Chapitre -1-
Introduction à l’Inform atiq ue
Décision nelle
(Business Intellig enc e)
Faculté des Sciences
Département d’Informatique - L3 – ISIL
2023-2024
Table des matières
1. Pilotage de l’entreprise et l’informatique
2. Outils de pilotages
3. Informatique Décisionnelle ou Business Intelligence
4. Pyramide BI
5. OLTP (Online Transactionnal Processing)
6. Nouvelles technologies informatiques du BI
7. De [Link] au [Link]
8. Exemple de BI : Customer relations
23/04/2024 2
Pilotage de l’entreprise et l’informatique
⚫ Pilotage d’une entreprise dépend de ses objectifs stratégiques en prenant en considération :
⚫ L’orientation vers les clients,
⚫ Cycles conception/fabrication de plus en plus courts,
⚫ De nouveau canaux de distribution comme les ventes en ligne (Web),
⚫ L’exigence d’internationalisation (dimension commerciale),
⚫ Donc elle doit :
⚫ Anticiper les besoins des clients,
⚫ Contrôler l’intégrité et la qualité des flux de gestion,
⚫ Évaluer la performance des différentes entités la composant,
23/04/2024 3
Outils de pilotages
Outils de stockage et d’analyse :
⚫ Pour constituer et mettre à jour à partir de diverses sources volumineuses de données historisées et
multidimensionnelles, …
⚫ Pour en extraire selon divers critères des sous-ensembles de données,
⚫ Pour les analyser selon différents axes (OLAP), d’identifier des tendances, des corrélations, faire de la
prévision (Data Mining).
Outils de veille stratégique :
⚫ Rattachés à «l’intelligence économique» (Competitive Intelligence)
⚫ Pour la collecte (quantité de données → WEB), le filtrage et en extraire les informations pertinentes (Web
Mining) et enfin les analyser
⇒ Outils relevant de l’ID ou BI
23/04/2024 4
Informatique Décisionnelle ou Business Intelligence
⚫ L’Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l'informatique à l'usage
des décideurs et dirigeants des entreprises
⚫ En management, elle permet une connaissance approfondie de l'entreprise, la définition et le
soutien de stratégies d'affaires :
⚫ Acquérir un avantage concurrentiel,
⚫ Améliorer la performance de l’entreprise,
⚫ Répondre plus rapidement aux changements,
⚫ Augmenter la rentabilité, et
⚫ Créer la valeur ajoutée de l'entreprise.
⚫ Les techniques de BI sont utilisées aussi dans d’autres domaines tel que : la santé, les sciences,
l’énergie, la télécommunication, …etc.
23/04/2024 5
Pyramide BI
Analyse de simulation 6 Prise de décision
Scénario d'analyse 5
Modèles
d’apprentissage 4
(IA)
Exploration des données
(Data mining) 3
OnLine 2
Analytical
Sources de
Processing 1
données brutes
23/04/2024 6
OLTP (OnLine Transactionnal Processing)
⚫ Le Web rend le BI encore plus nécessaire :
⚫ La présence «physique» n’est pas nécessaire
⚫ Connaître ses clients :
⚫ Analyse des «Web log» pour comprendre le comportement des clients sur le site
⚫ Combiner ces données Web avec les données traditionnelles des clients
⚫ «Internet sans fil» ajoute à cela :
⚫ Clients sont toujours "en ligne"
⚫ Position (localisation) de la clientèle connue
⚫ Localisation + connaissances sur le client ⇒ très utile
On ch erch e tou jou rs d es ca d res p ou r d ével op p er l e BI d es
en trep ri ses Pou r a mél i orer l eu rs p erforma n ces
23/04/2024 7
OLTP (OnLine Transactionnal Processing)
⚫ Processus de traitement en ligne des données – OLTP (OnLine Transactionnal
Processing) : Interactifs, Concurrents, Nombreux, Répétitifs, Structurés, Simples
⚫ Supportent en général une ou plusieurs grandes fonctions de l’entreprise
(production, marketing, commercial, ressources humaines, finance,
comptabilité, recherche, …)
⚫ Parfois intégrés dans un ERP, reposent sur des SGBD traditionnels (Oracle,
DB2, …) pour gérer des BD «opérationnelles» ou de «production» (MegaGiga
octets)
Exemple : Enregistrement des ventes dans un hypermarché
23/04/2024 8
BI et BD opérationnelles (Les limites)
⚫ BI ne peut s’appliquer aux BD opérationnelles traditionnelles, elles sont :
⚫ Complexes et inutilisables
⚫ Non orientées objectif (sujet)
⚫ Ses données sont :
⚫ Identiques
⚫ Même concept souvent défini différemment
⚫ Orientées opération et pas analyse
⚫ Mauvaise qualité: données manquantes, imprécises, … etc
⚫ Volatiles :
⚫ Supprimées périodiquement
⚫ Modifiées dans le temps ⇒ pas d’historisation
23/04/2024 9
Nouvelles attentes
⚫ Entrepôt de données :
⚫ Quantités de données historisées de plus en plus importantes
⚫ Organisées selon des dimensions (Temps, région, type, ...etc.)
