Informatique décisionnelle

Mohamed Mouhiha
mouhihamohamed@[Link]
Plan

⦁ Introduction
⦁ D ataWarehouse
⦁ Introduction
⦁ Caractéristiques
⦁ Architecture de base
⦁ Datamart
⦁ Modélisation multidimensionnelle
⦁ Modèle en étoile
⦁ Modèle en flocon
⦁ Base de données O LAP
⦁ Introduction
⦁ Cube OLAP
⦁ Manipulationd’un Cube
⦁ Stockage et schéma de stockage O LAP
⦁ MOLAP Multidimensionnal On-LineAnalitycal Process
⦁ ROLAP Relationnal On-LineAnalitycal Process
⦁ H O LAP Hybrid On-LineAnalitycal Process
⦁ Conception et mise en œuvre d'un DataWarehouse
🞂 Implémentation du Data Warehouse (SQL Server et/ou Oracl 10g et/ou MySQL)
 Introduction à
l’informatique décisionnelle:
Business Intelligence BI
Plan
⦁ Définition de la BI
⦁ Objectifs de la BI
⦁ Fonctionnement d’une plateforme BI
⦁ Technologies de la BI
⦁ Composantes de la BI
⦁ Les caractéristiques de la BI
⦁ Les avantages de la BI
⦁ Les principaux fournisseurs
Définition

⦁ Problématique
⦁ Grande quantité d’information:
⦁ Avec l’introduction et utilisation des applications informatiques, les
entreprises ont commencé àautomatiser le processus de collecte de
données,et l'information commençait à s'accumuler.
⦁ Organisation de ces données:
⦁ L’organisation pose un problème en raison d'un manque d'infrastructure
de stockage et d'incompatibilité entre les différents systèmes.
⦁ Analyse:
⦁ L'analyse des données était pénible et demandait un temps considérable,
et elle était réservée pour observer les tendances à long terme.
⦁ Décision:
🞂 Les décisions cruciales reposaient sur l'intuition
Définition

⦁ Problématique (suite)
⦁ Situation:Données d’une entreprise:
⦁ On suppose qu’il existe une grande quantité de données d’une entreprise
et qui sont stockées dans des bases de données dispersées, déstructurées
et hétérogènes
⦁ Coté dirigeants:
 Comment faire pour analyser toutes ces informations et dans un temps
raisonnable?
 Comme faire pour que cette analyse soit sur différentes périodes ?
 En général,les décideurs n’ont besoin que seulement des faits importants (sans
entrer trop dans les détails) pour les aider à prendre leurs décisions.
Définition
⦁ Solution:
⦁ Faire appel àl’informatique décisionnelle: souvent appelée BI:
Business Intelligence et anciennement appelée DSS: Decision
Support Systems
⦁ Définition de l’informatique décisionnelle (BI)
⦁ (src wikipedia) L’informatique décisionnelle (en anglais : BI
pour Business Intelligence) est l'informatique à l'usage des
décideurs et des dirigeants des entreprises. Elle désigne les
moyens, les outils et les méthodes qui permettent de collecter,
consolider, modéliser et restituer les données, matérielles
ou immatérielles, d'une entreprise en vue d'offrir une aide à la
décision et de permettre à un décideur d’avoir une vue
d’ensemble de l’activité traitée
Historique

