Altran EST - BI - Cours ESIAL PDF

Les Systmes dInformation Dcisionnels
Sylvain MARCHAL

Alexis BRICE

2
ALTRAN EST - Ple CIS Les systmes dinformation dcisionnels
Plan
Partie 1 : Introduction
A Quest-ce que le dcisionnel ?
B Objectifs
C Rappel historique
Partie 2 : Lentrept de donnes (Datawarehouse)
A Dfinition et objectifs
B SGBD vs. Datawarehouse
C Conception dun Datawarehouse
D Modlisation dun Datawarehouse
E Les datamarts
F Lespace danalyse
Partie 3 : Mise en uvre dun systme dcisionnel
A Droulement
B Outils logiciels existants
C Exemple

3
Partie 1 INTRODUCTION
4
Introduction
Quest-ce que le dcisionnel ?
Lanalyse dcisionnelle (Business Intelligence) :
apporter une vision analytique et prospective de lactivit
dune entreprise en partant de donnes diverses
puises sur les diffrentes parties de son SI
5
Introduction
Quest-ce que le dcisionnel ?
Exemples dapplications concernes

Grandes distribution : marketing, maintenance,
- produits succs, modes, habitudes dachat

Bancaire : suivi des clients, gestion de portefeuilles
- mailing cibls pour le marketing

Tlcommunications : pannes, fraudes, mobiles
- classification des clients, dtection des fraudes, fuites de clients
6
Introduction
Objectifs
Transformer un systme dinformation qui avait une vocation
de production en un SI dcisionnel = transformation des
donnes de production en informations stratgiques

But : amliorer les performances dcisionnelles de lentreprise
7
Introduction
Objectifs
Problmatique dun SI dcisionnel
Une grande masse de donnes
- distribues, htrognes, trs dtailles
A traiter
- synthtiser / rsumer, visualiser, analyser
Pour une utilisation
- des experts et des analystes dun mtier

- NON informaticiens, NON statisticiens
8
Introduction
Objectifs
Conclusions

Pour les utilisateurs (ou dcideurs) :
- la visualisation des donnes doit tre rapide et intuitive
- possibilit danalyser et prises de dcisions rapide
organisation des diffrentes donnes dans un ensemble
cohrent par un processus dentreposage de donnes :
le datawarehousing
9
Introduction
Rappel historique
Lavnement des systmes dcisionnels
Modifications profondes dans les annes 80
Apparition de linformatique dcisionnelle
dans les annes 90
Mondialisation de lconomie, une concurrence toujours plus accrue

Un besoin dobtenir des informations pour des prises de dcisions de
plus en plus rapides

Dcentralisation des donnes vers les utilisateurs

Difficult daccs linformation qui est en trop grande quantit
10
Introduction
Rappel historique
Vritable essor au dbut des annes 2000
Un enjeu stratgique dentreprise
1996 1997 : tournant dcisif vers des applications sophistiques et
ergonomiques

Rvolution technologique avec Internet

Essoufflement des ERP

2001 : apparition de la Business Intelligence (BI)
11
Introduction
Rappel historique
Production
Marketing,
Commercial
Ressources
humaines
Finance
Comptabilit
Recherche
gestion des stocks, contrle de la qualit
CRM,prvision des ventes
Gestion des salaris et des carrires
Pilotage financier, gestion bancaire
Gestion des commandes, des factures
Essais cliniques, innovation de produit
Direction
Genrale
Pilotage de lactivit,
Tableaux de bord
12
Introduction
Rappel historique
Bref historique des systmes daide la dcision
SIAD (Systme Interactif dAide la Dcision)
DSS (Data Support System)

EIS (Executive Information System)

Infocentre

Processus dcisionnel

13
Introduction
Schma
Partie 2 LENTREPT DE DONNEES
14
15
Lentrept de donnes
Dfinitions (1)
Data Warehouse = application dinformatique dcisionnelle,
dont la fonction est :
- la rcupration de donnes dans des bases existantes
- le stockage de ces donnes historiques, figes et
rfrences
- la mise disposition de lutilisateur de ces informations
sous forme doutils dinterrogation, danalyse relationnelle
ou multidimensionnelle, ou de visualisation
16
Lentrept de donnes
Dfinitions (2)
Ensemble de donnes
- souvent une copie des donnes de production
- avec une valeur ajoute (agrgation, historique)
- Intgres
- historises
Ensemble doutils permettant
- de regrouper les donnes
- de nettoyer, dintgrer les donnes
- de faire des requtes, rapports, analyses
- de faire du data mining
17
Lentrept de donnes
Dfinitions (3)
Dfinition de Bill Inmon 1996

