Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux
|
|
|
- Jean-François Bastien
- il y a 8 ans
- Total affichages :
Transcription
1 Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux
2 Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants et partenaires
3 Motivations de la filière fouille de données Constat Besoin Réponse Une demande des entreprises très importante (plus de 1000 ingénieurs par an) Les compétences requises relèvent à la fois de la gestion des systèmes d information et des statistiques décisionnelles. Former des ingénieurs UTC ayant une compétence en datawarehouse, décisionnel et statistiques fouille de données
4 Exemples de projets P 2010 APPLE INC. : Internship in Language Technologies and Localization Automation CAP GEMINI : Data warehouse en suivi de maintenance (RATP) CAP GEMINI : Data warehouse en étude de consommation (EDF) CEA SACLAY Classification automatique d'événements sismiques I&E DÉCISION : Fouille de données / webmining IBM MONTPELLIER : Mise en oeuvre d'une solution de business intelligence pour une génération dynamique de rapport web MICROPOLE UNIVERS : Business intelligence MINISTÈRE DE LA DÉFENSE : Fouille d images NOVEDIA: Développement BI pour un laboratoire pharmaceutique TERADATA France : Mise en place d'un datawarehouse actif en environnement TERADATA TERADATA FRANCE : Problématique d équilibrage de charge entre alimentation et restitution en environnement décisionnel
5 Débouchés Sociétés de service (Micropole-Univers, Cap Gemini, SAP, ) Editeurs de logiciels (SAS, Microstrategy, Microsoft, ) Editeurs opensource (Talend, Jpivot, Mondrion, Jasper ) Banques et assurances Télécom, biens de consommation Grande distribution Entreprises, industrie Secteur médical et biologique Transports
6 Débouchés Domaines d applications Finance : analyse de risque Décisionnel : stratégie industrielle et commerciale, gestion de la performance Marketing: prospection de clients, CRM Médecine: recherche de structures génétiques, imagerie Statistiques : analyse de données, fouille de données, analyse de phénomènes physiques Gestion de stock...
7 Objectif double : Formation Constituer et structurer de vastes entrepôts de données à partir de systèmes parfois hétérogènes Naviguer et fouiller dans ces données pour répondre à des questions précises, voir, tester des hypothèses, réaliser des prédictions ou découvrir des relations cachées.
8 NF26 SY09 SY19 PR Formation UV s spécifiques NF26 : Data Warehouse et décisionnel Principes de développement et d'exploitation des outils informatiques pour la conception et l'exploitation d'entrepôts de données la prise de décision Concepts de base Sources de données Alimentation; Modélisation multidimensionnelle Interrogation, requêtage, OLAP (On-Line Analytical Processing). Outils décisionnels (régression, CRM, tableaux de bord, ) BO Data Integrator BO Enterprise Bases Temps Réel Data Cleansing Applications Métiers, ERP Fichiers, Web, XML, COBOL Batch Data profiling Moteur ETL Data Validation Data Auditing Data Warehouse Pilotage Reporting Interrogation Analyses Analyse d Impacts Metadonnées Origine des données
9 Formation UV s spécifiques NF26 SY09: Analyse de données pour le Data Mining Visualisation des données SY09 SY19 PR Exploration statistique Classification automatique Régression
10 Formation UV s spécifiques NF26 SY09 SY19 SY19 : Méthodes de décision statistiques Théorie de la décision Reconnaissance des formes Réseaux de neurones à couches Arbres de décision PR
11 Formation UV s spécifiques NF26 SY09 SY19 PR UV Atelier Projet En partenariat avec des industriels (Micropole-Univers), Des problèmes concrets pilotage de la rémunération variable, pilotage RH Réalisé par groupe quatre étudiants Suivi par un enseignant de l équipe pédagogique de la filière et des ingénieurs du partenaire industriel
