Bases de Données OLAP

Dimension: px
Commencer à balayer dès la page:

Download "Bases de Données OLAP"

Transcription

1 Bases de Données OLAP Hiver 2013/2014 Melanie Herschel Université Paris Sud, LRI Chapitre 1 Introduction Détails administratifs Entrepôts de Données Perspective sur le semestre 2 Credit: Michael Marcol

2 Horaires et Site Web Cours Horaire Dates lundi, 13h30 à 16h30 23/9 jeudi, 13h30 à 16h30 3/10, 10/10,17/10, 24/10, 7/11, 21/11, 28/11 Travaux dirigés Horaire Dates lundi, 13h30 à 16h30 7/10, 14/10, 21/10, 4/11, 25/11, 2/12 jeudi, 13h30 à 16h30 14/11, 5/12 mer., 13h30 à 16h30 16/10 Les transparents et autres informations concernant le cours seront accessibles sur ce site 3 Connaissances Connaissances requises: Introduction aux Bases de Données Modèle relationnel Modèle entité association SQL Connaissances préférables: Implémentation de Bases de Données Implémentations de jointures Optimisation de requêtes 4

3 Travaux Dirigés Pendant chaque heure de TD, une feuille d exercices sera distribuée. Vous pouvez résoudre les exercices dans une première partie du TD par groupe de deux étudiants. Je suis bien sur là pour répondre à toutes vos questions. Dans la seconde partie du TD, les exercices sont présentés par les étudiants et discutés. Dans certains cas, des informations approfondies seront données qui complèteront le cours. 5 Examen et Contrôle Continu Examen Sous forme écrite Durée: 90 minutes Aucune aide ni ressource n est autorisée Date à déterminer Contrôle continu Partiels le 4 novembre 2013 (13h30-15h00) Feuille d exercices similaires aux exercices des feuilles de TD Travail individuel, situation d examen 6

4 Concernant ces Transparents... Petits quiz Définition Prenez des notes Exemple Code 7 Litérature Christian S. Jensen, Torben Bach Pedersen und Christian Thomsen. Multidimensional Databases and Data Warehousing. Synthesis Lecture on Data Management, Morgan & Claypool. Voir également les liens cités en cours 8

5 Questions & Feedback N hésitez pas à poser des questions! Pendant le cours Par ou par téléphone Feedback et suggestions sont les bienvenus! Transparents Informations sur le Web... 9 Chapitre 1 Introduction Détails administratifs Entrepôts de Données Perspective sur le semestre 10 Credit: Michael Marcol

6 Systèmes OLAP OLAP = Online Analytical Processing Requêtes effectuant des analyses complexes sur des données. Informatique décisionnelle Business intelligence (BI) Dans ce cours, nous nous limitons Aux données relationnelles Aux données stockées dans des entrepôts de données (data warehouses (DW)) 11 Applications de Systèmes OLAP Gestion de risques chez les assurances Analyse de marché chez WalMart et Co. à travers toutes les filiales Gestion de la relation client (customer relationship management (CRM)) chez Amazon et partenaires Logistique mondiale chez UPS Analyse de données scientifiques (physiques, biologiques, etc.) acquises à travers le monde... Propriétés essentielles Intégration de données provenant de sources multiples afin d obtenir une vue globale. Analyse de larges volumes de données (peta ebay, Walmart, etc.). 12

7 Vendeurs Commerciaux IBM Teradata Oracle SAP... Open source Talend Clover Définition d un Entrepôt de Données Définition originale de William H. Inmon A data warehouse is a subject oriented, integrated, time variant, non-volatile collection of data in support of management s decision making process. [Inmon92] subject oriented: dédié à un type d entité précis. Exemples: des ventes, des produits ou des magasins. integrated: les données proviennent de plusieurs systèmes de bases de données, dis de source. Exemples: Différents catalogues de La Redoute, stocks à travers la France, chiffre d affaires dans différents pays. time-variant: l entrepôt de données (DW) montre l évolution temporelle de l entité observée. non-volatile: Les données ne sont pas effacées ou modifiées ultérieurement, la seule modifications de l ensemble des données est l ajout de données. 14

8 Exemple Motivant l Utilisation d un DW Une ou plusieurs bases de données (similaires) stockant des informations concernant la vente de livres. Les données opérationnelles sont souvent actualisées.! Par chaque commande! Par des modifications de catalogue quotidiennes Le management requiert de l aide à la décision (decision support) Ceci engendre des requêtes complexes sur les données. 15 Exemple Motivant l Utilisation d un DW Commande de livres par internet SQL 16

