Scribd
Importer
188 vues1 page

Business Intelligence : Modèles de Data Mart

Le document présente trois exercices sur la modélisation de données décisionnelles. L'exercice 1 concerne l'analyse des ventes par lieu de distribution pour une entreprise de vaisselle jetable. L'exercice 2 porte sur l'analyse des ventes d'une chaîne de restauration rapide. L'exercice 3 traite de la modélisation d'un entrepôt de données pour suivre les ventes d'une entreprise de chaussures.

Transféré par

amine.belaabed.01
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
188 vues1 page

Business Intelligence : Modèles de Data Mart

Le document présente trois exercices sur la modélisation de données décisionnelles. L'exercice 1 concerne l'analyse des ventes par lieu de distribution pour une entreprise de vaisselle jetable. L'exercice 2 porte sur l'analyse des ventes d'une chaîne de restauration rapide. L'exercice 3 traite de la modélisation d'un entrepôt de données pour suivre les ventes d'une entreprise de chaussures.

Transféré par

amine.belaabed.01
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Faculté des Sciences - Département d’Informatique

Année : 2023-2024 Cycle : L3-ISIL Module : Business Intelligence


Document : Travaux dirigés Responsable : M. BELKASMI

Exercice N°1

Une entreprise de fabrication de vaisselle jetable souhaite mettre en place un système d’information décisionnel sous la forme d’un data
Mart (un mini entrepôt de données) pour observer son activité de ventes au niveau des différents lieux de distributions de ses articles
et cela dans plusieurs villes. Ces lieux de distributions sont renseignés par leur enseigne, leur type (en fonction de leur surface), leur
adresse (code postal et ville), leur département, leur région. Les ventes sont renseignées selon une période qui se décline en mois, en
trimestre et année. Les ventes sont observées par le nombre d’articles selon le type, et le chiffre d'affaires.

1. Quel est le fait à observer ?


2. Quels sont les axes d’analyse, et les mesures ?
3. Construire le modèle en étoile de ce data Mart.

Exercice N°2

Soit une entreprise de restauration rapide pouvant être regroupés en fonction de leur ville et de leur pays. On désir mesurer les ventes
grâce aux quantités vendues et aux bénéfices, en fonction des ventes réalisées par jour, dans un restaurant donné, pour un al iment
donné. L’objectif est de pouvoir analyser les ventes par jour, par semaine, par mois et par année.

1. Concevoir un modèle en étoile qui permet de représenter cette analyse.


2. On souhaite étendre l’analyse sur la hiérarchie des dimensions Temps et localisation géographique des magasins.
a. Modifier ce modèle pour prendre en considération ces modifications.
3. On souhaite à présent mesurer le nombre de commandes qui est donné par jour et par restaurant.
a. Etendre le modèle précédent afin de prendre en compte cet aspect.

Exercice N°3

La société “Besson-Chaussures”, installée dans la région de la nouvelle-Aquitaine, désire construire un entrepôt de données pour suivre
l'évolution de ses ventes de chaussures. L’entreprise Besson-Chaussures dispose de deux magasins “Chauss_Poitiers” et
“Chauss_Bordeaux” et vend plusieurs modèles de chaussures.

1. Proposez un modèle conceptuel et logique d’entrepôt de données “DW_Besson-Chaussures" afin d’observer l'évolution des
ventes en termes du nombre total de paires de chaussures vendues par rapport aux axes MOIS, ANNÉE, MAGASIN et MODÈLE.
2. Quel est ce type de modèle ? Argumenter.
3. On peut maintenant imaginer que la société désire aussi étudier la répartition de ses ventes suivant d'autres critères, comme
Genre (Homme/Femme/Enfant), Pointure, ou encore Couleur.
a. Proposer un nouveau modèle conceptuel de l’entrepôt de données en prenant en compte toutes les dimensions
anciennes et nouvelles citées ci-dessus.

Vous aimerez peut-être aussi