Université de la Manouba Code :1400

École Supérieure d’Économie Numérique

Rapport De projet de fin d'études

Pour l‟obtention du diplôme de
Licence en Business Computing en Business Intelligence

Conception et mise en place d’un système d’aide à la

décision afin de suivre l’activité de vente de
l’entreprise Sanofi
Entreprise d’accueil
Sanofi Aventis

Elaboré par :
Farah Hanchi & Firas Toumi

Encadrant académique : Encadrant professionnelle :

Dr. Hamida Amdouni Mme. Wided Smati

Année Universitaire : 2022-2023

 Dédicace
Ce travail de fin d‟études est dédié à tous ceux qui ont contribué, de près ou
de loin, à sa réalisation.
À mes chers parents ’Mohsen et Sonia’
Je dédie ce travail en témoignage de ma profonde gratitude pour tout
l‟amour, le soutien et les prières que vous m‟avez accordés tout au long de
ma vie. Vous avez été une source d‟inspiration et de force pour moi, et c‟est
grâce à votre éducation et votre exemple que j‟ai pu arriver jusqu‟ici. Je suis
fière d‟être votre fille.
Á mes chères Sœurs ‘Takoua, Ghofrane et Eya ’
Je ne peux pas exprimer avec des mots à quel point je vous aime et vous
suis reconnaissante que vous soyez. Merci d'être toujours là pour moi.
À ma meilleure amie Shaima
Pour ton soutien indéfectible tout au long de notre amitié et la bonté qui a
été une source d‟inspiration pour moi. Merci d‟être la meilleure amie du
monde.
À mes chères amies ‘Rania et Yosra’
Avec toute mon affection, je tiens à vous dire merci pour votre précieuse
présence à mes côtés, que ce soit dans les moments difficiles ou dans les
moments de joie. Je suis honorée de vous avoir comme mes amies.
À mon binôme Firas
Je suis très reconnaissante de votre soutien, de votre motivation et de vos
précieux conseils. Merci d'avoir été là pour moi et de m'avoir aidée à
atteindre nos objectifs communs.

Farah Hanchi

ii
 Dédicace
Je veux adresser tous mes remerciements aux personnes qui
m‟ont aimé et aidé durant mon parcours.
À mes chers parents
Qu‟ils m'ont aimé inconditionnellement pour qui je suis et ont
toujours soutenu, peu importe les choix que j'ai faits. Je vous
remercie infiniment pour vos sacrifices et votre confiance totale
en moi.
À mon frère et ma sœur
Qui ont su me motiver sans relâche, même lorsque j'étais en
proie au doute. Un grand merci pour vos encouragements et
votre soutien moral.
À mon binôme Farah
Merci pour votre soutien et votre patience avec la personne qui
n'a pas été très facile.

Firas Toumi

iii
 Remerciements

T
out d‟abord, nous souhaitons exprimer notre profonde gratitude envers Dieu pour
nous avoir donné non seulement le courage mais aussi la force et la patience
nécessaires pour accomplir ce travail.

Nous tenons à remercier le président et les membres du jury pour avoir pris le temps
d‟évaluer notre travail. Leurs commentaires constructifs seront très bénéfiques pour améliorer
notre travail à l‟avenir. Encore une fois, merci infiniment pour leur participation inestimable.

Nous souhaitons exprimer un intense remerciement à notre encadrant académique Dr Hamida

Amdouni pour son dévouement et sa disponibilité. Son engagement et ses motivations ont été
d‟un grand soutien pour nous.

Un grand merci à notre encadrante professionnelle Madame Wided Smati pour son aide, son
conseil positif et encouragements tout au long de notre stage. Du fond du cœur, nous lui
disons merci pour tout.

Je remercie vivement nos enseignants et le cadre administratif de l’École Supérieure

d’Économie Numérique de la Manouba pour la qualité exceptionnelle de la formation
dispensée ainsi que pour leur engagement envers notre réussite.

Enfin mes remerciements s‟adressent à l‟ensemble des responsables de l‟entreprise Sanofi

pour nous avoir offert un environnement de travail agréable durant cette expérience
professionnelle. Nous souhaitons particulièrement remercier Monsieur Yasser Salhi,
Houssem Tahenti et Madame Amel Ben Hamza pour leur solidarité et leur soutien moral.

iv
Table des matières

Table des matières ...................................................................................................................... v

Liste des tableaux .................................................................................................................... viii

Table des figures ........................................................................................................................ x

Nomenclature .......................................................................................................................... xiv

Introduction générale................................................................................................................ 15

Chapitre 1 : “Contexte général ”............................................................................................. 17

Introduction .......................................................................................................................... 17

1.1. Présentation de l‟établissement ..................................................................................... 17

1.1.1 Historique .................................................................................................................... 17

1.1.2 Les activités de l‟établissement ................................................................................... 19

1.1.3 Organigramme ............................................................................................................. 19

1.2. Cadre de projet .............................................................................................................. 20

1.3. Analyse de la solution existante .................................................................................... 21

1.3.1 Etude de la solution l‟existante ................................................................................... 21

1.3.2 Critique de la solution existence ................................................................................. 23

1.4. Solution proposée .......................................................................................................... 24

1.5. L‟informatique décisionnelle ........................................................................................ 25

1.5.1 Définition et ses objectifs ............................................................................................ 25

1.5.2 Architecture d‟un système décisionnel........................................................................ 25

1.5.3 Zone de source ............................................................................................................ 26

1.5.4 Zone de préparation ..................................................................................................... 26

1.5.5 Zone de présentation ................................................................................................... 27

1.5.6 Zone de Restitution ..................................................................................................... 28

1.5.7 Modélisation des données de l‟entrepôt ...................................................................... 29

1.6. Méthode d‟implémentation de l‟entrepôt de données et du système décisionnel. ........ 31

v
 1.6.1 La démarche INMON .................................................................................................. 31

1.6.2 La démarche KIMBALL ............................................................................................. 32

1.6.3 Approche adoptée ........................................................................................................ 32

1.7. Planification des chapitres ............................................................................................. 33

Conclusion ............................................................................................................................ 33

Chapitre 2 : “Définition des besoins et modélisation de l‟entrepôt de données ” .................. 34

Introduction .......................................................................................................................... 34

2.1. Définition des besoins d‟affaires ................................................................................... 34

2.2. Spécification des besoins .............................................................................................. 35

2.2.1 Identification des acteurs ............................................................................................. 35

2.2.2 Besoins fonctionnels ................................................................................................... 35

2.2.3 Besoins non fonctionnels ............................................................................................ 36

2.3. Architecture du système décisionnel ............................................................................. 36

2.3.1 Architecture technique ................................................................................................ 36

2.3.2 Environnement Technique .......................................................................................... 37

Chapitre 3 “Modélisation conceptuelle et physique de l‟entrepôt de données ” .................... 38

Introduction .......................................................................................................................... 38

3.1 Inspection des données source ....................................................................................... 38

3.2 Identification des tables de dimensions et de la table de fait ......................................... 46

3.3 Conception du Modèle Physique .................................................................................... 51

Conclusion ............................................................................................................................ 51

Chapitre 4 “Intégration des données ” .................................................................................... 52

Introduction .......................................................................................................................... 52

4.1 Matrice de transformation .............................................................................................. 52

4.2 Connexion aux bases de données ................................................................................... 66

4.3 Développement du système ETL ................................................................................... 67

4.3.1 Extraction des données ................................................................................................ 67

vi
 4.3.2 Transformation des données........................................................................................ 68

4.3.3 Chargement des données ............................................................................................. 82

Conclusion ............................................................................................................................ 89

Chapitre 5 “Développement de la solution BI ” ..................................................................... 90

Introduction .......................................................................................................................... 90

5.1 Conception de l‟application BI....................................................................................... 90

5.2 Développement de l‟application BI ................................................................................ 92

5.2.1 Connexion à l‟entrepôt de données ............................................................................. 92

5.2.2 Visualisation des Dashboard ....................................................................................... 94

5.2.3 Vérification des résultats ........................................................................................... 100

5.3 Déploiement de l‟application ....................................................................................... 101

5.3.1 Publication de l‟application ....................................................................................... 101

5.3.2 Attribution de l‟application à un utilisateur .............................................................. 104

Conclusion .......................................................................................................................... 104

Conclusion générale ............................................................................................................... 105

Référence ................................................................................................................................ 106

vii
Liste des tableaux
Tableau 1: Tableau comparatif entre les deux méthodologies ................................................ 33
Tableau 2: Indicateurs clés de performance de Sanofi Aventis ............................................... 34
Tableau 3: Table dmt_SECTORIAL_SALES ............................................................................ 40
Tableau 4: Table dmt_SECTORIAL_OBJ................................................................................ 41
Tableau 5: Table dmt_QUOTA_VISIT ..................................................................................... 41
Tableau 6: Table dwh_TERRITORY ........................................................................................ 42
Tableau 7: Table dwh_GEOGRAPHY ..................................................................................... 42
Tableau 8: Table dwh_TERRITORY_HAS_GEOGRAPHY ..................................................... 43
Tableau 9: Table dwh_VD ....................................................................................................... 43
Tableau 10: Table dwh_PRODUCT_SFE_tmp ....................................................................... 44
Tableau 11: Table PRODUCT_BU.......................................................................................... 44
Tableau 12: Table dwh_BU_HAS_PRODUCT_SFE ............................................................... 44
Tableau 13: Table dwh_SALESLINE_MARKET_PRODUCT ................................................. 44
Tableau 14: Table dwh_CPA ................................................................................................... 45
Tableau 15: Table dwh_MARKET_SFE .................................................................................. 45
Tableau 16: Table DEPENSE_PAR _PRODUIT ..................................................................... 46
Tableau 17: Table Geographie ................................................................................................ 46
Tableau 18: Table GeographieUnique .................................................................................... 47
Tableau 19: Table Produits...................................................................................................... 47
Tableau 20: Table Produits Unique ......................................................................................... 48
Tableau 21: Table Marches Ecran........................................................................................... 48
Tableau 22: Table Temps ......................................................................................................... 48
Tableau 23: Table Faits Glob .................................................................................................. 49
Tableau 24: Table Products Glob ............................................................................................ 49
Tableau 25: Table faits ............................................................................................................ 50
Tableau 26: Matrice de transformation de la table Geographie ............................................. 53
Tableau 27: Matrice de transformation de la table GeographieUnique ................................. 54
Tableau 28: Matrice de transformation de la table Temps ...................................................... 54
Tableau 29: Matrice de transformation de la table MarchesEcran ........................................ 54
Tableau 30: Matrice de transformation de la table Produits .................................................. 56
Tableau 31: Matrice de transformation de la table Produits Unique ...................................... 56

viii
Tableau 32: Matrice de transformation de la table Faits Glob ............................................... 57
Tableau 33: Matrice de transformation de la table ProductsGlob .......................................... 58
Tableau 34: Matrice de transformation de la table Faits ........................................................ 66

ix
Table des figures

Figure 1: Logo de l’établissement ........................................................................................... 17

Figure 2: Organigramme ......................................................................................................... 20
Figure 3: Architecture de la solution existante ........................................................................ 21
Figure 4: La relation entre les différentes sources et l'ITC Tunisie ........................................ 22
Figure 5: Exemple de transformation de données dans QlikView ........................................... 23
Figure 6: Exemple des Dashboard dans QlikView .................................................................. 23
Figure 7: Le processus de la solution proposée ...................................................................... 25
Figure 8: Architecture d’un système décisionnel ..................................................................... 26
Figure 9: Analyse OLAP .......................................................................................................... 28
Figure 10: Modèle en étoile ..................................................................................................... 30
Figure 11: Modèle en flocon de neige...................................................................................... 31
Figure 12: Modèle en constellation ......................................................................................... 31
Figure 13: Cycle de vie d’Inmon.............................................................................................. 32
Figure 14: Cycle de vie de kimball .......................................................................................... 32
Figure 15: Diagramme de Gantt .............................................................................................. 33
Figure 16: Architecture Technique .......................................................................................... 36
Figure 17: les technologies utilisées ........................................................................................ 37
Figure 18: Conception des tables ............................................................................................ 51
Figure 19: Paramètres de connexion à la base de données source ......................................... 66
Figure 20: Extraction des données .......................................................................................... 67
Figure 21: Importation des données ........................................................................................ 68
Figure 22: Transformation de la table Geographie ................................................................. 68
Figure 23: Transformation de la table Produits 1 ................................................................... 69
Figure 24: Transformation de la table Produits 2 ................................................................... 70
Figure 25: Transformation de la table Produits 3 ................................................................... 70
Figure 26: Transformation de la table Temps 1 ...................................................................... 71
Figure 27: Transformation de la table Temps 2 ...................................................................... 72
Figure 28: Transformation de la table Faits Glob .................................................................. 73
Figure 29: Transformation de la table Marches Ecran 1 ........................................................ 73
Figure 30: Transformation de la table Marches Ecran 2 ....................................................... 74
Figure 31: Transformation de la table Marches Ecran 3 ........................................................ 74
x
Figure 32: Transformation de la table Products Glob ............................................................ 75
Figure 33: Transformation de la table Faits 1 ........................................................................ 75
Figure 34: Transformation de la table Faits 2 ........................................................................ 76
Figure 35: Transformation de la table Faits 3 ........................................................................ 76
Figure 36: Transformation de la table Faits 4 ........................................................................ 76
Figure 37: Transformation de la table Faits 5 ........................................................................ 77
Figure 38: Transformation de la table Faits 6 ........................................................................ 77
Figure 39: Transformation de la table Faits 7 ........................................................................ 77
Figure 40: Transformation de la table Faits 8 ........................................................................ 78
Figure 41: Transformation de la table Faits 9 ........................................................................ 78
Figure 42: Transformation de la table Faits 10 ...................................................................... 78
Figure 43: Transformation de la table Faits 11 ...................................................................... 79
Figure 44: Transformation de la table Faits 12 ...................................................................... 79
Figure 45: Transformation de la table Faits 13 ...................................................................... 79
Figure 46: Transformation de la table Faits 14 ...................................................................... 80
Figure 47: Transformation de la table Faits 15 ...................................................................... 80
Figure 48: Transformation de la table Faits 16 ...................................................................... 80
Figure 49: Transformation de la table Faits 17 ...................................................................... 81
Figure 50: Transformation de la table Faits 18 ...................................................................... 81
Figure 51: Transformation de la table Faits 19 ...................................................................... 81
Figure 52: Publier les données ................................................................................................ 83
Figure 53: Choix de l’espace de travail DM ........................................................................... 83
Figure 54: Choix de l’espace de travail DM ........................................................................... 84
Figure 55: Les données publier ............................................................................................... 84
Figure 56: Vérification que les données et été publier ............................................................ 85
Figure 57: Résultat de la table Géographie ............................................................................. 85
Figure 58: Résultat de la table Geographie Unique ................................................................ 86
Figure 59: Résultat de la table Marches Ecran ....................................................................... 86
Figure 60: Résultat de la table Produits .................................................................................. 87
Figure 61: Résultat de la table Produits Unique ..................................................................... 87
Figure 62: Résultat de la table Temps ..................................................................................... 88
Figure 63: Résultat de la table Products Glob ........................................................................ 88
Figure 64: Résultat de la table Faits Glob .............................................................................. 89
Figure 65: Résultat de la table Faits ....................................................................................... 89
xi
Figure 66: Maquette page Home ............................................................................................. 90
Figure 67: Maquette page Vue Globale ................................................................................... 91
Figure 68: Maquette page Suivi Objectif ................................................................................. 91
Figure 69: Maquette page Marché Tunisienne ........................................................................ 92
Figure 70: Connexion base des données 1 ............................................................................... 92
Figure 71: Connexion base de données 2 ................................................................................ 93
Figure 72: Connexion base de données 3 ................................................................................ 94
Figure 73: Connexion base de données 4 ................................................................................ 94
Figure 74: Page Home ............................................................................................................. 95
Figure 75: Is_Checked Marché................................................................................................ 95
Figure 76: Is_Checked Reseau................................................................................................. 95
Figure 77: Bouton Couleur Acc ............................................................................................... 95
Figure 78: Bouton Acc Bloc ..................................................................................................... 96
Figure 79: Bouton Couleur Supprimer .................................................................................... 96
Figure 80: Page Vue Globale .................................................................................................. 96
Figure 81: Somme chiffre d’affaires ........................................................................................ 97
Figure 82: Somme quantité vendue .......................................................................................... 97
Figure 83: Objectif par valeur ................................................................................................. 97
Figure 84: Objectif par quantité .............................................................................................. 97
Figure 85: Evaluation produit par valeur................................................................................ 97
Figure 86: Evaluation produit par quantité ............................................................................. 97
Figure 87: CA / objectif ........................................................................................................... 97
Figure 88: Quantité / objectif................................................................................................... 98
Figure 89: Carte Obj Val ......................................................................................................... 98
Figure 90: Carte Obj Qte ......................................................................................................... 98
Figure 91: Page Suivi Objectifs ............................................................................................... 98
Figure 92: Page Marche Tunisienne........................................................................................ 99
Figure 93: Quota Marché ........................................................................................................ 99
Figure 94: Quota Produit ........................................................................................................ 99
Figure 95: Quota Visite............................................................................................................ 99
Figure 96: Marché-Réseau .................................................................................................... 100
Figure 97: Résultat obtenir après la transformation1 ........................................................... 100
Figure 98: Résultat obtenir après la transformation 2 .......................................................... 101
Figure 99: Résultat obtenir dans les tableaux de bord .......................................................... 101
xii
Figure 100: Résultat obtenir dans les tableaux de bord ........................................................ 102
Figure 101: Choix d’espace de travail RD ............................................................................ 102
Figure 102: Publication de l’application 3 ............................................................................ 103
Figure 103: Publication de l’application 4 ............................................................................ 103
Figure 104: Publication de l’application 5 ............................................................................ 103
Figure 105: Access à un utilisateur ....................................................................................... 104