Le Data Warehouse est une collection de donnes
orientes sujet, intgres, non volatiles et historises,
organises pour le support dun processus daide la
dcision.
18
Lentrept de donnes
Dfinitions
Donnes orientes sujet / mtier / business
Les bases de production : organises par processus
fonctionnels.
Le datawarehouse : organis autour des sujets majeurs de
l'entreprise.
19
Lentrept de donnes
Dfinitions
Donnes intgres
Les donnes proviennent de plusieurs sources diffrentes.
20
Lentrept de donnes
Dfinitions
Donnes intgres - Exemple
01/10/2007 14h00 14h05 Local
02/10/2007 18h00 18H10 Local
03/10/2007 21h00 21h08 Distant
04/10/2007 16h00 16h15 Local
05/10/2007 07h30 07h40 Local
05/10/2007 12h12 12h15 Distant
06/10/2007 19h45 19h57 Distant
06/10/2007 20h34 20h45 Local
07/10/2007 08h12 08h14 Local
.
Dupont
Octobre 2007
Dupont
Nbre dappels : 50
Nbre dappels locaux : 35
Nbre dappels distants : 15
Dure moyenne dun appel : 11 min
SELECT fct aggregat (MIN, MAX, SUM, COUNT, AVG)
FROM
GROUP BY
21
Lentrept de donnes
Dfinitions
Donnes historises

Chaque nouvelle donne est insre.
Un rfrentiel de temps doit tre mis en place afin de
pouvoir identifier chaque donne dans le temps.
22
Lentrept de donnes
Dfinitions
Donnes historises

Suite de clichs des donnes diffrentes dates
D(t
0
)
D(ti)
D(t
n
)
Dtermination de la priodicit des rafrachissements de donnes
Purge
Archivage
1er Chargement
rafrachissements
23
Lentrept de donnes
Dfinitions
Donnes non volatiles
Les donnes ne sont ni modifies ni supprimes.
La non volatilit des donnes est en quelque sorte une
consquence de lhistorisation
24
Lentrept de donnes
Objectifs dun data warehouse
Toutes les donnes vont devoir tre organises,
coordonnes, intgres et stockes, pour donner
lutilisateur une vue intgre et oriente mtier.
IBM
HP
BULL
IDENTIFIER
STOCKAGE
Systmes htrognes
de production
Systmes externes
EXTRACTION
PREPARATION
CHARGEMENT
ACCES,
VISUALISATION
POINT
FOCAL
25
Lentrept de donnes
Objectifs dun data warehouse
Objectif : retrouver une information historique et transversale
lentreprise
Comment : fdrer/regrouper lensemble des donnes de
lentreprise.
26
Lentrept de donnes
SGBD vs. Datawarehouse
Question
Pourquoi ne pas utiliser un SGBD pour raliser cette
structure d'informatique dcisionnelle ?
Rponse
SGBD et datawarehouse : objectifs diffrents.
Ils stockent les donnes de manire diffrente.
Ils font l'objet de requtes diffrentes.
Ils sont bass sur deux systmes diffrents : OLTP et OLAP
27
Lentrept de donnes
28
Lentrept de donnes
OLTP (On Line Transaction Processing)

OLTP : modle utilis par les SGBD.
Mode de travail transactionnel.
Utilisateurs simultans.
Transaction sur de faibles quantits d'informations,
toujours sur les versions les plus rcentes des donnes.
Requte simple : qui , quoi
Objectif : pouvoir insrer, modifier et interroger rapidement
la base.
29
Lentrept de donnes
OLAP (On Line Analytical Processing)
OLAP : Modle utilis par les datawarehouses
Lecture seulement.
Importantes quantits de donnes
Objectifs : regrouper, organiser des informations, les intgrer,
les stocker donner lutilisateur une vue oriente mtier,
retrouver et analyser linformation facilement et rapidement.
Bases souvent d'un ordre de grandeur nettement suprieur
celle des bases OLTP, du fait de la conservation de
l'historique.
30
Lentrept de donnes
Exemples de requtes OLAP :
Quel est le nombre de paires de chaussures vendues par le
magasin "OnVendDesChaussuresIci" en mai 2003 ET
Comparer les ventes avec le mme mois de 2001 et 2002.
Les rponses aux requtes OLAP peuvent prendre de
quelques secondes plusieurs minutes.
31
Lentrept de donnes
32
Lentrept de donnes
33
Lentrept de donnes
Les BD relationnelles ne sont pas adaptes lOLAP :
Pas les mmes objectifs
Pas les mmes donnes
Pas les mmes traitements et requtes
Il est donc ncessaire de disposer dune structure de
stockage adapte lOLAP, permettant de :
Reprsenter les donnes dans plusieurs dimensions
Manipuler les donnes facilement et efficacement
34
Lentrept de donnes
Les DW vont tre physiquement spars des BD, pour des
raisons de :
Performance :
les systmes de production ne sont pas organiss pour pouvoir rpondre
efficacement aux requtes des systmes daide la dcision.
Donnes diffrentes
Donnes historises
Donnes agrges
Qualit des donnes
35
Lentrept de donnes
Conception dun Datawarehouse
Architecture gnrale dun datawarehouse
Bases de production
Outils dalimentation Outils de restitution
saisie
client
36
Lentrept de donnes
Alimentation dun datawarehouse