⚫ Analyse en ligne :
⚫ Passer du traitement transactionnel en ligne (OLTP) vers l’analyse en ligne (OLAP)
⚫ Exemples :
⚫ Résultats des ventes par type de produit, par région, par année, semestre ou trimestre.
⚫ Evolution des chiffres d’affaires par magasin et par période
C’est l’Informatique décisionnelle → Business Intelligence
23/04/2024 10
Nouvelles technologies du BI
⚫ Entrepôt de données (Data Warehouse) :
⚫ Récolte, stock et gère efficacement de gros volumes de données
⚫ Organisation des données en regroupements homogènes suivant plusieurs axes et différents niveaux de détails (agrégation)
⚫ Analyse des données en ligne (OLAP) :
⚫ Exploitation interactive (tableau de bord) des données conduisant à des analyses par changement de point de vue, et/ou de
niveau de détail
⚫ Fouille de données (Data Mining) :
⚫ Extraction automatique de connaissances (propriétés cachées) en utilisant :
⚫ Techniques traditionnelles issus des statistiques et l’analyse de données
⚫ Techniques modernes telles que l’arbre de décision, les algorithmes génétiques et les réseaux de neurones.
Tendance : Intégration croissante du DM dans DW
23/04/2024 11
BI en entreprise : Domaines concernés
Domaines d'application
Ressources
Production Marketing Finances Comptabilité Education Recherche
humaines
- Réduction des coûts - Gestion des salariés, carrières - Gestion des commandes - Réduction des coûts
- Prévision de la production - Employé loyal (Caractéristiques) - Facturation et suivi - Prévision de la production
- Gestion des Stocks - Recherche de profil - Investissements - Gestion des Stocks
- Contrôle de la qualité - Satisfaction des employés - Contrôle de la qualité
- CRM, connaissance de la clientèle - Pilotage financier - Scolarité
- Etude de marché - Gestion bancaire (diminuer les - Pédagogie
- Géomarketing créances douteuses) - Recherche Scientifique
- Prévision de ventes
23/04/2024 12
Du Business Intelligence au Business Analytics (1)
⚫ Business Intelligence (BI):
⚫ On s'intéresse à ce qui s'est passé
⚫ Basée sur Le DW, OLAP, le reporting, la surveillance, l'alerte automatisée et les tableaux de bords
Répondre à des questions telles que: Que s'est-il passé, combien, a quelle fréquence, où se situe le
problème et quelles sont les actions nécessaires
⚫ Business Analitycs (BA):
⚫ On s’intéresse aux raisons pour lesquelles cela s’est produit et si cela se reproduira, en s’appuyant sur la
Business Intelligence
⚫ Basé sur L'analyse statistique et quantitative, l'exploration des données, la modélisation prédictive
Répondre à des questions telles que: pourquoi cela se produit ?, que se passe-t-il si ces tendances se
poursuivent ?, que se passera-t-il ensuite ? (prédictions) et quel est le meilleur résultatpossible ? (optimisation)
23/04/2024 13
Du Business Intelligence au Business Analytics (2)
⚫ Analyse descriptive & diagnostic analytique:
⚫ Comprendre les données historisées en utilisant les rapports, tableaux de bord et les
regroupements: Qu'est-il arrivé? Pourquoi c'est arrivé?