xiii
Nomenclature

BI: Business Intelligence

SFE: Sales ForceExcellence
ETL:Extract Transform Load
DWH: Data WareHouse
OLAP: On-Line Analytical Processing
ROLAP: Relational Online Analytical Processing
MOLAP: Multidimensional Online Analytical Processing
HOLAP: Hybrid Online Analytical Processing
SQL: Structured Query Language
UML :UnifiedModeling Language
SI : Système Informatique
KPI : Key Performance Indicator
SGBD : Système de Gestion de Base de Données
DM : Data et Model
RD : Reporting et Dachborad

xiv
 I ntroduction générale

L'évolution exponentielle des nouvelles technologies a occasionné une croissance

économique et sociale important. De nos jours, ces technologies sont largement utilisées dans
la plupart des départements et services de différentes entreprises, ce qui augmente davantage
la concurrence sur le marché.

Dans cette situation, les entreprises sont obligées de surveiller attentivement l'évolution du
marché, afin de ne pas se faire dépasser par leurs concurrents. Elles doivent ainsi répondre
rapidement aux besoins de leurs clients et partenaires, dans ce climat en constante évolution.
Afin de satisfaire à ces besoins, l'entreprise doit collecter, traiter et analyser les données de
son environnement.

Cependant, les informations produites par l'entreprise sont multiples, hétérogènes et

diversifier. Pour pouvoir les traiter et les analyser, les entreprises utilisent des outils BI
(Business Intelligence). En effet, ces outils permettent de générer des connaissances cachées à
partir des informations collectées et les présenter se forme des tableaux de bord dynamique.
Ceci aidera les décideurs à prendre des décisions pertinentes et fiables. Afin d'optimiser les
performances et de découvrir de nouvelles pistes d'amélioration.

C‟est dans ce contexte et dans le cadre de projets de fin d‟étude, Sanofi nous a demandé de
concevoir et mettre en place un système d‟aide à la décision afin de suivre son activité de
vente.

Ce rapport expose le travail réalisé dans le cadre de notre projet de fin d'études, Il est structuré
en cinq chapitres:

- Le premier chapitre ‘Contexte général’: présente tout d'abord l'organisme d'accueil,

englobe une étude et une critique de l‟existant afin de proposer une solution palliant, les
problèmes dégagés

15
- Le deuxième chapitre ‘Définition des besoins et modélisation de l’entrepôt de
données’ : expose en détail les besoins fonctionnels et non-fonctionnels du projet, ainsi que
l'architecture technique qui sera mise en place.

- Le troisième chapitre ‘Modélisation conceptuelle et physique de l’entrepôt de

données ’ : nous procèderons à une modélisation physique de l'entrepôt de données pour
garantir une mise en œuvre optimale de la solution.

- Le quatrième chapitre ‘Intégration des données ’ : présente en détail les différentes

étapes du processus ETL qui consiste à extraire les données sources, les transformer et les
intégrer dans un entrepôt de données.

- Le cinquième chapitre ‘Développement de la solution BI ’ : comporte, en premier

lieu, la conception et la mise en œuvre des tableaux de bord. En deuxième lieu, le déploiement
de l'application BI permettant aux utilisateurs de les visualiser.

Notre rapport se termine par une conclusion générale et quelques perspectives.

16
 C hapitre 1 : “Contexte général ”

Introduction
Ce chapitre comporte la présentation de cadre générale de notre projet. Nous commençant par
présenter l‟établissement d‟accueil. Par la suite, nous effectuons une étude de l‟existante afin
de dégager les problèmes à résoudre. Puis nous présentons notre solution ainsi que la
méthodologie utilisée pour la mettre en œuvre afin de remédier à ces problèmes.

1.1. Présentation de l’établissement

Sanofi est une société transnationale française dont les activités incluent la pharmacie(la
fabrication et la commercialisation de médicaments …) et les vaccins. Elle constitue la
première entreprise pharmaceutique française. Selon le chiffre d'affaires dans le secteur de la
santé, Sanofi occupe le troisième rang mondial.

Figure 1: Logo de l’établissement

1.1.1 Historique
- 1973-1999 „ Les origines de Sanofi‟ En 1973, le nom commercial de Sanofi a été créé à
partir de l'Omnium Financier de la Santé, une société opérant dans le domaine de l'hygiène et
de la santé. Cette année-là, Sanofi a poursuivi son développement en tant que société
pharmaceutique en France et à l'échelle mondiale. En effet, elle a élargi ses opérations à
l'international en établissant des partenariats avec d'autres entreprises pharmaceutiques dans le
monde entier, lui permettant ainsi de se développer dans de nouveaux marchés.

En 1974, Sanofi a lancé "Thromboclar" pour dissoudre les caillots sanguins, tout en se
concentrant sur les traitements pour le système cardiovasculaire. La société a également créé
une co-entreprise avec Upjohn pour développer des médicaments dans le domaine de la
gastro-entérologie et de la cardiologie. Enfin, Sanofi a ouvert un nouveau laboratoire de
recherche à Montpellier, en France, axé sur l'immunologie et la biologie moléculaire.
17
- 1980-1999 ‘ L'internationalisation’

Entre 1983 et 1989 Sanofi acquiert Ela Médical, Rousselot et son second laboratoire hongrois
Chinoin.

À cause de l'acquisition des activités des médicaments de ''Sterling Winthrop Pharmaceuticals

à Eastman Kodak'' en 1994, transforme Sanofi en un grand groupe pharmaceutique mondial.

- 1999-2004 ‘Fusion de Sanofi et Synthélabo’

Le 18 mai 1999, les actionnaires de Sanofi et Synthélabo (c'est un groupe pharmaceutique

fusionnant les deux laboratoires ''Dausse'' et ''Robert & Carrière'‟) décident de fusionner leurs
groupes pour créer Sanofi-Synthélabo.

Ainsi Sanofi-Synthélabo est devenu le nouveau leader de la pharmacie en France.

En juillet 2002, Sanofi-Synthélabo est introduit au New York Stock Exchange.

- 2004-2018

En 2004, Sanofi-Synthélabo acquiert, pour 55 milliards d‟euros, Aventis.

Alors elle devient le troisième groupe mondial de la pharmacie.

Au début de 2008, le groupe participe à la mise sur le marché des premiers médicaments
génériques.

En 2009, il est le numéro 11 mondial dans l'industrie pharmaceutique générique (après

l'intégration du groupe tchèque Zentiva)

7 ans après, en 2011 le groupe Sanofi-Aventis, change de nom pour s'appeler dorénavant
Sanofi.

- Depuis 2019

Au début 2019, Sanofi annonce avoir supprimé 230 postes en France.

En décembre 2019, Sanofi annonce la vente de ses activités dans le matériel médical
Seprafilm à Baxter International et acquisition de Synthorx, entreprise américaine
d'oncologie, pour 2,5 milliards de dollars.

En juin 2020, Sanofi acquiert 7 % de Translate Bio.

18
Au cours de l'été 2020, Sanofi annonce le rachat de l'Américain Principia Biopharma pour un
montant évalué à 3,68 milliards de dollars.

En janvier 2021, Sanofi annonce l'acquisition de Kyma (société spécialisée en

immunothérapie) pour 1,5 milliard de dollars. [1]

1.1.2 Les activités de l’établissement

Les activités de Sanofi sont situées à 50% en France. Elles s‟organisent autour de 5 filiales
(Sanofi Pasteur MSD pour les vaccins, Genzyme pour les biotechnologies, Chattem pour
l'automédication, Merial pour la santé animale, Zentiva pour les médicaments génériques).

Ses activités peuvent être regroupées en trois grandes catégories :

Produits pharmaceutiques : Sanofi possède une large gamme des médicaments pour
déférentes maladies telles que le diabète, les maladies rares, les maladies cardiovasculaires,
les maladies infectieuses et autres.

Vaccins : Sanofi est considérée comme l'un des principaux producteurs de vaccins au monde.
Pour prévenir les maladies infectieuses (la grippe, la fièvre jaune, la dengue...) elle s‟est
engagée dans la recherche et le développement.

Produits de santé grand public : comme les médicaments en vente libre, les produits de soins
personnels et les dispositifs médicaux. [1]

1.1.3 Organigramme
L‟organigramme dans la figure 1.2 représente les différents services de Sanofi.

19
 Figure 2: Organigramme

Pendant notre stage, et vu notre spécialité, nous avons eu le privilège d'être accueillis au sein
du service informatique.

1.2. Cadre de projet

Le projet s‟inscrit dans le cadre de l‟obtention de notre diplôme ‟‟Licence en informatique de
gestion spécialité Business Intelligence ‟‟ au sein de l‟École Supérieure d‟Économie
Numérique (ESEN), Manouba. Les étudiants de l‟ESEN sont tenus à réaliser un projet de fin
d‟études effectué au sein d‟une entreprise pendant une durée de trois mois : du 01/02/2022
jusqu‟au 01/05/2022.

La société Sanofi nous offre la chance de mettre en pratique et d'approfondir nos

connaissances théoriques grâce à la conception et à la mise en œuvre de l'application SFE
dans Power BI. L‟objectif principal de cette application étant la digitalisation, la facilité de
prise de décision, sera bénéficié par le service marketing pour le suivi des chiffres sur les
ventes des catégories de médicaments qui aidera à mieux extraire les décisions stratégiques à
travers les tableaux de bord dynamiques.

20
1.3. Analyse de la solution existante
Pour une meilleure avancée dans le projet, on doit d‟abord assimiler la solution existante par
l'étude et bien comprendre l'état actuel

1.3.1 Etude de la solution l’existante

L'étude de l'existant est une étape cruciale de la réalisation de notre projet qui assure la
compréhension du système actuel et l‟identification de ses problèmes afin de pouvoir les
éviter dans le futur et répondre aux besoins de l‟entreprise en réalisant notre solution.

En effet, SANOFI dispose actuellement d‟une principale application nommée SFE (Sales
Force Excellence), il s‟agit d‟un ensemble de rapports qui permettent de comparer l'évolution
des ventes pour une période bien précise par rapport à un objectif fixé par les décideurs et
selon les divisions de ventes composées chacune d‟un ensemble de villes un ensemble de
villes. Le choix de ces divisions de ventes sera effectué par les décideurs.

La solution actuelle a été mise en place en trois étapes comme elle est présentée dans la figure
ci-dessous :

Figure 3: Architecture de la solution existante

Il est nécessaire de présenter les différentes étapes illustrées dans cette figure :

Etape1 : Regroupement et Stockage des données

21
 Les données exploitées dans notre système actuel proviennent d‟un DWH alimenté par la
société ITC Tunisie. Elle reçoit des fichiers Excel de différentes natures provenant de
plusieurs sources, comme le montre la figure suivante

Figure 4: La relation entre les différentes sources et l'ITC Tunisie

Etape2 : ETL

Après le regroupement de ces différentes données sous forme de fichiers Excel, elles seront
transférées sur un serveur et seront chargées par la suite dans un DWH en utilisant des lots
SSIS.

Etape3 : Transformation des données et réalisation des tableaux de bord

Phase 1 : Transformation des données

Cette étape comprend les différentes transformations effectuées avec Qlik View sur les
données chargées. Parmi les tâches réalisées nous pouvons citer : le mapping, les jointures,
l‟ajout et la modification des données…

22
 Figure 5: Exemple de transformation de données dans Qlik View

Phase 2 : Réalisation des tableaux de bord

Les tableaux de bord de la solution existante ont été réalisés après la modélisation avec Qlik
View pour pouvoir visualiser les indicateurs clé de performance.

Figure 6: Exemple des Dashboard dans Qlik View

1.3.2 Critique de la solution existence

Après avoir décrit le système actuel, nous pouvons conclure qu‟il comporte pas mal de
défaillances. Ci-dessous : Nous allons les détailler.

Critique de l‟étape : Transformation des données + réalisation des tableaux de bord

23
Tous les problèmes de cette étape sont liés à l‟outil utilisé qui est Qlik View. Parmi ces
problèmes nous pouvons citer :

 Le coût élevé : Il s'agit d'un logiciel d'analyse de données coûteux à cause des coûts
associés à l'acquisition de licences et à la maintenance.
 L‟utilisation de Qlik View lors de la transformation de données est une étape délicate
qui nécessite un expert.
 Le problème de performances : Lorsque la base de données est volumineuse ou
complexe, l'analyse des données devient plus compliquée.
 La difficulté d'utilisation : La création des tableaux de bord et des rapports peut
nécessiter des compétences techniques avancées ainsi qu'une formation approfondie
pour les utilisateurs finaux.

 Dans l'application SFE sur Qlik View, les tableaux de bord ne sont pas toujours
clairement visibles. Généralement, ils se présentent sous forme de tables, ce qui rend
difficile la compréhension de la réalisation par rapport à l'objectif de la société pour
chaque VM et chaque territoire.

1.4. Solution proposée

SANOFI nous a confié la mission de migrer les tableaux de bord de Qlik View vers un nouvel
outil de modélisation et de visualisation de données qui est Power BI, afin de mettre en place
un système d'aide à la décision permettant la création des tableaux de bord clairs, dynamiques,
bien détaillés et donnant les mêmes résultats que les tableaux de bord de la solution existante.

