Informatique décisionnelle (Première partie) Emmanuelle Cravoisier
|
|
- Eric Cyprien Sylvain
- il y a 8 ans
- Total affichages :
Transcription
1 Informatique décisionnelle (Première partie) Emmanuelle Cravoisier
2 Informatique décisionnelle Concepts Présentation de Business Objects Conception d un univers Business Objects Structure générale d une base ED Construction et mise à disposition Quizz Glossaire Références
3 Concepts Pourquoi un entrepôt de données? Pour avoir une vue d ensemble de l activité traitée Année 1 Année 2 Année Etudiants Diplômés Enseignants Iatos Budget (KF) Reliquat (KF) Exemple de tableau de bord : quelques indicateurs pour une unité de formation et de recherche donnée.
4 Concepts Quelles difficultés à prendre en compte? Les sources de données évoluent à des rythmes différents Les sources de données sont techniquement hétérogènes et de qualité variable Il existe une hétérogénéité structurelle liée aux différentes représentations de l entreprise selon les métiers traités.
5 Concepts Comment réaliser un entrepôt de données? Extraction d informations sélectionnées dans les bases de données «sources» Vérification et, le cas échéant, transformation Injection dans une base de données «cible» Restitution de tableaux de bord et d indicateurs.
6 Concepts Bases sources Base cible Base source 1 Couche n Base source 2 Extracteur Transformeur Chargeur Outil d infocentre Etats, Web,... Base source 3 Couche 1 Schéma de principe de chargement d un ED
7 Concepts Quelles étapes dans un projet d entrepôt de données? La définition du cahier des charges La constitution d un méta-dictionnaire Le méta dictionnaire est constitué des méta données du projet. Il comprend les définitions générales et détaillées sur les notions utilisées (agrégats, tables de fait) dans la base cible de l entrepôt de données Le méta dictionnaire précise la définition des données, la façon dont elles sont calculées à partir des données issues des bases sources
8 Concepts Quelles étapes dans un projet d entrepôt de données? La collecte ou datapumping et l intégration dans une base de données cible (utilise les outils d ETL) : cette étape s appuie sur la gestion des méta données La diffusion des données auprès des utilisateurs et la gestion des conditions d accès à l information L administration : supervision de toutes les tâches précédentes.
9 Concepts Objectif de l entrepôt de données Mettre à disposition des données permettant de réaliser des tableaux de bord à double vocation : constat et/ou prévision Les tableaux de bord contiennent des indicateurs placés au croisement d une ligne et d une colonne Les utilisateurs des données doivent pouvoir les interroger de manière simple et en autonomie.
10 A l Université de Picardie, c est Datastage d IBM (ETL) et BO (outil d infocentre) qui sont utilisés depuis de nombreuses années. Concepts Les outils utilisés : ETL ou ETC : IBM, Oracle, Talend Outil d infocentre ou de Reporting : Business Objects, Cognos, SAP BW, etc Liste d'outils décisionnels
11 Présentation de Business Objects L outil s appuie sur deux notions importantes : les univers et les objets du métier. Un univers est une représentation totale ou partielle de la base de données, correspondant à des besoins particuliers d un utilisateur et constitué d un ensemble d objets du métier Ces objets sont des informations élémentaires, calculées ou agrégées, issues de la base de données L utilisateur qui travaille sur un univers choisit les objets qu il souhaite sélectionner, spécifie les restrictions ou les tris.
12 Présentation de Business Objects Business Objects dispose d une interface de définition de requêtes de haut niveau. Il permet en effet de masquer la structure de la base de données à l utilisateur L utilisateur ne manipule pas des noms de tables ou de colonnes, mais des noms d objets correspondant à sa vision du système. Il n a pas à définir les liens à établir entre les différentes relations (jointures), ni les critères de groupement Les objets agrégés sont sémantiquement dynamiques : par exemple, le chiffre d affaires, prendra un sens par rapport au contexte de l utilisateur qui définira des requêtes en associant les "objets du métier" (chiffre d affaires par client, par produit).
13 Présentation de Business Objects
14 Présentation de Business Objects Architecture simplifiée de BO XI Administration ; gestion des utilisateurs et des groupes avec leurs droits associés, gestion de contenu (univers, connexions d univers), gestion de serveur : CMC (Central Management Console) Conception des univers : Designer Interrogation et analyse : Infowiew (client web), Web Intelligence (client web), Desktop Intelligence (client/serveur) Intégration des données : Data integrator (logiciel d ETL).
