Rapport PFE Fathy Salim - DATA MART

Etude et conception dune solution
dcisionnelle - Data Mart
Ralis par : Membre du Jury :
FATHY Salim M. Amine BAINA (Prsident)

M. Farid EL HEBIL (INPT)
M. Mustapha ALAMI (INPT)
M. Nabil FAOUZI (ALWASIT)
Anne universitaire : 2012 - 2013

Ddicaces
A ma chre Maman, que dieu l'accueille dans son vaste paradis, et mon chre Pre ;
Pour toute les peines endures, toutes les privations et sacrifices consentis, pour faire de moi
ce que je suis ;
A mes frres, Dounia, Wassim, Hiba et Redouane ;

Pour tant de confiance et damour ;
A ma belle mre et mon amie Najat ;

Pour tant de respect et de confiance ;
A toute la famille, notamment mes oncles Abdrehaim, Ahmed, mes grandes mres, mes
cousins et cousines ;
Pour tant de soutien, de consolation et de tendresse ;
A mes amis de lINPT,
A toute personne avec qui jai partag les moments dtudes,
Je ddie ce travail.
Salim FATHY
Remerciements
Au terme de mon projet de fin dtudes, je saisis cette occasion pour remercier toute
personne ayant contribu de prs ou de loin la ralisation de ce travail.
Je remercie M. Nabil FAOUZI de mavoir accept au sein dAlwasit Press pour y effectuer
mon projet de fin dtudes, pour son encadrement et tous ses conseils.
Je remercie tout le personnel dAlwasit qui a t trs accueillant et chaleureux pendant la

priode de stage.
Je remercie mes encadrant internes M. Farid EL HEBIL et M. Mustapha ALAMI pour leur
soutien durant la priode de mon stage, pour le temps quils mont consacrs, leurs conseils
judicieux et leurs efforts pour mettre ma disposition les lments ncessaires pour le bon
droulement de mon projet.
Enfin, je salue et remercie tout le corps professoral de lINPT en leur exprimant mes
profondes gratitudes pour sa contribution ma formation dingnieur.
Projet de fin dtudes Salim FATHY
4
Table des matires
Table des matires
Rsum 8
Avant propos : Prsentation de lentreprise du stage 11
Introduction gnrale 13
Chapitre I : Solutions BI, tude et comparaison

1.1 Analyse de Gartner pour le march du BI .................................. 16
1.2 Les grandes solutions BI du march........................................... 16
1.2.1 Systems, Applications and Products Business Object SAP BO .......... 17
1.2.2 Solution dcisionnelle IBM Cognos ...................................................... 19
1.2.3 Suite Oracle BI EE (Entreprise Edition) ................................................ 21
1.2.4 Solution dcisionnelle Microsoft BI ...................................................... 23
1.3 Outils Open source ..................................................................... 26
1.3.1 Dfinition de lOpen source ................................................................... 26
1.3.2 Suite Pentaho BI ..................................................................................... 27
1.3.3 Suite dcisionnelle JasperSoft BI........................................................... 29
1.3.4 QlickView .............................................................................................. 30
1.4 Tableau de comparaison .............................................................. 32
1.5 Choix de la solution ..................................................................... 33
1.6 Prparation du projet dcisionnel ................................................ 33
Chapitre II : Business Intelligence au service du processus de

distribution dAlwasit
2.1 Thorie de la Business Intelligence............................................. 37
2.1.1 Du transactionnel au dcisionnel ......................................................... 37
5
Table des matires
2.1.2 Business Intelligence ........................................................................... 38

2.1.3 Disciplines de la Business Intelligence ............................................... 39
2.1.3.1 Collecte des donnes ............................................................................................. 40
2.1.3.2 Stockage des donnes ........................................................................................... 40
2.1.3.3 Diffusion des donnes ........................................................................................... 40
2.1.3.4 Exploitation de donnes ........................................................................................ 41
2.1.4 Modle de donnes dcisionnelles ...................................................... 41
2.1.4.1 Type de donnes ................................................................................................... 42
2.1.4.2 Modles de conception ......................................................................................... 42
2.1.4.3 Agrgations et Cube OLAP .................................................................................. 44
2.1.5 Mthodologie de conception ................................................................. 45
2.1.6 Bnfices de la Business Intelligence ................................................... 47
2.2 Processus de distribution au sein de lentreprise ........................ 48
2.2.1 Administration des ventes ...................................................................... 48
2.2.2 Supervision de distribution .................................................................... 50
2.2.3 Gestion des invendus.............................................................................. 51
2.2.4 Rpartition des points de ventes.............................................................. 52
2.2.5 Lapplication PHP/SQL Server ............................................................... 53
Chapitre III : Mise en place de la solution BI pour le dpartement

de vente et distribution
3.1 Architecture de la solution ............................................................. 56
3.2 Cration du Data Mart ................................................................... 57
3.2.1 Dfinition des indicateurs et dimensions ............................................... 57
3.2.2 Dictionnaire des donnes : Mtadonnes ............................................... 58
3.2.3 Schma de Data Mart ............................................................................. 61
3.2.4 Cration de la base de donnes multidimensionnelle Data Mart ........ 61
3.3 Cration du cube OLAP ................................................................ 63
3.3.1 Editer les dimensions ............................................................................. 63
6
Table des matires
3.3.2 Cration de mesure ................................................................................. 64

3.3.3 Cration de mesure calcule .................................................................. 65
3.3.4 Gnration de la dimension temps ......................................................... 65
3.3.5 Cration dhirarchie pour la dimension temps ..................................... 66
3.4 Alimentation du Data Mart ........................................................ 67
3.4.1 Connexion aux bases de donnes source et destination ......................... 67
3.4.2 Chargement dune dimension ................................................................ 68
3.4.3 Chargement de la table de faits .............................................................. 69
3.4.4 Orchestration du chargement global ...................................................... 71
3.4.5 Automatisation dexcution du package SSIS ....................................... 72
3.5 Exploitation des donnes ............................................................. 72
3.5.1 Connexion au cube OLAP ..................................................................... 72
3.5.2 Rapport Multidimensionnel ................................................................... 73
3.5.3 Tableau de bord dactivit...................................................................... 75
3.5.3 Dploiement des rapports....................................................................... 76
Conclusion gnrale 79
Bibliographie 80
Liste des Figures 81
Liste des Tableaux 82
Liste des abrviations 83
7
Rsum
Rsum
Dans lre de linformatique, les donnes enregistres dans les bases de donnes des
entreprises deviennent de plus en plus normes. Chez les entreprises de distribution, les titres
et produits sont multiples et les lieux de ventes ne cessent de naitre. Chaque jour, des milliers
de lignes sont insrer dans les bases de donnes de productions et qui contiennent des
informations pertinentes pour la direction de distribution (les quantits fournis, vendus,
invendus, niveau de stock, chiffre daffaire, ).
Toutes ces informations doivent tre croiss et analys afin dassurer un suivis
quotidien et permanent de lactivit, accompagner lvolution du chiffre daffaire de
lentreprise et assurer llargissement du rseau de couverture.
De ce fait, la mise en place dune solution qui permet dexploiter et analyser ces informations
devient primordiale.
Pour ce faire, le prsent rapport dcrit en premier les principales solutions

dcisionnelles existantes dans le march, avec une comparaison au niveau fonctionnement.
Ensuite, Il prsente la thorie de la Business Intelligence accompagn dune description
dtaille du processus de distribution au sein de lentreprise. Ce dernier, sera exploit afin de
mettre en place la solution dcisionnelle qui a est dcrite tape par tape vers la fin du rapport.
Le but de mise en place de cette solution chez ALWASIT Press est laide la dcision
lintgration des donnes et lanalyse pouss de son activit. La solution est ouverte, volutive
et utilis par plusieurs utilisateurs de diffrents dpartements.
8
Rsum
Abstract
In the computer age, the data stored in the databases of companies become
increasingly more and more. For distribution companies, products and number of Point of
Sales are multiple. So, every day, thousands of rows are inserted into the database that
contains relevant information for the management of distribution.
All this information should be crossed and analyzed to ensure daily monitoring and
ongoing activity, supporting the evolution of turnover of the company and ensure the
expansion of network coverage.
Therefore, the implementation of a solution that allows exploiting and analyzing this
information becomes necessary.
So, this report describes in the first the main existing BI solutions in the market, with a
comparison between these solutions. Then it presents the theory of business intelligence with
a detailed description of the distribution process within the company. After that, we describe
implementation of the BI solution step by step towards the end of the report.
The purpose of implementing this solution in ALWASIT Press is that this solution will
be a decision support that offers data integration and analysis activity. The solution is open,
scalable and used by multiple users from different departments.
9
Rsum
10
Avant propos
Avant propos
Lentreprise du stage
1. Prsentation dAlwasit Press
Mon stage de fin dtude sest droul au sein de la socit marocaine ALWASIT
Press. Cette dernire a t cre en Janvier 2008 avec un capital de 1, 000,000.00 Dhs.
Sa mission principal est dassurer la distribution, le transport et la promotion des journaux,

des livres et des magasines tels que Almassae, Akhbar Alyawme, Al Ayam, Les Echos, sur
tout le territoire marocain.
Le rseau dAlwasit Press est trs dvelopp, il couvre plus de 50 villes, 18 agences rparties
sur les diffrentes villes ainsi que plus de 3500 points de ventes avec plus de 230.000
exemplaires vendus par jour.
Son objectif est dlargir encore plus son rseau de partenaires, denrichir ses connaissances
sur les stratgies de mise en march et de renforcer sa crdibilit sur la scne nationale et
internationale.
2. Lorganisation de lentreprise
Alwasit Press est organis dune manire bien structur. Elle compote plusieurs directions et
diffrentes services personnaliss.
2.1 Organisation des directions
Les quatre directions principales au sein dAlwasit Press sont rparties de la faon suivante :
Direction Gnrale
Mr Hamza Manhi
Distribution Finance Ressource Humaine Informatique

Mr Zakaria Mr Abderahim Mme Assame Mr Nabil Faouzi
Ennasr Belghouate
11
Avant propos
Pour mon projet de fin dtudes qui sintitule la conception dune solution dcisionnelle, je
vais mintresser au processus principal de lentreprise qui est la distribution.
2.2 Services personnaliss
Les services personnaliss au sein dAlwasit Press ont pour objectif lamlioration continue
de lactivit de distribution et atteindre ainsi une efficacit lev.
Service commerciale : Sa mission est de comprendre et danalyser les besoins du march

pour satisfaire lacheteur, dencourager les points de vente, et de les moderniser pour
maintenir la qualit de son produit tout en maitrisant les couts.
Assistance aux points de ventes : Ce sont des techniques qui nous permettent de faciliter la
distribution et la scurit des diffrentes oprations lies la distribution des titres et leurs
mises en vente.
Responsable rgionaux : Un responsable rgionale est une personne de terrain, mobile et
volontaire. Leur rle est de dvelopper le chiffre daffaire, assurer le bon droulement de la
distribution des titres et de suivre les ventes par titre.
Les quipes de contrle : La mission principale du contrle de gestion est danimer les
dispositifs du suivi de performance pour le profit du directeur gnrale.
Il sagit dabord de diagnostiquer les systme de contrle, de mettre en place les indicateurs
cl de suivi de performance, de recueillir et consolider des bases de donnes et de veiller la
convergence des rsultats avec la vision stratgique de lentreprise.
3. Loffre dAlwasit Press

