PARTIE 1 : ETAT DE L ART...

Dimension: px
Commencer à balayer dès la page:

Download "PARTIE 1 : ETAT DE L ART..."

Transcription

1

2

3 Table des matières INTRODUCTION... 1 Contexte général de l étude... 3 Problématiques... 4 Contributions des nos travaux de recherche... 5 Organisation du mémoire... 6 PARTIE 1 : ETAT DE L ART... 9 CHAPITRE 1 : ENTREPOTS DE DONNEES ET ANALYSE EN LIGNE Concepts principaux des entrepôts de données et de l analyse en ligne Dimensions et hiérarchies Faits et mesures Hypercube Requêtes multidimensionnelles Les modèles conceptuels pour les bases de données multidimensionnelles Architecture des systèmes d entrepôts de données Entrepôt de données Serveur OLAP Fonctionnalités d un serveur OLAP Implémentation physique d un serveur OLAP Client OLAP Conclusions CHAPITRE 2 : L INFORMATION GEOGRAPHIQUE ET LES SYSTEMES D INFORMATION GEOGRAPHIQUE Les données géographiques La composante spatiale La composante sémantique La généralisation Fonctionnalités des Systèmes d Information Géographique Les modèles matriciel et vectoriel, et les couches Les bases de données spatiales L analyse spatiale De la visualisation à la géovisualisation La visualisation cartographique La géovisualisation Conclusions CHAPITRE 3 : L OLAP SPATIAL De l OLAP à l OLAP Spatial Les systèmes d aide à la décision spatiale Les avantages de l OLAP Spatial Concepts principaux de l OLAP Spatial Dimension spatiale Les approches existantes Bilan Mesure spatiale La mesure spatiale vue comme une liste d objets spatiaux La mesure spatiale vue comme le résultat des opérateurs spatiaux Bilan Opérateurs de navigation spatio-multidimensionnelle Un panorama des modèles conceptuels pour les entrepôts de données spatiales Pourrabas Malinowsky et Zimányi Damiani et Spaccapietra Jensen et al Ahmed et Miquel Bilan Les outils OLAP Spatial... 48

4 3.4.1 Typologies SIG dominant OLAP dominant OLAP-SIG intégrée Un panorama des outils SOLAP existants Solutions SIG dominantes Solutions OLAP dominantes Solutions OLAP-SIG intégrées Bilan Conclusions PARTIE 2 : CONTRIBUTIONS CHAPITRE 4 : DE L OLAP SPATIAL A L OLAP GEOGRAPHIQUE Motivations Modèle des données multidimensionnelles Dimension spatiale Mesure spatiale Algèbre spatio-multidimensionnelle : flexibilité de l analyse Contexte Cas d étude : la pollution des eaux de la lagune de Venise Notation graphique pour les modèles conceptuels applicatifs Concepts principaux de l OLAP Géographique Dimension géographique Hiérarchie descriptive Hiérarchie spatiale Hiérarchie de généralisation Problématiques Modélisation Visualisation Mesure géographique Définition et application Problématiques Modélisation Visualisation Opérateurs d analyse spatio-multidimensionnelle Modification dynamique de la structure de l hypercube Permutation entre mesure et dimension Navigation dans la hiérarchie de la mesure Problématiques Conclusion...79 CHAPITRE 5 : GEOCUBE, UN MODELE MULTIDIMENSIONNEL OLAP GEOGRAPHIQUE Les données multidimensionnelles Entité Hiérarchie Définitions Représentation graphique Cube de Base Requêtes multidimensionnelles Mode d Agrégation Vue Algèbre Opérateurs de forage et de coupe Roll-Up Slice Dice Opérateurs de navigation dans la hiérarchie de la mesure Classify Specialize Opérateur de permutation mesure et dimension : Permute Opérateur de modification dynamique de l hypercube : OLAP-Buffer Requêtes multidimensionnelles complexes

5 5.4.1 Reformulation du processus d agrégation par le changement de la granularité de la mesure Roll-up sur des cousins Bilan et comparaison Caractéristiques principales de GeoCube Comparaison Limites Conclusions CHAPITRE 6 : GEWOLAP, UNE SOLUTION WEB OLAP GEOGRAPHIQUE Architecture Entrepôt de donnes spatiales Serveur OLAP Client OLAP L interface visuelle de GeWOlap Le Data Panel Toolbar SIG Toolbar multidimensionnelle non-spatiale Toolbar multidimensionnelle spatiale Le Control Panel Dimension Géographique et opérateurs multidimensionnels Opérateurs multidimensionnels non-spatiaux Opérateurs multidimensionnels spatiaux Opérateurs de forage Opérateurs de coupe Opérateurs de changement dynamique de l hypercube Mesures complexes et géographiques, et opérateurs multidimensionnels Modélisation logique Visualisation et Navigation Mesures géographiques Mesures complexes Opérateurs SIG Bilan et comparaison Caractéristiques principales Comparaison et limites Conclusions CHAPITRE 7 : GEOLAPIVOT TABLE, UNE TECHNIQUE DE VISUALISATION ET D INTERACTION POUR L ANALYSE DES MESURES GEOGRAPHIQUES Pivot Table et Space-Time Cube GeOlaPivot Table Le concept Un cas d étude Caractéristiques principales et limitations Conclusions PARTIE 3 : CONCLUSIONS CHAPITRE 8 : BILAN ET PERSPECTIVES Bilan des travaux Le paradigme OLAP Géographique Le modèle GeoCube Le prototype GeWOlap GeOlaPivot Table Perspectives Additivité des mesures géographiques Hiérarchies de généralisation Composante temporelle de l information géographique Mesures continues Géovisualisation et OLAP Géographique L'OLAP Géographique Mobile REFERENCES