15 Présentation de Business Objects
16 Conception d un univers BO Quelques définitions Business Objects Indicateur : nombre, somme, minimum, maximum. Il s agit toujours d un nombre et il correspond aux cases de notre tableau de bord Dimension : entité dont le tableau de bord va énumérer les valeurs en ligne ou en colonne. C est la base de l analyse
17 Conception d un univers BO Quelques définitions Business Objects Classes : regroupement des indicateurs et dimensions. Les classes peuvent elles-mêmes se découper en sous-classes Univers : ensemble de classes basé sur la connexion à une base de données Tableau à deux dimensions : glissement de deux dimensions et d un indicateur dans la fenêtre de création de rapport (génération automatique d une requête SQL)
18 Conception d un univers BO
19 Conception d un univers BO Quelques définitions Business Objects Hiérarchie : une dimension appartient souvent à une hiérarchie. La hiérarchie permet d ordonner les dimensions et de changer de niveau d analyse. L intérêt? Mettre en évidence la cause de certains faits. On parle alors d analyse dimensionnelle.
20 Conception d un univers BO Quelques définitions Business Objects L analyse dimensionnelle peut être descendante (vers les détails) ou montante (vers les regroupements.
21 Conception d un univers BO Quelques définitions Business Objects Du tableau à l hyper cube : Le tableau : indicateur au croisement de deux dimensions Le cube : ajout d un axe d analyse supplémentaire L hypercube : ajout d un axe d analyse supplémentaire, on obtient alors un cube à plus de 3 dimensions Rotation des dimensions ou «tranches» de cube : il s agit de rendre constantes certaines dimensions pour revenir à un tableau à 2 dimensions
22 Conception d un univers BO Comment définir une structure efficace? Elle doit être claire et logique : logique des utilisateurs et bon sens et non pas logique du MCD sous-jacent Un seul chemin pour atteindre une donnée L utilisation des données doit être sécurisée Toutes les dimensions doivent être définies dans des hiérarchies.
23 Conception d un univers BO Les objets de l univers : Les noms des objets (et des classes) doivent être choisis dans le langage des utilisateurs et dans le langage courant Les noms des objets doivent être normalisés Chaque dimension doit avoir une liste de valeurs associée ; une liste de valeur permet par une liste déroulante de choisir une valeur par le libellé associé à un code.
24 Conception d un univers BO Listes de valeur Les listes de Valeur (Lov) sont en général accessibles par l objet information de la dimension associée.
25 Structure générale d une base ED Table de fait : Une table de base de l entrepôt va comprendre au moins un indicateur élémentaire et des dimensions, cet indicateur élémentaire peut être un nombre entier compris entre 0 et 1 (pour compter un élément) ou un nombre entier ou décimal (pour représenter une quantité)
26 Structure générale d une base ED Table de fait : Une table de ce type est appelée «table de fait». Un fait est représenté par la valeur d un indicateur élémentaire associé à une série de dimensions : il est numérisé pour pouvoir être utilisé en somme, moyenne, maximum ou minimum. Les entités qui caractérisent les faits sont des «dimensions».
27 Structure générale d une base ED Table de fait (conditions de création) : Le même «fait» apparent peut être lié à des dimensions sans rapport entre elles (exemple inscription administrative et pédagogique) Le domaine de définition d un indicateur pose problème En généralisant, si des dimensions sont dans des hiérarchies différentes, on a intérêt à faire des tables de fait séparées Cela n empêche pas que d autres dimensions complètement indépendantes du fait lui-même, soient liées au fait
28 Structure générale d une base ED Table de fait (conditions de création) : Un fait peut donc être représenté comme un indicateur élémentaire associé à une hiérarchie de dimensions intrinsèque au domaine mesuré (liée à un indicateur au moins).
29 Structure générale d une base ED Table de dimension : Une table de ce type contient pour chaque dimension au moins un libellé. C est ainsi que l on obtient un modèle en «étoile» caractéristique des entrepôts de données ; une table de fait au centre et les tables de dimensions liées à chaque dimension de la table de fait.