12 Formation UVs Connexes Prérecquis du profil commun de branche SY02: Méthodes statistisques pour l ingénieur NF16: Algorithmique et structures de données NF17: Bases de données UV s liées: GE40: Management de projets LO17: Recherche d information: indexation et multimédia LO18: Projet multimédia SR03: Programmation des applications internet LO20: Génie logiciel RO04: Optimisation discrète et continue RO05: Processus stochastiques RO06: Simulation et technique d optimisation SY23: Vision et image
13 Exemples de projets TN10 ASTON UNIVERSITY (GB) Gestion de données distribuées BIOS - GROUPE KEYRUS (F) Consultant décisionel (technologies Microsoft) BUSINESS & DECISION (F) Projet de CRM CADEXTAN (F) Analyse de données de logs CAP GEMINI (F) Tableaux de bord commerciaux CENTRE EUROPEEN DE RECHERCHE (F) Méthodes de calcul haut niveau pour ElsA CEA (F) Clusterisation de profils d'expression des gènes CSC INFOGERANCE (F) Datawarehouse et décisionnel GAZ DE France (F) Prévision du risque de corrosion GE HEALTHCARE MEDICAL SYSTEMS Analyse de fichier log. GENERAL ELECTRIC CGR (F) Analyse statistique du fonctionnement de scanners GLAXOWELLCOME PRODUCTION (F) Développement des analyses multivariées IBM FRANCE Reprise des données client dans un ERP INRIA (F) MASTER - Optimisation géométrique LEGRAND SA (F) Mise en place d un work flow sous Lotus Notes LOGICA CMG - UNILOG (F) Reporting MEREO (F) Modélisation prédictive et optimisation. MICROPOLE UNIVERS (F) Business Intelligence, décisionnel, ebusiness, PAREXEL INTERNATIONAL (USA) Traitement de données, Analyse de procédé,... PSA PEUGEOT CITROEN (F) Recherche de règles d'associations SIEMENS CORPORATE RESEARCH (USA)Analyse d'images IRM SOCIETE GENERALE (F) Qualité & fiabilité du calcul de risque SOLYSTIC (F) Fusion de données postales (fonctions de croyance) TECHNICAL UNIV. OF DENMARK (Dk) Analyse d'images UMANIS NORD (F) Décisionnel UNILOG IT SERVICES DO BNM (F) Datawarehouse de reporting financier UTC MASTER TIS
14 Enseignants et partenaires Partenaires industriels EDF, Micropole-Univers, Exalead KXEN SAS CEA.. Equipe pédagogique (UTC) Stéphane Crozat, Thierry Denœux, Gérard Govaert, Pierre Morizet-Mahoudeaux, Benjamin Quost
15 p Merci de votre attention
Filière 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
Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours
Information du cours Informatique décisionnelle et data mining www.lia.univ-avignon.fr/chercheurs/torres/cours/dm Juan-Manuel Torres juan-manuel.torres@univ-avignon.fr LIA/Université d Avignon Cours/TP
La 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
La problématique. La philosophie ' ) * )
La problématique!" La philosophie #$ % La philosophie &'( ' ) * ) 1 La philosophie +, -) *. Mise en oeuvre Data warehouse ou Datamart /01-2, / 3 13 4,$ / 5 23, 2 * $3 3 63 3 #, 7 Datawarehouse Data warehouse
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
BI2B est un cabinet de conseil expert en Corporate Performance Management QUI SOMMES-NOUS?
SOMMAIRE Qui sommes nous? page 3 Notre offre : Le CPM, Corporate Performance Management page 4 Business Planning & Forecasting page 5 Business Intelligence page 6 Business Process Management page 7 Nos
BI Open Source Octobre 2012. Alioune Dia, Consultant BI alioune.dia@openbridge.fr
BI Open Source Octobre 2012 Alioune Dia, Consultant BI alioune.dia@openbridge.fr 1 Le groupe, en bref 2004 Date de création +7M * Chiffre d affaires 2012 +80 Collaborateurs au 06/2011 35% Croissance chiffre
AXIAD Conseil pour décider en toute intelligence
AXIAD Conseil pour décider en toute intelligence Gestion de la Performance, Business Intelligence, Big Data Domaine d expertise «Business Intelligence» Un accompagnement adapté à votre métier dans toutes
Didier MOUNIEN Samantha MOINEAUX
Didier MOUNIEN Samantha MOINEAUX 08/01/2008 1 Généralisation des ERP ERP génère une importante masse de données Comment mesurer l impact réel d une décision? Comment choisir entre plusieurs décisions?
Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise.
Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service
_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
ATELIER. QUASAR OBILOG BI (Décisionnel) ATELIER > PROJET BI
ATELIER QUASAR OBILOG BI (Décisionnel) Sommaire Définitions Objectifs du projet Notre démarche Notre partenaire (TIBCO) Présentation indicateurs Production et Qualité Création indicateur (TRS) Disponibilité
Workflow/DataWarehouse/DataMining. 14-09-98 LORIA - Université d automne 1998 - Informatique décisionnelle - L. Mirtain 1
Workflow/DataWarehouse/DataMining 14-09-98 LORIA - Université d automne 1998 - Informatique décisionnelle - L. Mirtain 1 plan Workflow DataWarehouse Aide à la décision DataMinig Conclusion 14-09-98 LORIA
Master Informatique Aix-Marseille Université
Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes
BI = Business Intelligence Master Data-ScienceCours 3 - Data
BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage
Conseil 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
DESCRIPTIF DE MODULE S5 GSI
Option SIM DESCRIPTIF DE MODULE S5 GSI : Gouvernance et Systèmes d Information COORDONNATEUR DU MODULE : Département : Ce module a pour but d enseigner les méthodes, les règles et les pratiques nécessaires
Petit 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
Introduction à la B.I. Avec SQL Server 2008
Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide
CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012
CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2012 AGENDA Qui sommes nous? Présentation de Keyrus Keyrus : Expert en formations BI Nos propositions de formation 3 modes de formations Liste des
IODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21
IODAA de l 1nf0rmation à la Décision par l Analyse et l Apprentissage IODAA Informations générales 2 Un monde nouveau Des données numériques partout en croissance prodigieuse Comment en extraire des connaissances
BI = Business Intelligence Master Data-Science
BI = Business Intelligence Master Data-Science UPMC 25 janvier 2015 Organisation Horaire Cours : Lundi de 13h30 à 15h30 TP : Vendredi de 13h30 à 17h45 Intervenants : Divers industriels (en cours de construction)
Business Intelligence : Informatique Décisionnelle
Business Intelligence : Informatique Décisionnelle On appelle «aide à la décision», «décisionnel», ou encore «business intelligence», un ensemble de solutions informatiques permettant l analyse des données
ORACLE 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
QU EST-CE QUE LE DECISIONNEL?
La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce
Travail de diplôme 2011 Business Intelligence Open Source SpagoBI/Talend Résumé
ESNE Travail de diplôme 2011 Business Intelligence Open Source SpagoBI/Talend Résumé I.Cirillo 2010-2011 Introduction Le laboratoire de base de données de l ESNE a mis en place, il y a quelques années,
Introduction à l Informatique Décisionnelle - Business Intelligence (7)
Introduction à l Informatique Décisionnelle - Business Intelligence (7) Bernard ESPINASSE Professeur à Aix-Marseille Université (AMU) Ecole Polytechnique Universitaire de Marseille Septembre 2013 Emergence
LES ENTREPOTS DE DONNEES
Module B4 : Projet des Systèmes d information Lille, le 25 mars 2002 LES ENTREPOTS DE DONNEES Problématique : Pour capitaliser ses informations, une entreprise doit-elle commencer par mettre en œuvre des
CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2014
CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2014 SOMMAIRE Présentation de Keyrus Les modes de formation Liste des formations, Plan de cours & Pré-requis IBM Cognos QlikView Microsoft Talend Oracle
Urbanisation des SI-NFE107
OLAP Urbanisation des SI-NFE107 Fiche de lecture Karim SEKRI 20/01/2009 OLAP 1 Introduction PLAN OLAP Les différentes technologies OLAP Plate formes et Outils 20/01/2009 OLAP 2 Informatique décisionnelle
Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining.
