Les entrepôts de données

1
Plan
 Introduction
 Les entrepôts de données
 Les datamart

2
Le contexte
 Besoin: prise de décisions stratégiques et tactiques
 Pourquoi: besoin de réactivité
 Qui: les décideurs (non informaticiens)
 Comment: répondre aux demandes d’analyse des données, dégager
des informations qualitatives nouvelles
Pourquoi et
Qui sont mes
comment le
meilleurs
chiffre
clients?
d’affaire a
baissé?

A combien
Quels gens
s’élèvent mes
consomment
ventes
beaucoup de
journalières?
poisson?
3
Les données utilisables par les décideurs
 Données opérationnelles (de production)
 Bases de données (Oracle, SQL Server)
 Fichiers, …
 Paye, gestion des RH, gestion des commandes…

 Caractéristiques de ces données:

 Distribuées: systèmes éparpillés
 Hétérogènes: systèmes et structures de données différents
 Détaillées: organisation des données selon les processus
fonctionnels, données surabondantes pour l’analyse
 Peu/pas adaptées à l’analyse : les requêtes lourdes peuvent
bloquer le système transactionnel
 Volatiles: pas d’historisation systématique
4
Problématique
 Comment répondre aux demandes des décideurs?
 En donnant un accès rapide et simple à l’information
stratégique
 En donnant du sens aux données

Mettre en place un système d’information dédié aux

applications décisionnelles:
un data warehouse

5
Le processus de prise de décision

Champs d’application des

systèmes décisionnels

Définir le Rassembler Analyser les Établir des Décider

problème les données données solutions

Temps de prise d’une décision

6
Le processus de prise de décision

Prise de
décision

Bases de Data Base multi - Prédiction /

production warehouse dimensionnelle simulation

7
Domaines d’utilisation des DW
 Banque
 Risques d’un prêt, prime plus précise
 Santé
 Épidémiologie
 Risque alimentaire
 Commerce
 Ciblage de clientèle
 Déterminer des promotions
 Logistique
 Adéquation demande/production
 Assurance
 Risque lié à un contrat d’assurance (voiture)
 …
8
Quelques métiers du décisionnel
 Strategic Performance Management
 Déterminer et contrôler les indicateurs clé de la performance de
l’entreprise
 Finance Intelligence
 Planifier, analyser et diffuser l’information financière. Mesurer et
gérer les risques
 Human Capital Management (gestion de la relation avec les employés)
 Aligner les stratégies RH, les processus et les technologies.
 Customer Relationship Management (gestion de la relation client)
 Améliorer la connaissance client, identifier et prévoir la
rentabilité client, accroitre l’efficacité du marketing client
 Supplier Relationship Management (gestion de la relation fournisseur)
 Classifier et évaluer l’ensemble des fournisseurs. Planifier et
9
piloter la stratégie Achat.
Domaines d’application

Ceux de l’informatique décisionnelle (Business Intelligence) pour:

 aider atteindre les objectifs stratégiques d’une entreprise et faciliter son
pilotage
 avoir une connaissance plus approfondie de l’entreprise anticiper les
besoins clients
 prendre en compte les nouveaux canaux de distribution (vente en ligne,
etc.)

10
Domaines d’application
Informatique décisionnelle
Entrepôt de données
 Outils de veille stratégique et de recueil d’information (intelligence
économique)
 Aide aux décideurs pour prendre les bonnes décisions sur la base
des données disponibles
Exemples :
Quels sont les 5 produits les plus vendus pour chaque sous-catégorie de
produits qui représente plus de 20% des ventes dans sa catégorie de
produits ?
Quelle est la priorité d’expédition et quel est le revenu brut potentiel des
commandes de livres qui ont les 10 plus grandes recettes brutes parmi les
commandes qui n’avaient pas encore été expédiées ?
11
 Applications

 Commerce, finance, transport, télécommunications, santé, services,

 ...
 gestion de la relation client, gestion des commandes, des stocks
prévisions de ventes
 définition de profil utilisateur analyse de transactions bancaires
détection de fraudes
 ...

12
Principales applications autour d’un ED

 Réalisation de rapports divers (Reporting )

 Réalisation de tableaux de bords (Dashboards)
 Fouille de données (Data Mining )
 Visualisations autour d’un ED (visualizations)
...