A la crois des chemins entre diteurs et consommateurs finals, Alwasit Press offre
ses clients une distribution trs large des titres, un acheminement quotidien et dans les plus
bref dlais de la presse quotidienne, la presse magasine et des livres. Aussi, la socit essaye
et dune manire continue damliorer les ventes des titres en essayant de rpondre aux
exigences de lacheteur.
Alwasit Presse, tout en tant un distributeur reconnu dans le march de la presse Marocaine,
organise ainsi son offre autour des missions suivantes :
- Distribution des titres (journaux, livres, magasines)
- Promotion des titres
- Amliorations continue des ventes
12
Introduction gnral
Introduction gnrale
Au niveau distribution et vente de tout type de produit comme dans tous les autres
dpartements de lentreprise, les dcideurs et directeurs ont actuellement besoin davoir une
vue densemble de lactivit exerce et de possder plusieurs types de tableaux de bords. Ces
derniers fourniront les indicateurs et mesures ncessaires pour tayer leur prise de dcision.
De plus, la Business Intelligence, travers les tableaux de bords et lensemble des

rapports dcisionnels qui se sont amliors au fil de temps, est devenu un rel support de
dcision. Elle est prsente dans toute entreprise avec un grand apport pour les diffrents
dpartements de lentreprise.
En effet, lentreprise a besoin de possder des statistiques et des chiffres bien prcises que ce
soit usage interne, la demande des clients ou pour ses obligations lgales. Ceci, partir des
donnes oprationnelles recueillis chaque jour partir de la distribution et de la vente des
produits.
Il serait, par exemple, possible dans lanalyse des ventes de voir les quantits vendus et
invendus par titre, par point de vente, par zone et ventuellement par chaque ville, et cela pour
avoir une ide sur les meilleurs ventes raliss, les meilleurs points de vents ainsi que les titres
les plus demands dans le march, afin de prendre les mesures ncessaires et anticiper la
demande du client, pour atteindre ainsi une meilleur satisfaction des clients.
Le systme oprationnel, reprsent par une application interne ou un progiciel de gestion

intgr peut offrir un certain nombre dindicateurs et de statistiques, mais avec un certain
temps de rponse lev, et parfois au dtriment des transactions en cours.
Pour cela, la mise en place dun systme dcisionnel est une solution qui permet la fois de
minimiser le temps de rponse, de sparer le systme oprationnel et dcisionnel ainsi que
dunifier le support daide la dcision.
Cest dans ce cadre que notre projet sinscrit ; notre mission est ltude et la conception dune
solution dcisionnelle afin de crer et charger un magasin de donnes des fins de reporting
et danalyse pour le dpartement de vente et distribution.
13
Introduction gnral
Dans le premier chapitre nous prsentons une tude comparatives des principales solutions et
plateformes dcisionnelles - Business Intelligence - existantes dans le march, et le choix de
la solution adopter selon des critres dfinis.
Le deuxime chapitre nous dcrivons lactivit de distribution des produits de lentreprise,

ainsi quune prsentation de la thorie dinformatique dcisionnelle.
Enfin, le troisime chapitre prsente les tapes de la concrtisation de la business intelligence

dans le cadre de mon projet.
14
Chapitre 1
Solutions BI, tude et comparaison
Aujourdhui, les solutions BI (Business Intelligence) ou plateformes dcisionnelles

sont devenus trs dveloppes et trs riches en fonctionnalits. Le march de la BI a connu
une relle volution, alors que les solutions ne cessent de naitre et dexploser un march si
concurrent.
Dans ce chapitre, nous prsenterons les principaux outils dcisionnels existants dans le
march et nous mnerons une comparaison de leurs fonctionnalits.
Vers la fin, nous dtaillerons la problmatique qui sera trait tout au long de notre projet de
fin dtudes.
15
Chapitre 1 Les solutions BI, tude et comparaison
1.1 Analyse de Gartner pour le march du BI

Selon lanalyse de Gartner pour le mois Fvrier 2013 (Figure 1), les leaders du march
BI sont : SAP BO, Oracle EE, Microsoft, IBM, .., etc.
Pour les challengers, ils sont constitus principalement par : Pentaho, Jaspersoft, .., etc. [1]
Figure 1 Analyse Gartner du march du BI
Daprs cette vue des outils BI (Figure 1), on remarque que les plateformes sont
nombreuses et diffrentes, mais chaque projet ses caractristiques et ses contraintes. Cest
pour cela, que le choix de la solution doit tre judicieux et tudi par les parties prenantes du
projet BI, et ceci avant dentamer ltude et la conception de la solution dcisionnel de
lentreprise.
Ci-dessous, nous prsentons donc une description dtaille des principales solutions
dcisionnelles rparties selon leurs types.
1.2 Les grandes solutions BI du march
Il sagit des outils les plus utiliss et les plus performants dans le monde de la BI. Ils
sadressent nimporte quel domaine dactivit pour lesquels une modlisation spcifique des
donnes de lentreprise est ncessaire. De plus, ils se caractrisent par une forte volutivit,
une richesse des fonctionnalits et rpondent aux besoins mtiers des entreprises.
16
Par contre, chacun de ses outils ses caractristiques spciaux, ses avantages et ses
inconvnients. Aussi, chacun deux diffre par son fonctionnement.
Nous dcrivons alors ci-dessous quelques solutions BI appartenant aux leaders dun march si
riche.
1.2.1 Systems, Applications and Products Business Object SAP BO
Suite des rachats successifs, Business Object (BO) ou bien SAP BO a largi sa
gamme de produits qui permet dsormais de couvrir pratiquement tous les besoins en termes
de Systme dInformation Dcisionnel.
Dtaillons, donc les composants de SAP BO selon les parties de la chaine dcisionnelle
(Alimentation ETL, Analyse, Reporting, analyse de performance, )
Alimentation ETL : solution EIM (Enterprise Information Management)
Business Objects propose une offre EIM comprenant plusieurs outils dETL afin de mettre
en place les fondations du SID (Systme dinformation Dcisionnel) :
- BO Composer : gestion du design des jobs ETL et de la documentation associe au

travers dune interface WEB, navigation dans les mtadonnes, .., etc.
- BO Data Integrator : outil ETL de BO qui offre des accs natifs de nombreuses
sources de donnes, des analyses dimpact de bout en bout, une traabilit des donnes
jusqu la source, des consoles oprationnelles de suivi des traitements dalimentation,
.., etc.
- BO Rapid Marts : solutions packages pour une construction optimise de jobs ETL,
dunivers ou de rapports partir dapplications dentreprise telles que SAP ou Oracle.
- BO Data Federator : solution dintgration de donnes exognes et dinterrogation en

temps rel au travers dune vue mtier virtuelle.
Analyse
Business Objects propose plusieurs outils ddis lanalyse multidimensionnelle :
- BO intelligent Question : interface trs conviviale pour le requtage. Les utilisateurs

peuvent poser des questions simplement en langage mtier.
17
- BO Desktop Intelligence : interface de type client lourd permettant dlaborer des

requtes complexes qui peuvent ensuite tre converties au format WEB pour une
intgration au sein de WEB Intelligence. Cet outil concerne un nombre rduit
dutilisateurs avertis.
- BO Olap Intelligence : outil danalyse multidimensionnelle.
- BO Business Miner: outil de Datamining.
Reporting
Business Object propose plusieurs outils de reporting en fonction des besoins et du budget
des entreprises :
- Crystal Report : cette solution et permet de crer, grer et distribuer des rapports sur le
Web.
- Crystal Vision : version amliore de Cristal Report permettant une interaction avec
les outils Microsoft Office.
- Business Objects Entreprise : plateforme BI compose de plusieurs outils permettant

deffectuer du reporting, de linterrogation, de lanalyse, .., etc.
BO propose le portail dcisionnel Dashboard Manager pour mettre disposition des

utilisateurs des tableaux de bord intgrant des tableaux, des graphiques de tout type, des
alertes, .., etc. Aussi, Il ya le Live Office qui offre une grande interoprabilit avec les outils
Microsoft Office, [2], [3]
Figure 2 Composant de SAP BO
18
Points forts de la suite BI SAP BO
SAP Business Objects propose une offre qui semble tre lun des plus compltes du
march et qui permet une entreprise suffisamment mature et disposant de ressources
suffisantes en interne de raliser un projet dcisionnel complet et adapt ses besoins. Ses
fonctionnalits sont trs puissantes et trs riches.
Points faibles de la suite BI SAP BO
SAP BO est une solution qui sadresse particulirement aux grandes entreprises, son
cout est notamment trs lev ce qui ne permet pas aux PME/PMI (Petite et Moyenne
Entreprise/Industrie) davoir accs cet outils. De plus, limplmentation dun projet
dcisionnel avec SAP BO ncessitent des ressources exprimentes, chose qui est trs difficile
trouver dans le march.
1.2.2 Solution dcisionnelle IBM Cognos
La suite Cognos dIBM offre un environnement de travail compltement intgr

comprenant plusieurs outils destins des profils utilisateurs diffrents : contrleurs de
gestion, responsables de ples, .., etc.
Par la suite, un descriptif des principaux outils dIBM couvrant la chaine BI.
Alimentation ETL et stockage
Cognos propose un ETL Data Manager mais nimpose pas de base de stockage spcifique.
La solution ETL intgre un dictionnaire de donnes technique mais il nexiste pas de solution
de MDM (Master Data Management) dans la suite Cognos.
Il est possible daccder toute sorte de donnes : soit un datawarehouse construit au
pralable, soit diverses bases de donnes de type infocentre par exemple. Cognos BI peut
accder aussi bien des bases relationnelles qu des cubes OLAP.
Analyse
Les outils Analysis Studio et Query Studio permettent deffectuer toutes sortes de requtes
sur les donnes : Analysis Studio est ddi aux analyses multidimensionnelles et Query
Studio permet deffectuer des requtes simples et jetables (pour intgrer le rsultat dune
requte dans le portail, il faut utiliser Report Studio).
19
Loutil Cognos Planning inclue des fonctionnalits de simulation et de prvisions. Cognos

propose galement avec cet outil de traiter le calcul des cots de manire trs souple
Cognos Planning se compose de plusieurs outils intgrs au sein dune mme plateforme :
- Cognos Planning Analyst : dveloppement de cubes et de modles sans aucune ligne

de code, possibilit deffectuer des simulations.
- Cognos Planning Manager : outil permettant de documenter les modles dlaboration

budgtaire et de visualiser graphiquement les cubes (chaque tape conduisant au calcul
final est schmatise de manire graphique et permet en zoomant sur ces tapes de
positionner les rgles de calcul et dallocations correspondantes).
Reporting et tableaux de bord
Les outils de la suite Cognos BI proposent un large panel de fonctionnalits avec des
restitutions trs varies :
- tableaux et graphiques de tout type avec une possibilit de disposer de graphiques avec
plusieurs chelles pour afficher plusieurs indicateurs en mme temps,
- gestion avance des alertes avec un commentaire et un rapport associ chacune

dentre elle,
- tendances (comparaison N-1/N),
- jauges et cartes, .., etc.
Une entreprise peut donc personnaliser facilement son portail Cognos en utilisant loutil
Report Studio. Les tableaux de bord peuvent galement tre disponibles sur mobile grce la
solution Cognos Go Mobile, [2]
Points forts de la solution dcisionnelle Cognos
Cognos propose une gamme trs complte de fonctionnalits et un accs tout type de
donnes (base relationnelle, cube, .., etc.) permettant aux tablissements de faire voluer
facilement le primtre de leur Systme dinformation dcisionnel.
Aussi, Cognos fournit une offre qui semble intgre et qui devrait permettre de
rpondre beaucoup des besoins des entreprises la fois en termes de reporting et de tableaux
20
de bord, mais galement en termes danalyses avances, de pilotage budgtaire et de gestion

des performances.
Points faibles de la solution dcisionnelle Cognos
A part le cout, la suite Cognos dIBM nas pas rellement des points faibles noter.
Ce qui explique son classement comme leader dans le march de la Business Intelligence et ce
depuis un beau temps.
1.2.3 Suite Oracle BI EE (Entreprise Edition)
Oracle propose une suite doutils gnralistes pour couvrir lensemble des
fonctionnalits attendues par un systme dinformation dcisionnel ainsi que des offres
prconfigurs adaptes aux besoins des entreprises.
Ci-dessous la description dtaille des principaux composants de la suite BI dOracle.
Alimentation ETL et stockage
Loutil Oracle Data Integrator (ODI) se diffrencie des autres outils du march par son
approche ELT et non ETL comme la plupart des acteurs. La transformation a eu lieu dans la
base de donnes au lieu dtre prise en charge par loutil ODI. Cette approche permet
nimporte quel utilisateur de bases de donnes connaissant le langage SQL dutiliser ODI.
Loffre ODI, solution sous Java, fonctionne avec toutes les sources de donnes et toutes les
cibles.
Loffre permet daccder aux donnes au travers de services web qui sont grs
automatiquement partir des rgles mtier. Elle permet aussi de dtecter les changements
dans les systmes sources et de les rpercuter sur les systmes cibles.
Pour la base de donnes Oracle constituant le datawarehouse, elle inclut de nombreux

outils tels que des fonctions statistiques, des modles de datamining ou des fonctions OLAP.
Loption Oracle datamining embarque dans la base de donnes fournit des

algorithmes et des modles prdfinis de classification et danalyse prdictive ainsi que du
text mining. Le tout est en langage SQL.
Loption Oracle Spatial permet de grer des donnes de cartographie accessibles par
les outils danalyse et de requtes.
21
Loption Oracle Warehouse Builder embarque dans la base de donnes permet

dextraire et de transformer les donnes en provenance de toute source de donnes vers une
base Oracle.
Analyse
Loffre Oracle permet de rpondre lensemble des besoins danalyse dune entreprise :
- Datamining et outils de prevision
- analyse multidimensionnelle
- extraction de donnes aux diffrents formats office grce Microsoft office.
- Oracle Business Intelligence Applications analytiques (prconstruites) : ce sont des

applications analytiques prdfinies (modle de donnes construit, indicateurs
prdfinis, ) permettant aux entreprises de piloter rapidement tous les processus de
gestion de lentreprise : la finance, les achats, les stocks, la logistique, la gestion des
ressources humaines, .., etc quel que soit le domaine mtier de lentreprise.
Reporting et tableaux de bord
Oracle BI Enterprise Edition (Oracle BI EE), les bundles et Hyperion Business