30 Poste_affecte date_de_chargement annee code_composante_ed code_structure_affectation n_occupation n_seq_affectation code_pers date_de_naissance sexe code_structure_e_ou_c code_categorie code_grade code_corps code_cnu_poste code_cnu_agent code_discipline_2 date_debut_contrat_trv date_fin_contrat_trv date_debut_carriere date_fin_carriere date_debut_affectation date_fin_affectation age quotite tem_enseignant tem_element_provisoire tem_hdr tem_type_enseignant tem_statut Lib_tem_statut tem_statut libelle_statut Identite_personnel code_pers date_de_chargement nom prenom Lib_tem_type_enseignant tem_type_enseignant libelle_ tem_type_enseignant Lib_tem_element_provisoire tem_element_provisoire libelle_ tem_element_provisoire Lib_tem_hdr tem_hdr libelle_ tem_hdr Lib_grade code_grade date_de_chargement libelle_grade Lib_corps code_corps date_de_chargem ent libelle_corps Lib_structure code_structure date_de_chargement libelle_structure Lib_tem_enseignant tem_enseignant libelle_ tem_enseignant Lib_discipline code_discipline_2 date_de_chargement libelle_ discipline Lib_structure code_structure date_de_chargeme nt libelle_structure Exemple de modèle en étoile
31 Structure générale d une base ED Si une dimension est hiérarchisée, sa table contiendra non seulement un libellé, mais en plus un renvoi vers la dimension de niveau supérieur On obtient alors un schéma «en flocon» Dans la pratique pour éviter les jointures multiples, pour des raisons de performance, on revient souvent au schéma en étoile en «dénormalisant» les tables de dimensions hiérarchisées.
32 Structure générale d une base ED Il faut prendre garde à ne pas faire glisser une dimension en un fait, on se prive alors de la puissance du langage SQL
33 Structure générale d une base ED Les agrégats : Les tables d agrégat sont des tables dans lesquelles une partie des additions, moyennes, maxima ou minima est calculée par avance. Il ne s agit que d une optimisation éventuelle de performance au cas où une table de fait contiendrait énormément de lignes On va alors regrouper des lignes par des ordres SQL simples avec la fonction «aggregate aware» de business objects et respecter la hiérarchie de la table de fait.
34 Construction et mise à disposition Le couple indicateur/dimension est le pivot central de la construction de l ED, il reste cependant à définir la dimension historique de l alimentation des tables de la base et à répartir les travaux nécessaires à la construction de l entrepôt et à sa mise à disposition entre les outils dont nous disposons.
35 Construction et mise à disposition Dimensions historiques Les faits eux-mêmes sont historiques L entrepôt est une succession de photographies des faits prises à différents moments ; il faut donc inclure dans chaque table la date de «prise de vue» et on en tiendra compte dans toutes les interrogations Il y a donc deux dimensions historiques : une inhérente aux faits et une autre provenant du processus d alimentation de la base ED.
36 Construction et mise à disposition Schéma général de construction et de mise à disposition de l ED 1. Définition des indicateurs et des dimensions 2. Création des tables nécessaires : l outil est le langage SQL de définition de la structure de la BDD 3. Extraction des données des bases de gestion, hiérarchisation de ces données, combinaison éventuelle par des règles précises : outil SQL ou outil spécifique d ETL (rapidité, maintenance, évolution des scripts)
37 Construction et mise à disposition Schéma général de construction et de mise à disposition de l ED 4. Création d un environnement d exploration (univers business objects) ; rangement des données selon la logique des utilisateurs, sécurisation, utilisation des hiérarchies, codification des noms des classes et des objets, mise en place de listes de valeurs : l outil est le module «designer» de BO 5. Création de rapports périodiques prédéfinis : l outil est le module «infoview» de BO 6. Exploration des données : l outil est le module «infoview» de BO.
38 Construction et mise à disposition Répartition des tâches entre les différents acteurs Le point 1 se fait en étroite collaboration entre les informaticiens et les utilisateurs des bases de gestion Les points suivants sont à la charges des informaticiens Le point 6 est à la charge de l utilisateur.
39 Quizz Caractéristiques Base de données Entrepôt de données Opération Modèle de données Données Mise à jour Niveau de consolidation Perception Opérations Taille
40 Quizz Caractéristiques Base de données Entrepôt de données Opération gestion courante, production analyse, support à la décision Modèle de données entité/relation 3NF, étoile, flocon Données actuelles, brutes historisées, parfois agrégées Mise à jour immédiate souvent différée Niveau de consolidation Faible élevé Perception Bidimensionnelle multidimensionnelle Opérations lectures, mises à jour, suppressions Taille Gigaoctets téraoctets lectures, analyses croisées,rafraîchissements
41 Glossaire datawarehouse : entrepôt de données datamart : petit entrepôt de données à l'échelle d'un département ou succursale d'une grande société. Généralement un datamart déverse ses données chez sa mère qui est le datawarehouse OLTP : OnLine Transactonal Processing. Il s'agit des traitements transactionnels. Par exemple, les logiciels des caisses enregistreuses des chaines de magasins font du OLTP. OLAP : OnLine Analytical Processing. Opposé à l'oltp, faire de l'olap signifie faire de l'analyse de données. Analyser les ventes, détecter les fraudes, prospecter des clients font partie du processus OLAP. ETL : un outil ETL (Extraction/Transformation/Loading) permet à partir de diverses sources de données, d'extraire de l'information, de faire des transformations afin de nettoyer les données et de charger des données utiles dans l'entrepôt de données.les sources de données peuvent être diverses (HTML,XML,Base de données, fichiers texte, tableurs, ERP etc..). Serveur d'analyse : un serveur d'analyse ou serveur OLAP est un serveur de base de données multidimensionnelle. Exemple : Analysis Server est un serveur de bases multidimensionnelles. Base de données multidimensionnelle : une base de données multidimensionnelle par opposition à une base de donnée relationnelle est une base dénormalisée ou il existe une table centrale (table de fait) liée à toutes les autres tables (tables de dimension).