Phase primordiale d'un datawarehouse.
Des outils logiciels sont alors ncessaires pour intgrer
les donnes dans le datawarehouse : ETL (Extract,
Transform, Load).
Les phases de l'alimentation d'un datawarehouse :

Dcouverte des donnes

Extraction des donnes

Transformation des donnes

Chargement des donnes
37
Lentrept de donnes
Dcouverte des donnes

Identifier dans les systmes sources les donnes
importer dans le datawarehouse.
Il faut prendre les donnes les plus judicieuses.

Un mauvais choix peut considrablement compliquer les
phases suivantes de l'alimentation.
38
Lentrept de donnes
Extraction des donnes

Collecter les donnes utiles dans les systmes de
production. Il faut identifier les donnes ayant t
modifies afin d'importer le minimum de donnes dans
le datawarehouse
39
Lentrept de donnes

Rendre les donnes cohrentes avec la structure du
datawarehouse.
Appliquer des filtres sur les donnes.
Associer les champs source avec les champs cibles.
Enfin des donnes des systmes de production doivent
tre agrges ou calcules avant leur chargement.
40
Lentrept de donnes

intgration
des donnes
41
Lentrept de donnes
Chargement des donnes

Dernire phase de l'alimentation d'un datawarehouse.
Insrer les donnes au sein du datawarehouse
(opration dlicate)
42
Lentrept de donnes
Structure dun datawarehouse

Datawarehouse : lieu de stockage des donnes provenant
des bases externes servant l'aide la dcision.
Le datawarehouse se structure en quatre classes de
donnes :
Les donnes dtailles
Les donnes agrges
Les donnes historises
Les mta-donnes
43
Lentrept de donnes
Structure dun datawarehouse

44
Lentrept de donnes
Stockage dans un datawarehouse
Besoin de synthse (agrgation des donnes) et besoin
de dtails (conservation des donnes dtailles).
Ce stockage peut tre ralis de trois manires diffrentes :
structure directe simple.
structure de cumul simple.
par rsum droulant.
45
Lentrept de donnes
Stockage dans un datawarehouse : structure directe simple
Mises jour du datawarehouse avec des laps de temps
importants
Pas daccumulation
Rafrachissement sur une longue priode
46
Lentrept de donnes
Stockage dans un datawarehouse : structure de cumul simple
Stockage des donnes de chaque mise jour, les mises
jour tant frquentes
Espace de stockage important
Pas de perte de dtail
47
Lentrept de donnes
Stockage dans un datawarehouse : structure par rsum
droulant
A chaque mise jour, stockage des donnes dtailles, et
synthse des anciennes donnes en fonction de leur ge.
Trs compact
Perte dinformations
Plus linformation vieillit, moins elle est dtaille
48
Lentrept de donnes
Modlisation - Transactionnel
- minimisation des redondances (intgrit des donnes, 3NF)
- Conception oriente processus fonctionnel
- Requtes prvisibles
49
Lentrept de donnes
Modlisation - Dcisionnel
- redondances envisageables
- dfinition de modles lisibles, intuitifs
- requtes portant sur de gros volumes de donnes
50
Lentrept de donnes
Modlisation dun datawarehouse
Fait : reprsente un sujet d'analyse. Il est constitu de
plusieurs mesures (numriques) relatives au sujet trait.
Dimensions : cest le critre suivant lequel on souhaite
valuer, quantifier,
qualifier le fait.