9 Exemple Motivant l Utilisation d un DW Commande de livres par internet portefeuille ventes publicité SQL 16 Exemple Motivant l Utilisation d un DW Commande de livres par internet sauvegarde, débit, équilibrage de charge portefeuille ventes publicité SQL 16

10 Exemple Motivant l Utilisation d un DW Commande de livres par internet sauvegarde, débit, équilibrage de charge conflit d objectifs portefeuille ventes publicité SQL 16 Exemple Motivant l Utilisation d un DW La base de données correspondante Year id year Month Id Month year_id Day Id day month_id Order Order_id book_id amount single_price Orders Id Day_id Customer_id Total_amt Bookgroup id name Book id Book_group_id Customer id name 17

11 Exemple Motivant l Utilisation d un DW Question du directeur du marketing Combien de commandes avons nous clôturées dans le mois précédant Noël en fonction du groupe de produit? Year id year Month Id Month year_id Day Id day month_id Order Order_id book_id amount single_price Orders Id Day_id Customer_id Total_amt Bookgroup id name Book id Book_group_id Customer id name 18 Exemple Motivant l Utilisation d un DW Question du directeur du marketing Combien de commandes avons nous clôturées dans le mois précédant Noël en fonction du groupe de produit? Year id year Month Id Month year_id Day Id day month_id Order Order_id book_id amount single_price Orders Id Day_id Customer_id Total_amt Bookgroup id name Book id Book_group_id Customer id name 18

12 Exemple Motivant l Utilisation d un DW Implémentation Requête SQL du directeur de marketing SELECT! Y.year, BG.name, COUNT(B.id) FROM year Y, month M, day D, order O, orders OS, book B, bookgroup BG WHERE! M.year = Y.id and! M.id = D.month and! O.day_id = D.id and! OS.order_id = O.id and! B.id = O.book_id and! B.book_group_id = BG.id and! day < 24 and month = 12 GROUP BY Y.year, PG.product_name ORDER BY Y.year 19 Exemple Motivant l Utilisation d un DW Implémentation Requête SQL du directeur de marketing SELECT! Y.year, BG.name, COUNT(B.id) FROM year Y, month M, day D, order O, orders OS, book B, bookgroup BG WHERE! M.year = Y.id and! M.id = D.month and! O.day_id = D.id and! OS.order_id = O.id and! B.id = O.book_id and! B.book_group_id = BG.id and! day < 24 and month = 12 GROUP BY Y.year, PG.product_name ORDER BY Y.year 6 jointures Year: 10 tuples Month: 120 tuples Day: 3650 tuples Orders: tuples Order: tuples Books: tuples Bookgroups: 100 tuples Problème! Optimisation de requête (ordre des jointures) Résultats intermédiaires peuvent être gigantesques (dépend du plan d exécution choisi) Requêtes similaires résultats intermédiaires comparables 19

13 Exemple Motivant l Utilisation d un DW En réalité... Il y a les bases de données des différents pays, par exemple: Amazon.fr Amazon.de Amazon.it... Requête distribuée COUNT et UNION sur plusieurs requêtes identiques executées sur différentes bases de données? 20 Exemple Motivant l Utilisation d un DW En réalité... FR DE IT UK PL 21

14 Exemple Motivant l Utilisation d un DW Implémentation (utilisation d une vue) Définition d une vue CREATE VIEW christmas AS! SELECT! Y.year, PG.name, count(b.id) FROM!! DE.year Y, DE.month M, DE.day D, DE.order O,... WHERE! M.year = Y.id and... GROUP BY!Y.year, PG.product_name ORDER BY! Y.year UNION! SELECT! Y.year, PG.name, count(b.id) FROM! EN.year Y, EN.month M, EN.day D, DE.order O,... WHERE! M.year = Y.id and Exemple Motivant l Utilisation d un DW Implémentation (utilisation d une vue) Définition d une vue CREATE VIEW christmas AS! SELECT! Y.year, PG.name, count(b.id) FROM!! DE.year Y, DE.month M, DE.day D, DE.order O,... WHERE! M.year = Y.id and... GROUP BY!Y.year, PG.product_name ORDER BY! Y.year UNION! SELECT! Y.year, PG.name, count(b.id) FROM! EN.year Y, EN.month M, EN.day D, DE.order O,... WHERE! M.year = Y.id and... Utilisation de la vue dans une requête SQL SELECT! year, name, SUM(B.id) FROM!! christmas GROUP BY! year, name ORDER BY! year! 22