42 Glossaire Table de fait : comme son nom l'indique, une table de fait est une table contenant tous les faits du SI et dont dépendent toutes les autres tables. Cette table ne contient que des clés étrangères venant des tables de dimension et des valeurs numériques appelées mesure. Exemple de table de fait : table des Ventes Tables de dimension : les tables de dimension sont des tables servant d'axes d'analyse. On peut par exemple analyser les ventes (table de fait) suivant l'axe des temps (table de dimension) pour indiquer par exemple pendant quel trimestre de l'année les ventes ont explosé. Mesure :une mesure est une quantité présente dans la table de fait qui permet de mesurer les faits. Par exemple, nombre de vente ou prix unitaire sont des exemples de mesures. Cube : un cube de données est une structure dimensionnelle comme une table est une structure relationnelle. Un cube est constitué d'un ou plusieurs tables de faits avec leurs tables de dimension. On peut par exemple considérer un cube vente contenant sa table de fait " vente " et ses tables de dimensions " clients ", " région " et " temps ". Niveau de hiérarchie : un niveau de hiérarchie se définit au niveau des tables de dimensions. Cela permet d'agréger les données. Par exemple, supposons qu'on ait la dimension région contenant la liste des villes, on pourrait faire un niveau de hiérarchie(niveau 1) classant les villes en région, ensuite un niveau plus bas qui les classerait en département (niveau 2).
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 détailLe "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique
Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché
Plus en détailTP2_1 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3
TP2_1 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 03/11/2014 Plan du TP 2 Présentation de la suite Microsoft BI Ateliers sur SSIS (2H) Ateliers sur RS (2H) 3 Présentation de la suite Microsoft BI Présentation
Plus en détailet 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 détailIntroduction à la B.I. Avec SQL Server 2008
Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide
Plus en détailLa problématique. La philosophie ' ) * )
La problématique!" La philosophie #$ % La philosophie &'( ' ) * ) 1 La philosophie +, -) *. Mise en oeuvre Data warehouse ou Datamart /01-2, / 3 13 4,$ / 5 23, 2 * $3 3 63 3 #, 7 Datawarehouse Data warehouse
Plus en détailChapitre 9 : Informatique décisionnelle
Chapitre 9 : Informatique décisionnelle Sommaire Introduction... 3 Définition... 3 Les domaines d application de l informatique décisionnelle... 4 Architecture d un système décisionnel... 5 L outil Oracle
Plus en détailIntroduction 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 détailMANAGEMENT DES SERVICES INFORMATIQUES
MANAGEMENT DES SERVICES SOMMAIRE SAP BO DASHBOARDS 4.0 3 Nouveautés SAP BO Web Intelligence BI 4 3 SAP BO Web Intelligence 4 Niveau 1 4 SAP BO Web Intelligence 4 Niveau 2 4 SAP BO Web Intelligence XI3
Plus en détailTP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3
TP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 30/11/2011 Plan du TP 2 Rappel sur la chaine de BI Présentation de la suite Microsoft BI Ateliers sur SSIS (2H) Ateliers sur RS (2H) 3 Rappel sur la chaine de
Plus en détailBusiness Intelligence : Informatique Décisionnelle
Business Intelligence : Informatique Décisionnelle On appelle «aide à la décision», «décisionnel», ou encore «business intelligence», un ensemble de solutions informatiques permettant l analyse des données
Plus en détailLe projet «Entrepôt de Données»
Agence de Modernisation des Universités et Etablissements Le projet «Entrepôt de Données» Jean-François Desnos Résumé : Le projet a commencé en septembre 1999, dans le cadre du groupe de travail «Pilotage
Plus en détailOffre Décisionnel - 2014/2015 - CONSEIL, SOLUTIONS DE TRANSFORMATION ET SERVICES IT. Offre Décisionnel
Offre Décisionnel - 2014/2015-1/39 SODIFRANCE INSTITUT VOTRE PARTENAIRE FORMATION Sodifrance Institut, filiale du Groupe Informatique Sodifrance, est spécialisé dans les formations techniques. Grâce aux
