et fournir un vocabulaire commun pour les utilisateurs. 15

17 C est ici que cela se complique : afin d obtenir la transversalité recherchée, il faut que le système d information soit bien intégré. Cela n est possible qu au prix d une forte normalisation et à la gestion des référentiels de données. Tout ceci concerne les données internes mais aussi les données externes, car leur codification ainsi que leur niveau de détails, sont différents par rapport aux données internes. Il est indispensable que l intégration d un data warehouse soit réussie afin d obtenir une vision homogène de l entreprise. Pour arriver à cela, le système d information se doit d être bien structuré et, bien sûr, maîtrisé. Sans cela, l intégration est vouée à l échec car on ne peut garantir la qualité des données. e. Archivage : Le Data warehouse est archivé et donc daté, avec une conservation de l historique et de son évolution pour permettre les analyses comparatives (par exemple, d une année sur l autre, etc.). La non-volatilité permet l historisation. D un point de vue fonctionnel, cette propriété permet de suivre dans le temps l évolution des différentes valeurs des indicateurs à analyser. De fait, dans un data warehouse, un référentiel de temps est nécessaire. 3. La conservation des données 2 solutions pour conserver les données dans un data warehouse : - sous forme élémentaire et détaillée (exemple : Pour une banque : conserver chaque opération sur chaque compte client, ) si la volumétrie le permet, - sous forme agrégée, selon les axes ou dimensions d analyse prévus (mais ces agrégations sont plus souvent réalisées dans les datamarts que dans les entrepôts de données). a. Avantages et inconvénients : Données sous forme élémentaire : Les Avantages : - Un plus grand niveau de détails dans les données - Plusieurs axes d analyse - Possibilité de revenir en arrière (dans le passé) Les Inconvénients : - Nécessite plus de mémoire de stockage 16

18 Données sous forme agrégée : Les Avantages : - Les données sont rapides d accès - Nécessite moins de mémoire de stockage que la forme élémentaire - L analyse des données sera plus rapide et plus facile par rapport à la forme élémentaire Les Inconvénients : - Perte de détails dans les données b. Différence entre les données opérationnelles et décisionnelles Données opérationnelles Orientées application, détaillées, précises au moment de l accès Mise à jour interactive possible de la part des utilisateurs Accédées de façon unitaire par une personne à la fois Haute disponibilité en continu Uniques (pas de redondance en théorie) Petite quantité de données utilisées par un traitement Réalisation des opérations au jour le jour Forte probabilité d accès Utilisées de façon répétitive Données décisionnelles Orientées activité (thème, sujet), condensées, représentent des données historiques Pas de mise à jour interactive de la part des utilisateurs Utilisées par l ensemble des analystes, gérées par sous-ensembles Exigence différente, haute disponibilité ponctuelle Peuvent être redondantes Grande quantité de données utilisées par les traitements Cycle de vie différent Faible probabilité d accès Utilisée de façon aléatoire 17

19 4. La Construction Un entrepôt de données possède un modèle de données particulier : il comporte 3 types de tables : - Des tables de dimension - Des tables de faits - Des tables d agrégats Table de Dimension Table de faits Table de faits : Chaque entrepôt de données inclut une ou plusieurs tables de faits. Centrale par rapport à un schéma en étoile ou en flocons, une table de faits capture les données qui mesurent les opérations de l'équipe. Les tables de faits contiennent habituellement de grands nombres de lignes, en particulier lorsqu'elles contiennent une ou plusieurs années d'historique pour un grand projet d'équipe. 18

20 Une caractéristique clé d'une table de faits est qu'elle contient des données numériques (faits) qui peuvent être résumées pour fournir des informations sur l'historique des opérations de la société. Chaque table de faits inclut également un index multipart qui contient, comme clés étrangères, les clés primaires de tables de dimension connexes qui contiennent elles-mêmes les attributs des enregistrements de faits. Les tables de faits ne doivent pas contenir d'informations descriptives ni de données autres que les champs de mesures numériques et les champs d'index qui relient les faits aux entrées correspondantes dans les tables de dimension. Table de dimension : Les tables de dimension contiennent les données brutes non calculées. Elles contiennent des attributs sous forme de descriptions textuelles permettant de qualifier l activité. Par exemple, on peut imaginer des tables de dimensions, catégorie de produit, temps et géographie et une table de faits vente, qui est le croisement des 3 tables de dimension. 19