Donc notre projet consiste à mettre en place un système décisionnel, allant de la collecte des
données en utilisant SQL Server passant par la transformation des données jusqu‟à la
génération des tableaux de bord interactifs, tout en utilisant Power BI.

La figure ci-dessous montre le processus de notre solution :

24
 Figure 7: Le processus de la solution proposée

1.5. L’informatique décisionnelle

Les systèmes d‟information sont conçus pour soutenir l‟exécution des activités
organisationnelles. Afin d‟extraire des connaissances à haute valeur ajoutée, il est nécessaire
d‟interpréter et d‟analyser les données. Pour cela, l'entreprise se tourne vers une nouvelle
information dite décisionnelle. Aussi avec le début des entrepôts de données (Data
Warehouse) et des requêtes, tous les utilisateurs peuvent désormais accorder à l‟information
stratégique. Une grande importance ceci permet à l‟entreprise d‟être plus réactive.

1.5.1 Définition et ses objectifs

Définition : l‟informatique décisionnelle (Business Intelligence en anglais) est un mécanisme

technologique, un ensemble de compétences et d‟application qui permet en une première
étape d‟assembler les données provenant permettent des systèmes internes et des sources
externes, puis d‟analyse des données volumineuses considérables stockées dans les data
Warehouse et les convertir enfin en renseignements exploitables par l‟entreprise.

Objectifs : Avec l'informatique décisionnelle l'entreprise cherche à atteindre ses objectifs et

satisfaire ses besoins, et peut ainsi faciliter la prise de décision, l‟optimiser et améliorer ses
performances. [2]

1.5.2 Architecture d’un système décisionnel

La figure ci-dessous représente les quatre zones de l'architecture d'un système décisionnel :
- Zone de source (données de SI)

- Zone de préparation (ETL)

- Zone de Présentation (entrepôt de données)

25
 - Zone de restitution

Figure 8: Architecture d’un système décisionnel

1.5.3 Zone de source

Dans cette phase, on doit collecter les données des différentes source interne et/ou externe
(Excel, CRM, Médias, Ressource humains, Base de données, ERP…) pour les utiliser dans les
prochaines phases.

1.5.4 Zone de préparation

Après l'extraction des données, dans cette phrase on doit appliquer le processus ETL.

Le processus ETL

ETL est un acronyme qui désigne les termes Extract-Transform-Load. C‟est un processus
informatique qui représente un ensemble d'outils et des méthodes qui combinent trois
fonctions. Ce processus est très important dans un projet décisionnel car à ce niveau nous
détectons les anomalies et effectuons des calculs complexes.

Le processus ETL se déroule en 3 étapes qui sont :

• Extraction des données : c'est la première étape du processus ETL. Qui permet
l'extraction des données (c'est à dire lire et interpréter les données source) à partir des
différents systèmes de stockage. Elle consiste à cibler les données, appliquer les filtres
nécessaires et définir la fréquence de chargement.

26
 • Transformation des données : c'est la seconde et l'essentielle étape du processus ETL.
En effet, on ne peut pas utiliser les données telles quelles, on doit d'abord les
consolider, les corrections et éliminer de toute ambiguïté, corriger redondances. Cette
opération permet d‟avoir des informations dignes d‟intérêt pour l‟entreprise et qui sont
donc prêtes à l‟entrepôt.

• Le chargement des données : c‟est la dernière étape du processus ETL, le chargement

est une étape indispensable qui consiste à charger les données dans leur nouvel
emplacement après la transformation. On a deux types de chargement des données :

- Le chargement complet : qui correspond à charger la totalité des données dans

l‟entrepôt (généralement c‟est le premier chargement).

- Le chargement incrémental : qui correspond à ajouter des données dans un

entrepôt existant. Il s‟applique aux chargements qui suivent le premier. [3]

1.5.5 Zone de présentation

Dans la phase de présentation on doit stocker les données après les transformations dans
l'entrepôt de données (data Warehouse) et/ou magasins de données (Data Mart)

L’entrepôt de données (Date Warehouse)

L‟entrepôt de données a été formalisé en 1990 par Bill Inmon qui définit le data Warehouse
comme suit : « 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. »

C‟est un serveur informatique dans lequel est centralisé un volume important de données
consolidées à partir des différentes sources notamment les bases de données internes d‟une
entreprise.

Les données dans le data Warehouse doivent être orientées sujet (les données sont liées et
organisées au métier de l‟entreprise), non volatiles (les données disponibles seulement en
lecture, doivent être permanentes et conservées), Historisées (Les données sont associées à
une période particulière pouvoir de comparer et suivre les évolutions dans le temps) et
Intégrées (les données provenant des sources variées doivent être centralisées dans une
structure cohérente).

27
L‟entrepôt de données joue un rôle stratégique dans la vie d‟une entreprise, pour cela il est
utilisé à des fins de reporting et d‟analyse commercial afin d‟alimenter un support d‟aide à la
décision. [4]

Date Mart
Un Data Mart est un sous-ensemble de données du Data Warehouse c'est à dire base de
données précisée destinée à un groupe d'utilisateurs donné afin d‟analyser une activité bien
déterminée dans une entreprise. L'un des principaux objectifs de data Mart est de satisfaire
aux besoins spécifiques des clients. [5]

1.5.6 Zone de Restitution

À la fin, dans cette phase, on peut utiliser le data mining, le tableau de bord, … pour accorder
des analyses et des présentations des données pour la prise de décision.

Analyse OLAP
Le terme OLAP est l'acronyme de Online Analytical Processin. C‟est une technologie
d'organisation de grandes bases de données qui extrait des données dans le but de visualiser
des différents résumés, de répondre aux besoins de reporting et d‟analyse.

Grâce à l‟utilisation des cubes qui reprend les mesures de la table de faits et autres indicateurs
on peut faciliter la navigation des données.

On a des modes de cubes qui on peut utiliser pour stocker les données :

Figure 9: Analyse OLAP

Relational Online Analytical Processing (ROLAP):

ROLAP c‟est de l‟OLAP relationnel. Ce modèle gère de gros volumes de données. On peut
les obtenir à partir des jointures et tables relationnelles. La requête sera complexe selon la
granularité du projet.
28
Multidimensional Online Analytical Processing (MOLAP):

Ce modèle permet de présenter les données sous forme d'un croisement de n dimensions qui
peut être plus ou moins dense. Le temps d‟exécution est plus rapide et il consomme plus de
mémoire car les données sont pré-agrégées.

Hybrid Online Analytical Processing (HOLAP):

HOLAP est une combinaison de deux modes précédents, on utilise ce modèle pour les
données agrégées. [6]

Fouille de données (Data mining)

Data mining, on peut aussi l'appeler forage de données, exploration de données. C'est un
processus pour l'analyse des données volumineuses et du big data avec l'utilisation des
classification, clustering, des règles .... Le data minig rentre dans le cadre de business
intelligence pour aider les entreprises à atténuer des risques, connaître les nouvelles
opportunités business ... [7]

Tableau de bord

Tableau de bord est un instrument d'aide à la décision. À partir du tableau de bord on peut
visualiser les informations d'une manière claire et synthétique. Grâce à cette visualisation, le
tableau de bord facilite l'analyse des données, présente les éléments pour juger de la situation,
mesure la performance, atteindre les objectifs fixés, ... [8]

Reporting

Le reporting donne une vue d‟ensemble de l‟entreprise et présente les résultats sur ses
activités dans le but de déterminer des axes d‟amélioration, de présenter des statistiques
fiables, d‟évaluer les performances d‟une équipe. [9]

1.5.7 Modélisation des données de l’entrepôt

Avec la modélisation dimensionnelle on peut utiliser des modèles de données simplifiés et
faciles à comprendre et aussi analyser les données selon plusieurs axes. Dans ce modèle on a
deux types de table : une table de faits et de table de dimension.

 Table de fait
La table de faits est la table centrale dans chaque modèle dimensionnel qui
stocke les indicateurs de performance. La table da faits contient des clés

29
 étrangères (référençant aux clés primaires des tables de dimension) et des
mesures (sont des valeurs généralement numériques, exemple nombre des
ventes, des chiffres d‟affaires ...) dans le but d'analyser ses éléments.

 Table de dimension
Les tables de dimension sont des tables associées à une table de faits avec une
clé primaire et elles contiennent aussi des attributs généralement textuels qui
décrivent les caractéristiques des activités. A partir des tables de dimension, on
peut comprendre les données dans le data Warehouse. [10]

 Différents modèles de la modélisation dimensionnelle

Pour modéliser une data Warehouse et organiser les relations entre les données
on a 3 modèles possibles :

Modèle en étoile :

Le modèle en étoile se présente comme une étoile de façon qu‟on a dans le centre la table de
faits et dans les branches les tables de dimension. La force de ce modèle est sa lisibilité et sa
performance, il est plus facile que les autres modèles.

Figure 10: Modèle en étoile

Modèle en flocon de neige :

Le modèle en flocon de neige est identique au modèle en étoile, mais ses branches sont
éclatées en hiérarchies. Il sert à éviter la redondance d‟information et des données, à faire
l‟économie d‟espace de stockage et améliorer les performances des requetés.

30
 Figure 11: Modèle en flocon de neige

Modèle en constellation :

Les modèle en constellation représente plusieurs tables de faits qui partagent certains axes
d'analyse communs (utilisent même tables des dimensions). [11]

Figure 12: Modèle en constellation

1.6. Méthode d’implémentation de l’entrepôt de données et du système

décisionnel.
Afin d'assurer le bon déroulement du projet, il est nécessaire de mener une étude préalable sur
les méthodologies afin de parvenir à sélectionner la méthode la plus appropriée.

Parmi les méthodologies les plus utilisées dans ce genre de projet, on cite :

1.6.1 La démarche INMON

La méthodologie INMON, également connue sous le nom "approche top-down" est une
méthode créée par Bill Inmon pour la modélisation de données orientée entreprise.

Cette approche indique que les données de l'entreprise doivent être organisées et stockées
dans un seul entrepôt de données, où tous les départements de l'entreprise peuvent accéder et
les utiliser pour la prise de décision. [12]

La figure 1.13 décrit les différentes étapes de l‟approche Inmon.

31
 Figure 13: Cycle de vie d’Inmon

1.6.2 La démarche KIMBALL

La méthodologie KIMBALL, également connue sous le nom "approche bottom -up " est une
méthode proposée par Ralph Kimball qui met l'accent sur la création des data marts orientées
métiers construits à partir les besoins de chaque département de l‟entreprise puis la création
d‟un entrepôt de données à travers ces data marts. [13]

La figure 1.14 décrit les différentes étapes de l‟approche Kimball.

Figure 14: Cycle de vie de kimball

1.6.3 Approche adoptée

Le choix entre les deux approches dépend des besoins et des objectifs spécifiques de chaque
projet BI.

Dans le tableau ci-dessous, nous avons présenté une comparaison de ces deux méthodologies

Méthode Inmon Kimball

Approche Top-Down Bottom-Up

Architecture Complexe Simple

Temps de construction Prend plus de temps Prend moins de temps

Maintenance Entretien difficile Entretien facile

Audience Professionnels Utilisateurs finaux

32
 Complexité de construction Construction complexe Construction simple

Accessibilité de l‟utilisateur Faible Forte

Processus Il y a une répétition du cycle Composé de quatre étapes

Coût Coût initial énorme Coût faible

Taille de l‟organisation Dédiée à l‟entreprise Dédiée aux startups

Tableau 1: Tableau comparatif entre les deux méthodologies

Après avoir comparé les deux méthodes nous avons décidé d‟adopter celle de Kimball
puisqu‟elle possède une architecture simple, sa maintenance est facile ainsi qu‟elle ne
nécessite pas de compétences spécialisées.

1.7. Planification des chapitres

Le diagramme de Gantt est un outil de gestion de projet qui nous donne une représentation
graphique du calendrier de notre projet pour établir la planification des tâches réalisées et
suivre l‟état d‟avancement de travail.

Dans cette figure on montre la planification détailler de notre projet.

Figure 15: Diagramme de Gantt

Conclusion
Au cours de ce premier chapitre, nous avons présenté l'entreprise SANOFI ainsi que ses
activités. Par la suite, après avoir effectué une étude de l‟existant, nous avons proposé notre
solution pour pallier les problèmes dégage ainsi que la méthodologie de Kimball qui va être
utilisée pour la mettre en œuvre.

33
C hapitre 2 : “Définition des besoins et modélisation
de l’entrepôt de données ”

Introduction
Avant de commencer la mise en place de notre solution BI, il est important de se focaliser sur
l‟étape de l‟analyse des besoins d‟affaires. C‟est pour cela, nous allons consacrer ce chapitre à
identifier des indicateurs clés de performance (KPI), à présenter les acteurs, les différents
besoins fonctionnels et non fonctionnels ainsi que l‟architecture de notre système décisionnel.

2.1. Définition des besoins d’affaires

Pour garantir que le projet soit aligné sur les objectifs et les exigences de SANOFI, il est
nécessaire d‟assurer une bonne définition des besoins d‟affaires qui permette d‟identifier les
indicateurs clés de performance (KPI) de notre projet.

C'est dans cette optique que nous présentons dans cette section la sélection de ces indicateurs
d‟une manière attentive.

Dans le tableau suivant, une description de nos KPI :

Indicateur Description
Chiffre d‟affaires Mesure le revenu généré par les ventes de produits et de
services de l‟entreprise.
Taux de conversion des Ce taux mesure l'efficacité des représentants commerciaux et
prospects en clients identifie les zones à améliorer.
Taux de fidélisation des Ce taux évalue la satisfaction des clients en ce qui concerne les
clients produits et services de SANOFI.
Part de marché Cet indicateur décrit la position de SANOFI dans l'industrie
pharmaceutique en utilisant le chiffre d‟affaires et le volume de
ventes.
Taux de croissance des Ce taux représente la croissance des ventes sur une période
ventes donnée.
Coût d'acquisition de Il s'agit d'un coût lié aux stratégies marketing et commerciales
clients dans le but d‟obtenir un nouveau client.
Tableau 2: Indicateurs clés de performance de Sanofi Aventis
34
La surveillance de ces indicateurs clés de performance est indispensable pour analyser la
performance financière et opérationnelle de SANOFI ainsi que pour prendre des décisions
efficaces.

2.2. Spécification des besoins

Dans cette partie, nous allons définir les acteurs ainsi que les besoins fonctionnels et non
fonctionnels de notre projet.

2.2.1 Identification des acteurs

Dans notre projet, il existe un seul acteur qui se présente comme suit :

Le décideur : il joue un rôle important puisqu‟il interagit d‟une manière directe avec
l‟application soit pour consulter les tableaux de bord dans un but décisionnel soit pour
effectuer des analyses prédictives.

2.2.2 Besoins fonctionnels

Les besoins fonctionnels sont les exigences qui décrivent les fonctionnalités ou les
caractéristiques qui montrent ce que le système doit avoir et les services qu'il doit fournir.

L‟application SFE de SANOFI peut avoir plusieurs besoins fonctionnels. Dans ce qui suit,
nous allons citer quelques exemples de ces besoins :

 Générer des tableaux de bord pour suivre la gestion et l‟analyse des ventes de ses
produits en temps réel, par région, par canal de distribution etc…

 Générer des tableaux de bord pour suivre la gestion des produits : les vendeurs ont
besoin d'accéder aux informations sur les produits, telles que le prix et le stock
disponible.

 Générer des tableaux de bord pour suivre la performance des représentants de

vente(vendeurs) afin d‟identifier les domaines dans lesquels ils doivent s'améliorer.