Plus en détailLES ENTREPOTS DE DONNEES
Module B4 : Projet des Systèmes d information Lille, le 25 mars 2002 LES ENTREPOTS DE DONNEES Problématique : Pour capitaliser ses informations, une entreprise doit-elle commencer par mettre en œuvre des
Plus en détailLes Entrepôts de Données
Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations
Plus en détailUn datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données :
Page 1 of 6 Entrepôt de données Un article de Wikipédia, l'encyclopédie libre. L'entrepôt de données, ou datawarehouse, est un concept spécifique de l'informatique décisionnelle, issu du constat suivant
Plus en détailBUSINESS 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 détailFreeAnalysis. 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 détailDomaines d intervention
MANAGEMENT INFORMATIQUE 1 PLACE DE L EGALITE 78280 GUYANCOURT TELEPHONE + 33 1 30 48 54 34 TELECOPIE + 33 1 30 48 54 34 INFOS mailto:contact@managementinformatique.com Société Présentation Société Notre
Plus en détailBI = Business Intelligence Master Data-ScienceCours 3 - Data
BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage
Plus en détailUrbanisation 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 détailBI Open Source Octobre 2012. Alioune Dia, Consultant BI alioune.dia@openbridge.fr
BI Open Source Octobre 2012 Alioune Dia, Consultant BI alioune.dia@openbridge.fr 1 Le groupe, en bref 2004 Date de création +7M * Chiffre d affaires 2012 +80 Collaborateurs au 06/2011 35% Croissance chiffre
Plus en détailBusiness 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 détailCATALOGUE DE FORMATIONS SAP BUSINESS OBJECTS. Edition 2013
CATALOGUE DE FORMATIONS SAP BUSINESS OBJECTS Edition 2013 SOMMAIRE AGENDA Qui sommes nous? Présentation de Keyrus Notre partenariat SAP Business Objects Nos engagements Formations Nos propositions de formation
Plus en détailEntrepôt 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 détailCATALOGUE 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 détailBases de Données Avancées
1/26 Bases de Données Avancées DataWareHouse Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR Léonard de Vinci 74, rue Marcel Cachin,
Plus en détailCATALOGUE DE FORMATIONS SAP BUSINESS OBJECTS. Edition 2012
CATALOGUE DE FORMATIONS SAP BUSINESS OBJECTS Edition 2012 SOMMAIRE Qui sommes nous? Présentation de Keyrus Notre partenariat SAP Business Objects Nos engagements Formations Nos propositions de formation
Plus en détailCATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012
CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2012 AGENDA Qui sommes nous? Présentation de Keyrus Keyrus : Expert en formations BI Nos propositions de formation 3 modes de formations Liste des
Plus en détailDatawarehouse: 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 détailAXIAD Conseil pour décider en toute intelligence
AXIAD Conseil pour décider en toute intelligence Gestion de la Performance, Business Intelligence, Big Data Domaine d expertise «Business Intelligence» Un accompagnement adapté à votre métier dans toutes
Plus en détailCatalogue Formations 2014. Offre «DECISIONNEL»
Catalogue Formations 2014 Offre «DECISIONNEL» SODIFRANCE INSTITUT VOTRE PARTENAIRE FORMATION SODIFRANCE Institut, filiale du Groupe Informatique SODIFRANCE, est spécialisé dans les formations techniques.
Plus en détailPlan. Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation
Data WareHouse Plan Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation 2 Présentation Besoin: prise de décisions
Plus en détailSAP BusinessObjects Web Intelligence (WebI) BI 4
Présentation de la Business Intelligence 1. Outils de Business Intelligence 15 2. Historique des logiciels décisionnels 16 3. La suite de logiciels SAP BusinessObjects Business Intelligence Platform 18
Plus en détailIntroduction : présentation de la Business Intelligence
Les exemples cités tout au long de cet ouvrage sont téléchargeables à l'adresse suivante : http://www.editions-eni.fr Saisissez la référence ENI de l'ouvrage RI3WXIBUSO dans la zone de recherche et validez.