6 Liste des tableaux TABLEAU 1.1. DIFFERENCES PRINCIPALES ENTRE LES SYSTEMES OLPT ET OLAP (KELLY, 1997). 12 TABLEAU 2.1. VARIABLES VISUELLES (BERTIN ET BONIN, 1992). 34 TABLEAU 5.1. INSTANCE DU CUBE DE BASE BC CORILA. 92 TABLEAU 5.2. INSTANCE DE V CORILA-UNIT. 98 TABLEAU 5.3. INSTANCE DE V CORILA-UNIT-MONTH. 100 TABLEAU 5.4. INSTANCE DE V CORILA-UNIT TABLEAU 5.5. INSTANCE DE V CORILA-UNIT-MONTH TABLEAU 5.6. INSTANCE DE BC CORILA TABLEAU 5.7. INSTANCE DE V CORILA-UNIT/TIME. 112 TABLEAU 5.8. INSTANCE DE V CORILA-ZONE. 117 TABLEAU 5.9. INSTANCE DE V CORILA-ZONE TABLEAU INSTANCE DE V CORILA-ZONE-1000S 121 TABLEAU INSTANCE DE V RATE. 127 TABLEAU INSTANCES DE V RATEB 127 TABLEAU INSTANCE DE V CORILA-MONTH. 130 TABLEAU INSTANCE DE V CORILA-MONTH-ZONE. 130 TABLEAU SLICE SUR MAZZORBO ET CANAL FONDELLO. 131 TABLEAU 5.16.AGREGATION ENTRE COUSINS. 132 TABLE 7.1. EXEMPLE DE LA TABLE DE FAITS DE L APPLICATION MULTIDIMENSIONNELLE DE FIGURE Liste des figures FIGURE 1.1. HIERARCHIE DES PRODUITS A) SCHEMA B) INSTANCE FIGURE 1.2. APPLICATION MULTIDIMENSIONNELLE A) SCHEMA B) HYPERCUBE FIGURE 1.3. ARCHITECTURE A 3-NIVEAUX D UN SYSTEME D ENTREPOT DE DONNEES FIGURE 1.4. A) HIERARCHIE AVEC LES NIVEAUX «A» ET «B» B) HIERARCHIE AVEC LES NIVEAUX «1» ET «2» C) TREILLIS DE CUBOÏDES FIGURE 1.5. A) SCHEMA EN ETOILE B) SCHEMA EN FLOCON C) SCHEMA EN CONSTELLATION FIGURE 1.6. CLIENTS OLAP A) MICROSTRATEGY B) COGNOS C) ORACLE FIGURE 1.7. VISUALISATION DES DONNEES DE L APPLICATION MULTIDIMENSIONNELLE DES VENTES DE FIGURE 1.2 AVEC LA TABLE DE PIVOT DE JPIVOT FIGURE 2.1. LA COMPOSANTE SPATIALE DES DEPARTEMENTS DE FRANCE FIGURE 2.2. EXEMPLES DE RELATIONS D IDENTITE ET DE GROUPE (NEUN ET STEINIGER, 2005) FIGURE 2.3. ORGANISATION DES INFORMATIONS GEOGRAPHIQUES EN COUCHES FIGURE 2.4. ORACLE SPATIAL A) CREATION D UNE TABLE SPATIALE B) REQUETE SQL QUI UTILISE EN PREDICAT SPATIAL C) INSERTION D UN OBJET GEOGRAPHIQUE DANS LA TABLE D) REPRESENTATION TABULAIRE ET CARTOGRAPHIQUE FIGURE 2.5. PROCESSUS D ANALYSE SPATIALE (MITCHELL, 2005) FIGURE 2.6. MAP-USE-CUBE (MACEACHREN ET KRAAK, 1997) FIGURE 2.7. A) SPACE-TIME CUBE (KRAAK ET KOUSSOULAKOU, 2005) B) MATRICE MULTIFORME BIVARIEE (MULTIFORM BIVARIATE MATRIX) (MACEACHREN, ET AL., 2004) FIGURE 3.1. DIMENSION SPATIALE GEOMETRIQUE A) SCHEMA B) REPRESENTATION CARTOGRAPHIQUE DES MEMBRES FIGURE 3.2. SCHEMA DE L ENTREPOT «METEO» (STEFANOVIC ET AL., 2000) FIGURE 3.3. APPLICATION SPATIO-MULTIDIMENSIONNELLE AVEC DE DIMENSIONS ALPHANUMERIQUES ET UNE MESURE SPATIALE (MALINOWSKI ET ZIMANYI, 2004) FIGURE 3.4. SCHEMA CONCEPTUEL D UN ENTREPOT DE DONNEES AVEC UNE MESURE RESULTAT D UNE OPERATION SPATIALE (MALINOWSKI ET ZIMANYI, 2004) FIGURE 3.5. REPRESENTATION GRAPHIQUE DU MODELE POUR ENTREPOTS DE DONNEES SPATIALES PRESENTE DANS (MALINOWSKY ET ZIMANYI, 2004) A) FAIT ET MESURES B) DIMENSION C) CARDINALITES D) NIVEAUX DE DIMENSION E) ICONES SPATIALES