15 Exemple Motivant l Utilisation d un DW Implémentation (utilisation d une vue) Définition d une vue CREATE VIEW christmas AS! SELECT! Y.year, PG.name, count(b.id) FROM!! DE.year Y, DE.month M, DE.day D, DE.order O,... WHERE! M.year = Y.id and... GROUP BY!Y.year, PG.product_name ORDER BY! Y.year UNION! SELECT! Y.year, PG.name, count(b.id) FROM! EN.year Y, EN.month M, EN.day D, DE.order O,... WHERE! M.year = Y.id and... Utilisation de la vue dans une requête SQL SELECT! year, name, SUM(B.id) FROM!! christmas GROUP BY! year, name ORDER BY! year! 22 Exemple Motivant l Utilisation d un DW Problèmes de la solution présentée Question 1: COUNT et UNION sur des bases de données distribuées? Problème d hétérogénéité Le sources adaptent leurs schémas Cas particuliers de différents pays à modeler (format d adresse, TVA, frais d envoi, soldes,...) Des différences de schéma peuvent refléter des différences sémantiques entre les données stockées. Question 2: Calcul de gigantesques résultats intermédiaires? Problème de volume des données Transport de ces données sur le réseau Vue historique -Le volume de données augmente régulièrement Des bases de données opérationnelles n ont pas besoin de données historiques Objectif: Effacer les données le plus vite possible (commandes clôturées) Manager n a pas besoin de toutes les données opérationnelles Objectif: Garder toutes les données intéressantes 23

16 Exemple Motivant l Utilisation d un DW Solution au Problème d Hétérogénéité? FR DE IT BD centrale Problèmes: Toutes les agences doivent utiliser le réseau pour leurs opérations d écriture Long temps de réponse en mode opérationnel Problème du volume de données non résolu. 24 Exemple Motivant l Utilisation d un DW Solution au Problème d Hétérogénéité? FR DE IT BD centrale Problèmes: Toutes les agences doivent utiliser le réseau pour leurs opérations d écriture Long temps de réponse en mode opérationnel Problème du volume de données non résolu. 24

17 Exemple Motivant l Utilisation d un DW Solution au Problème du Temps de Réponse en Mode Opérationnel? IT Problèmes: Requêtes locales en mode opérationnel rapides Mais long temps de réponse pour des requêtes d analyse stratégique. Problème de l hétérogénéité non résolu 25 Exemple Motivant l Utilisation d un DW Solution au Problème du Temps de Réponse en Mode Opérationnel? FR DE IT Problèmes: Requêtes locales en mode opérationnel rapides Mais long temps de réponse pour des requêtes d analyse stratégique. Problème de l hétérogénéité non résolu 25

18 Exemple Motivant l Utilisation d un DW Solution au Problème du Temps de Réponse en mode analytique? Replikation Replikation A Problèmes: Requêtes locales travaillent sur de très grandes relations Temps de réponse augmente en mode opérationnel Long temps de réponse également pour les requêtes analytiques, car priorité doit être données au fonctionnement opérationnel 26 Exemple Motivant l Utilisation d un DW Solution au Problème du Temps de Réponse en mode analytique? A Replikation A Replikation A Problèmes: Requêtes locales travaillent sur de très grandes relations Temps de réponse augmente en mode opérationnel Long temps de réponse également pour les requêtes analytiques, car priorité doit être données au fonctionnement opérationnel 26

19 Exemple Motivant l Utilisation d un DW Solution réelle Construction d un Data Warehouse Données redondantes (dans systèmes opérationnels et DW) DW stocke des données sélectionnées et transformées Modélisation spéciale Actualisation des données asynchrone 27 BDs Opérationnelles vs. Entrepôt de Données Du point de vue de l application Utilisateur Durée et type d interaction Structure d une requête Etendue d une reqête Nombre d accès concurrents Nombre d utilisateurs BDs opérationnelles adjoint administratif très courte (>= quelques secondes) Insert, Update, Delete simple (par exemple peu de jointures) un nombre de tuples modéré (souvent, un seul tuple est concerné) beaucoup (des milliers) beaucoup Entrepôt de données Manager, contrôleur, analyste Requêtes d analyse longues (minutes voir heures) Lecture, ajout périodiques complexe, mais suivant en général un schéma défini au préalable beaucoup de tuples (pour la plupart des requêtes de plage de données) peu (des centeines) peu ( <= quelques centaines) 28