⦁ Au fur et à mesure de l’avancé de l’ère technologique et des

systèmes d’information,les entreprises ont commencé à
automatiser le processus de collecte de données, et l'information
commençait à s'accumuler
⦁ Problème d’organisation
⦁ Avec les progrès informatiques, la collecte des données est devenue
abordable,et des entrepôts de données sophistiqués (Data
Warehouse: DWH) sont apparus
⦁ Après, des outils spécialisés (Extract,Transform and Load: ETL) ont
été conçus pour alimenter ces entrepôts.
⦁ Aussi, les techniques de génération de rapports et d'analyse de
données sont devenus plus performants
⦁ En 1989,Howard Dresner,un chercheur au Gartner Groupe,a
popularisé le terme « Business Intelligence,Informatique
décisionnelle». Il l'a décrit comme étant un ensemble de concepts et
de méthodes pour améliorer la prise de décisions en utilisant des
systèmes s'appuyant sur des données concrètes et réelles.
C h a m p s d’application de la BI
⦁ Généralement,le BI intervient là ou des décisions sont à
prendre:
⦁ Son utilisation est traditionnellement centré sur les questions
comptables:consolidation et planification budgétaire,…
⦁ Dernièrement,le champ de la BI s'est étendu à l'ensemble des
grands domaines de l'entreprise:
⦁ gestion de la relation client,
⦁ gestion de la chaîne logistique,
⦁ Gestion des ressources humaines,
⦁ …
Informatique décisionnelle
⦁ Résumé:
⦁ L’informatique décisionnelle réside dansla manipulation et l'extraction
d'information pertinente à partir d'un volume de données gigantesque.
⦁ Les outils décisionnels permettent d'analyser,d'extrapoler et de
rapporter des données.
⦁ Certains outils modernes permettent aux utilisateurs d'effectuer des
croisements de données et de faire des recherches poussées sur un
secteur d'activité particulier.
⦁Voir vidéo: « History of Business Intelligence »
[Link]
Informatique décisionnelle
⦁ BI (Business Intelligence) versusAI (Artificial Intelligence)
⦁ AI: Systèmes (programmes informatiques) permettant de
prendre des décisions
⦁ BI: Systèmes qui aident les utilisateurs dans la prise de décision
en se basant sur les données disponibles
Le processus de l’informatique décisionnelle
 Le Processus de l’informatique décisionnelle

Customer
Relationship
Management Reporting
(CRM)
Serveur
OLAP

Fichiers plats

Data mining
O LTP

Entreprise
Resource Tableaux de
Planning bord
(ERP)
Data marts

1- Collecter 2- Stocker 3-Analyser 4- Exploiter

Technologies de l’informatique décisionnelle

⦁ ETL (Extraction,Transformation, Loading):

⦁ C’est une technologie qui permet à partir de diverses sources de
données (base de données relationnelle, base de données objet, fichiers
plat (texte), tableurs, , HTML, XML, ERP, CRM, …) d'extraire de
l'information, de faire des transformations afin de nettoyer les données et
de charger des données utiles dans un entrepôt de données (Data
Warehouse: DWH).
⦁ Extraction de données des applications et des bases de données de
production (ERP,CRM,SGBDR, fichiers, etc.)
⦁ La transformation de ces données pour les rassembler, pour effectuer des
calculs ou du découpage de texte, pour les enrichir avec des données externes
et aussi pour respecter le format requis par les système cibles (Troisième
Forme Normale, Schéma en Etoile,Dimensions à Evolution Lente, etc.)
⦁ Le chargement des données résultantes dans les différentes applications
décisionnelles :Data Warehouse ou Enterprise Data Warehouse, Data Marts,
applications OLAP (Online Analytical Processing) ou“cubes”,etc.
Technologies de l’informatique décisionnelle
⦁ ETL
⦁ Exemple d’outils: editeur /solution
⦁ Microsoft /SQL Server Integration Services (SSIS)
⦁ Oracle /O racleWarehouse Builder (OWB)
⦁ Oracle /Sunopsis Data Conductor
⦁ Oracle/ Oracle Data Integrator (ODI)
⦁ Talend /O pen Studio
⦁ Pentaho /Pentaho data integration
⦁ Pentaho /Kettle
⦁ SAS /SAS Enterprise ETL Server
⦁ SAP /BusinessObjects Data Integrator
⦁ Cognos - IBM /Cognos DecisionStream (Data Manager)
⦁ Informatica /Power Center
⦁ Informatica /Power Exchange
Technologies de l’informatique décisionnelle
⦁ Data Warehouse:
⦁ Le terme Entrepôt de données (ou base de données
décisionnelle,ou encore dataWarehouse) désigne une base de
données utilisée pour collecter,ordonner,journaliser et
stocker des informations provenant de base de données
opérationnelles et fournir ainsi un support à l'aide à la
décision en entreprise
⦁ Le Data Warehouse est alimenté en données depuis les bases
de production grâce notamment aux outils d'ETL (Extract
Transform Load)
Technologies de l’informatique décisionnelle