2 jours : Mardi 15 et mercredi 16 novembre 2005 de 9 heures 30 à 17 heures 30 Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. Madame, Monsieur, On parle
Licence 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
A C T E U R S. P r o f i l s d e s é d i t e u r s e t d e s S S I I d a n s l e d o m a i n e d u d é c i s i o n n e l e n F r a n c e
A C T E U R S IDC France : 124, Bureaux de la Colline, 92213 Saint-Cloud Cedex, France. Téléphone : 33.1.55.39.61.00 Fax : 33.1.55.39.61.01 P r o f i l s d e s é d i t e u r s e t d e s S S I I d a n s
6 MARS : EVOLUTION DES ACTEURS, DES OUTILS ET DES MÉTIERS DE LA BI
Journée Toulousaine du Décisionnel - édition 2009-6 MARS : EVOLUTION DES ACTEURS, DES OUTILS ET DES MÉTIERS DE LA BI 1 Journée Toulousaine du Décisionnel- édition 2009-6 mars : Evolution des acteurs, des
BUSINESS INTELLIGENCE
GUIDE COMPARATIF BUSINESS INTELLIGENCE www.viseo.com Table des matières Business Intelligence :... 2 Contexte et objectifs... 2 Une architecture spécifique... 2 Les outils de Business intelligence... 3
Bases de Données Avancées
1/26 Bases de Données Avancées DataWareHouse Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR Léonard de Vinci 74, rue Marcel Cachin,
Introduction 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
SQLI, N 1 des SSII spécialisées sur l e-business en France
SQLI, N 1 des SSII spécialisées sur l e-business en France Résultats annuels 2005 30 mars 2006 Sommaire Présentation du Groupe SQLI Faits marquants et résultats 2005 Stratégie et plan de développement
Le terme «ERP» provient du nom de la méthode MRP (Manufacturing Ressource Planning) utilisée dans les années 70 pour la gestion et la planification
Séminaire national Alger 12 Mars 2008 «L Entreprise algérienne face au défi du numérique : État et perspectives» CRM et ERP Impact(s) sur l entreprise en tant qu outils de gestion Historique des ERP Le
GENIE STATISTIQUE GESTION DES RISQUES ET INGENIERIE FINANCIERE MARKETING QUANTITATIF ET REVENUE MANAGEMENT
Remarque : Tous les cours sont en français, sauf contre-indication. Pour des traductions anglaises des titres, des descriptifs, et plus de renseignements, consultez l intégralité du Programme des enseignements
Domaines 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
Chapitre 9 : Informatique décisionnelle
Chapitre 9 : Informatique décisionnelle Sommaire Introduction... 3 Définition... 3 Les domaines d application de l informatique décisionnelle... 4 Architecture d un système décisionnel... 5 L outil Oracle
Programme 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
July 1, 2013. Stéphan Clémençon (Télécom ParisTech) Mastère Big Data July 1, 2013 1 / 15
Mastère Spécialisé Big Data Stéphan Clémençon Télécom ParisTech July 1, 2013 Stéphan Clémençon (Télécom ParisTech) Mastère Big Data July 1, 2013 1 / 15 Agenda Contexte et Opportunité Les grandes lignes
Statistiques et traitement des données
Statistiques et traitement des données Mention : Mathématiques Nature de la formation : Diplôme national de l'enseignement Supérieur Durée des études : 2 ans Crédits ECTS : 120 Formation accessible en
Gestion des Donnés Métier de Référence
Gestion des Donnés Métier de Référence (Master Data Management - MDM) Michel Bruley Directeur Marketing Teradata Western Europe Définitions Données Métier de Référence elles permettent d identifier et
FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis
FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis Joseph Salmon Télécom ParisTech Jeudi 6 Février Joseph Salmon (Télécom ParisTech) Big Data Jeudi 6 Février 1 / 18 Agenda Contexte et opportunités
BI : GESTION GESTION, PRODUCTION STRATEGIE DE BI. Un livre blanc d Hyperion
Un livre blanc d Hyperion LES TROIS PILIERS DE LA REUSSITE D UNE D STRATEGIE DE BI ET DIFFUSION DE L INFORMATIONL BI : GESTION GESTION, PRODUCTION Si votre société est comme la plupart des moyennes et
Un datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données :
Page 1 of 6 Entrepôt de données Un article de Wikipédia, l'encyclopédie libre. L'entrepôt de données, ou datawarehouse, est un concept spécifique de l'informatique décisionnelle, issu du constat suivant
L INTÉGRATION ENTRE BUSINESS INTELLIGENCE ET WEB ANALYTICS