13
Exploitation d’un ED

Rapports (Reporting ) :
 Besoin d’un accés régulier à des informations presque figées
Ex: dans les hôpitaux, rapports mensuels envoyés aux agences
nationales
 Rapport :
•une ou plusieurs requêtes
•une mise en page (diagrammes, histogrammes)
 Production manuelle ou automatique des rapports

14
Exploitation d’un ED

Tableaux de bords (Dashboards) :

 Affichage d’une quantité limitée d’informations dans un format
graphique facile à lire
 Utilisation fréquente par les cadres supérieurs pour avoir (qui ont
besoin) un rapide aperçu des changements les plus importants
 → un aperçu en temps réel d’évolutions
 Remarque : Pas vraiment utile pour une analyse complexe et
détaillée

15
Exemples d’application
Domaine bancaire
Un des premiers utilisateur de ED
 Regroupement des informations relatives à un client pour une demande
de crédit
 Lors de la commercialisation d’un nouveau produit : Mailing ciblés
rapidement élaborés à partir de toutes les informations disponibles sur
un client
 Recherche de fraudes sur les cartes de crédit :
Mémorisation des mouvements et contrôles a posteriori, pour détecter les
comportements suspects
 Echanges d’actions et de conseils de courtages Déterminer des
tendances de marchés grâce à :
• la mémorisation de l’historique
• une exploitation par des outils décisionnels avancés 16
 Exemples d’application
Grande distribution
 Regroupement d’informations sur les ventes pour l’analyse du comportement
(produits à succés, suivi des modes, habitudes d’achats, préférences des clients par
secteur géographique)
•Mise en évidence les régles de consommation grâce à la fouille de données
•Cas d’école : Exploration du panier de la ménagére : connaître les produits achetés en
même temps
Impacts :
 augmentation des ventes grâce à un meilleur marketing
 amélioration des taux de rotation de stocks
 élimination des produits obsolétes
 définition des rabais, remises, ristournes, promotions
 meilleure négociation des achats
17
Exemples d’application
Télécommunications

 Grande masse de données :

• Plusieurs mois de descriptions détaillées des appels
• Pour chaque appel : appelant, appelé, heure et durée
 Exploitation de ces données pour
• analyser le traffic
• mieux cerner les besoins des clients
• classer les clients par catégories
• comprendre le comportement des clients (changement d’opérateurs, besoins)

18
Exemples d’application
Assurance et de la pharmacie
 Domaines trés demandeurs de techniques décisionnelles pour
Déterminer le facteur de risque d’un assuré
 Meilleure connaissance des clients, détection de rejets, ciblage du
marketing, etc
 Détecter l’impact d’un médicament, ses effets indésirables, etc.
 Couplage avec les technologies du Web : Data Webhouse
(encore plus de données et donc plus d’informations)

19
Les entrepôts de données

1
Plan
 Introduction
 Les entrepôts de données
 Les datamart
Définition d’un DW
 W. H. Inmon (1996):
« 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 »

 Principe: mettre en place une base de données

utilisée à des fins d’analyse

3
Les 4 caractéristiques des data warehouse

1. Données orientées sujet:

 Regroupe les informations des différents métiers
 Ne tiens pas compte de l’organisation fonctionnelle
des données

Ass. Vie Ass. Auto Ass. Santé

Client
Police

4
Les 4 caractéristiques des data warehouse

2. Données intégrées:
 Normalisation des données
 Définition d’un référentiel unique
h,f

1,0 h,f

homme, femme

GBP
EUR
CHF

USD 5
Les 4 caractéristiques des data warehouse

3. Données non volatiles

 Traçabilité des informations et des décisions prises
 Copie des données de production

Bases de production Entrepôts de données

Ajout
Suppression

Accès
Modification Chargement

6
Les 4 caractéristiques des data warehouse

4. Données datées
 Les données persistent dans le temps
 Mise en place d’un référentiel temps
Image de la base en Mars 2021 Image de la base en Juillet 2021
Répertoire Répertoire
Base de Nom Ville Nom Ville
production
Ali Tunis Ali Sfax
Ahmed Gafsa Ahmed Gafsa