20 BDs Opérationnelles vs. Entrepôt de Données Du point de vue du stockage de données Sources de données Conception du schéma Propriétés des données Volume de données Temps de réponse typique Disponibilité BDs opérationnelles un seul système BD indépendante du type de requête (3FN) originales actuelles autonomes dynamiques méga-octets - giga-octets ms - s très haute disponibilité (Arrêt peut couter des millions!) Entrepôt de données plusieurs systèmes BD indépendants basée sur les requêtes analytiques envisagées dérivées/ consolidées historiques intégrées stables (pré-)agrégée partiellement tera-octets - peta-octets s - min haute disponibilité souhaitée, mais n est en générale pas critique 29 BDs Opérationnelles vs. Entrepôt de Données Du point de vue de l architecture BDs opérationnelles Architecture à 3 bandes ANSI-SPARC Se prête aux données d une source de données pas d hétérogénéité Entrepôt de données Un DW intègre des données de plusieurs sources. Ces sources sont typiquement hétérogènes (au niveau du schéma, par exemple nom vs. non de famille; dans les données, par exemple vs. 01/06,...) Architecture se prêtant à l intégration de données de différentes sources Détails au chapitre 2 30

21 BDs Opérationnelles vs. Entrepôt de Données Du point de vue du modèle de stockage BDs opérationnelles Evitent redondance / anomalies Schéma en 3FN Schéma conçu indépendamment des requêtes année Entrepôt de données Modèle utilisant des dimensions et mesures, basées sur les requêtes analytiques envisagées. Redondance possible voir désirée Modèle multidimensionnel Détails au chapitre Books CDs DVDs... région... North America Asia Europe groupe de produit 31 BDs Opérationnelles vs. Entrepôt de Données Du point de vue des requêtes BDs opérationnelles Requêtes transactionnelles Insertion, modification, effacement, selection Requêtes accédant à un / peu de tuples Optimisation de requête classique UPDATE Order SET amount = amount + 1 WHERE OrderID = 1 AND BookID = 204 Data Warehouse Requêtes analytiques Chargement en masse(bulk-insert) et selection Requêtes typiques (drill down, slice, dice,...) Techniques d optimisation de requêtes spécialisées Details au chapitres 4 et 5 année Books CDs DVDs... région... North America Asia Europe groupe de produit 32

22 Extraction-Transformation-Chargement (ETC) Extract-Transform-Load (ETL) Comment ajouter les données au DW? Extraction de données pertinentes des sources. Transformation des données extraites pour conformer au schéma du DW et aux exigences à la qualité de données. Chargement des données transformées dans le DW. 33 Processus de Développement d un DW Intégration de plusieurs sources de données, souvent autonomes, requiert les mesures suivantes: Intégration / concours des départements spécialisés Faire adopter les exigences à la qualité de données Langage commun Garantir que le processus peut être suivi facilement Penser du produit vers le processus 34

23 Chapitre 1 Introduction Détails administratifs Entrepôts de Données Perspective sur le semestre 35 Credit: Michael Marcol Agenda de ce Cours Chapitre 1: Introduction Définition d un entrepôt de données (DW) Motivation pour construire un DW Différences entre bases de données opérationnelles et DW Chapitre 2: Architectures de systèmes DW Composantes d un système DW Configurations Facilitation de l intégration Chapitre 3:Modélisation Modèle multidimensionnel (dimensions, mesures, cubes) Implémentation relationnelle du modèle (star-schema, snowflake-schema) 36

24 Agenda de ce Cours Chapitre 4: Requêtes Types de requêtes (slice, dice, drill-down,...) Spécification de requêtes (extensions SQL, MDX) Chapitre 5: Traitement de requêtes et optimisation Partitionnement Vue matérialisées 37 Questions? Sur le contenu de ce cours? Sur le contrôle continu / l examen? Sur le déroulement?... 38

Bases de Données OLAP. Bienvenue. Chapitre 1 Introduction. Horaires et Site Web. Melanie Herschel. Hiver 2011/2012