7 FIGURE 3.6. INTERFACES DES SYSTEMES SOLAP A) COMMONGIS (HERNANDEZ ET AL., 2005) B) POLARIS (STOLTE ET AL., 2002) C) POSTGEOLAP (COLONESE ET AL., 2005) D) JMAP (JMAP, 2007) E) SOVAT (SCOTCH ET PARMANTO, 2006) FIGURE 4.1. CARTE DE LA LAGUNE DE VENISE FIGURE 4.2. EXTENSION DE LA NOTATION GRAPHIQUE POUR LES ENTREPOTS DE DONNEES SPATIALES PRESENTEE DANS (MALINOWSKY, 2006) AVEC UNE MESURE GEOGRAPHIQUE ET DES ATTRIBUTS DERIVES FIGURE 4.3. HIERARCHIE DESCRIPTIVE A) SCHEMA B) INSTANCE FIGURE 4.4. APPLICATION MULTIDIMENSIONNELLE AVEC UNE DIMENSION GEOGRAPHIQUE DECRITE PAR UNE HIERARCHIE DESCRIPTIVE FIGURE 4.5. HIERARCHIE SPATIALE A) SCHEMA B) INSTANCE FIGURE 4.6. APPLICATION MULTIDIMENSIONNELLE AVEC UNE DIMENSION GEOGRAPHIQUE DECRITE PAR UNE HIERARCHIE SPATIALE FIGURE 4.7. APPLICATION MULTIDIMENSIONNELLE AVEC UNE DIMENSION GEOGRAPHIQUE DECRITE PAR UNE HIERARCHIE DE GENERALISATION FIGURE 4.8. HIERARCHIE DE GENERALISATION A) INSTANCE B) REPRESENTATION CARTOGRAPHIQUE FIGURE 4.9. HIERARCHIE DE GENERALISATION A) SCHEMA B) INSTANCES ET RELATION MULTI-ASSOCIATION. 70 FIGURE MESURE GEOGRAPHIQUE «UNIT» FIGURE MESURE GEOGRAPHIQUE «UNIT» A L ECHELLE 1 : FIGURE OVERLAY UTILISANT L OPERATEUR LOGIQUE AND FIGURE PERMUTATION MESURE ET DIMENSION : DE LA MESURE GEOGRAPHIQUE A LA DIMENSION GEOGRAPHIQUE FIGURE 5.1. REPRESENTATION GRAPHIQUE A) SCHEMA D ENTITE B) ORDRE PARTIEL DES SCHEMAS D ENTITE NIVEAUX H C) ORDRE PARTIEL DES INSTANCES DES SCHEMAS D ENTITE NIVEAUX H FIGURE 5.2. HIERARCHIE DE POLLUANTS A) SCHEMA B) INSTANCE FIGURE 5.3. HIERARCHIE SPATIALE DE LA LAGUNE A) SCHEMA B) INSTANCE FIGURE 5.4. REPRESENTATION DE LA FONCTION BOOLEENNE D UN CUBE DE BASE AVEC TROIS SCHEMAS DE HIERARCHIE FIGURE 5.6. MODE D AGREGATION POUR L AGREGATION DES OBJETS GEOGRAPHIQUES REPRESENTANTS LES UNITES DE LA LAGUNE FIGURE 5.7. REPRESENTATION GRAPHIQUE DU MODE D AGREGATION FIGURE 5.8. REPRESENTATION GRAPHIQUE DU SCHEMA DE VUE A) GRAPHE D AGREGATION B) GRAPHE DE NAVIGATION C) NIVEAUX DE LA VUE D) MESURE DETAILLEE OU MESURE AGREGEE FIGURE 5.9. REPRESENTATION GRAPHIQUE DU SCHEMA DE VUE V CORILA-UNIT (VUE DE BASE) FIGURE REPRESENTATION GRAPHIQUE DU SCHEMA DE VUE V CORILA-POLLUTANT (VUE DE BASE) FIGURE REPRESENTATION GRAPHIQUE DU SCHEMA DE VUE V CORILA-UNIT-MONTH FIGURE REPRESENTATION GRAPHIQUE DE V CORILA-UNIT/TIME FIGURE A) SCHEMA DE HIERARCHIE H A ET INSTANCE DE H A B) HIERARCHIE REDUITE (SCHEMA ET INSTANCE) DE H A SUR S B FIGURE HIERARCHIE REDUITE DE H LAGOON_SPATIAL SUR S ZONE A) SCHEMA B) INSTANCE FIGURE REPRESENTATION GRAPHIQUE DE V CORILA-ZONE FIGURE EXEMPLES D APPLICATION DE L OPERATEUR BUFFER FIGURE REPRESENTATION CARTOGRAPHIQUE A) S ZONE B) SZONEB FIGURE REPRESENTATION GRAPHIQUE A) H LAGOON_SPATIAL_ZONE B) HLAGOON_SPATIAL_ZONEB FIGURE AGREGATION SUR LES COUSINS : MAZZORBO ET CANAL FONDELLO FIGURE 6.1. ARCHITECTURE DE GEWOLAP FIGURE 6.2. FICHER XML REPRESENTANT LE SCHEMA MONDRIAN D UNE APPLICATION MULTIDIMENSIONNELLE FIGURE 6.3. REQUETE MULTIDIMENSIONNELLE A) MDX B) TRADUCTION EN SQL FIGURE 6.4. DEFINITION D UN AGGREGATE TABLE FIGURE 6.5. INTERFACE VISUELLE DE GEWOLAP : CONTROL PANEL ET DATA PANEL FIGURE 6.6. TOOLBAR SIG FIGURE 6.7. TOOLBAR MULTIDIMENSIONNELLE NON-SPATIALE FIGURE 6.8. TOOLBAR MULTIDIMENSIONNELLE SPATIALE FIGURE 6.9. CONTROL PANEL A) NAVIGATION B) DISPLAY EXPORT C) ANALYSIS FIGURE SCHEMA CONCEPTUEL D UNE APPLICATION AVEC UNE HIERARCHIE SPATIALE

