LES ENTREPOTS DE DONNEES
|
|
- Corinne Morin
- il y a 8 ans
- Total affichages :
Transcription
1 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 Data marts puis évoluer vers un Data warehouse ou commencer tout de suite par un Data warehouse? Nordine BOUCHABOUN Michel M. Sébastien L. Jean-Pierre F.
2 Plan Général 1. du data warehouse 2. Le périmètre d application 3. La structure des données 4. du data warehouse 5. L exploitation de l information Générale
3 PRESENTATION DU DATA WAREHOUSE Les facteurs de changements Historique du décisionnel Définition Comparaison OLTP/OLAP
4 Les Facteurs de changements Facteurs stratégiques Prix, qualité, délais, services, personnalisation Facteurs technologiques Facteurs économiques Facteurs financiers
5 Facteurs économiques Le passage à la net économie
6 Facteurs financiers IDC 2001 Evolution du marché du décisionnel pour l année 2000
7 PRESENTATION DU DATA WAREHOUSE Les facteurs de changements Historique du décisionnel Définition du Data warehouse Comparaison OLTP/OLAP
8 Historique L infocentre Le côté technique L apparition du data warehouse
9 PRESENTATION DU DATA WAREHOUSE Les facteurs de changements Historique du décisionnel Définition du Data warehouse Comparaison OLTP/OLAP
10 Définition «Le data warehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d un processus d aide à la décision» (Bill IMMON -Using the data warehouse -1994)
11 Définition (suite) Données organisées par thèmes Données consolidées et cohérentes Données historiques et non volatiles Data mart & data warehouse
12 PRESENTATION DU DATA WAREHOUSE Les facteurs de changements Historique du décisionnel Définition du Data warehouse Comparaison OLTP/OLAP
13 Comparaison OLTP/OLAP On Line Transaction Processing & On Line Analytical Processing L utilisation Les accès Les origines des données Le Volume des données
14 LE PERIMETRE D APPLICATION Les secteurs d activités Les principaux domaines d application CRM SCM SEM Data warehouse centralisé ou data marts?
15 Les secteurs d activités La répartition des ventes 2000 de licences d outils décisionnels par secteurs d activités Telecom 13% Services publics 11% Distribution / Commerce 14% Autres 6% Banques / Assurances / Finances 27% Industrie 29%
16 LE PERIMETRE D APPLICATION Les secteurs d activités Les principaux domaines d application CRM SCM SEM Data warehouse centralisé ou data marts?
17 Les domaines d application Stratégie E-business et Changement Partenaires et Fournisseurs <> Achat & Logistique Ressources de l'entreprise Vente & Suivi <> Clients Intégration E-business Système d'information Interne
18 Customer Relationship Management Gestion de la Relation Client Les concepts Le rôle du décisionnel
19 Supply Chain Management Gestion de la chaîne logistique Les objectifs Le rôle du décisionnel
20 Strategic Enterprise Management Gestion la stratégie d entreprise Les objectifs Le rôle du décisionnel
21 LE PERIMETRE D APPLICATION Les secteurs d activités Les principaux domaines d application CRM SCM SEM Data warehouse centralisé ou data marts?