 Générer des tableaux de bord pour faire des prévisions de ventes grâce à ses données
historiques et actuelles afin de prévoir la demande de ses produits et apporter des
améliorations à son plan d'affaires.

35
2.2.3 Besoins non fonctionnels
Pour garantir la réussite du projet, notre solution doit répondre aux critères suivants :

 Sécurité : L‟application doit protéger les données contre les accès non autorisés (les
rapports générés ne doivent être visibles que par les personnes concernées).

 Performances : l‟application doit garantir une capacité de traitement de données élevée

pour l‟exécution des requêtes, l‟analyse en temps réel et la génération des rapports.

 Disponibilité : L'application doit être disponible pour les utilisateurs à tout moment
sans interruption.

 Conformité : L'application doit respecter les normes et réglementations de l'industrie

pharmaceutique ainsi que les politiques internes de la société.

 Extensibilité : L'application doit s'adapter à l'évolution des besoins de l'entreprise.

2.3. Architecture du système décisionnel

Dans cette section, on doit présenter les technologies retenues pour mettre en œuvre les
différentes étapes du système décisionnel proposé.

2.3.1 Architecture technique

L'architecture technique de notre solution est désignée pour livrer une plate-forme évolutive et
sécurisée pour la collecte, le traitement et la visualisation des données de vente présentée dans
la figure ci-dessous.

Figure 16: Architecture Technique

36
2.3.2 Environnement Technique
La sélection des outils dépendra des besoins spécifiques de SANOFI et de sa stratégie
technologique globale.

Dans la figure ci-dessous : une présentation des outils utilisés tout au long de notre projet.

Figure 17: les technologies utilisées

Conclusion

Dans ce chapitre, nous avons défini les KPI ainsi que les besoins fonctionnels et non
fonctionnels à satisfaire par notre système. Nous avons, par la suite, présenté son architecture
technique ainsi que les outils technologiques à utiliser.

37
 C hapitre 3 “Modélisation conceptuelle et physique
de l’entrepôt de données ”
Introduction
Ce chapitre se concentre tout d‟abord, sur l'analyse des données source. Par la suite il
comporte une description des différents axes d‟analyse, des mesures ainsi que du modèle
dimensionnel adopté.

3.1 Inspection des données source

L'inspection des données source consiste à examiner les données sources utilisées pour
s'assurer de leur qualité, de leur pertinence et de leur exhaustivité. Il est important de fournir
des détails sur les sources de données utilisées dans le projet y compris leur origine, leur type
et leur utilité.

Sanofi nous a généreusement fourni un accès direct à son serveur, ce qui nous permet
d‟extraire les données dont nous avons besoin pour notre application SFE :

- Le nom et une description de champs.

- Qualité
0 : données inexploitables
1 : données peu exploitables (traitement incertain ou complexe)
2 : données exploitables après traitement
3 : données exploitables sans traitement
- Utilité
0 : données sans intérêt
1 : données utiles pour la documentation uniquement
2 : données utiles à priori
3 : données utiles avec certitude
- Commentaire

38
 Table source : dmt_SECTORIAL_SALES

Nom Type Qualité Utilité Description Commentaire

SALES_YEARMONTH Entier 3 3 On l‟utilise
SALES_GEOGRAPHY_ID Entier 3 3 comme des
SALES_PRODUCT_SFE_ID Entier 3 3 clés
Ne contient
SECTORIAL_SALES_ID Entier 3 3 primaires
pas des NulL
dans des
SALES_PRODUCT_SFE_LEVEL2_CODE Entier 3 3 tables des
dimensions.
Quantité
Ne contient
SECT_SALES_QTY_M Entier 3 3 vendue par
pas des null
Mois
SECT_SALES_QTY_M1 Entier 2 2 Peutcontenir
SECT_SALES_QTY_M12 Entier 2 2 des null
Quantité
vendue par Ne contient
SECT_SALES_QTY_CTD Entier 3 3
CTD (cycle pas des null
to date)
SECT_SALES_QTY_CTD1 Entier 2 2 Peutcontenir
SECT_SALES_QTY_CTD_Y1 Entier 2 2 des Null
Quantité
Ne contient
SECT_SALES_QTY_QTR Entier 3 3 vendue par
pas des null
trimestre
SECT_SALES_QTY_QTR1 Entier 2 2 Peutcontenir
SECT_SALES_QTY_QTR_Y1 Entier 2 2 des null
Quantité
vendue par Ne contient
SECT_SALES_QTY_RQTR Entier 3 3
quart pas des null
roulant
SECT_SALES_QTY_RQTR1 Entier 2 2 Peutcontenir
SECT_SALES_QTY_RQTR_Y1 Entier 2 2 des null
Quantité
Ne continue
SECT_SALES_QTY_YTD Entier 3 3 vendue par
pas des null
année
Peutcontenir
SECT_SALES_QTY_YTD_Y1 Entier 2 2
des null
Quantité
vendue par Ne contient
SECT_SALES_QTY_MAT Entier 3 3
année pas des null
roulant
Peutcontenir
SECT_SALES_QTY_MAT1 Entier 2 2
es null
39
 Chiffre
Ne contient
SECT_SALES_VAL_M Entier 3 3 d‟affaires
pas des Null
par mois
SECT_SALES_VAL_M1 Entier 2 2 Peutcontenir
SECT_SALES_VAL_M12 Entier 2 2 des null
Chiffre
Ne contient
SECT_SALES_VAL_CTD Entier 3 3 d‟affaires
pas des null
par CTD
SECT_SALES_VAL_CTD1 Entier 2 2 Peutcontenir
SECT_SALES_VAL_CTD_Y1 Entier 2 2 des null
Chiffre
d‟affaires Ne contient
SECT_SALES_VAL_QTR Entier 3 3
par pas des null
trimestre
SECT_SALES_VAL_QTR1 Entier 2 2 Peutcontenir
SECT_SALES_VAL_QTR_Y1 Entier 2 2 des null
Chiffre
d‟affaires Ne contient
SECT_SALES_VAL_RQTR Entier 3 3
par quart pas des null
roulant
SECT_SALES_VAL_RQTR1 Entier 2 2 Peutcontenir
SECT_SALES_VAL_RQTR_Y1 Entier 2 2 des null
Chiffre
Ne contient
SECT_SALES_VAL_YTD Entier 3 3 d‟affaires
pas des null
par année
Peutcontenir
SECT_SALES_VAL_YTD_Y1 Entier 2 2
des null
Chiffre
d‟affaires Ne contient
SECT_SALES_VAL_MAT Entier 3 3
par année pas des null
roulant
Peutcontenir
SECT_SALES_VAL_MAT1 Entier 2 2
des null

Tableau 3: Table dmt_SECTORIAL_SALES

40
 Table source: dmt_SECTORIAL_OBJ

Nom Type Qualité Utilité Description Commentaire

Représente les
OBJ_YEARMONTH Entier 3 3
dates
Ne contient pas
OBJ_GEOGRAPHY_ID Entier 3 3 L‟id des lieux
des Null
OBJ_PRODUCT_SFE_ID Entier 3 3 L‟id des produits
SECTORIAL_OBJ_ID Entier 3 3 L‟id des objectifs
Objectif de
SECT_OBJ_QTY_M Entier 3 3 quantité vendue
par mois
Objectif de
SECT_OBJ_QTY_CTD Entier 3 3 quantité vendue
par CTD
Objectif de
SECT_OBJ_QTY_QTR Entier 3 3 quantité vendue
par trimestre
Contient des
Objectif de chiffre
SECT_OBJ_VAL_M Entier 3 3 valeurs par
d‟affaires par mois
dinar tunisienne
Objectif de chiffre
SECT_OBJ_VAL_CTD Entier 3 3
d‟affaires par CTD
Objectif de chiffre
SECT_OBJ_VAL_QTR Entier 3 3 d‟affaires par
trimestre

Tableau 4: Table dmt_SECTORIAL_OBJ

Table source : dmt_QUOTA_VISIT

Nom Type Qualité Utilité Description Commentaire
QT_YEARMONTH Entier 3 3
Des clés
QT_GEOGRAPHY Entier 3 3
pour les Ne contient
QT_PRODUCT_SFE_LEVEL2_CODE Entier 3 3
tables de pas des Null
QUOTA_VISIT_ID Entier 3 3
dimension
QT_BU_ID Entier 3 3
NB_OF_VISIT_M Entier 3 3
Contient
NB_OF_VISIT_CTD Entier 3 3
nombre de Peut
NB_OF_VISIT_MAT Entier 3 3
visites par contenirdes
NB_OF_VISIT_QTR Entier 3 3
type de Null
NB_OF_VISIT_RQTR Entier 3 3 période
NB_OF_VISIT_YTD Entier 3 3

Tableau 5: Table dmt_QUOTA_VISIT

41
 Table source :dwh_TERRITORY
Nom Type Qualité Utilité Description Commentaire

TERRITORY_ID Entier 3 3 Code

produit
TERRITORY_LAB Texte 3 3 Contient le Ne contient
réseau, le pas des Null
lieu et le
code VM
BU_ID Entier 3 3 ID de
Business
Unit
SALESFORCE_LEVEL1_CODE Texte 3 3 Contient le
code de
chaque VM
SALESFORCE_LEVEL1_ACCOUNT Texte 3 3 Le code de
PHARMA
SALESFORCE_LEVEL1_MAIL Texte 3 3 Mail de
chaque VM
SALESFORCE_LEVEL1_LAB Texte 3 3 Les noms de
personnes
qui suivent
chaque VM
SALESFORCE_LEVEL2_ACCOUNT Texte 3 3 Le code de Peut
PHARMA contenirdes
SALESFORCE_LEVEL3_ACCOUNT Texte 3 3 par niveau Null

SALESFORCE_LEVEL4_ACCOUNT Texte 3 3

Tableau 6: Table dwh_TERRITORY

Table source : dwh_GEOGRAPHY

Nom Type Qualité Utilité Description Commentaire
GEOGRAPHY_ID Entier 3 3 L‟id de Ne contient pas des
chaque lieu Null
GEOGRAPHY_LEVEL1_CODE Entier 2 2 Contient le
code de
chaque lieu
GEOGRAPHY_LEVEL1_LAB Texte 3 3 Contient les Peut contenirdes
lieux Null

Tableau 7: Table dwh_GEOGRAPHY

42
 Table source: dwh_TERRITORY_HAS_GEOGRAPHY
Nom Type Qualité Utilité Description Commentaire
GEOGRAPHY_ID Entier 3 3 L‟id de chaque lieu Ne contient pas des
Null
TERRITORY_ID Entier 3 3 L‟id de chaque Contient des valeurs
territoire de 1 jusqu‟à 37
Tableau 8: Table dwh_TERRITORY_HAS_GEOGRAPHY

Table source : dwh_VD

Nom Type Qualité Utilité Description Commentaire

Alignment DSM Texte 3 3 Code DSM
correspondant
Alignment REP Texte 3 3 Contient les lieux
C D Actual Double 2 3 - Peut contenirdes Null
Double Call Double 2 3 -
Année Entier 3 3 Contient les années
Mois Entier 3 3 Contient les mois
CREAT_DT Date 2 1 Le date de création de
produit

Tableau 9: Table dwh_VD

Table source: dwh_PRODUCT_SFE

Nom Type Qualité Utilité Description Commentaire
PRODUCT_SFE_ID Entier 3 3 Id de chaque
produit
PRODUCT_SFE_LEVEL1_CODE Entier 0 0 Code de Ne contient pas
chaque des Null
médicament
niveau 1
PRODUCT_SFE_LEVEL1_LAB Texte 3 3 Noms des
médicaments
niveau 1
PRODUCT_SFE_LEVEL2_CODE Entier 3 3 Code de
chaque
médicament
niveau 2
PRODUCT_SFE_LEVEL2_LAB Texte 3 3 Noms des
médicaments
niveau 2
COMPETITOR_CODE Entier 3 1 Le code de Contient deux
competitor valeurs 1 ou 2
COMPETITOR_LAB Texte 3 3 Contient
Sanofi ou
Other qui le Ne contient pas
43
 produit des Null
CREAT_DT Date 2 1 La date de
création de
produit
MODIF_DT Date 2 1 Dernière date
de
modification
du produit

Tableau 10: Table dwh_PRODUCT_SFE_tmp

Table source: dwh_BU

Nom Type Qualité Utilité Description Commentaire
BU_ID Entier 3 3 Id de chaque BU Ne contient pas des
Null
BU_LEVEL1_CODE Texte 0 0 Contient des null
BU_LEVEL1_LAB Texte 3 3 Nom de réseau
BU_LEVEL2_CODE Texte 0 0 Contient des null
BU_LEVEL2_LAB Texte 3 3 Nom de BU

Tableau 11: Table PRODUCT_BU

Table source: dwh_BU_HAS_PRODUCT_SFE

Nom Type Qualité Utilité Description Commentaire
BU_ID Entier 3 3 ID de Business Unit Ne contient pas des
PRODUCT_SFE_ID Entier 3 3 L‟id de chaque Null
produit
CREAT_DT Date 2 0 Date de création
MODIF_DT Date 2 0 Dernière date de
modification

Tableau 12: Table dwh_BU_HAS_PRODUCT_SFE

Table source : dwh_SALESLINE_MARKET_PRODUCT

Nom Type Qualité Utilité Description Commentaire
SALESLINE Texte 3 3 Représente réseau de
produit
MARKET_LAB Texte 3 3 Représente le marché de
produit
PRODUCT Texte 3 3 Le nom de produit Peut contenirdes
Null
CREAT_DT Date 2 0 Date de création

Tableau 13: Table dwh_SALESLINE_MARKET_PRODUCT

44
 Table source : dwh_CPA
Nom Type Qualité Utilité Description Commentaire
CustomerL1 Texte 3 3 Contient le nom du Ne contient des Null
consommateur
Specialty Texte 3 3 Représente la spécialité
des magasins
Potential Texte 3 3 Contient la classification Ne contient pas des
des produits A, B, C ou Null
missing value
Réseau Texte 3 3 Représente le réseau de Peut contenirdes Null
vente
AlignmentL1 Texte 3 3 Contient des lieux Peut contenirdes
NuLL
Frequency Entier 3 3 Représente l‟objectif futur Contient les valeurs
Objective de la société entre 0 et 4
Frequency Entier 3 3 Représente l‟objectif Contient les valeurs
Actual actuel de la société et pourcentages
Année Entier 3 3 Contient l‟année -
Mois Entier 3 3 Contient le mois -
CREAT_DT Date 2 1 La date de création du -
produit

Tableau 14: Table dwh_CPA

Table source: dwh_MARKET_SFE

Nom Type Qualité Utilité Description Commentaire

MARKET_SFE_ID Entier 3 3 - Contient les
valeurs de 1 à 16
MARKET_SFE_CODE Entier 3 3 Code de marché -
MARKET_SFE_LAB Texte 3 3 Nom de marché Ne contient pas
des Null
CREAT_DT Date 2 1 La date de création du -
produit
MODIF_DT Date 2 1 Dernière date de -
modification

Tableau 15: Table dwh_MARKET_SFE

45
 Table source : DEPENSE_PAR _PRODUIT
Nom Type Qualité Utilité Description Commentaire
WBS element Texte 3 3 - -
Produit Texte 3 3 Nom de chaque produit -
Date Date 2 1 Contient les dates -
Dépenses Date 3 3 Contient les dépenses de -
chaque produit

Tableau 16: Table DEPENSE_PAR _PRODUIT

3.2 Identification des tables de dimensions et de la table de fait

Il est important de vérifier les données afin de les rendre plus fiables. Pour cela, nous commençons par
identifier les différentes tables des dimensions et la table de faits. Cette étape est cruciale pour la suite
du projet car elle permettra de bien structurer les données et de les organiser de manière à faciliter les
analyses futures.