21 Agrégat : D'une manière générale, le mot agrégat désigne l'action d'agréger, de regrouper des éléments. En BI les Agrégats sont les résultats calculés des données contenues dans une table de faits. Exemple simple : Dans cet exemple, l agrégat «VenteGeoMoi»s contient les données agrégées des ventes (table de faits vente) en fonction de la localisation (dimension géographie) et du mois (dimension temps) 20

22 5. En conclusion En informatique décisionnelle, on traite d immenses volumes de données stockées dans des entrepôts de données qui sont des bases de données multi relationnelles dont le but est de conserver l information de la manière la plus détaillée possible. L information se voit donc attribuer un numéro de version permettant donc le retour dans le temps et le suivi de l évolution de l information. Cette base de données ne peut donc pas suivre un scénario de modélisation Merise d autant plus que le but futur de ce stockage est la recherche d information. On stocke les données de manière agrégée ou élémentaire. Le choix se fait au cas par cas. Si l on a de la place et que l on a besoin d un maximum de détails, la forme élémentaire est conseillée. Si, ce qui nous intéresse c est l économie de place dans le stockage afin de fournir des recherches rapides peu détaillées, la forme agrégée est toute indiquée. 21

23 VI. Les Outils de mesures L informatique décisionnelle permet de mesurer des indicateurs aussi appelés mesures, faits ou métriques, qui sont sur plusieurs axes d analyse, aussi appelés dimensions. 1. Le tableau Par exemple : le chiffre d'affaire, les ventes, les taxes, selon l'axe temps : par année, mois etc selon l'axe produit : famille, gamme et référence produit. On obtient donc un tableau à deux entrées : en lignes : les produits sur 3 niveaux (famille, gamme, référence), en colonnes : les années Les tableaux croisés des principaux tableurs permettent de construire ce type de tableau de bord depuis une base de données. 2. Tableau de bord Un tableau de bord est un outil constitué d indicateurs permettant d évaluer les performances d une entreprise (ou organisation) à des moments donnés ou sur une certaine période par rapport à des valeurs de référence. Certains tableaux de bord permettent de visualiser l état d une activité en temps réel. 22

24 Un indicateur est l association de plusieurs paramètres représentant l évolution d une activité (ventes, etc...). Un indicateur est toujours choisi en fonction des objectifs futurs de l entreprise. 3. Le cube Si l on travaille avec un indicateur de type tableau et que l on exprime le besoin d ajouter un axe d analyse supplémentaire, on devra alors travailler sur un cube qui possède une dimension de plus qu un simple tableau. Le champ page et les tableaux dynamiques du logiciel Excel permettent ce type de représentation 23

25 Un cube peut être représenté sous la forme d un tableau N sur N qui permet un accès direct à l information. De plus, le principe est simple à comprendre avec la forme géométrique de cet outil d analyse. Au niveau du stockage, le cube permet de stocker les données de manière agrégée avec plus ou moins de détails et offre un accès rapide à celles-ci grâce au moyen de navigation qu il propose. 4. L'hyper cube En partant du cube, si l on souhaite travailler sur un axe d analyse supplémentaire on travaillera alors sur un hyper cube. Un hyper cube est un cube qui possède plus de 3 dimensions. Un hyper cube permet d organiser un jeu de cube détaillé. Généralement on se sert d un hyper cube afin de générer tous les cas d analyses possibles, l information est alors directement accessible. Bien sûr, il est possible de naviguer dans cet hyper cube et de zoomer sur un cube ou une série de cubes. L'ensemble de ces caractéristiques définit le concept OLAP (On Line Analytical Processes). 24

26 5. OLAP c. Définition En informatique décisionnelle l OLAP (online analytical processing ) est une suite de logiciels utilisés pour l analyse sur les champs d informations selon plusieurs axes depuis 1993, le but de cette suite de logiciels étant de générer des rapports d analyse (par exemple les rapports d analyse financière) Ainsi, on peut conclure qu OLAP en informatique décisionnelle apporte une analyse précise des données dans le but de fournir une aide à la décision au manager d une entreprise ainsi qu une meilleure vision de l entreprise et de ses activités. d. Plusieurs solutions OLAP possède plusieurs déclinaisons permettant de stocker différemment les données selon les besoins de l utilisateur : R-OLAP (Relational OLAP) D-OLAP (Dynamic ou Desktop OLAP) M-OLAP (Multidimensional OLAP) H-OLAP (Hybrid OLAP) 25