⦁ Data Warehouse:(suite)
Les principales caractéristiques d’un DataWarehouse sont:
⦁ Orienté sujet:
⦁ Au cœur du Data warehouse, les données sont organisées par thème.
⦁ Intégré:
⦁ Les données proviennent de sources hétérogènes utilisant chacune un type de
format. Ainsi, un nettoyage préalable des données est nécessaire pour les
rationalisées et les normalisées. Elles sont donc intégrées avant d'être
proposées à utilisation
⦁ Non volatile:
⦁ Les données ne disparaissent pas et ne changent pas au fil des traitements, au
fil du temps (Read-Only).
⦁ Historisé:
⦁ Les données non volatiles sont aussi horodatées. On peut ainsi visualiser
l'évolution dans le temps d'une valeur donnée.
Le degré de détail de l'archivage est bien entendu relatif à la nature des
donné[Link] les données ne méritent pas d'être archivées
Technologies de l’informatique décisionnelle

⦁ DataMart:
⦁ Le terme Datamart (magasin de données) désigne un sous-
ensemble du Data Warehouse contenant les données du
datawarehouse pour un secteur particulier de l'entreprise
(département,direction, service, gamme de produit, etc.).
⦁ On parle ainsi par exemple de Datamart Marketing,Datamart
Commercial,…
⦁ Un DataWarehouse peut contenir plusieurs Datamarts
⦁ Il peut être défini comme la version « allégée » du Data
Warehouse.
⦁ Plutôt que de viser l'universalité des thèmes,le Datamart se focalise
sur un sujet,un thème ou un métier
Technologies de l’informatique décisionnelle

⦁ OLAP:On LineAnalytical Processing

⦁ Technologie utilisant des structures multidimensionnelles pour
offrir un accès rapide aux données en vue d’une analyse.
⦁ Les données sources OLAP sont souvent stockées dans les
magasins de données (datamart) d’une base de données
relationnelle
⦁ Les fonctions OLAP permettent, à partir des entrepôts de
données, d’analyser l’activité de l’entreprise grâce àdes
statistiques :moyennes mobiles, coefficients de corrélation,
valeurs cumulées…
⦁ L’élément principal de l’infrastructure OLAP est le cube (ou
hypercube).
➔ C’est en fait une base de données multidimensionnelle,qui
permet l’analyse de ces données.
Technologies de l’informatique décisionnelle
⦁ Datamining:
⦁ Ensemble d’algorithmes et techniques pour la fouille de
données permettant d'extraire,d'une base de données, des
connaissances sous la forme de modèles afin de:
⦁ Décrire le comportement actuel des données, les rendre plus
compréhensibles:c’est l’étape de description et de compréhension
⦁ Découvrir des corrélations significatives,des règles de raisonnement
afin de prédire le comportement futur des données:c’est l’étape de
prédiction
Technologies de l’informatique décisionnelle
⦁ Outils SQL Server pour BI:
⦁ SQL Server Integration Services (SSIS),qui permet d’intégrer
des données provenant de différentes sources pour les ranger
dans un entrepôt central (Data Warehouse).
⦁ SQL Server Analysis Services (SSAS), qui permet d’analyser les
données, agrégées lors de SSIS,grâce àdes fonctions d’analyse
multidimensionnelle.
⦁ SQL Server Reporting Services (SSRS), qui permet de créer,
gérer et publier des rapports résultant des analyses réalisées
lors de SSAS.