22 STRUCTURE DES DONNEES La modélisation des données Les agrégats Les métadonnées
23 Le modèle normalisé PAYS GAMME Gamme_id Libelle Marque FOURNISSEUR Fournisseur_id Nom Adresse Pays Code_Pays Libellé PRODUIT Produit_id Nom Fournisseur Gamme Code_pays Caracteristique Prix_ht COMMANDE Commande_id Client Produit Quantité Date CLIENT Client_id Nom Prenom Adresse Pays Relationnel pur éviter la redondance
24 Le modèle dénormalisé GAMME Gamme_id Libelle Marque PRODUIT FOURNISSEUR Fournisseur_id Nom Adresse Pays PAYS Code_Pays Libellé VENTE Produit_id Nom Fournisseur Gamme Code_pays Caracteristique Prix_ht COMMANDE Commande_id Client Produit Quantité Date CLIENT Client_id Nom Prenom Adresse Pays Produit_id CA_janvier CA_fevrier Résultat de calculs, agrégats
25 Le modèle dimensionnel PERIODE GEOGRAPHIE JJMMAA * Jour_Semaine Semaine_année PRODUIT Produit_id * Nom Fournisseur Gamme Code_pays Caracteristique VENTES JJMMAA * Produit_id * Point_vente_id * Client_id * CA Marges Quantité Point_vente_id * Region Pays CLIENT Client_id * Nom Prenom Adresse Pays Schéma en étoile
26 Le modèle dimensionnel tables des dimensions PERIODE JJMMAA * Jour_Semaine Semaine_année GEOGRAPHIE Point_vente_id * Region Pays PRODUIT Produit_id * Nom Fournisseur Gamme Code_pays Caracteristique VENTES JJMMAA * Produit_id * Point_vente_id * Client_id * CA CLIENT Client_id * Nom Prenom Adresse Pays Marges Quantité table des faits
27 Le modèle dimensionnel table des faits = HYPERCUBE VENTES JJMMAA * Produit_id * Point_vente_id * CA Marges Quantité GEOGRAPHIE PRODUIT PERIODE
28 Le modèle des données hiérarchie Dimension temporelle : jour semaine année jour mois année Dimension géographique : ville département pays Dimension article : article type catégorie granularité Plus petit élément d une dimension: jour, ville, article profondeur Nombre d éléments dans une dimension Exemple: 5 ans = 1826 jours environ
29 STRUCTURE DES DONNEES La modélisation des données Les agrégats Les métadonnées
30 Les agrégats Ensemble d enregistrements avec des cumuls, sur une ou plusieurs hiérarchies VENTES JJMMAA * Produit_id * Point_vente_id * Client_id * CA Marges Quantité - Vente par semaine, produit, point de vente, client - Vente par jour, produit - Vente par mois, client - Vente par mois, gamme de produit, région de vente
31 Les agrégats Réduit considérablement le nombre d accès de la plupart des requêtes Occupe de l espace disque supplémentaire Ressemble au principe des clés secondaires Doit être transparent pour les requêtes utilisateurs Définitions stockées dans des métadonnées
32 STRUCTURE DES DONNEES La modélisation des données Les agrégats Les métadonnées
33 Les métadonnées Ensemble des référentiels de l entrepôt de données, utilisés par l OLAP : - définitions des objets - définitions des agrégats - autorisations d accès - Dictionnaire de la BD Métadonnées Données Espace de chargement
34 CONSTRUCTION DU DATA WAREHOUSE La gestion de projet L acquisition des données L architecture physique L architecture logicielle Data warehouse centralisé ou data marts?
35 La gestion de projet ALIMENTER EXPLOITER DECIDER Données opérationnelles + Données externes Extraire Nettoyer Stockage Tampon tempon (facultatif) Transformer Transporter Entrepôt de données Utiliser Outils d'analyse '
36 CONSTRUCTION DU DATA WAREHOUSE La gestion de projet L acquisition des données L architecture physique L architecture logicielle Data warehouse centralisé ou data marts?
37 L acquisition des données
38 L acquisition des données Découvrir Sous quelles formes sont les informations? Les informations sont-elles valides? Où sont les informations? Comment et quand les informations sont-elles modifiées?
39 L acquisition des données Extraire Extraction possible à partir de plusieurs plateformes (OLTP, ERP, Web, ) Chargement incrémental ou complet
40 L acquisition des données Transformer Uniformiser l information Gérer les différents codes page Majuscule / minuscule Orthographe
41 L acquisition des données Transporter par FTP ou autre outil de transfert de fichiers par EAI
42 L acquisition des données Charger Les tables Les agrégats
43 CONSTRUCTION DU DATA WAREHOUSE La gestion de projet L acquisition des données L architecture physique L architecture logicielle Data warehouse centralisé ou data marts?
44 L architecture physique Dépend de la taille de l entrepôt de données et des contraintes Ordinateur processeur INTEL, RISC, Mainframe simple ou multiprocesseur Disques RAID1, RAID5 duplication sur une baie distante Réseau Sauvegarde
45 CONSTRUCTION DU DATA WAREHOUSE La gestion de projet L acquisition des données L architecture physique L architecture logicielle Data warehouse centralisé ou data marts?