Bases de Données OLAP. Bienvenue. Chapitre 1 Introduction. Horaires et Site Web. Melanie Herschel. Hiver 2011/2012 Bases de Données OLAP Hiver 2011/2012 Melanie Herschel melanie.herschel@lri.fr Université Paris Sud, Groupe Bases de Données, LRI Bienvenue Je suis... 2000-2003 2003-2007 D origine lorraine et bavaroise

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

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

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

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

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

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

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

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

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

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

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

BI = Business Intelligence Master Data-ScienceCours 5 - MDX

BI = Business Intelligence Master Data-ScienceCours 5 - MDX BI = Business Intelligence Master Data-Science Cours 5 - MDX UPMC 23 février 2015 Plan Vision générale ETL Datawarehouse OLAP Reporting Data Mining Définition OLAP En informatique, et plus particulièrement

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

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

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

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

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 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

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

IFT3030 Base de données. Chapitre 1 Introduction

IFT3030 Base de données. Chapitre 1 Introduction IFT3030 Chapitre 1 Introduction Plan du cours Introduction Architecture Modèles de données Modèle relationnel Algèbre relationnelle SQL Conception Fonctions avancées Concepts avancés Modèle des objets

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 A. 1ère génération Infocentre L'infocentre sert à prendre des décisions opérationnelles basées sur des valeurs courantes Définition L'infocentre est une collection de données orientées sujet, intégrées,

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

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

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

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

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

Sommaire. Introduction. Opérations typiques. Langages. Architectures

Sommaire. Introduction. Opérations typiques. Langages. Architectures OLAP IED 2006-2007 Sommaire Introduction Opérations typiques Langages Architectures Introduction Contexte un entrepôt de données offre des données - nombreuses - homogènes - exploitables - multidimensionnelles

Plus en détail

Présentation du module Base de données spatio-temporelles

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

Plus en détail

Indépendance données / applications

Indépendance données / applications Vues 1/27 Indépendance données / applications Les 3 niveaux d abstraction: Plusieurs vues, un seul schéma conceptuel (logique) et schéma physique. Les vues décrivent comment certains utilisateurs/groupes

Plus en détail

Les entrepôts de données pour les nuls... ou pas!

Les entrepôts de données pour les nuls... ou pas! Atelier aideà la Décision à tous les Etages AIDE@EGC2013 Toulouse Mardi 29 janvier 2013 Cécile Favre Fadila Bentayeb Omar Boussaid Jérôme Darmont Gérald Gavin Nouria Harbi Nadia Kabachi Sabine Loudcher

Plus en détail

Ecole des Hautes Etudes Commerciales HEC Alger. par Amina GACEM. Module Informatique 1ière Année Master Sciences Commerciales

Ecole des Hautes Etudes Commerciales HEC Alger. par Amina GACEM. Module Informatique 1ière Année Master Sciences Commerciales Ecole des Hautes Etudes Commerciales HEC Alger Évolution des SGBDs par Amina GACEM Module Informatique 1ière Année Master Sciences Commerciales Evolution des SGBDs Pour toute remarque, question, commentaire

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

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

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

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

Plus en détail

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

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 (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

SQL. Oracle. pour. 4 e édition. Christian Soutou Avec la participation d Olivier Teste

SQL. Oracle. pour. 4 e édition. Christian Soutou Avec la participation d Olivier Teste Christian Soutou Avec la participation d Olivier Teste SQL pour Oracle 4 e édition Groupe eyrolles, 2004, 2005, 2008, 2010, is BN : 978-2-212-12794-2 Partie III SQL avancé La table suivante organisée en

Plus en détail

GPC Computer Science

GPC Computer Science CYCLE ISMIN P2015 GPC Computer Science P LALEVÉE lalevee@emse.fr @p_lalevee A3.01 0442616715 C YUGMA yugma@emse.fr A3.01 0442616715 01/09/2014 Présentation GPC CS - Ph. Lalevée - C Yugma 1 Scolarité Site

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

Bases de Données OLAP. Systèmes Opérationnels vs. Entrepôts de Données Requêtes. Donné un Modèle Multidimensionnel

Bases de Données OLAP. Systèmes Opérationnels vs. Entrepôts de Données Requêtes. Donné un Modèle Multidimensionnel 007 006 00 00 00 00 Books s s North America Asia Europe Bases de Données OLAP Hiver 0/0 Melanie Herschel melanie.herschel@lri.fr Université Sud, Groupe Bases de Données, LRI Systèmes Opérationnels vs.