27 a) R-OLAP Business Intelligence En informatique décisionnelle, R-OLAP (R pour relationnel dans la technologie OLAP) est une technologie permettant le stockage et la modélisation des données sur une structure relationnelle. Cette technologie a l avantage d utiliser les ressources déjà existantes sur une machine : il n est pas utile d investir dans une nouvelle base de données multidimensionnelles. Table de Dimension Table de faits Exemple de moteurs R-OLAP : Microsoft Analysis Services, Oracle 10g, MetaCube d'informix et DSS Agent de MicroStrategy. Dans une base R-OLAP, on ne stocke pas le cube en tant qu objet, mais plus comme un modèle en étoile comme sur l image ci-dessus. Les Avantages : possibilité de redescendre à la table de faits. peu de redondance. Inconvénient : très lent pour des requêtes non optimisées 26

28 a) Le M-OLAP: Multidimensional OLAP En M-OLAP, on travaille avec un hypercube multidimensionnel c'est-à-dire à n dimensions. Mais on agrège les données car le but de cette représentation est la rapidité d accès aux données et donc d analyse. Techniquement, on stocke dans un seul fichier tous les agrégats. Avantage : rapidité d analyse Inconvénients : niveau de détail limité car on ne stocke pas toutes les cardinalités. redondance d information b) H-OLAP: Hybrid OLAP Le H-OLAP regroupe les 2 technologies vues précédemment (en effet H pour hybrid), c'est-à-dire que l on essaye de concilier rapidité d exécution et détail des données. Techniquement, selon les données, le système utilisera l une des deux technologies. Avantage : accès rapide et détaillé Inconvénient : beaucoup de redondance. 27

29 VII. Le data mining 1. Définition Le data mining est un ensemble de techniques tirées des mathématiques et de l informatique permettant le «forage de données» c'est-à-dire la recherche d informations dans de grands volumes de données. On parle également de «fouilles» car ces recherches permettent de découvrir de l information cachée. 2. But et utilisation du data mining Le data mining traite des données hétérogènes d'un volume gigantesque. Le data mining est surtout employé dans le marketing pour : prévoir les ventes, l état des stocks, etc cibler les opérations de marketing, fidéliser les clients, cibler des niches de marché, définir des comportements de population, suivre les indicateurs de production, contrôler la qualité et détecter des défaillances, veille technologique. 3. Principe Trois étapes théoriques sont suivies : exploration, définition d'une structure, validation de cette structure. Afin d obtenir un modèle fiable, on répète le processus plusieurs fois. 28

30 4. Algorithmes Le data mining utilise et combine des méthodes statistiques et adaptatives (machine learning). Les modèles à la mode sont le bagging (voir Glossaire), qui utilise une stratégie aléatoire en réalisant une famille de modèles qui sont ensuite agrégés et le boosting, qui privilégie une stratégie adaptative (voir Glossaire). a. Exemple de modèle utilisé : Le Réseau de neurones L un des principaux modèles utilisés par le data mining est le réseau de neurones qui permet l exploration des données. Un neurone est une unité de calcul élémentaire dont le modèle est issu de certains principes de fonctionnement du neurone biologique. b. Explication du calcul : L'unité de calcul combine des entrées réelles x 1,...,x n en une sortie réelle o. Les entrées n'ont pas toutes la même importance et à chaque entrée x i est associé un poids (ou coefficient synaptique) w i. L'unité calcule d'abord l'activité d'entrée. En règle générale, pour le neurone formel, l'activité en entrée est mesurée par la somme pondérée des entrées S i w i x i. 29