Intelligence technology (outils intgr de Reporting) constituent les nouvelles offres de
reporting Analytique Oracle ; ces offres ont t conues pour rpondre lensemble des
problmatiques voques, et permet de prendre en compte toutes les sources de donnes de
lentreprise : le Datawarehouse et ses Datamarts, mais aussi toutes les autres sources de
donnes de lentreprise : cubes, fichiers plats, bureautiques, bases de donnes htrognes,
transactionnelles, mainframes,.. etc.
Elle offre les fonctionnalits suivantes :
- tableaux de bord statiques et dynamiques

- reporting de masse sous divers formats : pdf, xml, doc,
- fonctionnalit de cartographie (Oracle Spatial)
- solution mobile complte permettant de travailler en mode dconnect, [4]
22
Points forts de la suite BI dOracle
Oracle est un acteur majeur sur le march des bases de donnes, des serveurs
dapplications, des applications de gestion mais galement de la Business Intelligence avec
une offre trs complte et compltement intgre. Le rcent rachat dHyperion (Solution
dcisionnel) vient enrichir cette offre pour couvrir lensemble des besoins de SID dune
entreprise.
En couvrant lensemble des briques dun Systme dInformation Dcisionnel, Oracle

permet aux tablissements dlargir progressivement le primtre des fonctionnalits ou des
donnes traites dans leurs SID. De plus, son interoprabilit avec les autres outils du march
permet de faire voluer le systme dinformation dcisionnel laide doutils spcialistes du
march.
Points faibles de la suite BI dOracle
Les principaux inconvnients de la solution BI doracle et qui nencouragent pas

beaucoup dentreprises notamment les PME/PMI (Petite et Moyenne Entreprise/Industrie)
implmenter cette suite sont :
- Le cout lev de la solution
- Le dlai de mise en uvre qui est reste trs long par rapport aux autres solutions
1.2.4 Solution dcisionnelle Microsoft BI
Microsoft est un acteur majeur dans le domaine dcisionnel qui observe une forte
croissance depuis quelques annes (environ 30% du march mondial) et largit sa gamme de
produits de manire offrir ce jour lune des offres les plus compltes du march
dcisionnel.
Cette plateforme modulaire, intgre, et interoprable sappuyant sur des standards dispose
dune forte volutivit.
Les trois parties de la solution Microsoft savoir : SSIS, SSAS et SSRS seront donc dtailler
ci-dessous, [5]
23
Alimentation de donnes par SSIS (Sql Server Integration Service)
Pour alimenter un entrept/magasin de donnes, Microsoft met disposition des

utilisateurs de SQL Server, un outil dETL qui est Sql Server Integration Services (SSIS).
SSIS est donc un vritable outil dETL, fiable, performent, et qui remplit parfaitement le
rle pour lequel il est destin.
Son point fort, cest la manire dont il est employ. Il permet donc de raliser les principales
grandes taches dun ETL avec un trs bon rendement. On trouve donc que SSIS :
- Acclre le travail de dveloppement des flux de donnes. Il permet de dcouper un

flux de dalimentation en une multitude de petites taches de transformation de donnes
distinctes et ordonnances.
- Offre une vision claire et maintenable des flux raliss : SSIS permet dobtenir une
visualisation graphique, logique et simple des flux de donnes ralises. Dvelopper
un flux avec SSIS ne ncessite pas de notions de dveloppement objet ni mme un
grand savoir en SQL.
- Ouvert de nombreuses source de donnes htrognes, tels que de nombreuses base

de donnes relationnelles (Oracle, MySQL, Sybase, .., etc), des fichiers (plats ; Excel,
xml, .., etc) ou des sources en ligne (comme le service web)
- Dispose de plusieurs fonctionnalits de transformations : calcul, contrle, conversion

des donnes, union, jointure, nettoyage, ..,etc
De plus, SSIS permet de mettre en uvre pleinement les concepts du mtier : audit des
donnes, historisation des dimensions, traitement des erreurs et des rejets,.. etc.
Analyse OLAP SSAS (SQL Server Analysis Services)
SQL Server Analysis Services est la base multidimensionnelle (OLAP) de la solution SQL
Server. Il est souvent prsent comme tant la solution de cubes de Microsoft. SSAS est
parfaitement fiable et trs robuste, leader de son march.
Le rle de SSAS est dagrger et de prsenter les donnes contenues dans la base
relationnelle aux utilisateurs finaux. De plus, SSAS ne craint pas les gros volumes de
24
donnes, il est taill pour cela. Il offre aussi un accs aux donnes rapide et trs utile pour le
dveloppeur BI.
Par contre, SSAS noffre pas aux utilisateurs daccder aux donnes, ce sont les outils de
restitution qui jouent ce rle.
Restitution de donnes avec SSRS (SQL Server Reporting Service)
La suite SQL Server dispose dun serveur de rapports permettant dafficher et de diffuser
les informations.
Reporting Services est avant tout un produit destin un public dinformaticiens. Sa

parfaite intgration avec lenvironnement .Net, sa capacit de mise en page, ses possibilits de
diffusion en font un excellent outil de reporting oprationnel et dcisionnel.
Il a intgr la suite BI de Microsoft depuis la version 2005. Il nest pas un outil danalyse
destin des utilisateurs finaux.
En revanche, il a totalement sa place dans la diffusion des rapports de masse, c'est--

dire dans les rapports dcisionnels destins de nombreux dcideurs oprationnels, [5]
Points forts de la suite Microsoft BI
La suite de Microsoft est bien puissante et prsente plusieurs avantages :
- Accs rapide aux donnes avec une trs bonne qualit de modlisation et dintgration
de donnes.
- Analyse et comprhension de donnes en grande finesse.
- Plusieurs outils qui permettent de partager et de communiquer les performances de

lentreprise.
Point faibles de la suite Microsoft BI
Les parties qui ne sont pas la hauteur dans la suite BI de Microsoft, et ce selon
plusieurs expert en domaine dcisionnel est la partie reporting. Cette dernire est loin des
performances des autres outils concurrents tels que SAP BO ou IBM Cognos.
De plus, chez Microsoft lintgration de leurs outils avec dautres applications savre
trs dlicate et demande un dveloppement spcifique, dur et qui prend beaucoup de temps.
25
Aprs avoir prsent les grands outils de la BI, nous passons dfinir ceux qui sont
Open source et qui ont une part de march trs importante.
1.3 Outils Open source
1.3.1 Dfinition de lOpen source
La dsignation open source s'applique aux logiciels dont la licence respecte des
critres prcisment tablis par l'Open Source Initiative, c'est--dire la possibilit de libre
redistribution, d'accs au code source et aux travaux drivs.
Souvent, un logiciel libre est qualifi d' open source , car les licences compatibles open
source englobent les licences libres selon la dfinition de la Free Software Foundation (FSF)
ou FSF.
Le terme open source est en concurrence avec le terme free software ou logiciel
libre recommand par la FSF. Par contre, le terme freeware (gratuiciel) dsigne
gnralement des logiciels gratuits qui ne sont ni ouverts, ni libres.
Avantage de lopen source
- Investissement cibl sur le mtier

- Indpendance vis--vis d'un diteur
- Accs au code source
- La vision communautaire du dveloppement
Inconvnients
- Le nombre de versions d'un mme logiciel demeure lev
- La transparence est considre comme une faiblesse en matire de scurit

- Documentation rare
- Dficit de comptences
En ce qui concerne les solutions BI, il existe de nombreux systmes daide la dcision
open source, destins aux grandes entreprises. Je citerai ci-dessous quelques uns, qui sont les
plus connus et utiliss chez les entreprises et diteurs.
26
1.3.2 Suite Pentaho BI
Fonde par des vtrans dentreprises reconnues en BI, telles que Business Objects,
Cognos, et Oracle, Pentaho est considre comme le leader des suites de BI dans lOpen
Source.
Pentaho est une plateforme dcisionnelle extrmement complte et auto-suffisante.
Elle permet non seulement dutiliser les diffrents outils dcisionnels open source depuis une
interface unique et simple dutilisation, mais elle permet dtendre et de combiner leurs
fonctionnalits grce lutilisation dun moteur de workflow, [6].
Figure 3 La suite Pentabo BI
Il est possible dutiliser les fonctionnalits de la plateforme dans une application web,
un portail ou par lappel de services web. Pentaho permet, via une interface unique (Figure3),
laccs aux diffrents composants dcisionnels de la suite. Il est ainsi possible de consulter
des rapports (conus avec Pentaho Report Designer), dutiliser les fonctions dexploration
multidimensionnelle de Mondrian (OLAP de Pentaho), et de constituer des tableaux de bord.
La chaine BI de Pentaho comporte aussi plusieurs composants qui couvrent toute la chaine
BI, savoir un ETL, un outil danalyse et un autre de reporting. Ces outils sont :
- Pentaho Data Integration (Kettle) : Outil ETL complet, pouvant tre utilis
indpendamment de la plate-forme Pentaho. Kettle ou bien PDI est trs riche en
termes de fonctionnalits.
27
- Pentaho Schema Workbench (PSW) : Client riche permettant la dfinition des schmas
Mondrian partir d'un modle en toile ou flocon de l'entrept de donnes.
Un autre outil, Pentaho Aggregation Designer (PAD), permet de construire et de
charger automatiquement des tables d'agrgation en vue d'amliorer les performances
lors du requtage des cubes Mondrian.
- Pentaho Design Studio (PDS) : Client Eclipse de modlisation de workflows BI

propre Pentaho. Design Studio permet de mettre en uvre de nombreuses ressources
BI en minimisant l'criture de code (envoi de mails automatis par ex.)
- Pentaho Analyzer : interface de requtage OLAP puissante, soigne graphiquement, et

trs ergonomique
- Pentaho Report Designer (PRD) : Client de conception de rapports avancs. Il s'agit

d'un outil de mise en page similaire plusieurs outils de cration de rapports. Il Permet
de se connecter de nombreuses sources de donnes : SGBD, XML, Excel, CSV, flux
de donnes, .., etc. [6]
Points forts de la suite dcisionnelle Pentaho
La suite Pentaho est considr complte et parfaitement intgr. Sa tarification par

dploiement et non par utilisateur est aussi lun de ses points forts. De plus, dernirement
Pentaho a renforc sa plateforme en prenant en compte le concept du Big Data et a ajout une
application mobile sa suite qui est Pentaho Mobile pour liPad et liPhone.
Points faibles de la suite dcisionnelle Pentaho
Pentaho BI suite possde quelques parties qui doivent tre amlior. En effet, le
Pentaho Dashbord qui permet de crer les tableaux de bords manque de fonctionnalits
notamment en termes de tableau crois dynamique.
De plus, le Report Designer est aussi limit, puisquil manque dinterface pour crer
des requtes qui alimenteront les rapports.
On ajoute cela, le manque de comptences et de documentation pour cet outil.
28
1.3.3 Suite dcisionnelle JasperSoft BI
Jaspersoft est actuellement le logiciel de BI le plus utilis en Open source, avec plus
de 10 millions de tlchargements travers le monde et plus de 12 000 clients commerciaux.
JasperSoft compte aussi sur la plus importante communaut (125 000 dveloppeurs) de
lindustrie.
La suite dcisionnelle (Figure4), JasperServer, propose des fonctionnalits de gnration de
rapports et danalyse.
Contrairement aux autres plateformes, linterface nutilise pas de portail tiers. On
dispose ici dune application web dveloppe spcifiquement qui permet de crer de
nouvelles analyses, de publier de nouveaux documents, de grer les comptes utilisateurs, leurs
rles, ainsi que les droits daccs aux diffrents rpertoires et fichiers du rfrentiel, [2], [7].
Figure 4 La suite JasperSoft BI
Lditeur de tableaux croiss est particulirement intressant puisquil permet de crer