Plus en détail

Systèmes d informations nouvelles générations. Répartition, Parallèlisation, hétérogénéité dans les SGBD. Exemple d application d un futur proche

Systèmes d informations nouvelles générations. Répartition, Parallèlisation, hétérogénéité dans les SGBD. Exemple d application d un futur proche Répartition, Parallèlisation, hétérogénéité dans les SGBD AI Mouaddib Département Informatique Université de Caen Systèmes d informations nouvelles générations! Constat :! Utilisation de nouveaux support

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

BI4C, l analyse financière (profitabilité, solvabilité, valeur ajoutée, ) accessible en temps réel au management

BI4C, l analyse financière (profitabilité, solvabilité, valeur ajoutée, ) accessible en temps réel au management BI4C, l analyse financière (profitabilité, solvabilité, valeur ajoutée, ) accessible en temps réel au management Benoit Collin METRUM & IT Mgr HRT Group (Philippe Richelle Adm. élégué) Antoine Ngo Associate

Plus en détail

BONPRIX. Contexte et problématique : Les problèmes rencontrés :

BONPRIX. Contexte et problématique : Les problèmes rencontrés : BONPRIX BONPRIX fait communiquer en temps réel ses applications RPG Power i au moyen de Web Services avec le logiciel Strategi webservices Contexte et problématique : Bonprix est une société de vente à

Plus en détail

Les bases de données

Les bases de données Les bases de données Introduction aux fonctions de tableur et logiciels ou langages spécialisés (MS-Access, Base, SQL ) Yves Roggeman Boulevard du Triomphe CP 212 B-1050 Bruxelles (Belgium) Idée intuitive

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

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

Bases de Données OLAP

Bases de Données OLAP Bases de Données OLAP Hiver 013/014 Melanie Herschel melanie.herschel@lri.fr Université Sud, Groupe Bases de Données, LRI Systèmes Opérationnels vs. Entrepôts de Données Requêtes Requêtes BD opérationnelles

Plus en détail

Datawarehouse. C. Vangenot

Datawarehouse. C. Vangenot Datawarehouse C. Vangenot Plan Partie 1 : Introduction 1. Objectifs 2. Qu'est ce qu'un datawarehouse? 3. Pourquoi ne pas réutiliser les BD? Partie 2 : Implémentation d'un datawarehouse ROLAP MOLAP HOLAP

Plus en détail

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

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

Plus en détail

Évolution de modèle dans les entrepôts de données : existant et perspectives

Évolution de modèle dans les entrepôts de données : existant et perspectives EDA'07 3èmes journées francophones sur les Entrepôts de Données et l'analyse en ligne Poitiers, 7 et 8 Juin 2007 Évolution de modèle dans les entrepôts de données : existant et perspectives Cécile Favre,

Plus en détail

Présentation du cours

Présentation du cours LOG660 - Bases de données de haute performance Présentation du cours Automne 2015 Lévis Thériault Département de génie logiciel et des TI LOG660 Hiver 2012 C. Desrosiers 1 Informations de base Titre: Chargé

Plus en détail

Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques. Projet personnel. Thème : Présenté par IOGO Valentin

Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques. Projet personnel. Thème : Présenté par IOGO Valentin Master Professionnel Informatique Appliquée aux Systèmes d Informations Géographiques Projet personnel Thème : «Etude exploratoire des systèmes d information géographique décisionnels (SIG décisionnels)

Plus en détail

analyse Analyse de données avec le logiciel ABACUS Business Intelligence incluse

analyse Analyse de données avec le logiciel ABACUS Business Intelligence incluse analyse Analyse de données avec le logiciel ABACUS Business Intelligence incluse Business Intelligence ABACUS Des informations précieuses pour les entreprises peuvent dorénavant être extraites des données

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

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

TP Bases de données réparties

TP Bases de données réparties page 1 TP Bases de données réparties requêtes réparties Version corrigée Auteur : Hubert Naacke, révision 5 mars 2003 Mots-clés: bases de données réparties, fragmentation, schéma de placement, lien, jointure

Plus en détail

Accélérateur de votre RÉUSSITE

Accélérateur de votre RÉUSSITE Accélérateur de votre RÉUSSITE En choisissant SAP Business One, entrez dans un monde sans frontière, ouvert, mobile, agile et social. Achats Finance Avec une seule plateforme, vous répondez à l ensemble

Plus en détail

Bases de données. Modèle décisionnel. Jérôme Rocheteau. Lecture 8. Institut Catholique d Arts et Métiers Site de Nantes