8 FIGURE SCHEMA MONDRIAN DE L APPLICATION DE FIGURE FIGURE SELECTION DES MEMBRES DE LA DIMENSION DES POLLUANTS ET DE LA DIMENSION GEOGRAPHIQUE A TRAVERS LE CUBE NAVIGATOR FIGURE REQUETE MDX GENEREE PAR JPIVOT A TRAVERS L INTERACTION AVEC LA TABLE DE PIVOT FIGURE VISUALISATION DE LA REQUETE MULTIDIMENSIONNELLE DE FIGURE FIGURE RELATIONS TOPOLOGIQUES ET SYNCHRONISATION DE LA COMPOSANTE CARTOGRAPHIQUE ET DE LA TABLE DE PIVOT FIGURE DRILL-DOWN SUR UNE DIMENSION CLASSIQUE ET SYNCHRONISATION DE LA COMPOSANTE CARTOGRAPHIQUE ET DE LA TABLE DE PIVOT FIGURE GEWOLAP DRILL-DOWN POSITION FIGURE GEWOLAP SLICE PREDICATE : 1) DONNEES INITIALES : TOUTES LES REGION DE LA LAGUNE 2) RESULTAT : REGIONS DE LA LAGUNE AVEC UNE SURFACE SUPERIEURE A 1000 KM FIGURE REQUETE SQL REPRESENTANT LE PREDICAT SPATIAL D UNE OPERATION DE COUPE FIGURE GEWOLAP BUFFER 1) DONNEES INITIALES 2) RESULTAT FIGURE ) DONNEES INITIALES 2) RESULTATS DU GEWOLAP OVERLAY FIGURE SCHEMA ISSU DE L OPERATION DE GEWOLAP OVERLAY FIGURE APPLICATION MULTIDIMENSIONNELLE AVEC LA MESURE GEOGRAPHIQUE «UNIT» FIGURE APPLICATION MULTIDIMENSIONNELLE AVEC LA MESURE COMPLEXE «POLLUTANT» ET LA DIMENSION GEOGRAPHIQUE «LAGOON» FIGURE SQUELETTE DU SCHEMA UTILISE POUR LA MODELISATION DES APPLICATIONS DES FIGURES 6.23 ET FIGURE BALISE MEASURE A) MESURE GEOGRAPHIQUE B) MESURE COMPLEXE FIGURE PROCESSUS D AGREGATION DES MESURES COMPLEXES ET GEOGRAPHIQUES FIGURE AGGREGATE TABLES POUR LA GESTION DE MESURES MULTIVALUEES A) «UNIT» B) «POLLUTANT» FIGURE MESURE GEOGRAPHIQUE «UNIT» FIGURE AGREGATION DES MESURES GEOGRAPHIQUES «UNIT» FIGURE TABLE DE PIVOT POUR LA MESURE COMPLEXE «POLLUTANT» FIGURE CARTE CHOROPLETHE POUR LA MESURE COMPLEXE «POLLUTANT» ASSOCIEE AU JOUR 19/9/05 ET A LA VALEUR DE POLLUTION MG/L FIGURE CARTE CHOROPLETHE POUR LA MESURE COMPLEXE «POLLUTANT» POUR LE JOUR 26/9/05 ET LA VALEUR DE POLLUTION MG/L FIGURE 7.1. EXTENSION DE LA TABLE DE PIVOT AVEC DES AFFICHAGES GRAPHIQUES ET DES VARIABLES VISUELLES DANS TABLEAU SOFTWARE FIGURE 7.2. SPACE-TIME CUBE A) ETUDE DES TRAJECTOIRES (KRAAK, 2003) B) ETUDE DES TREMBLEMENTS DE TERRE (GATALSKY ET AL., 2004) FIGURE 7.3. EXEMPLE DE GEOLAPIVOT TABLE FIGURE 7.4. APPLICATION MULTIDIMENSIONNELLE AVEC UNE MESURE GEOGRAPHIQUE «DISTRICT» ET UNE DIMENSION GEOGRAPHIQUE «LOCATION» FIGURE 7.5. MAQUETTE DE L INTERFACE QUI UTILISE LA GEOLAPIVOT TABLE FIGURE 7.6. DRILL DOWN SUR LA DIMENSION TEMPORELLE ET LA DIMENSION GEOGRAPHIQUE

9 Références

ÉVALUATION DES PRODUITS COMMERCIAUX OFFRANT DES CAPACITÉS

ÉVALUATION DES PRODUITS COMMERCIAUX OFFRANT DES CAPACITÉS pr ÉVALUATION DES PRODUITS COMMERCIAUX OFFRANT DES CAPACITÉS COMBINÉES D ANALYSE MULTIDIMENSIONNELLE ET DE CARTOGRAPHIE. Préparé par Marie-Josée Proulx, M.Sc. Sonia Rivest, M.Sc., chargées de recherche

Plus en détail

Datawarehouse: Cubes OLAP. Marlyse Dieungang Khaoula Ghilani

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

Plus en détail

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

Le Géodécisionnel. P7 : Projet Bibliographique Dans le cadre du Mastère ASIG. Les SIG au service du géodécisionnel.