51
Lentrept de donnes

Principe : les donnes sont des faits analyser selon
plusieurs dimensions.
Au niveau logique cela peut se traduire par trois modles
diffrents :
en toile
en flocon de neige
en constellation

52
Lentrept de donnes
Modle en toile
53
Lentrept de donnes
Le modle en toile
Une (ou plusieurs) table de faits : identifiants des tables
de dimension; une ou plusieurs mesures
Avantages
Facilit de navigation
Performant
Gestion des agrgats
Fiabilit des rsultats
Inconvnients
Toutes les dimensions ne concernent pas
les mesures
Redondance dans les dimensions
Alimentation complexe
Plusieurs tables de dimension : descripteurs des dimensions
Une granularit dfinie par les identifiants dans la table
des faits
54
Lentrept de donnes
Modle en flocon
55
Lentrept de donnes
Le modle floconn
Modle en toile + normalisation des dimensions

Avantages
Rduction du volume
Pemettre des analyses par pallier
sur la dimension hierarchise
Inconvnients
Navigation difficile
Nombreuses jointures
56
Lentrept de donnes
Modle en constellation
57
Lentrept de donnes
Les data marts
Dfinition
Vue partielle du datawarehouse mais oriente mtier.
Sous-ensemble du data warehouse contenant des
informations se rapportant un secteur d'activit
particulier de l'entreprise
Se situe en aval du datawarehouse.
Permet de rduire le nombre d'opration sur les bases
de production.
Permet d'offrir aux utilisateurs un outil spcifiquement
adapt leurs besoins.
58
Lentrept de donnes
Les data marts
Caractristiques
Le Data Mart est une BD moins coteuse que le
DataWarehouse, et plus lgre puisque destine
quelques utilisateurs dun dpartement.
Cest une petite structure trs cible et pilote par les
besoins utilisateurs.
Cest une petite BD (SQL ou multidimensionnelle)
avec quelques outils, et alimente par un nombre
assez restreint de sources de donnes.
59
Lentrept de donnes
Les data marts
Utilits
Rduire le nombre d'opration sur les bases de
production.
Offrir aux utilisateurs un outil spcifiquement adapt
leurs besoins.
Sert au reporting et l'analyse dcisionnelle.
60
Lentrept de donnes
Les datamarts
Un datawarehouse des datamarts
61
Lentrept de donnes
Les data marts
Datawarehouse vs. Datamart
62
Lentrept de donnes
Les data marts
Architecture gnrale
BD
clients
BD
ventes
BD
produits

Applications
oprationnelles

Zone de
transit
De DW
ETL
ETL
ETL
Data
Warehouse
ETL

Data Marts

ETL
63
Lentrept de donnes
Lespace danalyse
Restitution des donnes pour la prise des dcisions.
agrgations
Datawarehouse Base multidimensionnelle
Contexte de diffusion multidimensionnel,
modlisable sous la forme dun hypercube, mis
disposition laide dun outil OLAP
64
Lentrept de donnes
Lespace danalyse
Hypercube OLAP
- les donnes sont reprsentes dans des hyper cubes n dimensions
- les donnes sont structures suivant plusieurs axes danalyses (dimensions)
- une cellule est lintersection des diffrentes dimensions
- le calcul de chaque cellule est ralis au chargement .
65
Lentrept de donnes
Lespace danalyse
Plusieurs faons pour stocker le cube

Stockage relationnel avec un SGBDr :
approche ROLAP
Stockage multidimensionnel avec un SGBDm :
approche MOLAP
Systme hybride :
approche HOLAP
66
Lentrept de donnes
Lespace danalyse
ROLAP : Relationnel OLAP

Datawarehouse
Donnes
Stockage des donnes
dtailles (et agrges)
Moteur ROLAP
Traitements
Gnration de plans dexcution
SQL afin dobtenir des fonctionnalits
OLAP
Aide la dcision
Prsentation
Rapports
multi-dimensionnels
67
Lentrept de donnes
Lespace danalyse
MOLAP : Multidimensionnel OLAP

Donnes
Datawarehouse
Stockage des donnes
dtailles (et agrges)
Moteur MOLAP
Traitements Prsentation
Aide la dcision
Rapports
multi-dimensionnels
68
Lentrept de donnes
Lespace danalyse
HOLAP : Hybride OLAP

69
Lentrept de donnes
Lespace danalyse
Une fois cette structure multidimensionnelle tablie,
l'outil OLAP propose des mthodes de navigation
dans les donnes :

Drill-up / down
Rotate
Slicing
Scoping
70
Lentrept de donnes
Lespace danalyse
Drill-up / Drill-down
71
Lentrept de donnes
Lespace danalyse
Rotate
72
Lentrept de donnes
Lespace danalyse
Slicing
73
Lentrept de donnes
Lespace danalyse
Scoping
74
Lentrept de donnes
Lespace danalyse
Outils logiciels existants