31 VIII. Enjeux de l'informatique décisionnelle Nous avons vu l extraction des données depuis une base de données à l aide d un ETL puis leur insertion dans un data warehouse voire même dans des datamarts. Ces entrepôts de données permettent de produire des rapports qui répondent à la question «Que s est-il passé?», mais ils peuvent également être conçus pour répondre à la question «Pourquoi est-ce que cela s est passé?» et à la question «Que va-t-il se passer?». Dans un contexte d analyse en temps réel, ils répondent également à la question «Que se passe-t-il en ce moment?», voire dans le cas d une solution d entrepôt de données actives, «Que devrait-il se passer?». 1. Le reporting Le reporting est l ensemble des comptes rendus permettant à une entreprise de suivre son activité. Cela permet à l entreprise de s évaluer grâce à la création périodique de rapports et de bilans analytiques sur son activité. Ces rapports sont souvent destinés au manager ou au corps exécutif. Le but de ces rapports et bilans réguliers est de faire un point ponctuel sur la stratégie de l entreprise et ainsi permettre d évaluer les moyens mis en œuvre. Mais ils fournissent également une aide à la décision pour les choix stratégiques et économiques de l entreprise. Le reporting est l'application la plus utilisée de l informatique décisionnelle, il permet au corps exécutif : de sélectionner des données sur une certaine période (production, secteur, etc...), de trier, regrouper ou répartir ces données selon les critères de leur choix, de réaliser divers calculs (totaux, moyennes, écarts, comparatifs en diverses périodes, etc...), fournir une représentation des résultats, synthétique ou détaillée, selon leurs besoins ou les attentes des dirigeants de l entreprise. Le reporting n est pas comme la suite de logiciels OLAP, un logiciel d aide à la décision, mais plutôt un logiciel d évaluation pour l entreprise. 30

Entrepôt de données 1. Introduction

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

Plus en détail

Chapitre 9 : Informatique décisionnelle

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

Plus en détail

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

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

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

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

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

Plus en détail

FICHE CONCEPT 01 ETL (EXTRACT TRANSFORM & LOAD)

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

Plus en détail

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

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

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

Plus en détail

Business & High Technology

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

Plus en détail

Business Intelligence : Informatique Décisionnelle

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

Plus en détail

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

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

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

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

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

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

Plus en détail

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

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

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 Extrait Alimenter l'entrepôt de données avec SSIS Business

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

BI = Business Intelligence Master Data-Science

BI = Business Intelligence Master Data-Science BI = Business Intelligence Master Data-Science UPMC 25 janvier 2015 Organisation Horaire Cours : Lundi de 13h30 à 15h30 TP : Vendredi de 13h30 à 17h45 Intervenants : Divers industriels (en cours de construction)

Plus en détail

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

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

Plus en détail

Vous avez une problématique, nous avons la solution.

Vous avez une problématique, nous avons la solution. Vous avez une problématique, nous avons la solution. SOMMAIRE Notre agence marketing...3 Etudes & analyses......4 Geomarketing......5 Webmarketing......6 Traitement des données...7 Décisionnel......8 Notre

Plus en détail

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

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

Plus en détail

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

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

Didier MOUNIEN Samantha MOINEAUX

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

Plus en détail

Rapport sur les Datamarts Projet DARTIES

Rapport sur les Datamarts Projet DARTIES 2010 /11 Rapport sur les Datamarts Rapport sur les Datamarts Projet DARTIES Projet tuteuré de 3ème année de l Ecole Polytechnique Universitaire de Lyon I Encadré par Mr Babé. Rédigé par : Laura Tournier,

Plus en détail

Annexe. Méthodologie de mise en œuvre d un projet BusinessObjects

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

Plus en détail

Entreposage, analyse en ligne et fouille de données

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

Plus en détail

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

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

AXIAD Conseil pour décider en toute intelligence

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

Plus en détail

Introduction aux S.G.B.D.

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

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 4 - OLAP

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

Plus en détail

Action de formation: SQL Server Business Intelligence & Data Warehouse

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

Plus en détail

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

En synthèse. HVR pour garantir les échanges sensibles de l'entreprise

En synthèse. HVR pour garantir les échanges sensibles de l'entreprise En synthèse HVR pour garantir les échanges sensibles de l'entreprise Le logiciel HVR fournit des solutions pour résoudre les problèmes clés de l'entreprise dans les domaines suivants : Haute Disponibilité

Plus en détail

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

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

Plus en détail

Fiche de lecture OLAP

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

Plus en détail

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

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

Plus en détail

Thibault Denizet. Introduction à SSIS

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

Plus en détail

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

Bases de données multidimensionnelles OLAP. OnLine Analytical Processing

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

Plus en détail

Théories de la Business Intelligence

Théories de la Business Intelligence 25 Chapitre 2 Théories de la Business Intelligence 1. Architectures des systèmes décisionnels Théories de la Business Intelligence Depuis les premières requêtes sur les sources de données OLTP consolidées