Bases de données. Modèle décisionnel. Jérôme Rocheteau. Lecture 8. Institut Catholique d Arts et Métiers Site de Nantes Bases de données Lecture 8 1 / 25 Bases de données Modèle décisionnel Jérôme Rocheteau Institut Catholique d Arts et Métiers Site de Nantes Lecture 8 Bases de données Lecture 8 2 / 25 1 Structure multidimensionnelle

Plus en détail

BASES DE DONNÉES AVANCÉES

BASES DE DONNÉES AVANCÉES L3 Informatique Option : ISIL BASES DE DONNÉES AVANCÉES RAMDANI MED U-BOUIRA M. R A M D A N I @ U N I V - B O U I R A. D Z P E R S O. L I V E H O S T. F R Cours 5 : Evaluation et optimisation des requêtes

Plus en détail

Base de données en mémoire

Base de données en mémoire Base de données en mémoire Plan Bases de données relationnelles OnLine Analytical Processing Difficultés de l OLAP Calculs en mémoire Optimisations 1 Base de données relationnelle Introduction Date Exemple

Plus en détail

1.1/Architecture des SGBD Les architectures physiques de SGBD sont très liées au mode de répartition.

1.1/Architecture des SGBD Les architectures physiques de SGBD sont très liées au mode de répartition. LP Informatique(DA2I), F7 : Administration Système, Réseaux et Base de données 15/11/2007, Enseignant : M. Nakechbnadi, mail : nakech@free.fr Première parie : Administration d une BD Chapitre 1 : Architecture

Plus en détail

Introduction à l Informatique Décisionnelle - Business Intelligence (7)

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

Plus en détail

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

Prototype SOLAP appliqué sur des champs continus en mode raster

Prototype SOLAP appliqué sur des champs continus en mode raster Session démos 24 novembre 2014 Prototype SOLAP appliqué sur des champs continus en mode raster Analyse de hot spots de criminalité Jean-Paul Kasprzyk, doctorant Introduction 2 L informatique décisionnelle

Plus en détail

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

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

Objectifs. Maîtriser. Pratiquer

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

Plus en détail

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

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

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

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

L informatique des entrepôts de données

L informatique des entrepôts de données L informatique des entrepôts de données Daniel Lemire SEMAINE 8 Introduction à OLAP 8.1. Présentation de la semaine Le modèle OLAP (Online Analytical Processing) est un modèle quasiomniprésent en intelligence

Plus en détail

L2 sciences et technologies, mention informatique SQL

L2 sciences et technologies, mention informatique SQL Bases de données L2 sciences et technologies, mention informatique SQL ou : le côté obscure de la jolie théorie films titre réalisateur année starwars lucas 1977 nikita besson 1990 locataires ki-duk 2005

Plus en détail

Théodore Levitt Economiste américain, Professeur à Harvard. www.captivea.fr

Théodore Levitt Economiste américain, Professeur à Harvard. www.captivea.fr Théodore Levitt Economiste américain, Professeur à Harvard Conserver un client coûte 5 X moins cher que d en acquérir un nouveau Diapositive 3 Constat Les clients évoluent Moins fidèles, moins d attachement

Plus en détail

Bases de données avancées Introduction

Bases de données avancées Introduction Bases de données avancées Introduction Dan VODISLAV Université de Cergy-Pontoise Master Informatique M1 Cours BDA Plan Objectifs et contenu du cours Rappels BD relationnelles Bibliographie Cours BDA (UCP/M1)

Plus en détail

Modèle relationnel Création et modification des relations en SQL

Modèle relationnel Création et modification des relations en SQL Modèle relationnel Création et modification des relations en SQL ENT - Clé sql2009 BD - Mírian Halfeld-Ferrari p. 1 Insertion dans une relation Pour insérer un tuple dans une relation: insert into Sailors

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

Data Mining, fouille de données: Concepts et techniques. Marius Fieschi Faculté de Médecine de Marseille

Data Mining, fouille de données: Concepts et techniques. Marius Fieschi Faculté de Médecine de Marseille Data Mining, fouille de données: Concepts et techniques Marius Fieschi Faculté de Médecine de Marseille Data Mining, fouille de données: Concepts et techniques Ce cours est très proche du cours diffusé