Plus en détailIntroduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours
Information du cours Informatique décisionnelle et data mining www.lia.univ-avignon.fr/chercheurs/torres/cours/dm Juan-Manuel Torres juan-manuel.torres@univ-avignon.fr LIA/Université d Avignon Cours/TP
Plus en détailETL 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 détailBusiness Intelligence
avec Excel, Power BI et Office 365 Téléchargement www.editions-eni.fr.fr Jean-Pierre GIRARDOT Table des matières 1 Avant-propos A. À qui s adresse ce livre?..................................................
Plus en détailLes Entrepôts de Données. (Data Warehouses)
Les Entrepôts de Données (Data Warehouses) Pr. Omar Boussaid Département d'informatique et de Sta5s5que Université Lyon2 - France Les Entrepôts de Données 1. Généralités, sur le décisionnel 2. L'entreposage
Plus en détailTravail 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 détailEntrepôt de Données. Jean-François Desnos. Jean-Francois.Desnos@grenet.fr ED JFD 1
Entrepôt de Données Jean-François Desnos Jean-Francois.Desnos@grenet.fr ED JFD 1 Définition (Bill Inmon 1990) Un entrepôt de données (data warehouse) est une collection de données thématiques, intégrées,
Plus en détailMéthodologie 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 détailANNEXE 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 détailSQL SERVER 2008, BUSINESS INTELLIGENCE
SGBD / Aide à la décision SQL SERVER 2008, BUSINESS INTELLIGENCE Réf: QLI Durée : 5 jours (7 heures) OBJECTIFS DE LA FORMATION Cette formation vous apprendra à concevoir et à déployer une solution de Business
Plus en détailFilière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.
Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants
Plus en détailSWISS ORACLE US ER GRO UP. www.soug.ch. Newsletter 5/2014 Sonderausgabe. OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features
SWISS ORACLE US ER GRO UP www.soug.ch Newsletter 5/2014 Sonderausgabe OBIF DB licensing with VMware Delphix 12c: SQL Plan / Security Features 42 TIPS&TECHNIQUES Alexandre Tacchini, Benjamin Gaillard, Fabien
Plus en détailBI = 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 détailFilière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux
Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux Plan Objectifs Débouchés Formation UVs spécifiques UVs connexes Enseignants et partenaires Structure générale des études à l UTC Règlement
Plus en détailQU 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 détailLe Data Warehouse. Fait Vente. temps produit promotion. magasin. revenu ... Produit réf. libellé volume catégorie poids. Temps jour semaine date ...
Le Data Warehouse Temps jour semaine date magasin nom ville m 2 région manager... Fait Vente temps produit promotion magasin revenu... Produit réf. libellé volume catégorie poids... Promo nom budget média
Plus en détailAIDE AU PILOTAGE. BO Web intelligence Session 1
AIDE AU PILOTAGE BO Web intelligence Sommaire 1. Présentation Générale...4 1.1 A quoi sert Business Objects?...4 1.2 De quoi est composé Business Objects?...5 1.3 Quelle utilité?...6 1.4 Qu est-ce que
Plus en détailIntroduction à ORACLE WAREHOUSE BUILDER Cédric du Mouza
Introduction à ORACLE WAREHOUSE BUILDER Cédric du Mouza Avant de commencer à travailler avec le produit, il est nécessaire de comprendre, à un haut niveau, les problèmes en réponse desquels l outil a été
Plus en détailCurriculum Vitae. GISBERT Aurélien Ingénieur Informatique INSA Senior Business & Data Analyst Business Intelligence 11 ans d expérience
GISBERT Aurélien Ingénieur Informatique INSA Senior Business & Data Analyst Business Intelligence 11 ans d expérience RENSEIGNEMENTS GENERAUX FORMATION Nationalité : Française Permis : G Frontalier Date
Plus en détailBusiness Intelligence avec SQL Server 2012
Editions ENI Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Collection Solutions Informatiques Extrait Alimenter l'entrepôt de données avec SSIS Business