Le Géodécisionnel. P7 : Projet Bibliographique Dans le cadre du Mastère ASIG. Les SIG au service du géodécisionnel. P7 : Projet Bibliographique Dans le cadre du Mastère ASIG Le Géodécisionnel Les SIG au service du géodécisionnel Thierry Lallemant 15 Mai 2008 Mastère ASIG / Projet Bibliographique 2008 1 TABLE DES MATIERES

Plus en détail

Déroulement de la présentation

Déroulement de la présentation Veille technologique portant sur le mariage judicieux de l intelligence d affaires et l information géospatiale Colloque Géomatique 2009, Montréal Marie-Josée Proulx, M.Sc., Présidente-directrice générale

Plus en détail

Urbanisation des SI-NFE107

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

Plus en détail

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

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

Plus en détail

BI2 : Un profil UML pour les Indicateurs Décisionnels

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

Plus en détail

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

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

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

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

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

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

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

Plus en détail

Rapport de DEA. Intégration de versions fonctionnelles dans les entrepôts de données multimédias au sein des systèmes OLAP. Anne-Muriel ARIGON

Rapport de DEA. Intégration de versions fonctionnelles dans les entrepôts de données multimédias au sein des systèmes OLAP. Anne-Muriel ARIGON Rapport de DEA Intégration de versions fonctionnelles dans les entrepôts de données multimédias au sein des systèmes OLAP Anne-Muriel ARIGON LIRIS INSA de Lyon Bâtiment 501 69621 Villeurbanne, France Encadré

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

Collabora'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: 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 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

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

Introduction à Business Objects. J. Akoka I. Wattiau

Introduction à Business Objects. J. Akoka I. Wattiau Introduction à Business Objects J. Akoka I. Wattiau Introduction Un outil d'aide à la décision accès aux informations stockées dans les bases de données et les progiciels interrogation génération d'états

Plus en détail

2 Serveurs OLAP et introduction au Data Mining

2 Serveurs OLAP et introduction au Data Mining 2-1 2 Serveurs OLAP et introduction au Data Mining 2-2 Création et consultation des cubes en mode client-serveur Serveur OLAP Clients OLAP Clients OLAP 2-3 Intérêt Systèmes serveurs et clients Fonctionnalité

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

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

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

2014/2015. Rapport 4 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ENCADRE PAR : MME L.LAMRINI ANOUAR OUFQIR SMARTSIR

2014/2015. Rapport 4 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ENCADRE PAR : MME L.LAMRINI ANOUAR OUFQIR SMARTSIR 2014/2015 Rapport 4 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ENCADRE PAR : ANOUAR OUFQIR MME L.LAMRINI SMARTSIR Table des matières Introduction... 2 Choix de l outil pour

Plus en détail

et les Systèmes Multidimensionnels

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

Plus en détail

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

FreeAnalysis. Schema Designer. Cubes

FreeAnalysis. Schema Designer. Cubes FreeAnalysis Schema Designer Cubes Charles Martin et Patrick Beaucamp BPM Conseil Contact : charles.martin@bpm-conseil.com, patrick.beaucamp@bpm-conseil.com Janvier 2013 Document : BPM_Vanilla_FreeAnalysisSchemaDesigner_v4.2_FR.odt

Plus en détail

Bases de données multidimensionnelles et mise en œuvre dans Oracle

Bases de données multidimensionnelles et mise en œuvre dans Oracle Bases de données multidimensionnelles et mise en œuvre dans Oracle 1 Introduction et Description générale Les bases de données relationnelles sont très performantes pour les systèmes opérationnels (ou

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

SQL Server 2014. SQL Server 2014. Implémentation d une solution. Implémentation d une solution de Business Intelligence.

SQL Server 2014. SQL Server 2014. Implémentation d une solution. Implémentation d une solution de Business Intelligence. Ce livre sur s adresse à toutes les personnes désireuses de mettre en œuvre les techniques de l informatique décisionnelle (ou BI, Business Intelligence) à l aide des composants de la suite Microsoft :

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

OPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE

OPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE OPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE «Journée Open Data» 5 Novembre 2013 Présenté par : Imen Megdiche Directeur de thèse : Pr. Olivier Teste (SIG-IRIT) Co-directeur de thèse : Mr. Alain

Plus en détail

Entrepôt de données 1. Introduction

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

Plus en détail

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

Big Data On Line Analytics

Big Data On Line Analytics Fdil Fadila Bentayeb Lb Laboratoire ERIC Lyon 2 Big Data On Line Analytics ASD 2014 Hammamet Tunisie 1 Sommaire Sommaire Informatique décisionnelle (BI Business Intelligence) Big Data Big Data analytics

Plus en détail

EXCEL & XLCubed 10 raisons d en faire l assise de votre Managed Self-Service BI

EXCEL & XLCubed 10 raisons d en faire l assise de votre Managed Self-Service BI EXCEL & XLCubed 10 raisons d en faire l assise de votre Managed Self-Service BI Préambule Excel au centre de la solution Si vous manipulez des rapports et tableaux de bord en somme des données - vous connaissez