Les tables de dimensions :

On a 8 tables de dimensions : Geographie, Produits, Marches Ecran, Temps, Faits Glob, Products
Glob, Geographie Unique, Produits Unique.

Table Geographie
Nom du champs Type Valeur possible
Id_Geographie Texte 1, 21,34 ,29
Id_Geographie_Unique Texte 57-VM05-GAMME ANTIBIO,31-VM02-GAMME ANTIBIO
Code GSU Entier 010201,040201,090101,180102
GSU Texte Bizerte 1A1, Sfax 1A1, Tunis 1B1
Territoire Texte ANTIBIO-SFAX-VM05,ANTIBIO-SOUSSE-VM04
Code VM Texte VM04,VM05,VM07
Compte VM Texte PHARMA\TN001046,PHARMA\TN000652
Mail VM Texte [Link]@[Link],[Link]@[Link]
Nom VM Texte BEN AMOR, Haythem,ERRANA, Chaeima
Compte DSM Texte PHARMA\TN000924,PHARMA\TN001538
Compte NSM Texte PHARMA\TN000380,PHARMA\TN000797
Compte BU Head Texte PHARMA\TN001226,PHARMA\TN000101
Id_Réseau Texte GAMME CARDIO,SANOFI-PASTEUR
BU Texte BU PASTEUR,BU EP

Tableau 17: Table Geographie

46
 Table Geographie Unique
Nom du champs Type Valeur possible
Id_Geographie Texte 1, 21,34 ,29
Id_Geographie_Unique Texte 57-VM05-GAMME ANTIBIO,31-VM02-GAMME ANTIBIO
Code GSU Entier 010201,040201,090101,180102
GSU Texte Bizerte 1A1, Sfax 1A1, Tunis 1B1
Territoire Texte ANTIBIO-SFAX-VM05,ANTIBIO-SOUSSE-VM04
Code VM Texte VM04,VM05,VM07
Compte VM Texte PHARMA\TN001046,PHARMA\TN000652
Mail VM Texte [Link]@[Link],[Link]@[Link]
Nom VM Texte BEN AMOR, Haythem,ERRANA, Chaeima
Compte DSM Texte PHARMA\TN000924,PHARMA\TN001538
Compte NSM Texte PHARMA\TN000380,PHARMA\TN000797
Compte BU Head Texte PHARMA\TN001226,PHARMA\TN000101
Id_Réseau Texte GAMME CARDIO,SANOFI-PASTEUR
BU Texte BU PASTEUR,BU EP

Tableau 18: Table Geographie Unique

Table Produits
Nom du champs Type Valeur possible
Id_Produit Texte 1#10,1#100,2#67,2#45,2#29,3#50#2,3#5#2,1#144
Id_Produit_Unique Texte 1#123-MARCHE AMOXICLAV SANOFI ADT-
GAMME ANTIBIO
Marché Texte MARCHE LOVENOX PREVENTIF,MARCHE ARA II
SKU Texte HEXAXIM,TRITAZIDE,AMAREL CPR.1MG+2MG 30
Nom Produit Texte AMAREL, PENTAXIM,TRITAZIDE
Laboratoire Texte SANOFI, OTHER
P. Réseau Texte GAMME ANTIBIO,SANOFI-PASTEUR

Tableau 19: Table Produits

Table Produits Unique

Nom du champs Type Valeur possible
Id_Produit Texte 1#10,1#100,2#67,2#45,2#29,3#50#2,3#5#2,1#144
Id_Produit_Unique Texte 1#123-MARCHE AMOXICLAV SANOFI ADT-
GAMME ANTIBIO
Marché Texte MARCHE LOVENOX PREVENTIF,MARCHE ARA II

47
SKU Texte HEXAXIM,TRITAZIDE,AMAREL CPR.1MG+2MG 30
Nom Produit Texte AMAREL, PENTAXIM,TRITAZIDE
Laboratoire Texte SANOFI, OTHER
P. Réseau Texte GAMME ANTIBIO,SANOFI-PASTEUR

Tableau 20: Table Produits Unique

Table Marches Ecran

Nom du champs Type Valeur possible
Id_Réseau Texte MARCHE PRIMO VACCIN,MARCHE LANTUS
Marché Ecran Texte GAMME DIAB-CARDIO,GAMME ANTIBIO

Tableau 21: Table Marches Ecran

Table Temps
Nom du champs Type Valeur possible
Id_Date Date 01/01/2022,01/03/2017
Année Entier 2022,2020,2019,2018
Trimestre Texte Q1, Q2, Q3, Q4
Interval Trimestre Texte 2022-janvier-01,2020-mars-03
Mois Texte Janvier, Février, Mars
Num Mois Entier 12,01,10,05,
Num Mois Test Entier 202201,201905,202007
Num Mois Test3Mobiles Entier 202111,202206
Num Mois Test6Mobiles Entier 202202, 202107
Mois-Année Texte Janvier-2022, août-2019
Num Date Entier 202208, 201902

Tableau 22: Table Temps

Table FaitsGlob
Nom du champs Type Valeur possible
[Link] Date 01/01/2022,01/03/2017
G.id_Produit Texte 1#4,1#12,1#20
[Link] Période Texte MTH, YTD, CTD
[Link] Qte Ventes Entier 8077, 1502, 8844
[Link] Qte Ventes Y-1 Entier 10071, 1019, 10027
[Link] Qte Ventes P-1 Entier 10027, 101,10199
[Link] Val Ventes Entier 24197, 810552
[Link] Val Ventes Y-1 Entier 1007, 101112

48
[Link] Val Ventes P-1 Entier 1015, 1001221
[Link] Obj Val Entier 21584, 539188
[Link] Obj Qte Entier 163, 2200

Tableau 23: Table Faits Glob

Table Products Glob
Nom du champs Type Valeur possible
G.id_Produit Texte 1#121, 1#100
G.Réseau Texte GAMME ANTIBIO, SANOFI-PASTEUR
[Link] Produit Texte BIPRETERAX, CLAVOR
[Link]é Texte MARCHE AMOXICLAV SANOFI
[Link] Texte AFUSIDIQUE, AUTRES OXACILLINE

Tableau 24: Table Products Glob

- Table de faits

On a une seule table de faits

Nom du champs Type Valeur possible

Id_Produit Texte 1#3, 1#7, 1#9, 1#11
Id_Date Date 01/02/2022, 01/02/2020,01/03/2019
Id_Test_Territoire Texte ANTIBIO-SFAX-VM05,Tunisie
Id_Geographie Entier 1, 15, 18
Type Période Texte MTH, QTR, CTD
Sect Qte Ventes Entier 499, 227, 468
Sect Qte Ventes P-1 Entier 258, 223, 498
Sect Qte Ventes Y-1 Entier 305, 77,87
Sect Val Ventes Entier 4528, 9544, 10359
Sect Val Ventes P-1 Entier 14934, 8398, 6220
Sect Val Ventes Y-1 Entier 2564,5962, 17123
Source Texte Faits, Faits_Test,Depense
Test_Réseau_Marché_Security Texte GAMME ANTIBIO|MARCHE AMOXICLAV
SANOFI
NB Visites Entier Vide
Sect Obj Val Entier 18,22,21,189
Sect Obj Qte Entier 22,321,216
Test_DSM Texte DSM - ANTIBIO-GASTRO 2,DR PASTEUR
Test_Code VM Texte VM10,VMY,VM13
VD_C/D Actual Entier -44,7,0,4,9,5
VD_Double Call Entier 16,17,7,8
Test_Sect Qte Ventes Entier 1025,103,1198

49
Test_Sect Qte Ventes P-1 Entier 10,1022,1006
Test_Sect Qte Ventes Y-1 Entier 103,1005,10
Test_Sect Val Ventes Entier 1018,1529,15
Test_Sect Val Ventes P-1 Entier 1018,1021,1016
Test_Sect Val Ventes Y-1 Entier 1000,1297,1300
Test_Sect Obj Qte Entier 160,17,143
Test_Sect Obj Val Entier 10043,1008,10406
Test_Réseau Texte CARDIO MG,DOULEUR, HOPITAL
Test_Nom VM Texte AMAL, Moussa, Essabbeh, Nouha
Test_GSU Texte Total VM04, Total VM07
Test_Marché Texte MARCHE AMAREL, MARCHE LOVENOX
CURATIF
Test_P_R_M Entier 0,1
TestMarché_Sect Val Ventes Entier 10129,1020,10040
TestMarché_Sect Val Ventes P-1 Entier 1181,1191,1316
TestMarché_Sect Val Ventes Y-1 Entier 1018,1002,10187
TestMarché_Sect Obj Val Entier 1052,1003,10455
TestMarché_Sect Qte Ventes Entier 102,1020,1022
TestMarché_Sect Qte Ventes P-1 Entier 1014,1022,11 34
TestMarché_Sect Qte Ventes Y-1 Entier 1379,140,1410
TestMarché_Sect Obj Qte Entier 101,109,250
TestMarché2_Sect Val Ventes Entier 10501,10567,11018
TestMarché2_Sect Val Ventes P- Entier 10930,10802,10155
1
TestMarché2_Sect Val Ventes Y- Entier 1000,10363,1032
1
TestMarché2_Sect Qte Ventes Entier 1012,1009,1077
TestMarché2_Sect Qte Ventes P- Entier 1009,1008,1012
1
TestMarché2_Sect Qte Ventes Y- Entier 111,1095,108
1
CPA_CustomerL1 Texte ATALLAH SALMA, ATI HASSEN, ATTIA IHEB
CPA_Specialty Texte Biochimie, Cancérologie, Chirurgie Générale
CPA_Potential Texte A, B, C, MISSING VALUE
CPA_Frequency Objective Entier 0,1,2,3,4
CPA_Frequency Actual Entier 1,10,12,7
Depense_Type_Action Texte TNAP3-AMAREL-ISS-RT,TNAP3-AMLOPIDINE-
DOC-BR
Depense_Type_Action_Global Texte IC,LK,NO
Depense_Montant Entier 588,235,60,1176,47

Tableau 25: Table faits

50
3.3 Conception du Modèle Physique
Pour mieux comprendre les relations entre les tables, il est important de représenter
graphiquement la structure de notre base de données. Dans le chapitre 1, nous avons présenté
les 3 modèles de conception. Notre choix s‟est porté sur le schéma en flocon de neige car on a
des tables dimensions dont les branches sont éclatées en hiérarchies. [14]

Cette figure représente les relations entre les tables de dimensions et celle de faits, nous avons
utilisé le langage UML.

Figure 18: Conception des tables

Conclusion
Dans ce chapitre, nous avons identifié les données sources à intégrer dans notre système
décisionnel, par la suite, nous avons effectué la modélisation de notre système tous en
identifiant les différentes axes d‟analyse.

51
 C hapitre 4 “Intégration des données ”

Introduction
Le processus ETL est une étape fondamentale dans tout projet décisionnel. Dans ce chapitre,
alors, nous allons étudier de manière détaillée les différentes phases d‟intégration de données
en utilisant le processus ETL pour la mise en place de notre système décisionnel. Nous
commençons par l‟extraction des données sources. Ensuite, nous passons à la phase de
nettoyage de ces données. Enfin, nous chargerons les données traitées dans l‟entrepôt de
données.

4.1 Matrice de transformation

La matrice de transformation est un outil essentiel qui décrit toutes les modifications
nécessaires pour garantir que les données sont correctement converties et compatibles avec la
structure de l'entrepôt de données.

Matrice de transformation de la table Geographie

Champs Table Cible Champs Source Table Source Règle de

Cible transformation
Id_Réseau Geographie BU_LEVEL1_LAB dwh_BU -
Id_Geogra Geographie GEOGRAPHY_ID dwh_GEOGRAPHY -
phie GEOGRAPHY_ID dwh_TERRITORY_
HAS_GEOGRAPHY
GSU Geographie GEOGRAPHY_LEV dwh_GEOGRAPHY -
EL1_LAB
Code Geographie GEOGRAPHY_LEV dwh_GEOGRAPHY -
GSU EL1_CODE
Territoire Geographie TERRITORY_LAB dwh_TERRITORY -
Code VM Geographie SALESFORCE_LEV dwh_TERRITORY -
EL1_CODE
Compte Geographie SALESFORCE_LEV dwh_TERRITORY -
VM EL1_ACCOUNT
Mail VM Geographie SALESFORCE_LEV dwh_TERRITORY -
EL1_MAIL
Nom VM Geographie SALESFORCE_LEV dwh_TERRITORY -
EL1_LAB
Compte Geographie SALESFORCE_LEV dwh_TERRITORY -

52
 DSM EL2_ACCOUNT
Compte Geographie SALESFORCE_LEV dwh_TERRITORY -
NSM EL3_ACCOUNT
Compte Geographie SALESFORCE_LEV dwh_TERRITORY -
BU EL4_ACCOUNT
BU Geographie BU_LEVEL2_LAB dwh_BU -
Id_Geogra Geographie Id_Geographie Geographie Id_Geographie
phie_Uniq Code VM “-” Code
ue Id_Réseau VM “-
”Id_Réseau
Tableau 26: Matrice de transformation de la table Geographie

Matrice de transformation de la table Geographie Unique

Champs Table Cible Champs Source Table Source Règle de

Cible transformation
Id_Réseau Geographie Id_Réseau Geographie -
Unique
Id_Geograph Geographie Id_Geographie Geographie -
ie Unique
GSU Geographie GSU Geographie -
Unique
Code GSU Geographie Code GSU Geographie -
Unique
Territoire Geographie Territoire Geographie -
Unique
Code VM Geographie Code VM Geographie -
Unique
Compte VM Geographie Compte VM Geographie -
Unique
Mail VM Geographie Mail VM Geographie -
Unique
Nom VM Geographie Nom VM Geographie -
Unique
Compte Geographie Compte DSM Geographie -
DSM Unique
Compte Geographie Compte NSM Geographie -
NSM Unique
Compte BU Geographie Compte BU Geographie -
Unique
BU Geographie BU Geographie -
Unique
53
Id_Geograph Geographie Id_Geographie Geographie Supprimer les
ie_Unique Unique Code VM doubles
Id_Réseau
Tableau 27: Matrice de transformation de la table Geographie Unique

Matrice de transformation de la table Temps

Champs Table Champs Table Règles de transformation
Cible Cible Source Source
Id_Date Temps Date Date Toutes les dates entre date maximum et date
minimum à partir champs id_date dans table
faits
Année Temps Date Date Extraire l‟année à partir du champs Date
Trimestre Temps Date Date „Q‟ + le trimestre de mois
Interval Temps Date Date Le 1er mois du trimestre „-„ dernier mois du
Trimestre trimestre + l‟année
Mois Temps Date Date Extraire le mois à partir du champs Date
Num Mois Temps Date Date Extraction du numéro du mois à partir du
champ date
Num Mois Temps Date Date Multiplier l‟année *100 plus le numéro du
Test mois
Num Mois Temps Date Date Si le numéro du mois <= 3, multiplier
Test3Mobile l‟année par 100 et ajouter le numéro du mois
moins 91, sinon multiplier l‟année par 100 et
ajouter le numéro du mois moins 3
Num Mois Temps Date Date Si le numéro du mois <= 6, multiplier
Test6Mobile l‟année par 100 et ajouter le numéro du mois
moins 94, sinon multiplier l‟année par 100 et
ajouter le numéro du mois moins 6
Mois-Année Temps Date Date Extraire le mois et l‟année à partir du champ
date en les séparant par le signe „-„
Num Date Temps Date Date Convertir les dates en nombre entier
Tableau 28: Matrice de transformation de la table Temps