Plus en détailLe 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 détailet 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 détailL 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 détailDépartement Génie Informatique
Département Génie Informatique BD51 : Business Intelligence & Data Warehouse Projet Rédacteur : Christian FISCHER Automne 2011 Sujet : Développer un système décisionnel pour la gestion des ventes par magasin
Plus en détailSGBDR. 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 détailCatalogue Formation «Vanilla»
Catalogue Formation «Vanilla» Date : octobre 2009 Table des matières Liste des Formations...2 Contenu des formations...3 Vanilla FastTrack...3 Vanilla Architecture...5 Enterprise Services...6 BIPortail...7
Plus en détailWorkflow/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_L'engagement qui fait la différence BUSINESS INTELLIGENCE DATA WAREHOUSING PILOTAGE DE LA PERFORMANCE
BUSINESS INTELLIGENCE DATA WAREHOUSING PILOTAGE DE LA PERFORMANCE _L'engagement qui fait la différence AMOA Stratégique Intégration Offshoring Learning A Propos de DECIZIA Decizia offre ses services aux
Plus en détailEntrepôts 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 détailIntelligence 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 détailLes 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 détailProjet M1 Sujet 21 : Développement d'un logiciel simplifié de type Business Object
Florent Dubien Antoine Pelloux IUP GMI Avignon Projet M1 Sujet 21 : Développement d'un logiciel simplifié de type Business Object Professeur Tuteur : Thierry Spriet 1. Cadre du projet... 3 2. Logiciel
Plus en détailSolutions SAP Crystal
Solutions SAP Crystal Solutions SAP Crystal NOUVEAUTÉS 2011 SOMMAIRE ^ 4 Nouveautés de SAP Crystal Server 2011 4 Exploration contextuelle des données 5 Expérience utilisateur attrayante 5 Panneau d interrogation
Plus en détailIntroduction au domaine du décisionnel et aux data warehouses
Data warehouse Introduction au domaine du décisionnel et aux data warehouses http://dwh.crzt.fr STÉPHANE CROZAT Paternité - Partage des Conditions Initiales à l'identique : http://creativecommons.org/licenses/by-sa/2.0/fr/
Plus en détailInformatique Décisionnelle : Applications et Limites
Bruno JUILLARD Informatique Décisionnelle : Applications et Limites Rapport de Stage Troisième Année de Licence Informatique 2010/2011 Responsable de Stage : M. Dominique VOIDEY Tuteur de Stage : Mme Françoise
Plus en détailThéories de la Business Intelligence
25 Chapitre 2 Théories de la Business Intelligence 1. Architectures des systèmes décisionnels Théories de la Business Intelligence Depuis les premières requêtes sur les sources de données OLTP consolidées
Plus en détailFournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement
Introduction Phases du projet Les principales phases du projet sont les suivantes : La mise à disposition des sources Des fichiers Excel sont utilisés pour récolter nos informations L extraction des données
Plus en détailSkills Technology Software PARTENAIRE TECHNOLOGIQUE DE VOTRE DÉVELOPPEMENT
Skills Technology Software w w w.s PARTENAIRE TECHNOLOGIQUE DE VOTRE DÉVELOPPEMENT ka ty s. co m E U OG ION L TA AT A C RM FO Accélérateur de votre RÉUSSITE 2 Formation Aujourd hui, la formation constitue
Plus en détailMYXTRACTION. 2009 La Business Intelligence en temps réel
MYXTRACTION 2009 La Business Intelligence en temps réel Administration Qui sommes nous? Administration et management des profils Connecteurs Base des données Gestion des variables et catégories de variables
Plus en détailEvry - M2 MIAGE Entrepôt de données
Evry - M2 MIAGE Entrepôt de données Introduction D. Ploix - M2 Miage - EDD - Introduction 1 Plan Positionnement du BI dans l entreprise Déclinaison fonctionnelle du décisionnel dans l entreprise Intégration
Plus en détailDécisionnel. SI Virtualisé. Performant. Cloud. SAP BusinessObjects. Dashboards. Expertise. Succès. Service Reporting. Finance. SaaS. Web 2.0.