Plus en détail

Modélisation d objets mobiles dans un entrepôt de données

Modélisation d objets mobiles dans un entrepôt de données Tao Wan, Karine Zeitouni Laboratoire PRISM, Université de Versailles 45, avenue des Etats-Unis, 78035 Versailles Cedex, France Tao.Wan@prism.uvsq.fr, Karine.Zeitouni@prism.uvsq.fr http://www.prism.uvsq.fr/users/karima/

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Méthodologie de recherche en cartographie criminelle

Méthodologie de recherche en cartographie criminelle 1 Présentation de l équipe Faculté des sciences Département des sciences géographiques Unité de géomatique (# climatologie, géomorphologie, géographie économique et sociale) Personnel : 4 professeurs,

Plus en détail

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

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

Plus en détail

HERMES SYSTEM et BEWISE souhaitent vous offrir les meilleures compétences.

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

Plus en détail

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

Bases de Données OLAP

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

Plus en détail

Pentaho : Comparatif fonctionnel entre la version Communautaire (gratuite) et la version Entreprise (payante) Table des matières

Pentaho : Comparatif fonctionnel entre la version Communautaire (gratuite) et la version Entreprise (payante) Table des matières Pentaho : Comparatif fonctionnel entre la version Communautaire (gratuite) et la version Entreprise (payante) Table des matières 1 2 3 4 PRÉSENTATION DE PENTAHO...2 LISTING DES COMPOSANTS DE LA PLATE-FORME...4

Plus en détail

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE. Ministère de l Enseignement Supérieur et de la Recherche Scientifique I.N.I THEME : Les outils OLAP

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE. Ministère de l Enseignement Supérieur et de la Recherche Scientifique I.N.I THEME : Les outils OLAP RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE Ministère de l Enseignement Supérieur et de la Recherche Scientifique I.N.I THEME : Les outils OLAP REALISE PAR : BENAKEZOUH Leïla & TIFOUS Amira Quatrième

Plus en détail

Cartographie sur demande sur le web et bases de données multidimensionnelles

Cartographie sur demande sur le web et bases de données multidimensionnelles Cartographie sur demande sur le web et bases de données multidimensionnelles De la personnalisation par couches cartographiques à la personnalisation par occurrences Eveline Bernier - Yvan Bédard - Mélanie

Plus en détail

OLAP : Mondrian + Pentaho. Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot

OLAP : Mondrian + Pentaho. Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot OLAP : Mondrian + Pentaho Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot Outils Open Source Mondrian : serveur OLAP JFreeReport : ou9l de «Repor9ng» KeHle

Plus en détail

Entrepôt 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 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 détail

Oracle Décisionnel : Modèle OLAP et Vue matérialisée D BILEK

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

Plus en détail

Techniques d optimisation des requêtes dans les data warehouses

Techniques d optimisation des requêtes dans les data warehouses Techniques d optimisation des requêtes dans les data warehouses Ladjel Bellatreche LISI/ENSMA Téléport2-1, Avenue Clément Ader 86960 Futuroscope - FRANCE bellatreche@ensma.fr Résumé Un entrepôt de données

Plus en détail

Fouille de Données : OLAP & Data Warehousing

Fouille de Données : OLAP & Data Warehousing Fouille de Données : OLAP & Data Warehousing Nicolas Pasquier Université de Nice Sophia-Antipolis Laboratoire I3S Chapitre 2. Data warehousing Définition : qu est-ce que le data warehousing? Entrepôt de

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

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

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

Plus en détail

Objectif. Participant. Prérequis. Oracle BI Suite EE 10g R3 - Développer des référentiels. 5 Jours [35 Heures]

Objectif. Participant. Prérequis. Oracle BI Suite EE 10g R3 - Développer des référentiels. 5 Jours [35 Heures] Objectif Utiliser les techniques de gestion de la mise en cache pour contrôler et améliorer les performances des requêtes Définir des mesures simples et des mesures calculées pour une table de faits Créer

Plus en détail

Chapitre IX. L intégration de données. Les entrepôts de données (Data Warehouses) Motivation. Le problème

Chapitre IX. L intégration de données. Les entrepôts de données (Data Warehouses) Motivation. Le problème Chapitre IX L intégration de données Le problème De façon très générale, le problème de l intégration de données (data integration) est de permettre un accès cohérent à des données d origine, de structuration

Plus en détail

basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML

basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML http://olivier-augereau.com Sommaire Introduction I) Les bases II) Les diagrammes

Plus en détail

PERFORMANCE BASE DE DONNÉES

PERFORMANCE BASE DE DONNÉES PERFORMANCE BASE DE DONNÉES Abel Afonso Avant Vente abel.afonso@oracle.com The following is intended to outline our general product direction. It is intended for information purposes only, and may not

Plus en détail

JEDOX FACTSHEETS SELF-SERVICE BUSINESS INTELLIGENCE, ANALYTICS & PERFORMANCE MANAGEMENT

JEDOX FACTSHEETS SELF-SERVICE BUSINESS INTELLIGENCE, ANALYTICS & PERFORMANCE MANAGEMENT 1. Excel Add-In 2. 3. 4. OLAP-Server 5. ETL 6. SAP 7. 8. Profil JEDOX FACTSHEETS SELF-SERVICE BUSINESS INTELLIGENCE, ANALYTICS & PERFORMANCE MANAGEMENT Excel OLAP Server ETL SAP JEDOX EXCEL ADD-IN Transformer