L INTÉGRATION ENTRE BUSINESS INTELLIGENCE ET WEB ANALYTICS Julien Coquet Consultant Sénior Hub Sales Philippe Nieuwbourg Analyste Decideo.fr Notre partenaire : Naissance du terme «Business Intelligence»
Présentations 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
4. Utilisation d un SGBD : le langage SQL. 5. Normalisation
Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :
KEYRUS - EXPERT EN BUSINESS INTELLIGENCE & EISTI OPTION IAD
KEYRUS - EXPERT EN BUSINESS INTELLIGENCE & EISTI OPTION IAD Le 1 er décembre, 2011 SOMMAIRE Présentation du Groupe Keyrus Qui sommes-nous? Nos partenaires, Nos clients Notre politique RH Notre activité
Suite Jedox La Business-Driven Intelligence avec Jedox
Suite La Business-Driven Intelligence avec Une solution intégrée pour la simulation, l analyse et le reporting vous offre la possibilité d analyser vos données et de gérer votre planification selon vos
SQL SERVER 2008, BUSINESS INTELLIGENCE
SGBD / Aide à la décision SQL SERVER 2008, BUSINESS INTELLIGENCE Réf: QLI Durée : 5 jours (7 heures) OBJECTIFS DE LA FORMATION Cette formation vous apprendra à concevoir et à déployer une solution de Business
Fournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement
Introduction Phases du projet Les principales phases du projet sont les suivantes : La mise à disposition des sources Des fichiers Excel sont utilisés pour récolter nos informations L extraction des données
Intelligence Economique - Business Intelligence
Intelligence Economique - Business Intelligence Notion de Business Intelligence Dès qu'il y a une entreprise, il y a implicitement intelligence économique (tout comme il y a du marketing) : quelle produit
Location Analytics. Astrid GLADYS Thierry BABELAERE Pierre TEYSSENDIER. SIG 2013 Conférence Francophone 2 & 3 Octobre Versailles Atelier Technique
SIG 2013 Conférence Francophone 2 & 3 Octobre Versailles Atelier Technique Astrid GLADYS Thierry BABELAERE Pierre TEYSSENDIER Plan de session La solution Focus Esri Maps for Cognos Focus Esri Maps for
Business Intelligence Les 15 tendances clefs pour 2015
Business Intelligence Les 15 tendances clefs pour 2015 Philippe Nieuwbourg www.decideo.fr www.b-eye-network.com 17/11/2008 15 : Temps réel» Fantasme de l intelligence artificielle» Il faut réduire les
Système d Information Géographique (SIG) : quels apports dans les métiers de l assurance?
Système d Information Géographique (SIG) : quels apports dans les métiers de l assurance? 20 mars 2012 Agenda Présentation Esri A quels enjeux du secteur Assurance un SIG peut-il répondre? Qu est-ce qu
L offre décisionnel IBM. Patrick COOLS Spécialiste Business Intelligence
L offre décisionnel IBM Patrick COOLS Spécialiste Business Intelligence Le marché du Business Intelligence L enjeux actuel des entreprises : devenir plus «agiles» Elargir les marchés tout en maintenant
Le "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique
Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché
Sécurité 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
Evry - M2 MIAGE Entrepôt de données
Evry - M2 MIAGE Entrepôt de données Introduction D. Ploix - M2 Miage - EDD - Introduction 1 Plan Positionnement du BI dans l entreprise Déclinaison fonctionnelle du décisionnel dans l entreprise Intégration
Entrepôt de données 1. Introduction
Entrepôt de données 1 (data warehouse) Introduction 1 Présentation Le concept d entrepôt de données a été formalisé pour la première fois en 1990 par Bill Inmon. Il s agissait de constituer une base de
Vers une vraie alternative du libre dans les logiciels d aide à la décision (BI)
Vers une vraie alternative du libre dans les logiciels d aide à la décision (BI) Aristote, le 10 juin 2010 http://www.smile.fr +33 1 41 40 11 00 / sdc@smile.fr Sommaire Smile Solutions décisionnelles open
Analytics Platform. MicroStrategy. Business Intelligence d entreprise. Self-service analytics. Big Data analytics.
Business Intelligence d entreprise MicroStrategy Analytics Platform Self-service analytics Big Data analytics Mobile analytics Disponible en Cloud Donner l autonomie aux utilisateurs. Des tableaux de bord
Analyse de grandes bases de données en santé
.. Analyse de grandes bases de données en santé Alain Duhamel Michaël Genin Mohamed Lemdani EA 2694 / CERIM Master 2 Recherche Biologie et Santé Journée Thématique Fouille de Données Plan. 1 Problématique.