46 L architecture logicielle Le système d exploitation UNIX 32 ou 64 bits Windows NT, 2000 Mainframe La base de données Oracle, DB2 d IBM, Informix, Sybase Microsoft SQL server (Windows uniquement) Les outils d ETL (Extract,Transform,Load)
47 CONSTRUCTION DU DATA WAREHOUSE La gestion de projet L acquisition des données L architecture physique L architecture logicielle Data warehouse centralisé ou data marts?
48 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?
49 La Business Intelligence Restituer l information pour: Informer Analyser Décider et piloter
50 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?
51 Les différents types d utilisation Utilisation passive Navigation dans un référentiel Requête Analyse stratégique
52 Les services logiques de restitution Navigation dans l entrepôt Authentification et autorisation Surveillance des activités Gestion des requêtes Génération d états standards
53 Navigation dans l entrepôt Basé sur les métadonnées Recherche des sujets disponibles Permettre à l utilisateur d accéder aux contenus
54 Authentification et autorisation Authentification Identifier l utilisateur (login / mot de passe) Autorisation Détermination des informations visibles Table des filtres Utilisateur X / Filtre A / Rapport X Utilisateur Y / Filtre B / Rapport X Utilisateur Z / Filtre C / Rapport X
55 Authentification et autorisation Utilisateur X Filtre A Utilisateur Y Filtre B Rapport X Filtre C Utilisateur Z
56 Autres services Surveillance de l activité Informations sur le fonctionnement Gestion des requêtes Formulation, exécution, envoi du résultat Génération d états standards Génération et mise à disposition
57 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?
58 Le mode pull Client browser HTML / XML LDAP Intranet Intranet / / Internet Internet HTTP Firewall Serveur web Serveur de rapport Métadonnées Datamarts ou Datawarehouse
59 Le mode pull: avantages et inconvénients Avantage Nombre de traitements limité Inconvénient Utilisation des rapports pas optimisée par rapport aux filtres
60 Le mode push LDAP Client browser HTML / XML Métadonnées Intranet Intranet / / Internet Internet Firewall Serveur web Serveur de rapport Datamarts ou Datawarehouse HTTP SMTP Scheduler
61 Le mode push: avantages et inconvénients Avantage Génération des rapports planifiable Inconvénients Utilisation des rapports pas optimisée par rapport aux filtres Pas d adéquation par rapport au besoin utilisateur
62 Le mode mixte LDAP Client browser HTML / XML Métadonnées Intranet Intranet / / Internet Internet Firewall Serveur web Cache mémoire Serveur de rapport Datamarts ou Datawarehouse HTTP Scheduler
63 Le mode mixte: avantages et inconvénients Avantages Génération des rapports planifiable Adéquation au besoin utilisateur Optimisation de la génération des rapports par rapport aux filtres Inconvénient Stockage intermédiaire des rapports
64 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?
65 L accès libre service Requête simple Sur des données simples opérationnelles Interfaces utilisateurs
66 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?