des cubes en mmoire sur nimporte quelle base relationnelle, sans passer par un serveur
OLAP. JasperSoft dispose aussi dun outil de cration de tableaux de bord, accessible tout
profil dutilisateur appel Jaspersoft Studio.
Bien quil soit peu probable que cette plateforme supporte dautres gnrateurs dtats dans le
futur, Jaspersoft utilise certains composants externes tels que :
- Analyse : Les outils Mondrian et JPivot, sous le nom de JasperAnalysis
- Planificateur : Loutil Quartz
- ETL : La solution Talend Open Studio, sous le nom de Jasper ETL.
29
Pour les utilisateurs finaux, JasperSoft propose une ergonomie 2.0, et, pour des utilisateurs
non techniques, elle offre une trs grande autonomie la cration de nouveaux rapports et de
nouveaux tableaux de bord.
Points forts de la solution Jaspersoft
Le point fort de la suite JasperSoft est quelle regroupe les meilleurs composants BI
Open source qui existent. Pour lETL, on trouve Talend qui est le maitre dans sa gamme, en
analyse on trouve les deux outils Mondrian et Jpivot qui se complte pour donner un outil fort
et pour ldition des rapports JasperSoft propose diffrents gnrateur dtats avec des
fonctionnalits trs riches.
Points faibles de la solution Jaspersoft
Pour ce qui est des inconvnients de JasperSoft, ils sont essentiellement dus la nature
de loutil savoir lOpen source. En effet, pour mettre en place une solution dcisionnelle
avec JasperSoft cela ncessite des comptences un peu rares sur le march ainsi quun temps
dadaptation pour les utilisateurs.
De plus, loutil JasperSoft nintgre pas le concept dOLAP, ce qui rend difficile la
conception des requtes pour la cration des rapports. Une trs bonne maitrise du langage
SQL est requise pour maitriser le dveloppement sous JasperSoft.
1.3.4 QlickView
QlikView est le produit phare de QlikTech (Entreprise de service informatique), il

simplifie l'analyse des donnes pour linformaticien ainsi que pour lutilisateur final. Il est
donc un outil de restitution des donnes plutt quune suite BI traditionnel. Dans QlickView
la notion dOLAP et dETL nexiste pas. Loutil a un accs direct aux diffrentes sources de
donnes.
Restitution de donnes
Les donnes analyser sont charges dans lapplication par lintermdiaire dun diteur
de script. Les tables charges se lient entre elles automatiquement par homonymie des noms
des colonnes, [6]
30
Figure 5 QlickView BI
Une fois ces donnes charges, linterface de restitution et la slection dynamique des
donnes (Figure 5) permettent de raliser des analyses trs pousses de linformation en
donnant une grande latitude lutilisateur dans le choix des filtres appliquer.
Aussi, QlickView permet de crer des graphiques et des tableaux avec des fonctionnalits trs
riches. Pour la diffusion des applications, elle se fait via un portail Web (intranet de
lentreprise ou serveur de QlikView), [2].
Fonctionnalits principales de QlikView
- Donnes intgres et scurises spcifiquement chaque application QlikView

- Formats de restitutions varies (histogrammes, secteurs,) et paramtrables (choix des
couleurs, des alertes, aspect 3D, ..,etc)
- Interactivit avec lutilisateur (choix des diffrents filtres) et mise jour instantane de
lensemble du Reporting
- Diffusion par lintermdiaire dun rseau
Points forts
Les principales caractristiques valorisant loutil QlickView sont :
- Possibilit dintgrer un intranet existant ou utilisation du portail propre QlikView

(AccessPoint)
- Export direct des donnes des objets dans Excel possible
- Complte interaction avec les produits Windows (Internet Explorer, Powerpoint, Excel
avec possibilit de copier les objets avec leurs donnes dans ces applications)
31
Points faibles
Pour ce qui est des points faibles qui font dfaut QlickView, on trouve :
- Prsence dun service informatique pour la maintenance de la partie QlikView Server

- Analyse par ttonnement (aucune logique dans la partie Analyse)
- Le cout de mise en place et suivis peut tre lev, puisque les comptences sont rares.
1.4 Tableau de comparaison

Pour avoir une ide globale et comparative de tous ces outils dcisionnels, nous avons
dcid de tracer un tableau de comparaison qui rassemble toutes les informations recueillis
travers ltude ci-dessous.
Solution BI SGBD ETL Analyse Reporting Points Points

OLAP forts faibles
SAP BO Ouvert LOffre BO Olap . Crystal Complte et . Cout lev

plusieurs EIM Intelligence Report riche
(intgr) , BO
contenant Business . Crystal .Comptenc
plusieurs Miner, Vision es rares
outils
IBM Ouvert Data . Analysis Report . Trs Cout trs
Cognos plusieurs Manager Studio et Studio complte et lev.
Query intgre.
. Cognos . Analyse
Planning avanc
Oracle BI Possde son Oracle Data Oracle BI Bundles et . Leader . Cout lev
EE propre Integrator Application Hyperion dans le
SGBD analytiques BI . Dlai de
SGBD. mise en
(ODB) technology
. SID place
volutif
Microsoft Possde son Sql Server SQL Server SQL Server . Complte La partie
BI propre Integration Analysis Reporting et intgr. Data
SGBD Service Services Service Mining
(SQL (SSIS) (SSAS) . Offerte
Server) avec SQL
Server DB
Pentaho BI Ouvert Pentaho Pentaho Pentaho . Leader en Pentaho
Suite plusieurs Data Analyzer Report Open Source Dashbord
Integration Designer (manque de
(Kettle) (PRD) tableau
danalyse)
32
JasperSoft Ouvert Talend Mondrian Jaspersoft Regroupe Absence

BI plusieurs Open et JPivot Studio les dOLAP.
Studio meilleurs
composants
BI Open
source
QlickView Ouvert QlickView Export Absence de
plusieurs - - direct des notion
donnes par dOALP et
script. dETL.
Tableau 1 Comparaison des solutions BI
Le Tableau 1 nous a t trs utile dans llaboration du choix de la solution adopter pour le
projet dcisionnelle de lentreprise, [2]
1.5 Choix de la solution

Chez lentreprise Alwasit, lapplication qui supporte lactivit de distribution (sera
dtailler dans le chapitre suivant) est lie une base de donnes SQL Server version
developper. Avec, ce moteur de base de donnes, Microsoft fournie la suite BI sans aucune
autre licence payer.
Et daprs ce quon a vue dans ltude des diffrents outils BI existants dans le
march, la suite BI de Microsoft est parmi les plus compltes et intgrs, elle est aussi
puissante et avec une couverture mtier trs large. Donc, il tait intressant dexploiter cette
solution pour mener notre projet dcisionnel au profit du dpartement vente et distribution.
En effet, la dcision t prise en collaboration avec lencadrant externe.
1.6 Prparation du projet dcisionnel

Le suivis des ventes et de lvolution de la distribution est le souci primordiale de
toute entreprise qui produit des articles afin quils soient vendus dans le march, et surtout
pour une entreprise spcialise dans la distribution. En effet, le suivi permet de mieux
maitriser sa distribution et dessayer de lamliorer dune faon rgulire. Pour ce faire, des
outils comme les tableaux de bords, les rapports professionnels et des outils danalyses et
daide la dcision qui sont lisibles et faciles utiliser et analyser sont indispensable.
33
Alwasit Press prsent par Nabil Faouzi, responsable du dveloppement informatique

et systme dinformation, soucieux de limportance du projet dcisionnel pour la socit, ma
propos, dans le cadre dun projet de fin dtudes, de concevoir et de dvelopper une solution
dcisionnelle qui rpond aux besoins de la direction de distribution. La solution propose sera
donc sous forme de rapports dcisionnels, graphes analytiques et tableaux de bords.
Pour ce faire, nous avons commenc par une tude des solutions dcisionnelles
existantes sur le march, et choisir ensuite celle qui convient au projet. Aprs, nous avons
dtermin les dimensions et les indicateurs, ralis la conception de lentrept de donnes, le
charger, crer le cube danalyse et enfin gnr les rapports et tableaux de bords qui
conviennent.
Pour bien illustrer et visualiser le droulement en matire de temps, nous avons

prpar le diagramme de GANTT (Figure 6) ainsi que le rseau PERT (Figure 7) :
Figure 6 Diagramme GANTT
Le diagramme de GANTT (Figure 6) illustre lenchainement des tapes du travail

tablie, alors que PERT (Figure 7) dtaille encore plus cet enchainement en ajoutant la dure
de chaque tape du dbut jusqu la fin du projet.
34
Figure 7 Diagramme PERT

Conclusion
Ltude ci-dessus des principaux solutions dcisionnelles (BI) existantes sur le march
nous a permis donc davoir une ide gnral sur ces outils, ainsi de comparer leurs
fonctionnalits aux niveaux des tapes essentiels de la chaine BI (Stockage et ETL, Analyse et
reporting).
Aussi, cette tude comparatif nous a permis de choisir la solution adapter pour le
projet, et ceci bien sur en respectant les contraintes lies linfrastructure existant dans
lentreprise.
Le choix final donc a t, dutiliser la solution de Microsoft afin de mener la

conception du projet qui sera dtaille dans les deux chapitres qui suivent.
35
Chapitre 2
Business Intelligence au service du
processus de distribution dAlwasit
Ce chapitre dcrit la thorie de la Business Intelligence avec tous ses concepts et
vocabulaires ncessaires pour le bon droulement des diffrentes phases du projet. Il prsente
aussi lactivit de distribution des titres (journaux, livres, magasines, .., etc.) au sein de
lentreprise Alwasit Press. Ce Processus de distribution sera donc exploit par la thorie de la
BI pour mettre en place la solution dcisionnelle.
36
Chapitre 2 La BI au service de distribution dAlwasit
2.1 Thorie de la Business Intelligence

2.1.1 Du transactionnel au dcisionnel
Depuis un demi-sicle, et avec lapparition de linformatique de gestion, les

entreprises ont vu natre les premires bases de donnes, et ont voulu savoir ce que
linformatique pourrait leur apporter.
En 1970, un chercheur au sein dIBM, vient dinventer le SGBDR qui va rapidement devenir
le socle indispensable de lOLTP qui consiste modliser toutes les oprations de gestion de
lentreprise comme des transactions : encaisser un article en magasin, ajouter un client au
fichier, enregistrer les congs dun salari, .., etc.
Ce modle gre trs efficacement les accs concurrentiels et lintgrit des donnes de
lentreprise.
Ses diffrentes implmentations commerciales (IBM, Oracle. . .) connaissent rapidement un
fort succs que lessor des microprocesseurs dans les annes 70, puis des micro-ordinateurs
dans les annes 80, vient renforcer.
Les systmes OLTP et les SGBDR ont littralement envahi lentreprise moderne qui ne peut
fonctionner sans ERP, gestion des stocks, comptabilit, caisses lectroniques . . . Toutes ces
applications remplissent des bases de donnes transactionnelles : des millions
denregistrements, des milliards de transactions, dans des milliers de tables parfois lies les
unes aux autres par un schma complexe qui rpond parfaitement au besoin de gestion de
lactivit, mais qui reste opaque pour les gestionnaires de lentreprise.
Et si partir de cette mine dinformations, on essayait daugmenter notre connaissance sur le

fonctionnement de lentreprise ? Sur les actions qui ont t profitables ? Sur les produits en
forte croissance ? Sur les gots des clients ? Sur les profils que lentreprise doit recruter ?
Les services informatiques tentent dabord de rpondre ces questions en programmant des
algorithmes, des requtes qui vont exploiter les donnes des bases transactionnelles. Mais
obtenir une information ncessite de parcourir de nombreuses tables en suivant des relations
complexes, dattendre la fin des transactions pendant lesquelles linformation ne peut tre
exploite car incohrente . . . La lecture elle-mme a pour effet de bloquer lactivit de gestion
37
car ce qui est lu doit tre cohrent. Enfin, chaque logiciel possde son schma de donnes, sa
fiche produit, sa fiche client. Comment rapprocher toutes ces informations ?
Dans ces conditions, linformatique dcisionnelle intervient pour rpondre aux questions que
se posent les dirigeants de lentreprise. [8]
2.1.2 Business Intelligence
La business intelligence regroupe lensemble des outils, mthodes et moyens