Plus en détail

Introduction: 1. définition d un ETL 2. importance et diversité des données spatiales utilitédes ETL géographiques

Introduction: 1. définition d un ETL 2. importance et diversité des données spatiales utilitédes ETL géographiques 1 2 Introduction: 1. définition d un ETL 2. importance et diversité des données spatiales utilitédes ETL géographiques 3 ETL = extracto-chargeur = datadumping La Business Intelligence, BI, (ou informatique

Plus en détail

25/05/2012. Business Intelligence. Plan de Présentation

25/05/2012. Business Intelligence. Plan de Présentation Business Intelligence Prof. Mourad Oubrich Plan de Présentation Définition de la BI Chaine de la valeur de la BI Marché de la BI Métiers de la BI Architecture de la BI Technologie SAP BI Les priorités

Plus en détail

Les entrepôts de données et l analyse de données

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

Plus en détail

Mémoire de fin d études. Thème Conception et réalisation d un Data Warehouse pour la mise en place d un système décisionnel

Mémoire de fin d études. Thème Conception et réalisation d un Data Warehouse pour la mise en place d un système décisionnel Mémoire de fin d études Pour l obtention du diplôme d Ingénieur d Etat en Informatique Option : Systèmes d information Thème Conception et réalisation d un Data Warehouse pour la mise en place d un système

Plus en détail

Architecture d'entreprise : Guide Pratique de l'architecture Logique

Architecture d'entreprise : Guide Pratique de l'architecture Logique Guides Pratiques Objecteering Architecture d'entreprise : Guide Pratique de l'architecture Logique Auteur : Version : 1.0 Copyright : Softeam Equipe Conseil Softeam Supervisée par Philippe Desfray Softeam

Plus en détail

Foire aux questions 2015

Foire aux questions 2015 2015 L information contenue dans ce document peut changer sans préavis et ne représente aucun engagement de la part du vendeur ou de ses représentants. Ce document ne peut être reproduit ou diffusé en

Plus en détail

Suite Jedox La Business-Driven Intelligence avec Jedox

Suite Jedox La Business-Driven Intelligence avec Jedox Suite La Business-Driven Intelligence avec Une solution intégrée pour la simulation, l analyse et le reporting vous offre la possibilité d analyser vos données et de gérer votre planification selon vos

Plus en détail

Université de Bangui. Modélisons en UML

Université de Bangui. Modélisons en UML Université de Bangui CRM Modélisons en UML Ce cours a été possible grâce à l initiative d Apollinaire MOLAYE qui m a contacté pour vous faire bénéficier de mes connaissances en nouvelles technologies et

Plus en détail

Développer des Applications Internet Riches (RIA) avec les API d ArcGIS Server. Sébastien Boutard Thomas David

Développer des Applications Internet Riches (RIA) avec les API d ArcGIS Server. Sébastien Boutard Thomas David Développer des Applications Internet Riches (RIA) avec les API d ArcGIS Server Sébastien Boutard Thomas David Le plan de la présentation Petit retour sur les environnements de développement ArcGIS Server

Plus en détail

Bases de Données. Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre

Bases de Données. Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre Bases de Données Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre Synthèse : conception de BD langage de modélisation famille de SGBD SGBD Analyse du

Plus en détail

Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP)

Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP) Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP) Définition (G. Gardarin) Entrepôt : ensemble de données historisées variant

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

TP Conception de Datawarehouse Initiation à ORACLE WAREHOUSE BUILDER Cédric du Mouza

TP Conception de Datawarehouse Initiation à ORACLE WAREHOUSE BUILDER Cédric du Mouza TP Conception de Datawarehouse Initiation à ORACLE WAREHOUSE BUILDER Cédric du Mouza Ce TP s appuie sur le tutorial de prise en main de Oracle Warehouse Builder, que vous pouvez trouver en anglais sur

Plus en détail

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/ Systèmes de gestion de bases de données Introduction Université d Evry Val d Essonne, IBISC utiles email : cinzia.digiusto@gmail.com webpage : http://www.ibisc.univ-evry.fr/ digiusto/ Google+ : https://plus.google.com/u/0/b/103572780965897723237/

Plus en détail

Hervé Couturier EVP, SAP Technology Development

Hervé Couturier EVP, SAP Technology Development Hervé Couturier EVP, SAP Technology Development Hervé Biausser Directeur de l Ecole Centrale Paris Bernard Liautaud Fondateur de Business Objects Questions à: Hervé Couturier Hervé Biausser Bernard Liautaud

Plus en détail

L information et la technologie de l informationl

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

Plus en détail

Visual Paradigm Contraintes inter-associations

Visual Paradigm Contraintes inter-associations Visual Paradigm Contraintes inter-associations Travail de Bachelor d'informaticien de gestion Partie C Présentation de Visual Paradigm 1 Présentation de Visual Paradigm For UML L objet du travail de Bachelor

Plus en détail

Plan. Ce qu est le datawarehouse? Un modèle multidimensionnel. Architecture d un datawarehouse. Implémentation d un datawarehouse

Plan. Ce qu est le datawarehouse? Un modèle multidimensionnel. Architecture d un datawarehouse. Implémentation d un datawarehouse Datawarehouse 1 Plan Ce qu est le datawarehouse? Un modèle multidimensionnel Architecture d un datawarehouse Implémentation d un datawarehouse Autres développements de la technologie data cube 2 Ce qu

Plus en détail

SharePoint (Toute la Gamme)... 1 Office 2010 (Toute la Gamme)... 2 OLAP (Toute la Gamme)... 2 STATISTICA Connecteur PI (Produit Complémentaire)...