Plus en détail

PLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION

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

Plus en détail

ERP & Processus. lacreuse@unistra.fr

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

Plus en détail

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

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

Plus en détail

Accélérateur de votre RÉUSSITE

Accélérateur de votre RÉUSSITE Accélérateur de votre RÉUSSITE SAP Business Objects est une suite décisionnelle unifiée et complète qui connecte ses utilisateurs en éliminant les difficultés d accès à l information. Mobile Devices Browsers

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

GUIDE COMPARATIF OLAP. www.viseo.com

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

Plus en détail

Choix de l outil PENTAHO

Choix de l outil PENTAHO Choix de l outil PENTAHO GROUPES : Encadrant : IDRISSI BADSSI abd al moughit Mme LEMRINI loubna HALIM hamza LARHROUCH mustapha Table des matières Business intelligence... 2 Les Outils Open source de Business

Plus en détail

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

Business Intelligence (BI) Stratégie de création d un outil BI Business Intelligence (BI) La Business intelligence est un outil décisionnel incontournable à la gestion stratégique et quotidienne des entités. Il fournit de l information indispensable, sous plusieurs

Plus en détail

Analyse comparative entre différents outils de BI (Business Intelligence) :

Analyse comparative entre différents outils de BI (Business Intelligence) : Analyse comparative entre différents outils de BI (Business Intelligence) : Réalisé par: NAMIR YASSINE RAGUI ACHRAF Encadré par: PR. L. LAMRINI Dans le domaine d économies des Big Data et Open Data, comment

Plus en détail

BI Open Source Octobre 2012. Alioune Dia, Consultant BI alioune.dia@openbridge.fr

BI Open Source Octobre 2012. Alioune Dia, Consultant BI alioune.dia@openbridge.fr BI Open Source Octobre 2012 Alioune Dia, Consultant BI alioune.dia@openbridge.fr 1 Le groupe, en bref 2004 Date de création +7M * Chiffre d affaires 2012 +80 Collaborateurs au 06/2011 35% Croissance chiffre

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

TP2_1 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3

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

Plus en détail

Créer le modèle multidimensionnel

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

Plus en détail

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

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

Plus en détail

Business Intelligence

Business Intelligence Business Intelligence Enjeux, Projets, Données, Indicateurs Gilles FONTANINI g.fontanini@decision-network.eu +33 (0)6 11 21 24 53 2? Gilles Fontanini Consultant et Administrateur d un GIE d experts en

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

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

TP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3

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

Plus en détail

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

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

Plus en détail

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

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2014

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2014 CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2014 SOMMAIRE Présentation de Keyrus Les modes de formation Liste des formations, Plan de cours & Pré-requis IBM Cognos QlikView Microsoft Talend Oracle

Plus en détail

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

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

Plus en détail

BUSINESS INTELLIGENCE

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

Plus en détail

avec nos solutions spécialisées pour la microfinance et ses institutions coopératives Séminaire STRATEGO Vigie STRATEGO Octobre 2013 à Lomé

avec nos solutions spécialisées pour la microfinance et ses institutions coopératives Séminaire STRATEGO Vigie STRATEGO Octobre 2013 à Lomé avec nos solutions spécialisées pour la microfinance et ses institutions coopératives Séminaire STRATEGO Vigie STRATEGO Octobre 2013 à Lomé Vigie Intelligence d Affaires (IA) 1. Qu est ce que l Intelligence

Plus en détail

Informatique Décisionnelle pour l environnement

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

Plus en détail

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

Restitution. Antoine Lapostolle Ingénieur Avant-Vente Microsoft France

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

Plus en détail

Bases de données multidimensionnelles OLAP

Bases de données multidimensionnelles OLAP Bases de données multidimensionnelles OLAP OLAP OLAP (On Line Analytical Processing): Ensemble des outils nécessaires pour l analyse multidimensionnelle. Les données sont historisées, résumées, consolidées.