permettant lexploitation des donnes en vue de permettre aux dcideurs de prendre des
dcisions claires. Elle concentre les diffrentes techniques qui permettent une organisation
de disposer de linformation juste et temps pour prendre des dcisions et mesurer leurs
rsultats.
Elle repose sur les principes suivants :
- La modlisation OLAP, formalise nouveau par le mme chercheur dIBM, la fin

de lanne 1993. Son objectif est dapporter aux utilisateurs finaux de linformatique
linformation cache dans les systmes de lentreprise. Elle repose sur une mise plat
du schma normalis par la cration daxes danalyse simples et orients mtier : les
dimensions.
- La distribution ou la mise disposition de linformation qui doit tre accessible

facilement un utilisateur non initi. Comme lOLTP a peu peu envahi notre
univers, lOLAP est aisment accessible, il fait progressivement son apparition dans
notre quotidien.
- Conserver les donnes produites par les transactions dans une base de donnes des
systmes de production : lentrept, le magasin de donnes ou le datawarehouse. Il
permet de conserver un historique plus important, de fusionner dans une mme unit,
les donnes de diffrents systmes. Il est la source unique dinformation des diffrents
dcideurs de lentreprise. Cela permet de mettre tout le monde daccord sur les
chiffres, et dviter quune analyse soit lance autant de fois quil y a de personnes
concernes par son rsultat.
38
Pour mettre en place les trois principes cits ci-dessus, linformatique dcisionnelle est en
gnral constitue de deux pans :
- La prparation et le stockage des donnes, soit dans sa forme la plus aboutie, la
construction et lalimentation dun entrept de donnes, le Datawarehouse. Cette
activit est parfois nomme le Data Warehousing. Elle comprend la cration de bases
de donnes, ainsi que lalimentation de ces bases grces des outils ddis : les ETL.
Ce pan est le Back-End du systme dcisionnel.
- La distribution des donnes aux utilisateurs mtier. Ce domaine est souvent dsign
par lexpression spcifique dapplication de BI, voire de BI. Il couvre le traitement de
la donne en vue de crer de la valeur ajoute mtier, et la mise disposition des
indicateurs mtier aux utilisateurs finaux. Cest le Front-End.
2.1.3 Disciplines de la Business Intelligence
Chaque entreprise possde sa propre exprience mtier, sa propre infrastructure

oprationnelle, sa propre organisation et ses propres objectifs. Il nexiste pas de recette
miracle. Le systme dcisionnel doit tre adapt au besoin des utilisateurs. Par contre, dans la
plupart des cas, la recette est comme ceci, (figure 8), [8]
Figure 8 Chane dcisionnelle
Par la suite, nous dcrirons en dtail, les diffrentes disciplines de cette recette : lETL,
le stockage, la diffusion et quelques exemples de lexploitation.
39
2.1.3.1 Collecte des donnes
La collecte des donnes est assure par des outils qui ont trois utilits principales :
- Lextraction des donnes : cette phase vise obtenir les donnes des diffrents
systmes dinformations oprationnels ou via des fichiers plats. Les donnes peuvent
venir de systmes internes ou de systmes extrieurs. Les formats de ces donnes
peuvent tre trs diffrents les uns des autres. Cela peut tre des fichiers plats, des
bases de donnes ou des fichiers bureautiques.
- La transformation des donnes : comme les donnes sont de formats diffrents, le but
de cette phase est de les rendre cohrentes et utilisables entre elles. La transformation
a aussi pour but de commencer agrger les donnes entre elles pour les rendre plus
facilement exploitables.
- Le chargement : il permet linjection des donnes dans une base de donnes qui sert de
stockage des donnes.
Les outils sont regroups dans une catgorie qui sappelle les ETL. Ces outils sont
optimiss pour grer les flux de donnes. De par leurs qualits, les ETL servent galent
doutils de gestion des flux de donnes pour les systmes oprationnels.
2.1.3.2 Stockage des donnes
En raison de la philosophie du dcisionnel, les bases de donnes utiliss pour le

stockage sont diffrenties des bases de production. Il nest pas souhaitable de ralentir les
outils de production chaque fois que lon veut faire une extraction de donnes.
Le datawarehouse ne sert pas seulement dentrept, il gre galement lhistorisation des
donnes, pour permettre davoir des vues voluant dans le temps de lentreprise. Un entrept
de donnes peut tre plusieurs fois plus volumineux que les bases oprationnelles qui
lalimentent. Du fait de ce volume et de la complexit des donnes entreposes, la diffusion se
fait via des datamarts.
2.1.3.3 Diffusion des donnes
Certains considrent les datamarts comme faisant partie du stockage des donnes. Ils
ont raison, mais ils sont galement la premire tape vers la diffusion des donnes. Si le but
40
du DWH est de stocker les donnes, le but du datamart est de prsenter une vue mtier des
donnes. Cette vue est nettoye des informations inutiles pour lutilisateur et certaines
donnes sont transformes pour prendre un sens mtier. Ainsi une mme donne pourra avoir
plusieurs significations diffrentes suivant lutilisateur qui veut y accder.
La diffusion se fera galement via diffrents moyens tels que des portails dentreprises, des
diffusions de rapports, ou via des applications telles que Business Objects.
2.1.3.4 Exploitation de donnes
La finalit des tapes dextraction, de stockage et de diffusion est dapporter lutilisateur

final des donnes exploitables. Il peut alors les exploiter de diffrentes faons :
- En analysant les donnes grce des outils de consolidation par exemple.

- En ralisant des tableaux de bord et des KPI (Key Process Indicators ou indicateurs
cls) pour piloter son activit oprationnelle.
- En diffusant des rapports pour communiquer sur les performances de son entreprise, et
ce, en interne et en externe.
- En extrapolant des donnes pour identifier des tendances futures grce aux outils de
datamining.
Cette liste nest pas exhaustive, il est possible dinventer et de trouver de nombreuses
autres faons dexploiter ces donnes des fins daide la dcision.
2.1.4 Modle de donnes dcisionnelles
Tous les cours sur la modlisation des bases de donnes voquent le modle entit-relation
(ou relationnel) et les formes normales. Ces types de modles ont t conus pour donner aux
bases de donnes les caractristiques suivantes :
- Une facilit de mise jour des donnes.

- Une garantie contre les incohrences des donnes.
- Limiter la redondance des donnes (et ainsi limiter la taille de la base).
Malheureusement, et comme ce qui a t dit prcdemment, ces modles de donnes ne

sont pas adapts des systmes dcisionnels. De par leur nature, ils ne permettent pas
41
dobtenir des performances satisfaisantes pour de lextraction de grandes quantits de

donnes. Cest pour cela que des modles de donnes, dites dcisionnels, ont t invents.
2.1.4.1 Type de donnes
Dans un modle dcisionnel, on distingue deux types de donnes :
- Les faits, indicateurs ou agrgats. Ce sont gnralement les oprations analyser qui
sont enregistres par les transactions des systmes OLTP et qui sont des donnes soit
quantifiables numriquement, soit dnombrables, soit les deux, et qui voluent dans le
temps.
- Les dimensions ou les axes danalyses. Ce sont les donnes qui serviront daxes pour
faire varier les faits. Un axe danalyse trs courant est laxe temporel, il comprend des
dates ou des priodes (un jour, une semaine,. . .).
Cest par laide de cette approche, quon dfinit trois types de modles : les modles en
toile, les modles en flocon et les modles en constellation.
2.1.4.2 Modles de conception
- Le modle en toile (Figure 9) : Il est appel ainsi en raison de la forme de son modle
conceptuel. Il est compos dune table regroupant lensemble des agrgats et des cls
relatives aux tables des dimensions. Les axes danalyses regroups par thmes,
rayonnent ensuite de la table de faits.
Figure 9 le modle en toile
42
Le principe est de d-normaliser les tables de dimensions pour obtenir lensemble des
donnes en un seul accs. Les tables de dimensions nont aucun lien entre elles.
Lavantage de ce type de modle est de permettre doptimiser au maximum les
extractions.
En contrepartie, la volumtrie de ce type de base est trs importante : des donnes
identiques sont souvent rptes de nombreuses fois dans la base.
Le schma permet galement dajouter simplement des nouveaux axes danalyse sans
pour autant changer tout le modle. Cependant, il ne permet pas de mettre en valeur les
hirarchies des dimensions.
- Le modle en flocons (Figure 10) : Il est une volution du modle en toile. Il en

prend les principes essentiels, avec une table de fait centrale et des tables de
dimensions qui rayonnent. Cependant, il met en valeur des hirarchies.
Les diffrentes dimensions peuvent se regrouper dans des ensembles de donnes plus
grands.
Ces ensembles regroupent les donnes ayant le mme thme, permettant damalgamer
ou de dtailler certaines dentre elles. On parle alors de hirarchies pour dcrire les
relations qui existent entre ces donnes.
Figure 10 le modle en flocon
43
Lavantage de ce type de schma est de permettre la mise en valeur de

lorganisation mtier des donnes et les rgles dagrgation. Il est galement moins
gourmand en place que le schma en toile. Cependant les performances seront un
peu plus dgrades mme si dans la majorit des cas, cette baisse de performance
nest pas sensible pour les utilisateurs.
- Le modle en constellation (Figure 11) : Une constellation est une srie d'toiles ou de
flocons relies entre eux par des dimensions. Il s'agit donc d'toiles avec des
dimensions en commun. Un environnement dcisionnel idal serait une place ou il
serait possible de naviguer d'toile en toile, de constellation en constellation et de
Data Mart en DataMart la recherche de l'information si prcieuse.
Figure 11 le modle en constellation
Un des indicateurs cls d'une bonne conception d'entrept est la grosseur des
constellations. En effet, plus la constellation est grosse, plus cela veut dire que vous
avez rutilis vos dimensions, et qui dit rutilisation de dimension, dit dimensions
compltes, centralises et avec une vue oriente entreprise.
2.1.4.3 Agrgations et Cube OLAP
Le niveau des faits dans le systme source oprationnel est appel le niveau atomique
ou granulaire. Une table de faits nest pas ncessairement au niveau atomique, elle peut tre
cre un niveau dj agrg.
Le schma en toile permet de lire les faits selon des axes danalyse, dans lobjectif dobtenir
des agrgats au niveau de certains attributs, notamment ceux qui constituent des hirarchies.
44
Un agrgat est une valeur obtenue par la combinaison de plusieurs valeurs selon un
oprateur mathmatique. Dans le cas dune table de faits atomiques qui contient des milliards
de lignes, calculer une mesure agrge peut prendre un certain temps, mme si ce type de
schma est optimis pour la lecture, et que le temps ncessaire au mme calcul sur le systme
OLTP serait beaucoup plus long.
Un cube est un schma en toile ou en flocon dans lequel un certain nombre dagrgats ont t
pr calculs. Le cube offre aussi une couche mtier au-dessus des donnes stockes dans le
schma en toile.
Le cube est particulirement performant dans certaines conditions. Tout dabord, il doit tre
utilis lorsque le besoin est dextraire, de lire des rsultats agrgs et non des faits dtaills
atomiques. Pour chaque mesure un oprateur dagrgat est dfinir par le mtier. Le cube est
prconis pour les mesures de type somme ou dnombrement (nombre denregistrements) sur
lensemble des axes danalyse.
N.B : Un cube peut bien sr avoir plus de 3 dimensions : le terme de base de donnes
multidimensionnelle est galement employ.
Remarque :
Les modles dcisionnels sont appels Modle OLAP pour OnLine Analytical
Processing. Dans ces bases de donnes, on distingue deux sous-catgories principales :
- Les M-OLAP, Multidimensionnal OLAP : Ce sont les schmas bass sur des bases de
donnes multidimensionnelles. On parle de modle en cube ou dhypercube dont les
artes sont les dimensions et les cases les faits.
- Les R-OLAP, Relationnal OLAP : Ce sont des schmas bass sur des bases de donnes
relationnelles. Ils servent calquer des comportements de type multidimensionnel sur
une base de donnes classique. Ces modles sont le plus souvent utiliss car ils sont un
bon compromis entre les performances, la simplicit de mise en place et les
investissements.
2.1.5 Mthodologie de conception
A lorigine des confusions de vocabulaire, il y a deux grands matres de la BI dont les

thories sont opposes.
45
Pour Bill Inmon, le DW consolide les donnes dtailles de toute lentreprise. Les DM
sont ensuite construits selon les demandes des utilisateurs mtier partir de cette source
complte.
Pour Ralph Kimbal, le DW est lensemble des DM; chaque nouveau DataMart vient
denrichir le DW. Ces deux coles nont jamais trouv de point dentente, si ce nest la notion
de Datamart. Lorsque Kimball dit : le DW nest rien dautre que lunion de tous les DM,
Inmon lui rpond : Vous avez beau pcher toutes les sardines de locan, et les rassembler,
vous nobtiendrez jamais une baleine).
Choisir lune ou lautre de ces deux approches a des consquences pour le projet.
La mthode Inmon ncessite de crer en premier ce fameux DW, pour ensuite pouvoir
dlivrer des DM. Linconvnient est que la cration du DW est un travail consquent, la
livraison du premier DM ne se fera donc attendre. Lavantage est quune fois le DW complet
cr, nimporte quel DM peut tre rapidement construit, y compris sur des besoins qui nont
pas t exprims au dmarrage du projet.
Lapproche Kimball permet de rduire la dure globale du projet dcisionnel, donc de
diminuer le cot. Les utilisateurs voient plus rapidement arriver les premiers tableaux. Par
contre, les donnes non intgres aux DM ne sont pas historises dans lentrept.
En ce qui concerne les mthodes adaptes la conduite de projets dcisionnels. Que la

dmarche soit plus proche de celle dInmon ou celle de Kimball, les principes exposs ci-
dessous seront utiles.
La dmarche itrative : Construire un DW dentreprise et les applications BI vont avec est

un projet colossal. Il est souvent conseill de le dcouper en itrations par domaine
fonctionnel.
Cette dmarche a plusieurs avantages : dcouper le projet en lots de plus petite taille,
satisfaire au plus tt une partie des utilisateurs finaux, avoir une monte en charge progressive
du systme dcisionnel.
Les tapes de conception du DataMart : Chaque itration dbute par la modlisation du