Matrice de transformation de la table Marches Ecran

Champs Table Cible Champs Soure
Table Règle de
Cible Source transformation
Id_Réseau MarchesEcran BU_LEVEL1_LAB dwh_BU Supprimer les doubles
Marché MarchesEcran Marché Produit
Ecran
Tableau 29: Matrice de transformation de la table Marches Ecran

54
 Matrice de transformation de la table Produits
Champs Table Champs Soure Table Source Règle de
Cible Cible transformation
Id_Produit Produits PRODUCT_SFE_I dwh_PRODUCT_S . Si
D FE PRODUCT_SFE_ID
PRODUCT_SFE_ dwh_PRODUCT_S n‟est pas nul alors
LEVEL2_CODE FE concaténez „1#‟ à
BU_ID dwh_BU_HAS_PR PRODUCT_SFE_ID
ODUCT_SFE . Si
PRODUCT_SFE_I dwh_BU_HAS_PR PRODUCT_SFE_LEV
D ODUCT_SFE EL2_CODE n‟est pas
nul alors concaténez
„2#‟ à
PRODUCT_SFE_LEV
EL2_CODE
. si
PRODUCT_SFE_ID
de table
dwh.PRODUCT_SFE
= PRODUCT_SFE_ID
de table
dwh_BU_HAS_PROD
UCT_SFE et
PRODUCT_SFE_LEV
EL2_CODE n'est pas
nul alors concaténez
„3#‟ à
PRODUCT_SFE_LEV
EL2_CODE à BU_ID

SKU Produits Id_Produit Produits Si la colonne

PRODUCT_SFE_ dwh_PRODUCT_S Id_Produit commence
LEVEL2_LAB FE par „2# „ elle doit
PRODUCT_SFE_ dwh_PRODUCT_S remplir le champs
LEVEL1_LAB FE SKU par le contenu de
champs
PRODUCT_SFE_LEV
EL2_LAB sinon par le
contenu de champs
PRODUCT_SFE_LEV
EL1_LAB

55
 Nom Produits PRODUCT_SFE_ dwh_PRODUCT_S -
Produit LEVEL2_LAB FE
Laboratoire Produits COMPETITOR_L dwh_PRODUCT_S -
AB FE
Marché Produits MARKET_SFE_L dwh_MARKET_SF Supprimer les doubles
AB E
P. Réseau Produits BU_LEVEL1_LA dwh_BU_HAS_PR -
B ODUCT_SFE
Id_Produit_ Produits Id_Produit Produits Id_Produit “-”
Unique Marché Marché “-” P. Réseau
P. Réseau
Tableau 30: Matrice de transformation de la table Produits

Matrice de transformation de la table Produits Unique

Champs Table Champs Soure Table Source Règle de
Cible Cible transformation
Id_Produit Produits Id_Produit Produits -
Unique
SKU Produits SKU Produits -
Unique
Nom Produits Nom Produit Produits -
Produit Unique
Laboratoire Produits Laboratoire Produits -
Unique
Marché Produits Marché Produits -
Unique
P. Réseau Produits P. Réseau Produits -
Unique
Id_Produit_ Produits Id_Produit Produits Id_Produit “-”
Unique Unique Marché Marché “-” P. Réseau
P. Réseau Supprimer les doubles
Tableau 31: Matrice de transformation de la table Produits Unique

Matrice de transformation de la table Faits Glob

Champs Table Champs Soure Table Source Règle de
Cible Cible transformation
[Link] FaitsGlob Id_Date Faits -
G.Id_Produ FaitsGlob Id_Produit Faits -
it
[Link] FaitsGlob Type Période Faits -
Période
[Link] Qte FaitsGlob Sect Qte Ventes Faits Calcule somme de
Ventes colonne Sect Qte
Ventes par Id_Date,
56
 Id_Produit, Type
Période
[Link] Qte FaitsGlob Sect Qte Ventes Faits Calcule somme de
Ventes Y-1 Y-1 colonne Sect Qte
Ventes Y-1 par
Id_Date, Id_Produit,
Type Période
[Link] Qte FaitsGlob Sect Qte Ventes P- Faits Calcule somme de
Ventes Y-1 1 colonne Sect Qte
Ventes P-1 par
Id_Date, Id_Produit,
Type Période
[Link] Val FaitsGlob Sect Val Ventes Faits Calcule somme de
Ventes colonne Sect Val
Ventes par Id_Date,
Id_Produit, Type
Période
[Link] Val FaitsGlob Sect Val Ventes Faits Calcule somme de
Ventes Y-1 Y-1 colonne Sect Val
Ventes Y-1 par
Id_Date, Id_Produit,
Type Période
[Link] Val FaitsGlob Sect Val Ventes P- Faits Calcule somme de
Ventes P-1 1 colonne Sect Val
Ventes P-1 par
Id_Date, Id_Produit,
Type Période
[Link] Obj FaitsGlob Sect Obj Val Faits Calcule somme de
Val colonne Sect Obj Val
par Id_Date,
Id_Produit, Type
Période
[Link] Obj FaitsGlob Sect Obj Qte Faits Calcule somme de
Qte colonne Sect Obj Qte
par Id_Date,
Id_Produit, Type
Période

Tableau 32: Matrice de transformation de la table Faits Glob

57
 Matrice de transformation table Products Glob
Champs Table Champs Source Table Source Règle de
Cible Cible transformation
G.Réseau ProductsG P.Réseau Produits -
lob
[Link]é ProductsG Marché Produits -
lob
[Link] ProductsG Nom Produit Produits -
Produit lob
[Link] ProductsG SKU Produits -
lob
Tableau 33: Matrice de transformation de la table Products Glob

Matrice de transformation de la table Faits

Champs Cible Table Champs Soure Table Règle de
Cible Source transformation
Id_Produit Faits SALES_PRODUCT_SFE dmt_SECT Si
_LEVEL2_CODE ORIAL_S SALES_PRODUCT_S
ALES FE_LEVEL2_CODE
SALES_PRODUCT_SFE dmt_SECT n‟est pas vide on prend
_ID ORIAL_S la valeurs 2#
ALES SALES_PRODUCT_S
QT_PRODUCT_SFE_LE dmt_QUO FE_LEVEL2_CODE
VEL2_CODE TA_VISIT sinon 1#
QT_BU_ID dmt_QUO SALES_PRODUCT_S
TA_VISIT FE_ID
OBJ_PRODUCT_SFE_ID dmt_SECT 3#
ORIAL_O QT_PRODUCT_SFE_
BJ LEVEL2_CODE #
Produit DEPENSE QT_BU_ID
_PAR 1#
_PRODUI OBJ_PRODUCT_SFE
T _ID
Id_Date Faits SALES_YEARMONTH dmt_SECT . Récupérer les deux
ORIAL_S derniers chiffres de
ALES champs
QT_YEARMONTH dmt_QUO SALES_YEARMONT
TA_VISIT H,QT_YEARMONTH
OBJ_YEARMONTH dmt_SECT , OBJ_YEARMONTH
ORIAL_O pour les mois puis
BJ récupérer les 4
Année dwh_VD premiers chiffres pour
Mois dwh_VD l‟année ensuite
58
 convertir la chaine en
format date
„01/MM/YYYY‟ et on
doit supprimer les
doubles
. Concaténation année
et mois en format date
Id_Geographie Faits SALES_GEOGRAPHY_I dmt_SECT -
D ORIAL_S
ALES
QT_GEOGRAPHY dmt_QUO
TA_VISIT
OBJ_GEOGRAPHY_ID dmt_SECT
ORIAL_O
BJ
Type Période Faits - - 'MTH', 'QTR', 'CTD',
'RQTR', 'YTD', 'MAT'
Sect Qte Faits SECT_SALES_QTY_M dmt_SECT Champs source = „fait‟
Ventes ORIAL_S
ALES
Sect Qte Faits SECT_SALES_QTY_M1 dmt_SECT
Ventes P-1 ORIAL_S
ALES
Sect Qte Faits SECT_SALES_QTY_M1 dmt_SECT
Ventes Y-1 2 ORIAL_S
ALES
Sect Val Faits SECT_SALES_VAL_M dmt_SECT
Ventes ORIAL_S
ALES
Sect Val Faits SECT_SALES_VAL_M1 dmt_SECT
Ventes P-1 ORIAL_S
ALES
Sect Val Faits SECT_SALES_VAL_M1 dmt_SECT
Ventes Y-1 2 ORIAL_S
ALES
Source Faits - - 'Faits','Faits_Test_Mar
ché‟,‟Faits_test‟,‟VD‟,
‟CPA‟,'Faits_Test_Ma
rché2'
NB Visites Faits NB_OF_VISIT_M dmt_QUO -
TA_VISIT
NB_OF_VISIT_CTD dmt_QUO
TA_VISIT

59
 NB_OF_VISIT_YTD dmt_QUO
TA_VISIT
NB_OF_VISIT_RQTR dmt_QUO
TA_VISIT
NB_OF_VISIT_QTR dmt_QUO
TA_VISIT
NB_OF_VISIT_Mat dmt_QUO
TA_VISIT
Sect Obj Val Faits SECT_OBJ_VAL_M dmt_SECT Champs source = „fait‟
ORIAL_O
BJ
Sect Obj Qte Faits SECT_OBJ_QTY_M dmt_SECT
ORIAL_O
BJ
VD_C/D Faits C D Actual dwh_VD -
Actual
VD_Double Faits Double Call dwh_VD -
Call
Test_Sect Qte Faits SECT_SALES_QTY_M dmt_SECT Condition 1 : Champs
Ventes ORIAL_S source = „faits_Test‟
ALES
Test_Sect Qte Faits SECT_SALES_QTY_M1 dmt_SECT Condition 2 : Type
Ventes P-1 ORIAL_S période = MTH
ALES
Condition 3 : Si
Test_Sect Qte Faits SECT_SALES_QTY_M1 dmt_SECT
Test_marché de table
Ventes Y-1 2 ORIAL_S
produit = Marché
ALES
Ecran de table
Test_Sect Val Faits SECT_SALES_VAL_M dmt_SECT
MarchesEcran.
Ventes ORIAL_S
Concaténation 1 :
ALES
SALESLINE
Test_Sect Val Faits SECT_SALES_VAL_M1 dmt_SECT
„|‟ MARKET_LAB de
Ventes P-1 ORIAL_S
table
ALES
dwh.SALESLINE_M
Test_Sect Val Faits SECT_SALES_VAL_M1 dmt_SECT
ARKET_PRODUCT.
Ventes Y-1 2 ORIAL_S
Conacténation 2 :
ALES
Test_Réseau + „ | ‟+
Test_Sect Obj Faits SECT_OBJ_Qte_M dmt_SECT
Test_Maché
Val ORIAL_O
Condition 4 :
BJ
concaténation 1 =
Test_Sect Obj Faits SECT_OBJ_VAL_M dmt_SECT
concaténation 2.
Qte ORIAL_O
BJ
Test_Réseau Faits Réseau Geographie -
60
 Réseau dwh_CPA
Test_Maché Faits Marché Produit -
Test_Réseau_ Faits Réseau Geographie . Test_Réseau + „ | ‟+
Marché_Secur Maché Produit Test_Maché
ity AlignmentL1 dwh_CPA . Condition sur la
colonne AlignmentL1 :
Remplacer
'URGENCES PATHO'
par 'URGENCES-
PATHO'
Si après le mot VM il
y a un seul chiffre,
ajoutez un 0 avant le
chiffre. Si après le mot
VM il y a 3 chiffres,
supprimez le premier
chiffre.
Test_P_R_M Faits SALESLINE dwh_SALE . Recherche 1 : si
SLINE_M Id_produit de table
ARKET_P faits = Id_produit de
RODUCT table produit prend la
MARKET_LAB dwh_SALE valeur de colonne
SLINE_M Nom produit sinon
ARKET_P „Null‟.
RODUCT . Concaténation 1 :
PRODUCT dwh_SALE Marché „|‟ Réseau „|‟
SLINE_M Résultat de Recherche
ARKET_P 1.
RODUCT . Concaténation 2 :
Id_Produit Faits SALESLINE „|‟
Id_Produit Produits MARKET_LAB „|‟
Nom Produit Produits PRODUCT.
Marché Produits . Recherche 2 : si
Réseau MarchesEc Concaténation 1 =
ran Concaténation 2 prend
la valeur de
Concaténation 2 sinon
„0‟
Test_Code Faits Code VM Geographie Condition sur la
VM AlignmentL1 dwh_CPA colonne AlignmentL1 :
Remplacer
'URGENCES PATHO'
par 'URGENCES-

61
 PATHO'
Si après le mot VM il
y a un seul chiffre,
ajoutez un 0 avant le
chiffre. Si après le mot
VM il y a 3 chiffres,
supprimez le premier
chiffre.
Test_DSM Faits Id_date Faits . Concaténation 1 :
Territoire Geographie Année et mois en
Alignment REP dwh_VD format date.
Alignment DSM dwh_VD . Transformation de la
Année dwh_VD colonne Alignment
Mois dwh_VD REP :Si après le mot
VM il y a un seul
chiffre, ajoutez un 0
avant le chiffre. Si
après le mot VM il y a
3 chiffres, supprimez
le premier chiffre.
. Concaténation 2 :
Alignment REP après
transformation „|‟
résultat de
concaténation 1.
. Concaténation 3 :
Territoire „|‟ Id_date.
. Recherche : si
Concaténation 2 =
Concaténation 3 prend
la valeur de Alignment
DSM sinon
„Innconue‟.
Test_Nom Nom VM Geographie Condition sur la
VM Alignment REP dwh_VD colonne Alignment
REP : si après le mot
VM il y a un seul
chiffre, ajoutez un 0
avant le chiffre. Si
après le mot VM il y a
3 chiffres, supprimez
le premier chiffre.
Test_GSU Code GSU Geographie Concaténation de deux

62
 GSU colonnes de table
Geographie Code GSU
„|‟ GSU
Si champs source
='Faits_Test_Marché2'
alors on concatène
“Total” &Test_Code
VM.