Décisionnel & 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
Présentation à la Direction des Santé Achats de la Société Générale. Asurances, soins, biens médicaux
Présentation à la Direction des Santé Achats de la Société Générale 2003 Asurances, soins, biens médicaux Une culture globale et entrepreneuriale orientée client Innovation et fonctionnement en réseau
données en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
CATALOGUE 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
Offre 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
Business Intelligence, Etat de l art et perspectives. ICAM JP Gouigoux 10/2012
Business Intelligence, Etat de l art et perspectives ICAM JP Gouigoux 10/2012 CONTEXTE DE LA BI Un peu d histoire Premières bases de données utilisées comme simple système de persistance du contenu des
Les Systèmes d Information Géographique dans l Entreprise
Les Systèmes d Information Géographique dans l Entreprise Christophe Lapierre Consultant, Services professionnels ESRI Suisse SA 15 Septembre 2011, Genève 1 ESRI Switzerland, 2011 ESRI Inc. (Environmental
Présentation du module Base de données spatio-temporelles
Présentation du module Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Partie 1 : Notion de bases de données (12,5h ) Enjeux et principes
Session Business Objects. Thierry Nicault Directeur Régional EEMEA Business Objects
Session Business Objects Thierry Nicault Directeur Régional EEMEA Business Objects Agenda La Business Intelligence: Une définition Le Marché de la Business Intelligence La Société Business Objects Nos
Ici, le titre de la. Tableaux de bords de conférence
Ici, le titre de la Tableaux de bords de conférence pilotage d entreprise, indicateurs de performance reporting et BI quels outils seront incontournables à l horizon 2010? Les intervenants Editeur/Intégrateur
Projet 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
Agenda. Le groupe Keyrus. Orange Tunisie. Présentation du projet. Choix initial de Talend Open Studio. Evolution de la plateforme. Nécessité de migrer
Keyrus Talend Connect Business case Orange Tunisie Agenda Le groupe Keyrus Orange Tunisie Présentation du projet Choix initial de Talend Open Studio Evolution de la plateforme Nécessité de migrer Réalisation
Business Intelligence avec Excel, Power BI et Office 365
Avant-propos A. À qui s adresse ce livre? 9 1. Pourquoi à chaque manager? 9 2. Pourquoi à tout informaticien impliqué dans des projets «BI» 9 B. Obtention des données sources 10 C. Objectif du livre 10
Les Entrepôts de Données
Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations
CATALOGUE 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
Spécificités, Applications et Outils
Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining
Datawarehouse: Cubes OLAP. Marlyse Dieungang Khaoula Ghilani
Datawarehouse: Cubes OLAP Marlyse Dieungang Khaoula Ghilani Table des matières 1 Data Warehouse 3 1.1 Introduction............................ 3 1.1.1 Définition......................... 3 1.1.2 Architecture........................
Le traitement du Big Data inclue la collecte, la curation, le stockage, l enrichissement, le croisement, la partage, l analyse et la visualisation.
Les infrastructure du Big Data Le «Big Data» vise à tirer un avantage concurrentiel au travers de méthodes de collecte, d analyse et d exploitation des données qu on ne pouvait utiliser jusqu à présent
CONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS
CONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS Nazih Selmoune (*), Zaia Alimazighi (*) Selmoune@lsi-usthb.dz, Alimazighi@wissal.dz (*) Laboratoire des systèmes
Introduction 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
IMPLEMENTATION 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
Catalogue 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
Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP)
Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP) Définition (G. Gardarin) Entrepôt : ensemble de données historisées variant
«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
Christophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Accélérateur de votre RÉUSSITE
Accélérateur de votre RÉUSSITE SAP Business Objects est une suite décisionnelle unifiée et complète qui connecte ses utilisateurs en éliminant les difficultés d accès à l information. Mobile Devices Browsers
Modélisation Multidimensionnelle des Tableaux de Bord Prospectifs
Modélisation Multidimensionnelle des Tableaux de Bord Prospectifs Zaia Alimazighi (*), Nazih Selmoune (*) (Alimazighi, Selmoune)@wissal.dz (*) Laboratoire des systèmes informatiques (LSI), Faculté d Electronique
Londres 1854 Des problèmes (re)connus Faire plus avec moins Tendances et défis «BYOD» WIN INTUNE «Nouveaux paradigmes» «Big Data» «Cloud» Windows Server Gestion Sys. Center Identité & Virt CLOUD OS Microsoft
MANAGEMENT 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
Filière MMIS. Modélisation Mathématique, Images et Simulation. Responsables : Stefanie Hahmann, Valérie Perrier, Zoltan Szigeti
Filière MMIS Modélisation Mathématique, Images et Simulation Responsables : Stefanie Hahmann, Valérie Perrier, Zoltan Szigeti Valerie.Perrier@imag.fr Modélisation mathématique, Images et simulation (MMIS)