DM. Cette opration peut tre mene en suivant les tapes suivantes :
- Choisir le processus mtier analyser : Il faut commencer par choisir le primtre

fonctionnel du DM crer. Certaines informations sont plus vitales que dautres pour
lentreprise ou intressent un plus grand nombre dutilisateurs finaux. Certains
46
utilisateurs finaux sont plus stratgiques que dautres : il est important de cibler leurs
besoins ds la premire itration.
- Dfinir le grain du DM : Le grain du DM est le niveau de dtail des donnes archives

dans la table de faits. Dans un projet de DW dcisionnel, en labsence de DW
oprationnel, il est conseill de choisir le niveau atomique des faits du systme
oprationnel source.
- Dfinir les dimensions : Les axes danalyses utiles aux dcideurs sont dfinis. Pour
chaque dimension, les attributs et les hirarchies sont lists. Il convient de distinguer
les attributs utiliss pour lanalyse des informations.
- Dfinir les faits (mesures)
- Dfinir la frquence et le mode dalimentation : Quelle est la fracheur des donnes

attendues par les utilisateurs. Est-ce du temps rel, les donnes de la veille ? Et quelles
sont les possibilits pour alimenter votre schma en toile partir des sources ? Une
alimentation diffrentielle (ajout des nouvelles lignes seulement) est-elle possible ?
- Dfinir la profondeur dhistorique en ligne : La profondeur dhistorique se mesure en

nombre dunits de temps : nombres dannes, nombre de mois . . . Il est important de
la dfinir avec les utilisateurs tt dans le processus afin destimer la volumtrie des
donnes traites, [9]
2.1.6 Bnfices de la Business Intelligence
Grce la BI lentreprise dispose dune vue transverse de tous ses mtiers, assure une
information standard et une unique vrit, prends des dcisions rapides et efficaces et rend
linformation accessible plusieurs utilisateurs afin:
daccrotre ses parts de march

de rduire ses cots
daugmenter ses revenus
de mieux comprendre le comportement de ses clients
de donner une plus-value ses actifs en informatique
47
de fournir un entrept de donnes centralis pour les donnes recueillies lintrieur

de lorganisme
Un endroit une rponse
Par ailleurs la majorit des experts dans le domaine sont daccord que les gains de la
ralisation dun projet BI sont difficilement mesurables priori. Estimer la rentabilit dun
projet BI revient rpondre des questions du genre : Que rapporte une dcision prise plus
rapidement parce que nous avions accs la bonne information ? Il est difficile de rpondre
cette question surtout au dbut du projet, par contre plaons cette question autrement :
Combien cote de ne pas savoir cette information ce moment bien prcis ? Peut tre rien,
peut tre beaucoup ! [9]
2.2 Processus de distribution au sein de lentreprise
Le processus de distribution, qui est la mission principale de lentreprise ALWASIT

presse est spciale et ncessite une bonne modlisation et schmatisation pour bien le
comprendre.
La distribution sexcute selon trois grandes parties principales, chacune avec un responsable
et des membres. On note donc :
- Ladministration des ventes (ADV)

- La supervision
- La gestion des invendus
Administration des La supervision Gestion des invendus

vents
Tableau 2 - Processus de distribution de lentreprise
Nous dtaillerons donc ci-dessous chaque sous processus dune manire indpendante, tout en
montrant le lien logique entre ces processus.
2.2.1 Administration des ventes
Mission : Planifier la distribution dune manire quotidienne, pour tous les points de
ventes, les zones, les villes, les centres et les rgions.
48
La planification se fait partir dune application, dveloppe par un prestataire avec du

PHP/SQL SERVER et qui gnre en sortie un bon de livraison.
Les principales parties de cette planification sont : La prparation (avec deux tapes), la
distribution (deux tapes) et la gnration des bons de livraison en final. Cependant, il peut y
avoir par fois des cas particuliers ou bien des imprvus grer, et qui sont supports par
lapplication.
Ci-dessous, donc un diagramme Use Case qui rsume toutes ces tapes.
Administration des ventes
Choix dun Modle de distribution
Prparation de la distribution
Enregistrement des informations relatifs la

distribution (titre, quantit globale, la date,)
Administrateur des
ventes Validation de distribution
Choix des points de ventes, ainsi que les

quantits attribuer
Gnration de bon de livraison
Figure 12 Diagramme Use Case de lADV
Dans la figure 12 ci-dessus, on remarque que lADV choisie un modle de distribution

qui est disponible dans lapplication. Les modles varient selon les jours de la semaine, en
dautres termes, cest les jours de la semaine qui dfinissent un modle de distribution
prconfigur. Aprs, il valide le choix du modle, qui est traduit par une insertion dune ligne
49
dans la table Prepartion_Entreprise . Ensuite, lADV valide les informations lies la

distribution (titres, quantit, date, .., etc.) qui sont enregistrs dans la Table Prpar
ation_Lig .
Une fois la planification est prte et valide (Flag enregistr dans la Table
Distribution ), on commence choisir les points de ventes avec les quantits attribuer.
Ces derniers sont enregistres dans la Table Distribution_Lig La dernire tape, une fois
toute la procdure est acheve, est la gnration du bon de livraison sous format papier.
Remarque pour Stock plus :
Parfois, il peut y avoir des changements dans les modles de distribution par volont
du client ou du distributeur lui-mme. Dans ce cas, lADV doit grer ce cas par la
modification des quantits attribues chaque point de vente en spcifiant la source du
changement ainsi que la destination. Ces changements vont menes donc un ajout dune
quantit de titre une zone prcise ou une diminution de quantit, ceci selon le besoin et la
situation.
Note : Dans lhirarchie du dpartement de distribution, il ya des responsables rgionaux qui

participent dans la partie administration des ventes et qui sont sous la responsabilit de
lADV.
2.2.2 Supervision de distribution
Mission : Le superviseur excute la planification de lADV, et doit assurer un suivie

de la distribution dans les diffrents points de ventes qui existent dans les zones appartenant
eux aussi une ville faisant partie un centre.
Le rel travail du superviseur est sur le terrain, il a un contact direct avec les livreurs
qui distribuent lensemble des titres selon la planification de lADV et la surveillance du
superviseur. Le rle du superviseur peut tre schmatis comme suite (Figure 13).
Le superviseur une fois quil reoit le bon de livraison de la part de lADV comme le
montre la figure 13, il doit dclencher le processus de distribution pour tous les points de
ventes nots dans les diffrentes zones (zones, villes et centres) du royaume.
50
Supervision
Rception de bon de livraison
Assurer la distribution pour tous les

points de vents
Assurer le ramassage des quantits

invendues
Superviseur
Editer dans le bon de distribution
Figure 13 Diagramme Use Case de Supervision
Aprs la vente des titres (journaux, livres, magasines,.. etc.), il ya toujours des
quantits invendues qui doivent tre ramasses. Cette mission est aussi assurer par le
superviseur la date dexpiration du titre. Il est aussi not dans des bons de distributions.
Cependant, la quantit invendue va tre la suite grer par la direction des invendus.
2.2.3 Gestion des invendus
Mission : La vrification de quantits invendues et la saisie des diffrentes

informations lies au processus de distribution, pour avoir un traage et archivage de toute la
chaine distribution.
Le travail du responsable du dpartement des invendus peut tre schmatis comme dtaill
dans la, figure 12,
A la rception du bon de distribution (figure 14), le responsable des invendus doit

vrifier et noter les quantits invendues et ramasses au travers des diffrents points de ventes.
Ensuite, il assure la saisie de lensemble des donnes mis sa disposition (Invendues
physique, titres vendus, la date, ) dune manire quotidienne.
51
Cette saisie savre dans lentreprise une tache trs dlicate et pose problme
puisquelle est encore rcente comme mission et ncessite donc un peu de temps pour que les
employs se familiarisent avec.
Gestion des invendus
Rception du bon de distribution
Vrification de quantits invendues
La saisie des donnes

Responsable des
invendus
Figure 14 Diagramme Use Case des invendus
Le Processus de distribution ainsi dcrit, est utilis par lentreprise afin de distribuer
lensemble des titres dans les diffrents points de ventes selon une rpartition bien prcise et
qui est dtaill dans le paragraphe suivant.
2.2.4 Rpartition des points de ventes
Les points de ventes pour lesquelles ALWASIT Press distribue les diffrents titres
sont rpartis dune manire organise selon des zones, des villes et des centres.
Ci-dessous une modlisation diagramme de classe qui schmatise cette hirarchie

(Figure15).
Le modle (Figure 15) reprsente une description gnrale du processus de

distribution des titres dans les diffrents points de ventes, qui sont rpartis dans plusieurs
zones qui sont aussi li des villes qui sont eux-mmes sous des centres principaux.
52
Figure 15 Modle physique de donnes pour la partie Zonning.
La distribution ainsi dcrit t automatis par une application existante dans lentreprise, et
qui sera prsent dans le paragraphe suivant.
2.2.5 Lapplication PHP/SQL Server
Pour supporter le processus de distribution, qui est si spcifique, lentreprise Alwasit,

soucieuse damliorer son activit avait mis en place une application informatique pour
lensemble de son personnels afin dautomatiser les diffrentes taches en liaison avec la
distribution tels que la facturation, recouvrement, etc.
Figure 16 lapplication mtier 1
53
Cette application (Figure 16) a t dveloppe par un prestataire externe, avec le

langage PHP et supporte le SGBD Sql Server. Elle contient un menu avec plusieurs Items ,
chacun deux donne la possibilit dexcuter plusieurs actions bien structur pour gnrer la
fin la distribution comme tablie.
Figure 17 lapplication mtier 2
La Figure ci-dessus (Figure 17) est un exemple dexcution de la partie distribution du

titre AL MASSAE. Pour ce faire, lADV na qu suivre le processus dj dcrit et qui a t
automatis travers cette application afin de faciliter le travail.
Conclusion
Cette tude de la thorie de la Business Intelligence nous a donne loccasion de bien
cerner les ides par rapport aux mthodes et tapes de conception dune solution dcisionnelle
avec tous les concepts qui vont avec et qui seront appliqus au processus de distribution au
sein dAlwasit Presse.
Ce processus ainsi dcrit dans ce chapitre, nous a permis de nous familiariser avec lactivit
principale de la socit et de toucher aux prs le besoin rel du personnel par rapport au
projet.
Le chapitre suivant prsente donc les tapes de la mise en place de la solution
dcisionnelle au profit du dpartement de vente et distribution, qui est le fruit de toute ltude
thorique dj prsent.
54
Chapitre 3
Mise en place de la solution BI pour le

dpartement vente et distribution
Aprs avoir dfinit les concepts de la thorie de la business intelligence, prsent le
concept mtier de distribution au sein de lentreprise, et choisis la solution adapter pour le
projet, nous prsentons dans ce chapitre les tapes de mise en place de la solution
dcisionnelle.
En effet, ce chapitre dtaille les diffrentes phases de la conception et mise en place de la
solution dcisionnelle pour le dpartement vente et distribution.
55
Chapitre 3 Mise en place de la solution BI pour les ventes et distribution
3.1 Architecture de la solution