SharePoint (Toute la Gamme)... 1 Office 2010 (Toute la Gamme)... 2 OLAP (Toute la Gamme)... 2 STATISTICA Connecteur PI (Produit Complémentaire)... SharePoint (Toute la Gamme)... 1 Office 2010 (Toute la Gamme)... 2 OLAP (Toute la Gamme)... 2 STATISTICA Connecteur PI (Produit Complémentaire)... 3 Introduction... 3 Échelle Interactive... 4 Navigation

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

SQL Server 2012 et SQL Server 2014

SQL Server 2012 et SQL Server 2014 SQL Server 2012 et SQL Server 2014 Principales fonctions SQL Server 2012 est le système de gestion de base de données de Microsoft. Il intègre un moteur relationnel, un outil d extraction et de transformation

Plus en détail

Evry - M2 MIAGE Entrepôts de Données

Evry - M2 MIAGE Entrepôts de Données Evry - M2 MIAGE Entrepôts de Données Modélisation décisionnelle D. Ploix - M2 MIAGE - Conception EDD 1 Plan Construction de l entrepôt : les faits et les dimensions Préparation de l analyse : Les agrégats

Plus en détail

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

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

Plus en détail

Mercredi 15 Janvier 2014

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

Plus en détail

Approche de modélisation multidimensionnelle des. des données complexes : Application aux données médicales. 5èmes Journées

Approche de modélisation multidimensionnelle des. des données complexes : Application aux données médicales. 5èmes Journées Approche de modélisation multidimensionnelle des données complexes : Application aux données médicales Sid Ahmed Djallal Midouni, Jérôme Darmont, Fadila Bentayeb To cite this version: Sid Ahmed Djallal

Plus en détail

Les outils actuels permettent-ils d automatiser la production de cartes? De quels outils dispose-t-on?

Les outils actuels permettent-ils d automatiser la production de cartes? De quels outils dispose-t-on? Le "Portrait de la Biodiversité Communale" est un document réalisé au niveau national pour chaque commune, regroupant les connaissances publiques disponibles et mobilisables à l'échelle nationale en matière

Plus en détail

PRODIGE V3. Manuel utilisateurs. Consultation des métadonnées

PRODIGE V3. Manuel utilisateurs. Consultation des métadonnées PRODIGE V3 Manuel utilisateurs Consultation des métadonnées Pour plus d'information sur le dispositif : à remplir par chaque site éventuellement 2 PRODIGE V3 : Consultation des métadonnées SOMMAIRE 1.

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

ANNEXE 2 DESCRIPTION DU CONTENU DE L OFFRE BUSINESS INFORMATION AND ANALYSIS PACKAGE

ANNEXE 2 DESCRIPTION DU CONTENU DE L OFFRE BUSINESS INFORMATION AND ANALYSIS PACKAGE ANNEXE 2 DESCRIPTION DU CONTENU DE L OFFRE BUSINESS INFORMATION AND ANALYSIS PACKAGE (BUSINESS INTELLIGENCE PACKAGE) Ce document propose une présentation générale des fonctions de Business Intelligence

Plus en détail

Qu est-ce que ArcGIS?

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

Plus en détail

Entrepôts de Données

Entrepôts de Données République Tunisienne Ministère de l Enseignement Supérieur Institut Supérieur des Etudes Technologique de Kef Support de Cours Entrepôts de Données Mention : Technologies de l Informatique (TI) Parcours

Plus en détail

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

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

Plus en détail

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

palais des congrès Paris 7, 8 et 9 février 2012

palais des congrès Paris 7, 8 et 9 février 2012 palais des congrès Paris 7, 8 et 9 février 2012 Analysis Services 2012 BI Personnelle, couche sémantique, cube, quelle(s) solution(s) pour un nouveau projet décisionnel? 08/02/2012 Aurélien KOPPEL Microsoft

Plus en détail

Fonctionnalités des différentes éditions de SQL Server 2012

Fonctionnalités des différentes éditions de SQL Server 2012 Fonctionnalités des différentes éditions de SQL Server 2012 Cette rubrique décrit les s prises en charge par les versions de SQL Server 2012. Toutes les s de SQL Server 2008 R2 sont disponibles dans les

Plus en détail

ArcGIS 10 Christophe Tourret Gaëtan Lavenu

ArcGIS 10 Christophe Tourret Gaëtan Lavenu ArcGIS 10 Christophe Tourret Gaëtan Lavenu ArcGIS 10 Bureautique Web Mobile 10 9.3.1 Online/Cloud Serveur 9.0 9.1 9.2 9.3 Projets ArcGIS 10 Imagerie Partage Productivité Gestion des données Temporalité

Plus en détail

Evolution et architecture des systèmes d'information, de l'internet. Impact sur les IDS. IDS2014, Nailloux 26-28/05/2014 pascal.dayre@enseeiht.

Evolution et architecture des systèmes d'information, de l'internet. Impact sur les IDS. IDS2014, Nailloux 26-28/05/2014 pascal.dayre@enseeiht. Evolution et architecture des systèmes d'information, de l'internet. Impact sur les IDS IDS2014, Nailloux 26-28/05/2014 pascal.dayre@enseeiht.fr 1 MVC et le web 27/05/14 2 L'évolution des systèmes informatiques

Plus en détail

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

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

Plus en détail

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