Test_Territoir Territoire Geographie . Condition sur la

e AlignmentL1 dwh_CPA colonne AlignmentL1 :
Remplacer
'URGENCES PATHO'
par 'URGENCES-
PATHO' et si après le
mot VM il y a un seul
chiffre, ajoutez un 0
avant le chiffre. Si
après le mot VM il y a
3 chiffres, supprimez
le premier chiffre.
Prend la valeur
„Tunisie ‟ si champs
source =‟
'Faits_Test_Marché2'‟
et plus précisément
prends la valeur
„Tunisie Nord ‟ si
champs source =‟
'Faits_Test_Marché2'‟
et
Test_Réseau='RESEA
U GASTRO' et
(Test_Code
VM='VM01' ou
'VM02' ou 'VM03‟
ou'VM04')
Ou
.
Test_Réseau='RESEA
U ANTIBIO' et
(Test_Code
VM='VM01' ou

63
 'VM02' ou 'VM03' ou
'VM04' ou 'VM05' ou
'VM06').
Prends la valeur
„Tunisie Sud ‟ si
champs source =‟
'Faits_Test_Marché2'‟
et
Test_Réseau='RESEA
U GASTRO' et
(Test_Code
VM='VM05' ou
'VM06' ou 'VM07‟
ou'VMY')
Ou
.
Test_Réseau='RESEA
U ANTIBIO' et
(Test_Code
VM='VM07' ou
'VM08' ou 'VM09' ou
'VM10‟ ou 'VM11' ou
'VMY').
TestMarché_S Faits SECT_SALES_VAL_M dmt_SECT Condition1 : Champs
ect Val Ventes ORIAL_S source =
ALES 'Faits_Test_Marché'
TestMarché_S Faits SECT_SALES_VAL_M1 dmt_SECT Condition 2 : Si
ect Val Ventes ORIAL_S Test_marché de table
P-1 ALES produit = Marché
TestMarché_S Faits SECT_SALES_VAL_M1 dmt_SECT Ecran de table
ect Val Ventes 2 ORIAL_S MarchesEcran.
Y-1 ALES Condition 3 :
TestMarché_S Faits SECT_OBJ_VAL_M dmt_SECT Test_Réseau =
ect Obj Val ORIAL_O P.Réseau de table
BJ produit ou
TestMarché_S Faits SECT_SALES_QTY_M dmt_SECT P.Réseau Not null ou
ect Qte Ventes ORIAL_S vide .
ALES Concaténation 1 :
TestMarché_S Faits SECT_SALES_QTY_M1 dmt_SECT SALESLINE
ect Qte Ventes ORIAL_S „|‟ MARKET_LAB de
P-1 ALES table
TestMarché_S Faits SECT_SALES_VAL_M1 dmt_SECT dwh.SALESLINE_M
ect Qte Ventes 2 ORIAL_S ARKET_PRODUCT.

64
Y-1 ALES Conacténation 2 :
TestMarché_S Faits SECT_OBJ_QTY_M dmt_SECT Test_Réseau + „ | ‟+
ect Obj Qte ORIAL_O Test_Maché
BJ Condition 4 :
concaténation 1 =
concaténation 2.
Condition 5 :
Test_Réseau différente
Test_P.Réseau et
Test_P_R_M = 1.
TestMarché2_ Faits TestMarché_Sect Val Faits Calcule somme de
Sect Val Ventes colonne
Ventes TestMarché_Sect Val
TestMarché2_ Faits TestMarché_Sect Val Ventes
Sect Val Ventes P-1 TestMarché_Sect Val
Ventes P-1 Ventes P-1
TestMarché2_ Faits TestMarché_Sect Val TestMarché_Sect Val
Sect Val Ventes Y-1 Ventes Y-1
Ventes Y-1 TestMarché_Sect Qte
TestMarché2_ Faits TestMarché_Sect Qte Ventes
Sect Qte Ventes TestMarché_Sect Qte
Ventes Ventes P-1
TestMarché2_ Faits TestMarché_Sect Qte TestMarché_Sect Qte
Sect Qte Ventes P-1 Ventes Y-1
Ventes P-1
TestMarché2_ Faits TestMarché_Sect Qte Par Id_Date,
Sect Qte Ventes Y-1 Id_Produit, Type
Ventes Y-1 Période,Test_Réseau,
Test_Territoire,Test_R
éseau_Marché_Securit
y,Test_DSM,Test_Cod
eVM,Test_Nom VM,
Test_Marché,Test_P_
R_M

Condition : champs
source
='Faits_Test_Marché2'
VD_C/D Faits VD_C/D Actual dwh_VD -
Actual
VD_Double Faits VD_Double Call dwh_VD -
Call
CPA_Custome Faits CustomerL1 dwh_CPA -

65
rL1
CPA_Specialt Faits Specialty dwh_CPA -
y
CPA_Potential Faits Potential dwh_CPA -
CPA_Frequen Faits Frequency Objective dwh_CPA -
cy Objective
CPA_Frequen Faits Frequency Actual dwh_CPA -
cy Actual
Depense_Type Faits WBS element DEPENSE -
_Action _PAR
_PRODUI
T
Depense_Type Faits WBS element DEPENSE Extraire les deux
_Action_Glob _PAR_PR premiers chiffres
al ODUIT seulement
Depense_Mon Faits Dépenses DEPENSE -
tant _PAR
_PRODUI
T
Tableau 34: Matrice de transformation de la table Faits

4.2 Connexion aux bases de données

Dans cette partie, nous présentons les détails de la connexion à la base de données source afin
d'extraire les données via Power Query et les charger dans notre entrepôt de données.

La figure montre les détails de la connexion à la base de données source.

Figure 19: Paramètres de connexion à la base de données source

66
4.3 Développement du système ETL
Le processus ETL est une étape cruciale dans la mise en place d‟un système décisionnel. Il
comporte trois phases : l‟extraction, la transformation et le chargement des données dans un
entrepôt commun.

Pour réaliser ce processus, nous avons choisi d‟utiliser Power Query, un outil de
transformation des données proposé par Microsoft. Cette solution offre de nombreux
avantages, notamment une interface intuitive, un large éventail de fonctionnalités de
transformation des données et une grande flexibilité.

4.3.1 Extraction des données

Dans cette partie, nous allons présenter le processus d‟extraction et de chargement des
données sources dans Power Query.

Pour extraire les données sources, nous devons d‟abord sélectionner la source de données à
partir de laquelle nous voulons extraire les données. Dans notre cas, la source est SQL Server.

Le figure 4.2 présente la sélection des table source à partir SQL Serveur :

Figure 20: Extraction des données

67
Une fois que nous avons sélectionné notre source de données, nous pouvons importer les
données dans Power Query.

Le figure 4.3 présente l‟importation des données :

Figure 21: Importation des données

4.3.2 Transformation des données

Dans cette partie, nous présentons les transformations qui ont été effectuées pour obtenir, à la
fin, les tables de dimensions et la table de fait.

- Table Geographie

La figure 4.4 présente le code de transformation effectuée pour obtenir la table Geographie:

Figure 22: Transformation de la table Geographie

68
Pour remplir la table de dimension Geographie, nous récupérons toutes les colonnes de la
table dwh_GEOGRAPHY, sauf les colonnes CREAT_DT et MODIF_DT. Ensuite, nous
effectuons une jointure entre la table dwh_GEOGRAPHY et la table
dwh_TERRITORY_HAS_GEOGRAPHY en utilisant la colonne GEOGRAPHY_ID comme
colonne de liaison (nous récupérons toutes les colonnes sauf les colonnes CREAT_DT et
MODIF_DT). Nous avons ensuite besoin d‟effectuer une autre jointure avec la table
[Link] en utilisant la colonne TERRITORY_ID, et enfin une dernière jointure
avec la table [Link] en utilisant la colonne BU_ID.

Il faut également ajouter une colonne "Id_Geographie_Unique" qui contient la valeur de la

colonne "Id_Geographie" puis on ajoutée la valeur de la colonne "Code_VM" et la valeur du
champ "Id_Réseau", séparés entre eux par un tiret (-).

Finalement, nous supprimons les colonnes qui ne sont pas nécessaires et les permuter pour
ordonner la table selon nos besoins.

- Table Geographie Unique

Il est nécessaire de créer une copie de la table "Geographie", puis de supprimer les doublons
de la colonne "Id_Geographie_Unique" afin de distinguer les différents lieux, pour on peut
faire la relation avec la table "faits". En effet, la table "Geographie" contient des doublons car
chaque lieu peut avoir différents réseaux et VM associés.

- Table Produits

Les figures 4.5, 4.6 et 4.7 présentent le code de transformation effectuée pour obtenir la table
Produits :

Figure 23: Transformation de la table Produits 1

69
 Figure 24: Transformation de la table Produits 2

Figure 25: Transformation de la table Produits 3

Pour charger la table de dimension Produits, nous commençons par récupérer toutes les
colonnes de la table dwh_Product_SFE. Ensuite, nous créons une colonne KeyPrd qui
contient "1#" suivi de la valeur de la colonne PRODUCT_SFE_ID, et "2#" suivi de la valeur
de la colonne PRODUCT_SFE_LEVEL2_CODE. Ensuite, nous récupérons toutes les
colonnes de la table dwh_BU_HAS_PRODUCT_SFE et faisons une jointure entre les deux
tables en utilisant la colonne PRODUCT_SFE_ID. Nous ajoutons ensuite à la colonne
KeyPrd "3#" suivi de la valeur de la colonne PRODUCT_SFE_LEVEL2_CODE, et "3#"
suivi de la valeur de la colonne BU_ID. Nous récupérons également la table
70
dwh_MARKET_SFE. Nous testons si la colonne Id_Produit commence par la valeur "2#". Si
c'est le cas, nous remplissons la colonne SKU avec la valeur de la colonne
PRODUCT_SFE_LEVEL2_LAB, sinon avec la valeur de la colonne
PRODUCT_SFE_LEVEL1_LAB. Ensuite, nous remplissons les colonnes Nom Produit,
Laboratoire, Marché et P. Réseau à partir des colonnes PRODUCT_SFE_LEVEL2_LAB,
COMPETITOR_LAB, MARKET_SFE_LAB et BU_LEVEL1_LAB, respectivement.

Également, on doit ajouter une colonne "Id_Produit_Unique" qui contient la valeur de la

colonne "Id_Produit" en plus la valeur de la colonne "Marché" et la valeur du champ
"P.Réseau", séparés entre eux par un tiret (-).

Enfin, nous supprimons toutes les colonnes qui ne sont pas nécessaires et nous les permutons
pour organiser la table selon nos besoins.

- Table ProduitsUnique
La table "Produit" contient des doublons car chaque produit peut être associé à plusieurs types
différents. A cette raison, ont créé une copie de la table "Produits" et supprimer les doublons
de la colonne "Id_Produit_Unique" pour différencier les différents produits Pour pouvoir
établir la relation avec la table faite.

- Table Temps

Les figures 4.8 et 4.9 présentent le code de transformation effectuée pour obtenir la table
Temps :

Figure 26: Transformation de la table Temps 1

71
 Figure 27: Transformation de la table Temps 2

Nous créons une table Temps qui contient la colonne Id_Date. Cette colonne contiendra
toutes les dates à partir de la date minimale jusqu'à la date maximale de la table de faits.

Ensuite, nous créons le premier colonne Année qui comportera uniquement l'année d'après la
colonne Id_Date, la deuxième colonne Trimestre qui contiendra "Q" suivi du numéro de
trimestre de chaque date, La troisième colonne Interval Trimestre contiendra le premier mois
du trimestre, le dernier mois et l'année.

Nous ajoutons également la colonne Mois qui renfermera le mois, la colonne Num Mois qui
contiendra le numéro de chaque mois et la colonne Num Mois Teste qui contiendra l'année
multipliée par 100 plus le numéro de mois.

Pour remplir la colonne Num Mois Test3Mobile, nous testons si le numéro du mois est
inférieur à 3. Si c'est le cas, nous multiplions l'année par 100 et ajoutons le numéro de mois
moins 91. Sinon, nous faisons le même calcul en remplaçant 91 par 3. Nous suivons un
processus similaire pour compléter la colonne Num Mois Test6Mobile en utilisant le chiffre
94 à la place de 91 et le chiffre 6 à la place de 3.

Enfin, nous remplissons la colonne Mois-Année en séparant l'année et le mois par "-". Nous
Complétons la colonne Num Date avec le numéro entier de chaque date.
- Table Faits Glob

La figure 4.10 présente le code de transformation effectuée pour obtenir la table Faits Glob :

72
 Figure 28: Transformation de la table Faits Glob

Pour remplir la table de dimension Faits Glob, nous récupérons les colonnes suivantes de la
table « faits » : %Date, %Produit, Type Période, Sect Qte Ventes, Sect Qte Ventes Y-1, Sect
Qte Ventes P-1, Sect Val Ventes, Sect Val Ventes Y-1, Sect Val Ventes P-1, Sect Obj Val,
Sect Obj Qte. Ensuite, nous renommons ces colonnes en ajoutant le préfixe « G. » devant
chaque nom de colonne, puis nous effectuons la somme de chaque colonne en les regroupant
par %Date, %Produit et Type Période.

- Table Marches Ecran

Les figures 4.11, 4.12 et 4.13 présentent le code de transformation effectuée pour obtenir la
table Marches Ecran :

Figure 29: Transformation de la table Marches Ecran 1

73
 Figure 30: Transformation de la table Marches Ecran 2

Figure 31: Transformation de la table Marches Ecran 3

Pour remplir la table Marches Ecran, nous récupérons la table Produits uniquement pour
extraire la colonne "Marché" que nous renommons en "Marché Ecran". Nous extrayons la
colonne "BU_LEVEL1_LAB" de la table dwh_BU et nous la renommons en "Id_Réseau",
puis nous supprimons les doublons.
- Table Products Glob

La figure 4.14 présente le code de transformation effectuée pour obtenir la table Products
Glob :

74
 Figure 32: Transformation de la table Products Glob

Pour remplir la table de dimension Products Glob, nous récupérons les colonnes %Produit,
SKU, Nom Produit et P.Réseau de la table « Produit ». Ensuite, nous renommons ces
colonnes en ajoutant le préfixe « G. » devant chaque nom de colonne. Enfin, nous supprimons
les doubles de la table.

- Table Faits

À partir de la figure 4.15 jusqu'à la figure 4.33, sont présentés les codes de transformation
utilisés pour obtenir la table Faits :

Figure 33: Transformation de la table Faits 1

75
Figure 34: Transformation de la table Faits 2

Figure 35: Transformation de la table Faits 3

Figure 36: Transformation de la table Faits 4

76
Figure 37: Transformation de la table Faits 5

Figure 38: Transformation de la table Faits 6

Figure 39: Transformation de la table Faits 7

77
Figure 40: Transformation de la table Faits 8

Figure 41: Transformation de la table Faits 9

Figure 42: Transformation de la table Faits 10

78
Figure 43: Transformation de la table Faits 11

Figure 44: Transformation de la table Faits 12

Figure 45: Transformation de la table Faits 13

79
Figure 46: Transformation de la table Faits 14

Figure 47: Transformation de la table Faits 15

Figure 48: Transformation de la table Faits 16

80
Figure 49: Transformation de la table Faits 17

Figure 50: Transformation de la table Faits 18

Figure 51: Transformation de la table Faits 19

81
Tout d'abord, nous récupérons plusieurs tables qui sont déjà définies dans la partie "inspection
des données source" et nous faisons les jointures entre elles. Pour remplir la colonne
"Id_Produit", nous extrait les champs"SALES_PRODUCT_SFE_LEVEL2_CODE",
"SALES_PRODUCT_SFE_ID", "QT_PRODUCT_SFE_LEVEL2_CODE", "QT_BU_ID",
"OBJ_PRODUCT_SFE_ID" et "Produit" à partir des tables "dmt_SECTORIAL_SALES",
"dmt_QUOTA_VISIT", "dmt_SECTORIAL_OBJ" et "DEPENSE_PAR_PRODUIT",
respectivement, après quelques modifications (comme je l'ai déjà expliqué dans la matrice de
transformation). De même, pour les colonnes "Id_Date" et "Id_Geographie", nous récupérons
des informations à partir de plusieurs champs dans des tables différentes.

Dans la colonne "Type Période", nous retrouvons des valeurs telles que "MTH", "QTR",
"CTD", "RQTR", "YTD" et "MAT". Les colonnes "Sect Qte Ventes", "Sect Qte Ventes P-1",
"Sect Qte Ventes Y-1", "Sect Val Ventes", "Sect Val Ventes P-1", "Sect Val Ventes Y-1",
"Sect Obj Val" et "Sect Obj Qte" sont remplies à partir des colonnes de la table
"dmt_SECTORIAL_SALES" avec le champ source spécifié comme "faits" pour les distinguer
des autres colonnes de test.