⚫ Exemples:
⚫ Changement de prix d'une année à l'autre
⚫ Croissance des ventes d'un mois à l'autre
⚫ Le nombre d'utilisateur
⚫ Le revenu total par abonné
Mesures décrivant tout ce qui s'est produit dans une
entreprise durant une période donnée
23/04/2024 14
Du Business Intelligence au Business Analytics (3)
⚫ Analyse prédictive:
⚫ Prédire l'avenir en examinant des données historisées.
⚫ En détectant des modèles ou des relations entre ces données.
⚫ En extrapolant ces relations dans le temps (Quand cela peut arriver?).
⚫ Utilisation de la modélisation prédictive en utilisant les techniques statistiques et l'apprentissage
automatique
⚫ Analyse prescriptive:
⚫ Identifier les meilleures alternatives afin de minimiser ou maximiser un objectif
⚫ Recommander des décisions en utilisant l'optimisation, la simulation.
23/04/2024 15
Du Business Intelligence au Business Analytics (4)
How it can happen again?
When it can be happen?
Why it happened?
What happened?
Davenport, T H and Harris, J G ( 2006).
Competing on Analytics: The New Science of Winning, Harward Business School Press, Boston, Massachusetts.
23/04/2024 16
Exemple de BI: La relation client (1)
⚫ Contexte économique général:
Dans un climat de concurrence mondiale tendu
⚫ Conquérir un nouveau client coûte 5 fois plus cher que de fidéliser un client existant
⚫ 5% d'amélioration de la fidélité des clients entraine une augmentation des profits de 10 à 15%
⚫ Tous les clients ne sont pas égaux: 30% des clients génèrent 70% du CA
⚫ Le client attend un service personnalisé (sur mesure)
⚫ La personnalisation est une source de profit
Gestion de la relation Client
(C ustomer Relationship M anagement)
23/04/2024 17
Exemple de BI: La relation client (2)
⚫ Définition CRM:
⚫ C'est la capacité à identifier, acquérir et à fidéliser les meilleurs clients dans le but
d'augmenter le CA et les bénéfices
⚫ Capacité à bâtir une relation profitable sur long terme avec les meilleurs clients en
capitalisant sur l'ensemble des points de contacts.
23/04/2024 18
Exemple de BI: La relation client (3)
⚫ Mieux connaître et comprendre ses clients:
⚫ Réduire les coûts (détecter les clients infidèles)
⚫ Comment fidéliser une clientèle?
⚫ Comment augmenter les profits?
⚫ Comment identifier les nouvelles opportunités?
• … Doit permettre de répondre aux questions: C'est ça le BI
• Quels sont les besoins et les attentes des clients? Comment y répondre?
• Quels sont mes clients prêts à acheter de nouveaux produits?
• Quels sont les clients les plus profitables, fidèles et pourquoi?
• Quels sont les clients mécontents et pourquoi?
23/04/2024 19
Exemple de BI: La relation client (4)
▪ La gestion des contacts
▪ La gestion du pipeline,
▪ L'automatisation des flux de travail,
▪ La gestion des tâches et
des campagnes de marketing,
▪ Les prévisions de ventes,
▪ Le support et le service client,
▪ La gestion des stocks,
▪ Les rapports et la création de tableaux de bord.
23/04/2024 20
BI: Architecture générale
Sources de données Sources de stockage Moteur d'analyse Outils de sortie
23/04/2024 21
Fin du chapitre 1
Faculté des Sciences
Département d’Informatique - L3 – ISIL
2023-2024