67 La logique OLAP: les principes Un principe logique Méthodologie de modélisation de données Outils de restitution La navigation dans un cube
68 La logique OLAP: exemple d analyse Temps Années Trimestre Mois Jour Clients Secteur Famille Type client Client Mesures Quantité Délai de livraison CA Marge Géographie Produits Gammes Produits Région Département Point de vente
69 La logique OLAP: la pyramide d analyse Indicateurs (CA, Quantité ) Agrégation Axe d analyse Produit (Gamme, produit unitaire) CA / Gamme / Année CA / Gamme / Mois CA / Gamme / Jour Axe d analyse Période (Année, trimestre, jour ) DRILL DOWN Axe d analyse Client (Secteur, famille, client ) SLICE AND DICE
70 La mise en œuvre par MOLAP Vue multidimensionnelle Base Multi dimensionnelle CA / Gamme / Année CA / Gamme / Mois CA / Gamme / Jour Axe d analyse Période (Année, trimestre, jour ) Axe d analyse Produit (Gamme, produit unitaire)
71 La mise en œuvre par MOLAP Avantages Temps de réponse très court Navigation facilitée Limites Stockage des données Pré-agrégation des indicateurs Volumes importants difficile à gérer
72 La mise en œuvre par ROLAP Vue multidimensionnelle Mapping Vue relationnelle Base relationnelle Axe d analyse Produit (Gamme, produit unitaire) CA / Gamme / Année Axe d analyse Période (Année, trimestre, jour ) CA / Gamme / Jour
73 La mise en œuvre par ROLAP Avantages Axes d analyse non nécessairement pré-définis Monde relationnel Limites Temps de réponse
74 La mise en œuvre par HOLAP Vue multidimensionnelle Base Multi dimensionnelle SQL dynamique Base relationnelle CA / Gamme / Année Axe d analyse Produit (Gamme, produit unitaire) CA / Gamme / Jour CA / Gamme / Mois Axe d analyse Période (Année, trimestre, jour ) DRILL THROUGH
75 La mise en œuvre par HOLAP Avantages Temps de réponse Limites Gestion du passage du multidimensionnel au relationnel
76 EXPLOITATION DE L INFORMATION La Business Intelligence Les différents types d utilisation et les services de restitution Le reporting L accès libre service Analyse OLAP Data warehouse centralisé ou data marts?
77 Data warehouse centralisé ou data marts Demande HOLAP Data mart Demande ROLAP Data mart Data warehouse Demande MOLAP Requête Data mart Demande de rapport
78 DATAMINING Définition du Data minig Processus Les techniques utilisées Choix des outils Data warehouse centralisé ou data marts?
79 Définition du = Forage des données Concepts et outils dérivés de l'intelligence artificielle permettant d'analyser des données pour en déduire, sans a priori, des corrélations.
80 DATAMINING Définition Processus Les techniques utilisées Choix des outils Data warehouse centralisé ou data marts?
81 Processus Extraction de l information - Nbre d exemples + Zone optimale Multiplication des apprentissages pour s assurer de la stabilité Temps de calcul trop long Trop peu d exemples par rapport à la taille du problème - Nbre de variables +
82 Processus La sélection des données Les actions sur les variables La recherche du modèle L évaluation des résultats
83 DATAMINING Définition Processus Les techniques utilisées Choix des outils Data warehouse centralisé ou data marts?
84 Les techniques Raisonnement à base de cas Expériences passées Nouvelles expériences Situation Recherche de cas similaires Nouvelle situation Solution et explication Adaptation Solution Amélioration de l expérience
85 Les techniques Les arbres de décisions Moyenne = 241,02 Écart type= 137,51 N= 9403 (94,0%) Décomposition de la durée d un appel en sec. Moyenne = 245,72 Écart type= 203,06 N= 1000 (100,0%) Revenu <= > Moyenne = 319,76 Écart type= 622,60 N= 597 (6,0%) Possède un PC Non Oui Moyenne = 234,94 Écart type= 150,85 N= 422 (4,2%) Moyenne = 524,31 Écart type= 1101,43 N= 175 (1,8%)
86 Les techniques Les algorithmes génétiques Chromosomes = Hybridation Mutation Inversion
87 Les techniques Les réseaux de neurones Neurones d entrée Neurones cachés Neurones de sortie
88 Les techniques Les associations Ensemble de règles conditionnelles de type: Si A <opérateur> B Alors C Exemple Si achat SALADE Et TOMATE Alors achat HUILE
89 Les techniques Evaluation: analyse de tickets de caisses Ticket 1 Ticket 2 Ticket 3 Ticket 4 Farine Sucre Lait Œufs Sucre Chocolat Farine Œufs Sucre Oeufs Œufs Chocolat Thé Chocolat Niveau de confiance de l association Farine Oeufs Chocolat Sucre : 100% : 100% Niveau de support de l association Farine Sucre : 66.6% Niveau de support de l association Oeufs Chocolat : 100% Association réversible
90 Les techniques Utilisations principales Analyse de tickets de caisses Diagnostiques de crédits Avantage Facilement compréhensible Inconvénient Le volume de calcul croit au carré ou au cube avec le volume de données de crédits