Dans le premier chapitre, nous avons prsent la solution que nous allons adopter pour
le projet et qui est la suite dcisionnelle de Microsoft. Cette suite comme dj mentionn se
compose essentiellement de trois parties ; SSIS comme ETL, SSAS comme outil OLAP de
cration de cube, SSRS pour le Reporting ainsi que le SGBD SQL Server pour crer et
stocker le DataMart.
Aprs avoir fait ce choix, nous avons suivis la dmarche suivante afin de raliser le projet :
1. La dfinition des indicateurs/mesures et des dimensions selon ltude du processus de

distribution et selon quelques runions avec le client.
2. La rdaction du dictionnaire des donnes en se basant sur la base de donnes de
lapplication PHP/SQL Server.
3. La modlisation du DataMart et rcupration du script de cration cette base de
donnes.
4. Lexcution du script et la cration des diffrentes tables dans SQL Server
Management Studio.
5. Le chargement du DataMart laide de SQL Server Integration Service (SSIS), avec
toutes les transformations ncessaires sur les donnes.
6. La cration du cube laide de SQL Server Analysis Service (SSAS)
7. La gnration des rapports et tableaux de bords laide de SQL Server Reporting
Service (SSRS).
8. Le dploiement des rapports par envoie de mail (SMTP) et partage fichier (FTP).
Le schma qui suit rsume cette dmarche :
Figure 18 schma de la solution

56
Une fois les tapes du projet trac ainsi que le schma de la solution, nous
commencerons donc la mise en place de notre solution dcisionnelle travers la cration du
Data Mart.
3.2 Cration du Data Mart

3.2.1 Dfinition des indicateurs et dimensions
Aprs ltude du processus de distribution, quelques runions avec le personnel du

dpartement de distribution ainsi quune premire vue de la base de donnes source, nous
avons pus donc collecter les indicateurs et dimensions suivantes (Tableau 2), qui vont intgrs
la solution dcisionnelle de lentreprise, Data Mart :
P
L t
E i C
T d
v e V V T
A i
i r n i Z e e
t
X t e t l o n m
e
E r u u r l n t p
INDICATEURS S e r r e e e e s
Quantit Fourni x x x x x x x x
Quantit vendu x x x x x x x x
Quantit Invendu x x x x x x x x
Quantit Invendu Physique x x x x x x x x
Prix de vente x
Chiffre daffaire x x x x x x x
Remise x x x
Stock Plus x x x
Stock Moins x x x
Nombre dditeurs x
Nombre de livreur x x x x x
Nombre de rclamation x x x x x x
Tableau 3 Liste des dimensions et indicateurs 1
En se basant sur ce tableau, nous avons projet tous ces axes danalyses et indicateurs
sur lexistant dont dispose lentreprise. En effet, les donnes au niveau des tables de la base de
57
donnes source (de production) a t une contrainte pour nous, ce qui nous a pouss rduire
cette liste et davoir la fin, lnumration suivante des indicateurs et dimensions :
P
L t
E i C
T d v e V V T
i
A i r n i Z e e
t
X t e e t l o n m
E r u u r l n t p
INDICATEURS S e r r e e e e s
Quantit Fourni x x x x x x x x
Quantit vendu x x x x x x x x
Quantit Invendu x x x x x x x x
Prix de vente x
Chiffre daffaire x x x x x x x
Remise x x x
Stock Plus x x x
Nombre dditeurs x
Nombre de livreur x x x x x
Tableau 4 Liste des dimensions et indicateurs 2
Une fois le tableau des mesures et indicateurs ralis (Tableau 3), nous somme passs
llaboration du dictionnaire des donnes qui sera trait dans le paragraphe suivant.
3.2.2 Dictionnaire des donnes : Mtadonnes
Pour mieux russir le passage du volet fonctionnel au volet technique de la solution,

nous avons dcid de rdiger le dictionnaire de donnes de la solution dcisionnelle. Ce
dictionnaire facilitera la comprhension de la solution et sera une valeur ajoute pour ltape
de chargement de Data Mart.
Le dictionnaire ci-dessous (Tableau 4) est sous forme dun tableau qui dtaille la signification
mtier et les correspondances entre les tables et les champs de la base de donnes source avec
ceux de destination (Data Mart)
58
Source : Base de donnes de lapplication DataMart
Table Champ Signification Table Champ
Distribution_Lig Qte Quantit Id_Point_Vente

distribu
pour 1 point Id_zone
de vente
Id_Ville
Rem Remise pour
1 point de Id_Depot
vente
Id_Livreur
PU_Brut Prix unitaire Id_Editeur

dun titre.
Id_Titre
Qte_Invendu Quantit
Invendus_Lig invendue Id_Temps
pour 1 point
de vente Suivis_distribribution/ QTE
Vente QTEVENDU
Preparation_Stock_Plus Qte_Plus Quantit
ajout pour QTEINVNOTE
un Centre.
STOCKPLUS
Prix_vente
CA
REMISE
Libelle - Nom point Id_Point_Vente

Part_Clt_Point_Vente Rang de vente D_Point_Vente Nom_Point_Vente
Tel - Son Classement
classement Tel
- Son
tlphone
Libelle - Nom de la Id_Zone

Zoning_Zone D_Zonne
Date_creation zone Nom_Zone
- Sa date Date_creation
59
cration
Libelle - Nom de la D_Ville Id_Ville
Zoning_Ville Date_creation ville Nom_Ville
- Sa date de Date_creation
cration
Zoning_Depot Libelle - Nom du D_Centre Id_Centre

Cod_Superviseur centre Nom_Centre
- Code du Superviseur
superviseur
Part_Livreurs Nom - Nom du D_Livreur Id_Livreur

Tel livreur avec Nom_Livreur
Adresse - Tlphone Tel
- Adresse Adresse
Part_Editeur Nom_Editeur Nom dditeur D_Editeur Id_Editeur

Prenom_Editeur Son prnom Nom_Editeur
Tel1 Son Prenom_Editeur
Email tlphone Tel
Adresse Son email Email
Son adresse Adresse
Titre Libelle Nom du titre D_Titre Id_Titre

PU Prix unitaire Nom_Titre
dun titre Prix_vente
Distribution Dat_Distribution Date de D_Temps Id_Temps

distribution Annee
des titres Mois
Jours
Tableau 5 Dictionnaire de donnes
Pour la dimension temps, la source nest pas rellement charger dans la dimension. En
effet, le champ Date_distribution sera utilis pour trouver les annes, les mois, et les
semaines dune table D_temps qui sera gnr travers SSAS (dtails dans la suite).
60
3.2.3 Schma de Data Mart
Le schma de notre Data Mart ou bien le modle dimensionnel est la partie la plus
importante de llaboration de la solution, puisque toutes les tapes qui suivent seront
dpendante. Le modle que nous avons choisis comme solution pour le projet est le fruit de
tout ce qui a prcd et surtout du dictionnaire de donnes.
Le Data Mart (Figure 19) est donc, une toile qui contient une table de fait
Suivis_Dist_Vente et 8 dimensions (point de vente, zone, ville, centre, titre, diteur,
livreur, et temps).
Figure 19 Modlisation de Data Mart
3.2.4 Cration de la base de donnes multidimensionnelle Data Mart
Aprs avoir modlis le Data Mart par loutil de modlisation Power AMC, jai gnr
le script SQL (Figure 20) qui a t excut dans le gestionnaire de base de donnes SQL
Server (SQL Server Management Studio), pour crer la fin la base de donnes
multidimensionnelle que nous avons appel DW_Alwasit .
61
Figure 20 Excution du script SQL
Une fois le script excut avec succs, nous avons donc rcuprs la base de donnes
multidimensionnelle avec toutes ses tables ainsi que le schma en toile de la base (Figure
21).
Figure 21 Le schma et les tables cres
62
Cette base de donnes sera donc utilise par la suite afin de crer le cube OLAP qui
permet par loccasion de valider la bonne conception de la solution.
3.3 Cration du cube OLAP

Pour vrifier et consolider la bonne conception du Data Mart, nous avons cre un
projet SSAS afin de dployer le cube partir de la base de donnes DataMart dj cre. Ce
cube nous sera trs utile dans la suite de la mise en place de la solution. En effet, il sera
exploit pour crer dautres indicateurs et mesures, des dimensions, des hirarchies ainsi
quun outil pour vrifier le chargement des donnes. Le cube sera aussi, la source pour
lexploitation des donnes (Reporting et tableau de bord).
Figure 22 Cube OLAP
La figure (Figure 22) reprsente la vue principale du cube, avec le schma rcupre et les
mesures et les dimensions dj cres.
3.3.1 Editer les dimensions
SSAS propose une vue ou on peut modifier la structure de dimension. En effet, la

dimension par dfaut la cration du cube contient juste la cl primaire. A partir de cette vue,
(Figure 23) nous avons donc ajout les autres attributs qui dcrivent chaque dimension et qui
sont disponible dans la dimension source.
63
Figure 23 Vue dimension
3.3.2 Cration de mesure
Afin denrichir les solutions dcisionnelles, Microsoft propose par le biais de SSAS de
crer dautres mesures/indicateurs partir des tables existantes dans le modle
multidimensionnel existant (table de dimension ou de faits). Les types de mesures proposes
sont : une sommation des lignes, un dnombrement dune cl, un dnombrement distinct, ..,
etc.
Figure 24 Exemple dajout de mesure
Lexemple (Figure 24) reprsente un ajout de mesure partir de la dimension centre afin
de crer la mesure nombre des centres .
64
3.3.3 Cration de mesure calcule
Une autre fonctionnalit propose par SSAS est de crer une mesure/indicateur partir
dune formule qui lie plusieurs attributs des tables (Figure 25). Nous citons par exemple, le
calcule du pourcentage de remise %Remise. Sa formule est la suivante :
%Remise = Prix_vent / Remise
Figure 25 Exemple dajout de mesure calcule
Cette vue (figure 25) quant elle, reprsente lajout dune mesure calcule en
exploitant les mesures dj existantes qui sont : prix de vente et Remise pour avoir le
%Remise selon la formule dj mentionne.
3.3.4 Gnration de la dimension temps
Dans la plupart des projets BI, la dimension temps est toujours prsente. Cest pour
cela, quelle a t prise en compte par la solution BI de Microsoft. Cette dernire, permet par
un projet SSAS de configurer et gnrer la dimension temps dans la base de donnes source
du cube cre. La figure suivante (Figure 26) montre donc une partie de la configuration, en
choisissant les attributs qui seront cres avec la table de dimensions temps.
65
Figure 26 Configuration de la dimension temps
Une fois la dimension temps gnr dans la base de donnes Data Mart, il a fallut
apporter quelques modifications cette dimension avant de la lier la table de faits. En
premier, nous avons ajout une colonne de type entier et auto-incrment ID_Temps ,
ensuite jai li la table de faits ma dimension temps par une jointure entre les 2 cls
primaires et secondaires.
3.3.5 Cration dhirarchie pour la dimension temps
Pour enrichir encore les fonctionnalits de notre cube, nous avons cre une hirarchie
dans la dimension temps. Cette dernire permet danalyser dune manire rapide et efficace
les diffrentes mesures dj cres. La hirarchie que nous avons dit, comprend lanne, le
mois et la semaine et sont en relation Drill Down (Figure 27).
Figure 27 Hirarchie Temps

66
La hirarchie ainsi cre met donc en relation directe les principaux attributs de la dimension
D_Temps savoir : Jour, semaine et mois.
Une fois fois le cube crer et enrichie par quelques fonctionnalits sous somme passs
lalimentation de notre Data Mart par une politique dETL.
3.4 Alimentation du Data Mart

Cette tape, la plus importante dans tout projet BI, nous a permis de dfinir et de
raliser une politique dextraction, de transformation et de chargement qui permet de rpondre
aux besoins et doffrir une solution volutive. Cette tape a t assure grce lETL intgr
la solution de Microsoft, qui est SSIS et en se basant sur le dictionnaire de donnes dj trac
(tableau 4).
Le principe de base dun ETL, comme dj cit est de rcuprer des donnes de plusieurs
sources diffrentes, de les transformer et de les recharger dans un entrept ou magasin de
donnes.
3.4.1 Connexion aux bases de donnes source et destination
- Connexion la base de donnes source : Cette connexion pour but de rcuprer les
tables et vues ncessaires de la base de donnes qui salimentent par lapplication. Elle
permet aussi dexcuter des requtes SQL sur la base. Pour crer donc la connexion, il
fallait remplir les paramtres ncessaires dauthentification au serveur de base de
donnes. (figure 28 et 29).
Figure 28 Connexion la source