Performant Expertise SAP BusinessObjects BI Finance SaaS Formation Cloud Dashboards Web 2.0 Service Reporting Audit Diffusion Internet SI Virtualisé CATALOGUE FORMATION Succès Optimisation Ad-hoc Conseil
Plus en détailIci, le titre de la. Tableaux de bords de conférence
Ici, le titre de la Tableaux de bords de conférence pilotage d entreprise, indicateurs de performance reporting et BI quels outils seront incontournables à l horizon 2010? Les intervenants Editeur/Intégrateur
Plus en détailAccélérateur de votre RÉUSSITE
Accélérateur de votre RÉUSSITE SAP Business Objects est une suite décisionnelle unifiée et complète qui connecte ses utilisateurs en éliminant les difficultés d accès à l information. Mobile Devices Browsers
Plus en détail«Nos valeurs à votre service» Genève. Business Intelligence Data Management Développement Web. Présentation Société
«Nos valeurs à votre service» Genève Business Intelligence Data Management Développement Web Présentation Société Qui sommes-nous? Notre société Nos activités Notre approche Notre équipe La Business Intelligence
Plus en détailExpert technique J2EE
EHRET Guillaume 25, rue de la Richelandiere 42100 SAINT ETIENNE 32 ans - Célibataire Expert technique J2EE Domaines de compétences Environnement et langages Expertise en programmation Java et en architecture
Plus en détailMagasins 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 détailLa Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1
La Geo-Business Intelligence selon GALIGEO avec ESRI 2005 session «Décisionnel» 26/10/2005 1 La Business Intelligence : Une Définition La Business intelligence permet l utilisation des données opérationnelles
Plus en détailInnovative BI with SAP Jean-Michel JURBERT D. de Marché BI, HANA, BIG DATA _ SAP France
Innovative BI with SAP Jean-Michel JURBERT D. de Marché BI, HANA, BIG DATA _ SAP France 2013 SAP AG. All rights reserved. Customer 1 Rôles et Attentes Instantanéité BIG DATA Users IT Real Time SAP HANA
Plus en détailLa Business Intelligence pour les Institutions Financières. Jean-Michel JURBERT Resp Marketing Produit
La Business Intelligence pour les Institutions Financières Jean-Michel JURBERT Resp Marketing Produit Agenda Enjeux des Projets Financiers Valeur de Business Objects Références Clients Slide 2 Des Projets
Plus en détailL informatique décisionnelle
L informatique décisionnelle Thèse Professionnelle. Ce document est une thèse professionnelle dont la problématique est : Quelles sont les bonnes pratiques dans la mise en place d une solution décisionnelle
Plus en détailThibault 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 détailMyReport, LE REPORTING SOUS EXCEL
MyReport, LE REPORTING SOUS EXCEL De la simplicité d Excel à l autonomie des utilisateurs Avec MyReport : De la manipulation en moins. De l analyse en plus! Tous les services de l entreprise utilisent
Plus en détailProjet CASI: Master Data Management
Projet CASI: Master Data Management Mardi 17 janvier 2011 Laetitia Ader ya - Ali Lazaar-Youssef Hafi-Chun Jin Projet CASI: Master Data Management 1 / 22 1 2 3 4 5 6 Laetitia Ader ya - Ali Lazaar-Youssef
Plus en détailBusiness Intelligence Reporting
Maître de stage : Claude Bordanave Sirinya ON-AT Année 2011 / 2012 Master1 Informatique Université Bordeaux 1 SOMMAIRE REMERCIEMENTS...4 INTRODUCTION...4 I) PRESENTATION DE L ENTREPRISE... 5 1) Raison
Plus en détailLe 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 détail1 Introduction. Business Intelligence avec SharePoint Server 2010
Business Intelligence avec SharePoint Server 2010 1 Introduction Dans le chapitre précédent, nous avons créé une collection de sites et activé les fonctions de restitution décisionnelles du serveur SharePoint
Plus en détailEcole 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 détailORACLE DATA INTEGRATOR ENTERPRISE EDITION - ODI EE
ORACLE DATA INTEGRATOR ENTERPRISE EDITION - ODI EE ORACLE DATA INTEGRATOR ENTERPRISE EDITION offre de nombreux avantages : performances de pointe, productivité et souplesse accrues pour un coût total de
Plus en détailNell Armonia Shuttle Web
Nell Armonia Shuttle Web Optimiser la collecte, la mise à jour et la fiabilité de vos indicateurs L'IDEE ET LA GENESE DU PRODUIT LA PROBLEMATIQUE Les entreprises disposent aujourd hui de multiples indicateurs
Plus en détailStructure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données
Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques
Plus en détailIMPLEMENTATION D UN SYSTEME D INFORMATION DECISIONNEL
IMPLEMENTATION D UN SYSTEME D INFORMATION DECISIONNEL Proposé par BUMA Feinance Master en management e projets informatiques Consultant en système écisionnel I. COMPREHENSION DU CONTEXTE «L informatique
Plus en détailLicence Professionnelle en Statistique et Informatique Décisionnelle (S.I.D.)
Université de Lille 2 - Droit et Santé Ecole Supérieure des Affaires & Institut Universitaire de Technologie (IUT-C) Département Statistique et Traitement Informatique des Données Licence Professionnelle
Plus en détailL Edition Pilotée XL
L Edition Pilotée XL Piloter son activité, une nécessité Processus décisionnel: «Exploiter les données de l entreprise dans le but de faciliter la prise de décision» Etre informé en permanence sur l état
Plus en détailSuite 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