91 DATAMINING Définition Processus Les techniques utilisées Choix des outils Data warehouse centralisé ou data marts?
92 Le choix d un outils Apprécier la pertinence des données Obtenir des modèles sans modifier les données Le traitement du volume de données Plusieurs types de variables et de les travailler La possibilité d'utiliser plusieurs techniques de data mining
93 Le choix d un outil La qualité d'ajustement du résultat Facilité de compréhension du résultat L introduction des résultats dans les systèmes de gestion La volonté de l'entreprise à s'investir Le prix Les impacts sur l'organisation de l'entreprise
94 DATAMINING Définition Processus Les techniques utilisées Choix des outils Data warehouse centralisé ou data marts?
95 CONCLUSION GENERALE Problématique : Pour capitaliser ses informations, une entreprise doit-elle commencer par mettre en œuvre des Data marts puis évoluer vers un Data warehouse ou commencer tout de suite par un Data warehouse? Les avantages et inconvénients du data warehouse centralisé Les avantages et inconvénients des data marts Notre réponse
96 Le data warehouse centralisé Avantages et Inconvénients Demande une coopération étroite entre les différents acteurs Demande énormément de ressources financières et de compétences Facilite l uniformisation par une administration unique
97 Les data marts Avantages et Inconvénients Permet de commencer petit pour voir grand (notion de projet pilote) Faciliter de mise en place Permet d utiliser des outils spécialisés sur le thème métier de chaque Data mart
98 Notre réponse Les directions organisationnelles sont demandeurs et pressées Créer un environnement centralisé pose des problèmes de gigantisme Grouper les thèmes ne semble pas nécessaire Aujourd hui, les restrictions budgétaires font que souvent, seuls les data marts voient le jour
99 Questions / Réponses
100 Annexes
101 Annexe 1 Répartion des licences IDC 2001 Répartition des licences du marché par type d outils pour l année 2000
102 Annexe 2 Répartition du marché IDC 2001 Répartition du marché entre les éditeurs et les SSII pour l année 2000
103 Annexe 3 Quelques ouvrages Quelques ouvrages : Jean-Michel FRANCO & Sandrine DE LIGNEROLLES Eyrolles 2000 «Piloter l entreprise grâce au data warehouse» R. KIMBALL & L. REEVES & M. ROSS & W. THORNTHWAITE Eyrolles 2000 «Concevoir et déployer un data warehouse» R. LEFEBURE & G VENTURI Eyrolles «Le Data Mining»
104 ANNEXE 4 Tableau comparatif OLTP/OLAP On Line Transaction Processing On Line Analytical Processing Caractéristique Base opérationnelle Base décisionnelle Utilisateurs La majorité de l entreprise Quelques décideurs Mises à jour Au fil de l eau, générées surtout par les utilisateurs De nuit et week-end, par lot (extraction) Fréquence d accès Continue, Pics de charge Sur demande des utilisateurs Performances Rapidité impérative Charge dépend des requêtes Modèle principal des données Normalisé ( 3NF ) Dimensionnel (en étoile, en flocon) Origine des données unique Sources multiples possibles Souplesse d accès au données Faible, accès par programmes d application Grande, accès par requêtes Besoins en données Bien compris Flou, travail de recherche Ancienneté des données Récente Historisée Taille de la base : 100 MB à 1GB 1 GB à 1 TB
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 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 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 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 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 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 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 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 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 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 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 détailBUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise
BUSINESS INTELLIGENCE Une vision cockpit : utilité et apport pour l'entreprise 1 Présentation PIERRE-YVES BONVIN, SOLVAXIS BERNARD BOIL, RESP. SI, GROUPE OROLUX 2 AGENDA Définitions Positionnement de la
Plus en 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 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 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 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 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 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 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 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 détail4. 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 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 détailDidier MOUNIEN Samantha MOINEAUX
Didier MOUNIEN Samantha MOINEAUX 08/01/2008 1 Généralisation des ERP ERP génère une importante masse de données Comment mesurer l impact réel d une décision? Comment choisir entre plusieurs décisions?