Plus en détail

BASES DE DONNEES AVANCEES

BASES DE DONNEES AVANCEES 1.Introduction J.Korczak 1 BASES DE DONNEES AVANCEES Jerzy KORCZAK, Mohammed ATTIK email: {jjk,attik}@lsiit.u-strasbg.fr BDA Objectifs : Ce cours présente des méthodes, modèles et outils d'aide au développement

Plus en détail

Datawarehousing and OLAP

Datawarehousing and OLAP Datawarehousing and OLAP Datawarehousing Syllabus, materials, notes, etc. See http://www.info.univ-tours.fr/ marcel/dw.html today introduction definition data integration model Introduction introduction

Plus en détail

ISC21-1 --- Système d Information Architecture et Administration d un SGBD Compléments SQL

ISC21-1 --- Système d Information Architecture et Administration d un SGBD Compléments SQL ISC21-1 --- Système d Information Architecture et Administration d un SGBD Compléments SQL Jean-Marie Pécatte jean-marie.pecatte@iut-tlse3.fr 16 novembre 2006 ISIS - Jean-Marie PECATTE 1 Valeur de clé

Plus en détail

Livre Blanc Oracle Mars 2009. Rationaliser, Automatiser et Accélérer vos Projets Industriels

Livre Blanc Oracle Mars 2009. Rationaliser, Automatiser et Accélérer vos Projets Industriels Livre Blanc Oracle Mars 2009 Rationaliser, Automatiser et Accélérer vos Projets Industriels Introduction Pour relancer l économie, le gouvernement des États-Unis, l Union Européenne et la Chine ont développé

Plus en détail

Contexte. Objectif. Enjeu. Les 3 questions au cœur du Pilotage de la Performance :

Contexte. Objectif. Enjeu. Les 3 questions au cœur du Pilotage de la Performance : Contexte Il est naturel de construire et d adapter son système d information à son métier pour répondre aux besoins opérationnels et quotidiens. Facturation, production, gestion de stocks, ressources humaines,

Plus en détail

Sage Cockpit. Solution de Business Intelligence basée sur le Web et destinée aux évaluations et aux analyses

Sage Cockpit. Solution de Business Intelligence basée sur le Web et destinée aux évaluations et aux analyses Sage Cockpit Solution de Business Intelligence basée sur le Web et destinée aux évaluations et aux analyses Connaissez-vous votre entreprise? C est évident, vous connaissez votre entreprise. Mais savez-vous

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

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

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

Bases de données réparties

Bases de données réparties Bases de données réparties J. Akoka - I. Wattiau 1 Contexte Technologique : des solutions de communication efficace entre les machines des SGBD assurent la transparence des données réparties standardisation

Plus en détail

Business Intelligence - Introduction

Business Intelligence - Introduction Le cours Business Intelligence - Introduction Olivier Schwander UPMC 1 / 45 Le cours Organisation du cours http://www-connex.lip6.fr/~schwander/enseignement/ 2015-2016/m2stat_bi/

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

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

De l IaaS au SaaS, La BI au cœur du cloud

De l IaaS au SaaS, La BI au cœur du cloud De l IaaS au SaaS, La BI au cœur du cloud Cloud Computing World Expo 9 et 10 Avril 2014 Eric Bodilsen Directeur Général Adjoint Diademys Dominique Gire Directeur Associé Novulys Le groupe Diademys Evolution

Plus en détail

Systèmes de gestion de bases de données

Systèmes de gestion de bases de données Systèmes de gestion de bases de données Introduction a la notion de transaction P. Rigaux Cnam, dépt. informatique May 20, 2015 PR (Cnam, dépt. info) Systèmes de gestion de bases de données May 20, 2015

Plus en détail

Simplification des processus financiers avec la nouvelle application «Simple Finance» de SAP

Simplification des processus financiers avec la nouvelle application «Simple Finance» de SAP Simplification des processus financiers avec la nouvelle application «Simple Finance» de SAP Chantal Rivard, Consultante de Solution SAP Canada 26 novembre 2014 L énigme du temps, de l énergie et de l

Plus en détail

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

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

Plus en détail

NFA 008. Introduction à NoSQL et MongoDB 25/05/2013

NFA 008. Introduction à NoSQL et MongoDB 25/05/2013 NFA 008 Introduction à NoSQL et MongoDB 25/05/2013 1 NoSQL, c'est à dire? Les bases de données NoSQL restent des bases de données mais on met l'accent sur L'aspect NON-relationnel L'architecture distribuée

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