Hyperions solutions, Oracle (Express-server), Cognos
(Powerplay, Impromptu), MicroStrategy, Comshare,
Seagate Software, SAS Institute, Brio, Microsoft (SQL
Server), Informix, IBM (DB2 OLAP), Business Object
(Reporter et Explorer, WebIntelligence, Business
Query)
75
Lentrept de donnes
Schma rcapitulatif
Partie 3 MISE EN UVRE DUN SID
76
77
Partie 3 : Mise en uvre dun SID
Droulement
Une construction par tape
Analyse et dfinition des besoins
Dfinition des objectifs
Dmonstration des apports dun SID
1
Etude dtaille :
Besoins fonctionnels, primtre et architecture technique
2
Conception et ralisation de la BDD (datawarehouse)
3
Alimentation de la BDD (datawarehouse)
4
Mise en place des outils danalyse : cration dtats, rapports
5
Dploiement du projet
Formation des utilisateurs
6
78
Mise en uvre dun SID
Droulement
79
Droulement
Piges viter
Oubli des objectifs mtiers au profit de la seule technique
Non implication des utilisateurs
Mise en place dun grand DW demble
Architecture non volutive et non intgre
Russite
Une approche progressive avec des objectifs prcis
Une vision globale du projet
Implication des utilisateurs
80 80
Droulement
La plannification aborde la dfinition et l'tendue du
projet de l'entrept
Elle se concentre sur les besoins en terme de
ressources et de niveau de qualification
La planification dpend bien videmment des besoins.
81 81 81
Droulement
Il est essentiel de bien comprendre les utilisateurs et
leurs besoins, sinon l'entrept deviendra rapidement un
exercice vain de la part de l'quipe des concepteurs.
Les besoins une fois dfinis constituent le point de
dpart de trois trajectoires parallles que sont la
technologie, les donnes et les interfaces utilisateurs.
82 82 82 82
Droulement
Cest la dfinition des besoins qui dtermine quelles
sont les donnes requises pour rpondre aux besoins
d'analyse des utilisateurs.
Le rsultat de cette analyse est le modle dimensionnel.
Le modle identifie :
- la table de fait avec ses mesures et sa granularit
- les dimensions associes avec attributs et hirarchisation
83 83 83 83 83
Droulement
Dfinition des structures physiques ncessaires pour
limplmentation physique du modle dimensionnel
La conception du modle physique est fortement
dpendante du systme utilis pour lentrept
84 84 84 84 84 84
Droulement
La conception de la zone de prparation des donnes
(staging area) constitue gnralement la tche la plus
sous-estime du projet entrept de donnes.
Le processus de prparation se droule en trois phases
majeures :
- extraction
- transformation
- chargement
85 85 85 85 85 85 85
Droulement
La dfinition de l'architecture technique globale
mettre en uvre ncessite la prise en compte :
- des besoins
- de lenvironnement existant
- des orientations techniques stratgiques planifies
Ncessit de mener des rflexions sur les outils de conception de
la zone de prparation des donnes et des outils de restitution
86 86 86 86 86 86 86 86
Droulement
A partir de l'tude de l'architecture technique il faut
slectionner les composants spcifiques
- plate-forme(s) matrielle(s) et logicielle(s)
- SGBD
- outils dextraction
- outils de restitution
Une fois les produits valus et slectionns, ceux-ci
doivent tre installs et tests mticuleusement afin de
garantir une intgration adquate d'un bout l'autre de
l'environnement de l'entrept.
87 87 87 87 87 87 87 87 87
Droulement
Dfinition dune srie d'applications standard destins
aux utilisateurs finaux.
Les spcifications de l'application dcrivent les
maquettes d'tats, les critres de slection laisss
l'utilisateur et les calculs ncessaires.
88 88 88 88 88 88 88 88 88 88
Droulement
Le dploiement est le point de convergence de :
- la technologie
- des donnes
- des applications utilisateurs
Une planification est indispensable pour grer le
dploiement qui comprend galement
- la formation des utilisateurs
- le support utilisateur
- la prise en compte des demandes dvolution et de correction
89 89 89 89 89 89 89 89 89 89 89
Droulement
Garantir la qualit des donnes de production
Garantir la qualit du DW
Agrgation, relations entre les sources
Garantir les temps de rponse
Permettre de retrouver les informations non-agrges
Lien entre les diffrents niveaux dagragation et
pertinence des algorithmes
90 90 90 90 90 90 90 90 90 90 90
F I N
Questions / Rponses
Merci de votre attention

Altran EST - BI - Cours ESIAL PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Altran EST - BI - Cours ESIAL PDF

Transféré par

Droits d'auteur :

Formats disponibles

Les Systmes dInformation Dcisionnels

Vous aimerez peut-être aussi