Plus en 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 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 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 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 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 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 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 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 détailNos Solutions PME VIPDev sont les Atouts Business de votre entreprise.
Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service
Plus en 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 détailObjectif : Passer de l analyse métier et fonctionnelle à la définition des applications qui
Formation PARTIE 1 : ARCHITECTURE APPLICATIVE DUREE : 5 h Objectif : Passer de l analyse métier et fonctionnelle à la définition des applications qui automatisent les fonctions Définir une architecture
Plus en détailBusiness & High Technology
UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 8 : ID : Informatique Décisionnelle BI : Business Intelligence Sommaire Introduction...
Plus en 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 détailPrésentation 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 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 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 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 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 détailProgramme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION Mentions
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 détailSQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)
Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence
Plus en détailIntroduction 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 détailLa 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 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 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 détailSQL Server 2012 et SQL Server 2014
SQL Server 2012 et SQL Server 2014 Principales fonctions SQL Server 2012 est le système de gestion de base de données de Microsoft. Il intègre un moteur relationnel, un outil d extraction et de transformation
Plus en détailSécurité des entrepôts de données dans le Cloud Un SaaS pour le cryptage des données issues d un ETL
Sécurité des entrepôts de données dans le Cloud Un SaaS pour le cryptage des données issues d un ETL Présenté par Hana Gara Kort Sous la direction de Dr Jalel Akaichi Maître de conférences 1 1.Introduction
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 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 détailIntégration de systèmes client - serveur Des approches client-serveur à l urbanisation Quelques transparents introductifs
Intégration de systèmes client - serveur Des approches client-serveur à l urbanisation Quelques transparents introductifs Jean-Pierre Meinadier Professeur du CNAM, meinadier@cnam.fr Révolution CS : l utilisateur
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 détailChapitre IX. L intégration de données. Les entrepôts de données (Data Warehouses) Motivation. Le problème
Chapitre IX L intégration de données Le problème De façon très générale, le problème de l intégration de données (data integration) est de permettre un accès cohérent à des données d origine, de structuration
Plus en détail2 Serveurs OLAP et introduction au Data Mining
2-1 2 Serveurs OLAP et introduction au Data Mining 2-2 Création et consultation des cubes en mode client-serveur Serveur OLAP Clients OLAP Clients OLAP 2-3 Intérêt Systèmes serveurs et clients Fonctionnalité
Plus en détailBusiness Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel
Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 10 Introduction 1. Présentation du décisionnel 15 1.1 La notion de décideur 15 1.2 Les facteurs d'amélioration
Plus en détailMémoire de fin d études. Thème Conception et réalisation d un Data Warehouse pour la mise en place d un système décisionnel
Mémoire de fin d études Pour l obtention du diplôme d Ingénieur d Etat en Informatique Option : Systèmes d information Thème Conception et réalisation d un Data Warehouse pour la mise en place d un système
Plus en détailANTICIPEZ ET PRENEZ LES BONNES DÉCISIONS POUR VOTRE ENTREPRISE
ANTICIPEZ ET PRENEZ LES BONNES DÉCISIONS POUR VOTRE ENTREPRISE Editeur - Intégrateur de solutions de gestion Notre stratégie d édition et d intégration : un niveau élevé de Recherche & Développement au
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 détailTechnologie data distribution Cas d usage. www.gamma-soft.com
Technologie data distribution Cas d usage www.gamma-soft.com Applications stratégiques (ETL, EAI, extranet) Il s agit d une entreprise industrielle, leader français dans son domaine. Cette entreprise est
Plus en détailRépublique Algérienne Démocratique et Populaire