Calendrier Répertoire
Entrepôt Code Année Mois
Code Année Mois
de
1 2021
2005 Mars
Mai 1 Ali
Dupont Tunis
Paris
données
2 2021 Juillet 1 Ahmed
Durand Gafsa
Lyon
7
2 Ali Sfax
Objectifs de l ’Entrepôt de Données
 Accessibilité des informations
 facile à comprendre donc à utiliser

 Information cohérente
 idempotence avec le temps
 incomplétude signalée

 Manipulation des mesures de l’activité

 combinaison et séparation (tranches et dès)

 Ensemble de données et de moyens

 requêtes, analyse, présentation, …

8
 Publication de données déjà servies
Vue d’ensemble
 Qu’est ce que l’Entreposage des données ?

 Conception

 Construction

 Administration

 Restitution

9
Vue d’ensemble
Conception
Il s’agit de définir la finalité du ED :
 Piloter quelle activité de l’entreprise ;
 Déterminer et recenser les données à entreposer
 Définir les aspects techniques de la réalisation ;
 modèle de données ;
 démarches d’alimentation ;
 stratégies d’administration ;
 définition des espaces d’analyse ;
 mode de restitution…

10
Vue d’ensemble
Construction (Travail technique.)

 Extraction des données des différentes BD de production (internes ou

externes)
 Nettoyage des données, règles d’homogénéisation des données sous
formes de métadonnées.
 Techniques d’alimentation :
 Chargement des données dans l’ED ;
 Fréquences de rafraîchissement :
 par applications d’interfaces entre les sources de données et
l’ED ;
 par serveurs de réplication du SGBD ou par outils spécialisés.

11
Vue d’ensemble
Administration
Elle est constituée de plusieurs tâches pour assurer :

 la qualité et la pérennité des données aux différents applicatifs ;

 la maintenance ;

 la gestion de configuration ;

 les mises à jour ;

 l’organisation, l’optimisation du SI ;

 la mise en sécurité du SI.

12
Vue d’ensemble

Restitution

 C’est le but du processus d’entreposage des données.

 Elle conditionne le choix de l’architecture de l’ED et de sa

construction.

 Elle doit permettre toutes la analyses nécessaires pour la

construction des indicateurs recherchés.

13
Vue d’ensemble
Entrepôt de données Versus base de données relationnelle.

OLTP : "On-Line Transactional Processing ”

 gérer les importants volumes d'informations

contenus dans leurs systèmes opérationnels

OLAP : "On-Line Analytical Processing”

 répondent aux besoins spécifiques d’analyse

d'informations qui doit se faire de manière interactive
et rapide, pour des données quelconques et
historisées

14
SGBD et DW
Service Service Service
OLTP: On-Line commercial Financier livraison
Transactional BD prod BD prod BD prod
Processing
Clientèle

H
I
Data Warehouse S
T
OLAP: On-Line O
Analitical R
Clientèle I
Processing
Q
U
15
E
OLTP VS DW
OLTP DW
Orienté transaction Orienté analyse
Orienté application Orienté sujet
Données courantes Données historisées
Données détaillées Données agrégées
Données évolutives Données statiques
Utilisateurs nombreux, Utilisateurs peu nombreux,
administrateurs/opérationnels manager
Temps d’exécution: court Temps d’exécution: long

16
Les entrepôts de données

1
Plan
 Introduction
 Les entrepôts de données
 Les datamart

2
Datamart
 Les Data Warehouses étant, en général, très
volumineux et très complexes à concevoir, on a
décidé de les diviser en bouchées plus faciles à
créer et entretenir. Ce sont les Data Marts.

3
Datamart
 Sous-ensemble d’un entrepôt de données
 Destiné à répondre aux besoins d’un secteur ou
d’une fonction particulière de l’entreprise
 Point de vue spécifique selon des critères métiers

Datamarts du
service Marketing

Datamart du
DW de l’entreprise service Ressources
Humaines 4
 On peut faire des divisions par fonction (un data
mart pour les ventes, pour les commandes, pour
les ressources humaines) ou par sous-ensemble
organisationnel (un data mart par succursale).
Nous verrons plus tard comment organiser les
data marts pour créer un entrepôt proprement dit.

5
Intérêt des datamart
 Nouvel environnement structuré et formaté en
fonction des besoins d’un métier ou d’un usage
particulier
 Moins de données que DW
 Plus facile à comprendre, à manipuler
 Amélioration des temps de réponse
 Utilisateurs plus ciblés: DM plus facile à définir