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

Généralités sur les bases de données

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

Plus en détail

Brice DAVOLEAU Consultant Décisionnel Junior 2 ans d expérience

Brice DAVOLEAU Consultant Décisionnel Junior 2 ans d expérience Brice DAVOLEAU Consultant Décisionnel Junior 2 ans d expérience 3 bis bd Waldeck Rousseau, 22000 Saint Brieuc Permis B 25 ans Mail : brice.davoleau@gmail.com Blog : http://www.cogoobi.com/ Tel : 06.24.98.12.02

Plus en détail

Formations MyReport. Formations MyReport

Formations MyReport. Formations MyReport Formations MyReport Formations MyReport MyReport Data Niveau 1 1 journée Concepteurs des applications "métier" Connaissances 1er niveau en bases de données : notions de tables, bases, champs Connaissances

Plus en détail

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

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

Plus en détail

Les entrepôts de données

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

Plus en détail

Intelligence Economique - Business Intelligence

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

Plus en détail

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

White Paper ADVANTYS. Workflow et Gestion de la Performance

White Paper ADVANTYS. Workflow et Gestion de la Performance White Paper Workflow et Gestion de la Performance Présentation L automatisation des process combinée à l informatique décisionnelle (Business Intelligence) offre une nouvelle plateforme de gestion pour

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

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

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

Sage 100 CRM Guide de l Import Plus avec Talend Version 8. Mise à jour : 2015 version 8

Sage 100 CRM Guide de l Import Plus avec Talend Version 8. Mise à jour : 2015 version 8 Sage 100 CRM Guide de l Import Plus avec Talend Version 8 Mise à jour : 2015 version 8 Composition du progiciel Votre progiciel est composé d un boîtier de rangement comprenant : le cédérom sur lequel

Plus en détail

TP2_2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3

TP2_2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 TP2_2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 03/11/2014 Plan du TP 2 Présentation de la suite Microsoft BI Ateliers sur SSIS (2H) Ateliers sur RS (2H) 3 Présentation de la suite Microsoft BI Présentation

Plus en détail

Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie

Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Découvrir les stratégies ayant fait leurs preuves et les meilleures pratiques Points clés : Planifier

Plus en détail

MyReport, LE REPORTING SOUS EXCEL

MyReport, LE REPORTING SOUS EXCEL MyReport, LE REPORTING SOUS EXCEL Avec MyReport : De la manipulation en moins. De l analyse en plus! Les données d une entreprise sont un vrai capital. Bien exploitées, elles facilitent les prises de décisions.

Plus en détail

. Ce module offre la gamme de requête et d analyse la plus évoluée et la plus simple d utilisation du marché.

. Ce module offre la gamme de requête et d analyse la plus évoluée et la plus simple d utilisation du marché. La connaissance des facteurs-clés de réussite constitue un élément déterminant pour l amélioration des performances. Divalto intègre en standard, systématiquement Hyperion Intelligence. Ce module offre

Plus en détail

PROJET ECUREUIL DU CNIP INFORMATIQUE DÉCISIONNELLE SERVEURS D'ANALYSE OLAP ESNE-IG RAPPORT DE TRAVAIL DE DIPLÔME 2007 FABIEN AIRIAU

PROJET ECUREUIL DU CNIP INFORMATIQUE DÉCISIONNELLE SERVEURS D'ANALYSE OLAP ESNE-IG RAPPORT DE TRAVAIL DE DIPLÔME 2007 FABIEN AIRIAU PROJET ECUREUIL DU CNIP INFORMATIQUE DÉCISIONNELLE SERVEURS D'ANALYSE OLAP ESNE-IG RAPPORT DE TRAVAIL DE DIPLÔME 2007 FABIEN AIRIAU Fabien Airiau ESNE-IG Rapport de travail de diplôme 2007 Page 1 sur 77

Plus en détail

CAPACITE CARTOGRAPHIQUE AUTOUR DES TECHNOLOGIES SOLAP

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

Plus en détail

MyReport, LE REPORTING SOUS EXCEL

MyReport, LE REPORTING SOUS EXCEL MyReport, LE REPORTING SOUS EXCEL De la simplicité d Excel à l autonomie des utilisateurs Avec MyReport : De la manipulation en moins. De l analyse en plus! Tous les services de l entreprise utilisent

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

La place de la Géomatique Décisionnelle dans le processus de décision

La place de la Géomatique Décisionnelle dans le processus de décision Géomatique décisionnelle La place de la Géomatique Décisionnelle dans le processus de décision - Arnaud Van De Casteele Mines ParisTech - CRC Arnaud {dot} van_de_casteele {at} mines-paristech.fr Les rencontres

Plus en détail

Les solutions SAS pour les Petites et Moyennes Entreprises

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

Plus en détail

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

Business Intelligence avec Excel, Power BI et Office 365

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

Plus en détail