République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieur et de la Recherche Scientifique Institut National de formation en Informatique Direction de la Post-Graduation et de
Plus en détailBases de données multidimensionnelles et mise en œuvre dans Oracle
Bases de données multidimensionnelles et mise en œuvre dans Oracle 1 Introduction et Description générale Les bases de données relationnelles sont très performantes pour les systèmes opérationnels (ou
Plus en détailIntégration de données hétérogènes et réparties. Anne Doucet Anne.Doucet@lip6.fr
Intégration de données hétérogènes et réparties Anne Doucet Anne.Doucet@lip6.fr 1 Plan Intégration de données Architectures d intégration Approche matérialisée Approche virtuelle Médiateurs Conception
Plus en détailProgiciel K. Parce que chaque K est unique (c) 2005-2013 K-all
Progiciel K Parce que chaque K est unique (c) 2005-2013 K-all Progiciel K pour une gestion intégrée sur mesure puissante et évolutive dans un environnement full Web. Internet, Extranet et Nomade. Le Progiciel
Plus en détailBusiness Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel
Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 11 Introduction 1. Présentation du décisionnel 13 1.1 La notion de décideur 14 1.2 Les facteurs d'amélioration
Plus en 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 détailTHOT - Extraction de données et de schémas d un SGBD
THOT - Extraction de données et de schémas d un SGBD Pierre-Jean DOUSSET (France), Benoît ALBAREIL (France) pj@miningdb.com, benoit@miningdb.com Mots clefs : Fouille d information, base de données, système
Plus en détailBI Haute performance. Jean-François Vannier Responsable Infrastructures Décisionnelles, Bull
BI Haute performance Jean-François Vannier Responsable Infrastructures Décisionnelles, Bull Bull aujourd'hui - La seule expertise 100% européenne des infrastructures et des applications critiques - Une
Plus en détailLe concept de Data Warehouse a été formalisé pour la première fois en 1990.
1 - LE DATA WAREHOUSE 1.1 - PRESENTATION Le concept de Data Warehouse a été formalisé pour la première fois en 1990. L idée de constituer une base de données orientée sujet, intégrée, contenant des informations
Plus en détailMyReport Le reporting sous excel. La solution de business intelligence pour la PME
La solution de business intelligence pour la PME Qu est que la business intelligence La Business intelligence, dénommée aussi par simplification "Informatique Décisionnelle", est vraisemblablement l'unique
Plus en détailIntégrer le CRM : quelle utilité, quels profits pour ma PME?
Conférence Applica - 22 avril 2002 Intégrer le CRM : quelle utilité, quels profits pour ma PME? Stéphanie WAILLIEZ Analyste CRM, CXP swailliez@cxp-international.com CXP en quelques mots et quelques chiffres
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 détailPrésentations personnelles. filière IL
Présentations personnelles filière IL Résumé Liste de sujets de présentations personnelles. Chaque présentation aborde un sujet particulier, l'objectif étant que la lecture du rapport ainsi que l'écoute
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 détailModule BDR Master d Informatique (SAR)
Module BDR Master d Informatique (SAR) Cours 6- Bases de données réparties Anne Doucet Anne.Doucet@lip6.fr 1 Bases de Données Réparties Définition Conception Décomposition Fragmentation horizontale et
Plus en détailIntroduction à lʼinformatique. Décisionnelle (ID) / Business. Intelligence» (1)
Introduction à lʼinformatique Décisionnelle et la «Business Intelligence» (1) Bernard ESPINASSE Professeur à Aix-Marseille Université (AMU) Ecole Polytechnique Universitaire de Marseille Septembre 2013
Plus en détaildes besoins de contenu des besoins de forme !"#$%&'($)$*"+,$-.*"#$*"$/.0#12+/13.0#
Les applications des TI en entreprise Organisation et gestion du système d information d entreprise Deuxième partie : Les différentes applications du SI 2005-2005 Application pour la décision : SIAD /
Plus en détailBD réparties. Bases de Données Réparties. SGBD réparti. Paramètres à considérer
Bases de Données Réparties Définition Architectures Outils d interface SGBD Réplication SGBD répartis hétérogènes BD réparties Principe : BD locales, accès locaux rapides accès aux autres SGBD du réseau
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 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 détailDataStudio. Solution d intégration des données et de diffusion de l information
DataStudio Solution d intégration des données et de diffusion de l information L ETL, cœur de la performance des entreprises La forte intégration des applications est désormais une condition indispensable
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 détailMyReport, une gamme complète. La Business Intelligence en toute simplicité : Concevez, partagez, actualisez! pour piloter votre activité au quotidien.