La colonne "NB Visites" contient des valeurs à partir des champs de la table
"dmt_QUOTA_VISIT". La colonne "VD_C/D Actual" est remplie à partir de la champs "C D
Actual" de la table "dwh_VD" et la colonne "VD_Double Call" est rempli à partir de la
colonne "Double Call" de la table "dwh_VD".

Ensuite, nous effectuons plusieurs transformations pour remplir les autres colonnes de test.

4.3.3 Chargement des données

Une fois les transformations de données effectuées, on passe à la dernière phase du processus
ETL et le chargement de données dans Power BI Server. On doit publier l'entrepôt de données
vers l'espace de travail spécifié "DM".

82
 Figure 52: Publier les données

Après avoir choisi publier, nous devons sélectionner l'espace de travail spécifié « DM » pour
les données transformées PBI_DM_DEV_GEM_MCOMATN comme montre la figure 4 .35 :

Figure 53: Choix de l’espace de travail DM

83
Après avoir choisi l‟espace de travail DM, il faut attendre que l‟opération réussisse, comme
montrent les figures 4.36 et 4.37 :

Figure 54: Choix de l’espace de travail DM

Figure 55: Les données publier

Après avoir réussi l'opération, nous devons vérifier que les données ont été ajoutées à la
plateforme Power BI spécifier, comme le montre la figure 4.38 :

84
 Figure 56: Vérification que les données et été publier

4.4 Résultat de l’intégration

Il est essentiel de vérifier la qualité et l'intégrité des informations stockées dans notre entrepôt
de données et s'assurer que les données sont correctement structurées.

La figure 4.39 présentée la table de dimensions "Geographie" chargée des données intégrées :

Figure 57: Résultat de la table Géographie

La figure 4.40 présentée la table de dimensions "Geographie Unique" chargée des données
intégrées :
85
 Figure 58: Résultat de la table Geographie Unique

La figure 4.41 présentée la table de dimensions "Marches Ecran" chargée des données
intégrées :

Figure 59: Résultat de la table Marches Ecran

86
La figure 4.42 présentée la table de dimensions "Produits" chargée des données intégrées :

Figure 60: Résultat de la table Produits

La figure 4.43 présente la table de dimensions "Produits Unique" chargée des données
intégrées :

Figure 61: Résultat de la table Produits Unique

La figure 4.44 présente la table de dimensions "Temps" chargée des données intégrées :

87
 Figure 62: Résultat de la table Temps

La figure 4.45 présente la table de dimensions "Products Glob" chargée des données
intégrées :

Figure 63: Résultat de la table Products Glob

La figure 4.46 présentée la table de dimensions "Faits Glob" chargée des données intégrées :

88
 Figure 64: Résultat de la table Faits Glob

La figure 4.47 présentée la table de faits "Faits" chargée des données intégrées :

Figure 65: Résultat de la table Faits

Conclusion
Le chapitre quatre a été consacré à la mise en place d'un processus ETL(l'extraction,
transformation et le chargement des données) pour intégrer les données traitées dans l'entrepôt
de données.

89
 C hapitre 5 “Développement de la solution BI ”

Introduction
Après avoir intégré les données traiter dans notre entrepôt de données, nous allons les
exploiter pour générer des tableaux de bord. Ce chapitre, alors, sera consacré en premier lieu à
la conception et la mise en œuvre des tableaux de bord. En deuxième lieu à la présentation des
étapes de développement et de déploiement de notre système BI pour pouvoir les visualiser.

5.1 Conception de l’application BI

Un tableau de bord joue un rôle essentiel dans la prise de décision car il permet une analyse
concrète et une réaction aux performances d'une entreprise. C'est un outil de pilotage qui
permet de visualiser et mesurer la performance selon des indicateurs clés. Pour garantir des
tableaux de bord de qualité, il est important de créer des modèles qui orienteront la création
des tableaux de bord.

Dans cette partie, nous présente quelques exemple des maquettes dans notre application :

La figure 5.1 présentée la maquette de page Home :

Figure 66: Maquette page Home

90
La figure 5.2 présentée la maquette de page Vue Globale :

Figure 67: Maquette page Vue Globale

La figure 5.3 présentée la maquette de page Suivi Objectif :

Figure 68: Maquette page Suivi Objectif

La figure 5.4 présentée la maquette de page Marché Tunisienne :

91
 Figure 69: Maquette page Marché Tunisienne

5.2 Développement de l’application BI

Nous avons appliqué les étapes Initiales décrites ci-dessous pour développer notre tableau de
bord sur Power BI.

5.2.1 Connexion à l’entrepôt de données

Pour commencer la phase de reporting, la première étape nécessite à se connecter à l‟entrepôt
de données et charger les données dans Power BI. Pour cela, nous sélectionnons l‟option «
Obtenir les données » puis l‟option « Plus ».

Figure 70: Connexion base des données 1

92
Ensuite, nous sélectionnons « Power Platform » et après « Jeux de données Power Bi »
comme le montre la figure suivante :

Figure 71: Connexion base de données 2

Une fois la connexion à notre entrepôt de données établie, nous sélectionnons le fichier que
nous avons déjà chargé lors de la phase de chargement de données.

93
 Figure 72: Connexion base de données 3

A la fin, nous devons choisir les tables que nous utiliserons dans notre application SFE. Dans
ce cas, nous choisissons toutes les tables qui ont été chargées après la transformation.

Figure 73: Connexion base de données 4

5.2.2 Visualisation des Dashboard

Dans cette partie, nous allons étudier quelques exemples des différents tableaux de bord en
relation avec les différents champs d'analyse. Nous expliquons l'objectif de chaque page,
décrire les différents filtres, le calcul des mesures et la répartition disponible dans chaque
tableau de bord.

94
La figure 5.11 présentée page Home de l‟application SFE :

Figure 74: Page Home

. L’objectif de page Home :

C'est la première page de l'application qui vous permet de choisir le marché et le réseau pour
accéder aux autres pages.

. Filtres et boutons :

- Segment pour choisir le réseau.

- Segment pour choisir le marché.

- Bouton "Accéder aux Dashboard" qui s'affiche uniquement lorsque vous avez
sélectionné un marché et un réseau.

Figure 75: Is_Checked Marché

Figure 76: Is_Checked Reseau

Note : la fonction ISFILTRED utilisé pour vérifier si la colonne a été filtrer par l‟utilisateur
ou non.

Figure 77: Bouton Couleur Acc

95
 Figure 78: Bouton Acc Bloc

- Bouton "Supprimer" qui permet de supprimer les filtres et s'affiche lorsque vous avez
sélectionné au moins un réseau ou un marché.

Figure 79: Bouton Couleur Supprimer

La figure 5.15 présentée les tableaux de bord de page vue globale :

Figure 80: Page Vue Globale

. L’objectif de page Vue Globale :

Nous cherchons à avoir une idée globale du chiffre d'affaires ou de la quantité vendue par
rapport à l‟objectif de trimestre et l‟évaluation du produit. Nous allons pour cela présenter
toutes les informations nécessaires et procéder aux calculs requis. Ces objectifs sont essentiels
pour planifier les actions à mettre en place et évaluer notre performance actuelle pour
atteindre les objectifs futurs.

. Choix des graphiques :

Afin d'assurer une compréhension optimale, nous utilisons les éléments visuels suivants :

- Graphique en courbes et histogramme empilé, qui présente l'évaluation du chiffre

d'affaires et de la quantité vendue par mois.

96
 - Carte montrant le chiffre d'affaires ou la quantité vendue par trimestre en fonction du
bouton sélectionné.

Figure 81: Somme chiffre d’affaires

Figure 82: Somme quantité vendue

Note : fonction SUM pour faire la somme de la colonne.

- Carte montrant l‟objectif par trimestre.

Figure 83: Objectif par valeur

Figure 84: Objectif par quantité

Note : fonction CALCULATE utilisé pour on peut le faire des calcule avec des filtres sur des
colonnes.
- Carte présentant l'évaluation des produits.

Figure 85: Evaluation produit par valeur

Figure 86: Evaluation produit par quantité

Note : fonction ROUND utilisé pour prend des valeurs spécifier après le virgule.
- Jauge indiquant le pourcentage du chiffre d'affaires par rapport à l'objectif.

Figure 87: CA / objectif

97
 Figure 88: Quantité / objectif

- Carte qui affiche un message répondre à la question : est-ce que l‟objectif a été
réaliser :

Figure 89: Carte Obj Val

Figure 90: Carte Obj Qte

La figure 5.26 présentée les tableaux de bord de page Suivi Objectifs :

Figure 91: Page Suivi Objectifs

. L’objectif de page Suivi Objectifs :

Nous cherchons à avoir une idée de la réalisation de chaque VM (délégué) par rapport à
l'objectif et à chaque produit spécifié, afin de pouvoir comparer chaque VM par rapport aux
autres.

. Choix des graphiques :

- Tableau présentant la réalisation et les objectifs par valeur ou en volume, ainsi que le
pourcentage de réalisation par rapport à l'objectif de chaque VM dans les différents
types de produits choisis (si le produit comporte plusieurs types).

98
 - Radar montrant la réalisation par rapport à l'objectif général en valeur ou en volume
dans le produit et le réseau choisis.

- Histogramme montrant la réalisation en valeur ou en volume de chaque VM pour

chaque mois.

La figure 5.27 présentée les tableaux de bord de page Marche Tunisienne :

Figure 92: Page Marche Tunisienne

L’objectif de page Marché Tunisienne :

Choix des graphiques :

Figure 93: Quota Marché

Figure 94: Quota Produit

Figure 95: Quota Visite

. Filtres et boutons dans tous les pages :

- Un segment pour filtrer la période (MTH, CTD, QTR, MAT, RQTR, YTD).

- Un segment pour filtrer les mois.

99
 - Un segment pour filtrer les années.

- Un segment pour filtrer les produits.

- Un segment pour filtrer les lieux (GSU).

- Un segment pour filtrer les territoires (Les VM)

- Bouton CA et UN qui modifie tous les Dashboard en valeurs ou en quantité.

- Bouton „Vue Globale‟, „Suivi des objectifs‟, „Marché Tunisien‟, „Extraction Manager‟
et „Synthèse‟ permet de naviguer entre les pages.

- Image qui supprime tous les filtres.

- Image qui retourne page home.

- Carte pour afficher le réseau et le marché sélectionné.

Figure 96: Marché-Réseau

5.2.3 Vérification des résultats

Pour être surs que les calculs sont justes, nous devons comparer et vérifier quelques calcule
obtenus à partie des données transformées et les tableaux de bord. Les figues 5.32, 5.33et 5.34
montrent un exemple de vérification. :

Figure 97: Résultat obtenir après la transformation1

100
 Figure 98: Résultat obtenir après la transformation 2

Figure 99: Résultat obtenir dans les tableaux de bord

5.3 Déploiement de l’application

Une fois le développement terminé, il est nécessaire de publier l'application SFE sur un
serveur BI pour permettre leur utilisation par les utilisateurs finaux.

5.3.1 Publication de l’application

Après que le développement de l‟application est terminé, on doit la publier sur la Power
Platform dans l‟espace RD spécifier aux tableaux de bord pour qu‟elle soit visible et utilisable
par les utilisateurs.

101
 Figure 100: Résultat obtenir dans les tableaux de bord

Le figure 5.36 montre qu‟il faut choisir l‟espace de travail RD :

Figure 101: Choix d’espace de travail RD

Une fois que l‟espace de travail est sélectionné, il est nécessaire d‟attendre que l‟opérateur
réussisse.
102
 Figure 102: Publication de l’application 3

Figure 103: Publication de l’application 4

A la fin, il est nécessaire de vérifier si l‟application a bien été ajoutée dans le plateforme
comme montre le figure 5.44 :

Figure 104: Publication de l’application 5

103
5.3.2 Attribution de l’application à un utilisateur
Après la publication de l'application dans Power Platform, l'administrateur doit donner l'accès
aux utilisateurs en tant que "viewer" pour juste voir le tableau de bord et en tant
qu'administrateur pour pouvoir gérer les accès et développer l'application.

Dans la figure 5.45, un exemple est donné pour donner l'accès à Hanchi Farah en tant que
"viewer".

Figure 105: Access à un utilisateur

Conclusion
Au cours de ce dernier chapitre, nous avons conçu et développer nos tableaux de bord. Par la
suite nous avons présenté les différentes étapes de conception et de mise en œuvre de notre
application BI ainsi que sa phase de déploiement.

104
 Conclusion générale
Dans le cadre de notre projet de fin d'études, Sanofi nous offre la possibilité de développer
nos compétences et renforcer nos connaissances tout au long de notre formation universitaire.
Ce projet a été une opportunité pour approfondir nos larges informations techniques et pour
s'entrainer mieux dans le domaine d‟informatique décisionnelle.

De plus, et grâce à la merveilleuse expérience professionnelle dans l'entreprise Sanofi nous

avons développé nos compétences sur Power BI et power Query qui sont considérés parmi les
meilleures solutions de Business Intelligence.

Pour bien gérer ce projet, tout d'abord, nous avons présenté l'établissement et ses activités,
puis analysé l'existant afin de proposer notre solution en utilisant l'approche de Ralph
Kimball. Aussi, pour bien comprendre les besoins de l'application, nous avons défini les KPI
ainsi que les besoins fonctionnels et non fonctionnels.

Ensuite, nous avons mis en place le processus ETL pour intégrer les données dans l'entrepôt
de données en utilisé l'outils BI Power Query pour la transformation des données. Enfin, nous
avons développé des tableaux de bord sur Power Bi interactifs qui répondent aux besoins de
l'entreprise.

Finalement, nous espérons que les objectifs de ce projet seront atteints et s‟il y a d‟autres
possibilités pour développer et améliorer notre projet en ajoutant d‟autres fonctionnalités et
d‟autres axes d‟analyse qui englobent d‟autres modules nous sommes prêts et aptes à le faire.

105
 Référence
[1] Sanofi — Wikipédia ([Link]) Consulté le 01/03/2023.

[2] Qu‟est-ce que la Business intelligence ? | Oracle France Consulté le 08/03/2023.

[3] Qu‟est-ce qu‟un ETL ( Extract Transform Load) ? | Tenor EAI ([Link])Consulté
le 10/03/2023.

[4] Qu‟est-ce qu‟un Data Warehouse | Oracle France Consulté le 10/03/2023.

[5] Data Mart : définition et application | Talend Consulté le 10/03/2023

[6] OLAP : définition d'une technologie d'analyse multidimensionnelle ([Link])Consulté

le 12/03/2023.

[7] Data Mining définition : Qu'est-ce que l'exploration des données ? ([Link])Consulté
le 12/03/2023.

[8] Qu'est-ce qu'un tableau de bord ? Définition ([Link]) Consulté le 12/03/2023.

[9] Reporting : définition, avantages, conseils et exemples ([Link]) Consulté le

12/03/2023.

[10] Tables de faits et de dimension-Azure Explorateur de données | Microsoft Learn

Consulté le 15/03/2023.

[11] Étoile (modèle de données) — Wikipédia ([Link]) Consulté le 15/03/2023.

[12] Concepts d'entrepôt de données: approche Kimball vs Inmon | Astera Consulté le

17/03/2023.

[13] Concepts d'entrepôt de données: approche Kimball vs Inmon | Astera Consulté le

17/03/2023.

[14] [Link] Consulté le 01/04/2023.

106