MyReportle reporting sous excel La Business Intelligence en toute simplicité : Concevez, partagez, actualisez! MyReport, une gamme complète pour piloter votre activité au quotidien. En rendant les 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 détailSystèmes d information décisionnels (SIAD) Extraction de connaissances (KDD) Business Intelligence (BI)
Systèmes d information décisionnels (SIAD) Extraction de connaissances (KDD) Business Intelligence (BI) Imade BENELALLAM Imade.benelallam@ieee.org AU: 2012/2013 Imade Benelallam : imade.benelallam@ieee.org
Plus en détailDEMARREZ RAPIDEMENT VOTRE EVALUATION
Pentaho Webinar 30 pour 30 DEMARREZ RAPIDEMENT VOTRE EVALUATION Resources & Conseils Sébastien Cognet Ingénieur avant-vente 1 Vous venez de télécharger une plateforme moderne d intégration et d analyses
Plus en détailBases de Données. Stella MARC-ZWECKER. stella@unistra.u-strasbg.fr. Maître de conférences Dpt. Informatique - UdS
Bases de Données Stella MARC-ZWECKER Maître de conférences Dpt. Informatique - UdS stella@unistra.u-strasbg.fr 1 Plan du cours 1. Introduction aux BD et aux SGBD Objectifs, fonctionnalités et évolutions
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 détailSQL Server 2014. SQL Server 2014. Implémentation d une solution. Implémentation d une solution de Business Intelligence.
Ce livre sur s adresse à toutes les personnes désireuses de mettre en œuvre les techniques de l informatique décisionnelle (ou BI, Business Intelligence) à l aide des composants de la suite Microsoft :
Plus en détailEntreprises Solutions
ERP Entreprises Solutions Choisir un progiciel de gestion intégrée Questions de technologie? 1 Dans le choix d une solution de gestion intégrée de type PGI/ERP, les aspects fonctionnels sont clés. L entreprise
Plus en détailLes tableaux de bord de pilotage de nouvelle génération. Copyright 2002-2008 PRELYTIS
Les tableaux de bord de pilotage de nouvelle génération Sommaire PRELYTIS en quelques mots LiveDashBoard : principes directeurs et positionnement La couverture fonctionnelle Démonstration Les packages
Plus en détailPetit Déjeuner Pépinière du Logiciel Libre. 25 juin 2008
Petit Déjeuner Pépinière du Logiciel Libre 25 juin 2008 1 / 37 Agenda Définition & Principes Les différents outils & composants Les Solutions intégrés Open-Source Vos Questions 2 / 37 Agenda Définition
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 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 détailPROGICIELS DE GESTION INTÉGRÉS SOLUTIONS DE REPORTING
PROGICIELS DE GESTION INTÉGRÉS SOLUTIONS DE REPORTING 8 rue de Prague 75012 Paris contact@predixia.com DES SOLUTIONS SIMPLES ET INNOVANTES POUR LA GESTION ET LE PILOTAGE DE VOTRE ACTIVITÉ CONCEVOIR TRÉSORERIE
Plus en détailVotre Infrastructure est-elle? Business Intelligence. Améliorer la capacité d analyse et de décision de vos équipes
Votre Infrastructure est-elle? Business Intelligence Améliorer la capacité d analyse et de décision de vos équipes Sommaire Introduction : Les domaines d application de la Business Intelligence p. 4 Vue
Plus en détailDécisionnel & Reporting
Décisionnel & Reporting Quelle solution est la plus adaptée à mes besoins? Présentation Société EASYNEO Conseil & Intégration de solutions Décisionnelles Spécialisations : ERP (SAP en particulier) Reporting
Plus en détailConseil et Ingénierie des Systèmes d Information d Entreprise
Conseil et Ingénierie des Systèmes d Information d Entreprise Le Groupe Khiplus SAS KHIPLUS Management Société holding animatrice du groupe SAS KHIPLUS Advance Conseil et ingénierie de Systèmes d Information
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 détail