67
- Connexion la base de donnes Data Mart : Cette connexion permet de dsigner la

base de donnes de destination pour permettre au processus de chargement dy
accder en criture (Figure 29).
Figure 29 Connexion la destination
3.4.2 Chargement dune dimension
Une fois la mtadonne tablie, le cube dploy et les connexions aux bases de
donnes source et destination russis, nous avons entam le chargement des tables de
dimensions laide de quelques petits programme appel taches dans le jargon de SSIS.
Dans chacune de ces taches nous avons utilis diffrents composants essentiels pour le
processus de chargement.
- OLE DB Source : Permet de slectionner la table source ainsi que les colonnes
extraire par un mappage.
- Data Conversion : Convertie le type des colonnes afin quelles soient adquat aux
types de destination.
- Slow Changing Dimension : Gre la mise jour et les modifications qui peuvent
exister dans les lignes de la table source et qui doivent tre dtect et insr dans la
table destination. En effet, ce composant est configurable et dtecte les changements
laide dune cl fonctionnel qui lie la source et la dimension.
68
- OLE DB Commande : Contient des commandes SQL pour la gestion des

modifications et mise jour de la dimension.
Le schma (Figure 30) de la tache de chargement de la dimension est le suivant :
Figure 30 Ralisation de la tache de chargement dune dimension
Les autres dimensions ont t charges de la mme manire et ont t regroup dans
un container (Figure 31) qui permet dexcuter plusieurs taches au mme temps. Lavantage
de ce composant, cest quil excute les taches dune manire indpendante ; une tache qui
prend beaucoup de temps sachever naura aucune influence sur les autres.
Figure 31 Container des dimensions
La Figure (Figure 31) reprsente le container qui permet de charger les sept
dimensions de la solution.
3.4.3 Chargement de la table de faits
Pour le chargement de la table de faits (Figure 32), nous avons utilis une requte bien
spciale dans le composant OLE DB Source qui rcupre toutes les mesures et les cls
69
fonctionnelles des tables qui chargent les dimensions avec les jointures ncessaires. Aprs,
nous avons utilis dautres composants, qui chacune deux avait une tache bien prcise :
- Derived Column : Ajout de colonne base de ceux qui existent en les liants par des
relations mathmatique, logiques, ..,etc Dans notre cas, nous lavons utilis pour crer
les deux champs CA (Chiffre daffaires = QTE * Prix_Brut) et aussi la QTEVENDU
(Quantit vendu = Qte Qte_invendu).
- Data conversion : Ralise les conversions ncessaires des champs.
- Lock up : Cherche dans les lignes rcupres partir de la requte dite dans lobjet
OLE DB Source les cls primaires des dimensions. Cette recherche se fait travers la
cl fonctionnelle qui relie la dimension et les mesures rcuprs.
Le nombre des Lockup insr est gale au nombre de dimensions, puisque la table de
faits contient toutes les cls primaires des dimensions quil faut charger.
- Aggregate : Permet de raliser plusieurs oprations (regroupement, sommation,

Moyenne, Max, Min,) selon le besoin. Pour mon cas jai effectu un simple
regroupement des cls primaires avant le mappage dans la destination.
Figure 32 Ralisation de la tache de chargement de la table de faits
Une fois la tache de la table de faits finalise (Figure 32), nous lavons insr dans un
container. Mais pour grer la mise jour de la table de faits, nous avons insr avant cette
70
tache et dans le container toujours un composant qui excute une requte SQL de mise jour
de la table. La requte est la suivante :
Truncate Table SUIVIS_DIST_VENTE
Figure 33 Container de la table de faits
La figure 33, reprsente le container de chargement de la table de fait qui sera lier par la suite
celui des dimensions.
3.4.4 Orchestration du chargement global
Lorchestration de lexcution du package (Figure 34) en globalit se fait en liant les

deux containers et en liant la tache dexcution de requte SQL la celle de chargement de la
table de faits.
Figure 34 Lexcution global du package de chargement
Pour tester le package, nous lavons excut manuellement depuis SSIS est le rsultat tait
bon sans aucun problme.
71
3.4.5 Automatisation dexcution du package SSIS
Le package dj cre ci-dessus (Figure 35) charge des millions de lignes son
excution, puisque lactivit de vente et distribution, qui est la source, gnre chaque jours des
dizaines de millions de lignes. Donc, lautomatisation de chargement des donnes est une
tache qui apportera une vraie valeur ajoute la solution. Pour cela, nous avons cre un job
dans le gestionnaire de base de donnes en lui spcifiant le nom de notre package ainsi que le
temps dexcution sous forme dune planification temporelle.
Heure de chargement
Figure 35 Job de Planification de chargement de Data Mart
La base ainsi charge et le cube OLAP cr et enrichie, la prochaine tape consiste exploiter
les donnes travers un ensemble de rapports qui a t dvelopp.
3.5 Exploitation des donnes

Arrivant ce stade, la solution dcisionnelle est prte pour tre exploit par le
personnel du dpartement de distribution et les contrleurs de gestion qui ralisent un suivi
permanent de lactivit. Lexploitation de la solution permettra la gnration de plusieurs
types de rapports multidimensionnels ainsi que quelques tableaux de bords de suivi.
3.5.1 Connexion au cube OLAP
Dans un premier lieu, nous avons configur la connexion entre le cube OLAP qui est
charg par les donnes et dj prt lexploitation, et loutil de conception des rapports SSRS
(Figure 36).
72
Cette connexion permettra dditer plusieurs requte en langage MDX sur le cube afin
dalimenter les rapports concevoir.
Remarque : Les rapports gnrs partir du cube OLAP cest des rapports dcisionnels alors
que ceux raliss partir dune base de donnes relationnels ce sont des rapports relationnels
comme le type de leur source.
Figure 36 Etablissement de la connexion au cube OLAP
3.5.2 Rapport Multidimensionnel
Pour permettre des personnes qui ne sont pas forcement des informaticiens dditer
des rapports mtier, Microsoft offre une vue mtier du cube OLAP partir de SSRS afin de
leurs faciliter la tache. En effet, il suffit de glisser les mesures et axes danalyses souhaitant
apparaitre dans le rapport pour rcuprer la requte MDX qui chargera les donnes qui seront
prsent sous forme de tableau danalyse.
Exemple de cration des rapports
Loutil SSRS de Microsoft permet de prparer des rapports professionnels, tout en se

basant sur le travail dj effectu. Cet outil de reporting possde une vue Design riche en
fonctionnalit et facile utiliser pour des non informaticiens. Il permet de personnaliser les
rapports, dajouter des graphes, des indicateurs, des listes et de rendre le rapport spcifique
lentreprise.
73
Exemple 1 : Les quantits fournie, vendu et invendu par point de vente, par zone et par
ville durant les mois et semaine de 2012. Lexcution de ce rapport permet de gnrer le
tableau crois dynamique de la figure suivante (Figure 37). Ce tableau contient la situation de
vente et distribution par zoning (ville, zone et point de vente) et par hirarchie de temps
(Mois, semaine et jours).
Figure 37 Exemple de rapport - 1 -
Exemple 2 : Situation de vente avec des indicateurs de performance
Ce rapport (Figure 38) offre une vue des quantits vendus et invendus avec une analyse des
rsultats par des indicateurs de performance. En effet, si les rsultats sont bonne la couleur
verte est dtect, sils sont moyenne la couleur jaune est visualis, par contre la couleur rouge
alerte de lexistence des mauvaises rsultats.
Figure 38 Exemple de rapport - 2 -

74
Exemple 3 : Evolution du stock plus par titre et par mois
Le rapport suivant (Figure 39) permet de visualiser les quantits du stock plus pour les
diffrents titres par mois travers un tableau crois dynamique et un graphe dvolution.
Figure 39 Exemple de rapport - 3
3.5.3 Tableau de bord dactivit
Le tableau de bord est un outil qui permet de regrouper plusieurs graphes et tableaux
afin doffrir une vue global de lactivit mtier.
Pour cela, nous avons cr un tableau de bord (Figure 40) qui contient un tableau
danalyse comprenant les quantits fournis, vendus, invendus et le chiffre daffaire par zoning
et par temps. Aussi, le TBDR contient deux graphes dvolution des informations dj cits et
plusieurs Textbox cliquable qui mnent vers des rapports dj conue. Le TABDR
contient aussi le Logo de lentreprise cliquable et qui mne vers le site web de lentreprise.
75
Figure 40 Exemple de tableau de bord
3.5.3 Dploiement des rapports
Les rapports et tableaux de bords une fois cres et finaliss doivent tre partags entre
les diffrents employs de lentreprise soient par un partage FTP ou SMTP. Pour cela,
Microsoft offre la possibilit au dveloppeur de raliser cette tache travers une configuration
spcifique de loutil SSRS par le biais de Reporting Services Configuration Manager (figure
41).
Figure 41 Exemple de tableau de bord
76
Le Manager ci-dessus (Figure 41) permet de configurer le compte qui aura accs au
serveur de rapport, la base de donnes qui contiendra les diffrents rapports et tableaux de
bords, ainsi que le gestionnaire de rapports afin daccder et grer les rapports par le
navigateur, et dautres fonctionnalits comme la partie dexcution email et le cryptage des
cls de scurit.
Ci-dessous (Figure 42) une figure du gestionnaire des rapports qui permet de
configurer le partage des rapports ainsi que dautres fonctionnalits (gestion des accs aux
rapports, suppressions des rapports, Historique, )
Figure 42 Gestionnaire de rapport
Pour partager un rapport, il suffit donc de slectionner un, et de crer un abonnement

dans la partie Grer du rapport. Labonnement au rapport, donne la possibilit de choisir
le type de partage (FTP : fichier ou SMTP : mail) et les informations ncessaires afin que le
partage massive des rapports soit russis.
La figure 43, est une vue de deux configurations de partage par FTP et SMTP dun
rapport. Le format de rapport partager peut tre choisi selon le besoin (Excel, HTML,
PDF,) et la planification de partage est aussi programmable une heure prcise dune faon
quotidienne, hebdomadaire ou mensuelle selon la mise jour du rapport.
77
Partage par mail

Partage par fichier
Figure 43 Partage de rapport par FTP et SMTP
Conclusion :
Ce chapitre a dtaill les principales tapes par lesquelles nous sommes passs afin de
mettre en place notre solution dcisionnelle. La premire tape tait, la cration de Data Mart,
ensuite la cration du Cube OLAP, suivis du chargement de la solution et enfin lexploitation
des donnes.
78
Conclusion gnrale
Conclusion gnrale
La mise en place de la solution dcisionnel a transit par plusieurs tapes quon pourra
rcapituler comme suite : aprs le choix de solution adopter, nous tions amen collecter
plusieurs types dinformations tels que les indicateurs et dimensions et comprendre le
concept de distribution au sein de lentreprise. Ensuite, nous avons entam la phase de
conception qui a t traduit par une succession de taches de mise en place qui rpond aux
besoins dfinis. Passant par la cration du Data Mart, du Cube, son chargement et arrivant
lexploitation des donnes travers un ensemble de rapports et tableaux de bords.
Ltude et la conception de cette solution dcisionnelle, a t donc conclue par la mise

en place de la solution. Ceci nous a permis donc de toucher de prs aux diffrents concepts
fonctionnels pour la gestion de la distribution, et techniques pour le volet de systme
dinformation dcisionnel.
Cette solution dcisionnelle sera alors un vrai support daide la dcision pour le dpartement
de vente et distribution de lentreprise (vue des ventes, du stock Plus, des Remises, ).
Lactivit pourra samliorer partir dune vue densemble de lactivit offerte par la solution
ainsi que les donnes qui seront bien intgrs dune faon fiable et avec un accs fluide pour
lensemble du personnel de lentreprise.
Certes, ce projet permet de donner une vue densemble de lactivit de vente et

distribution et de gnrer des rapports et supports danalyse pour une meilleur prise de
dcision. Cependant, il nest quune partie dune solution qui permettra par la suite dintgrer
un moteur de prvision, de simulation et de DataMining pour, par exemple, se baser sur cette
plateforme pour choisir le lieu (zone, ville ou centre) des nouveaux points de ventes, ou de
prdire les ventes dans les prochaines semaines ou mois venir.
79
Bibliographie
Bibliographie
[1] Site officiel de Gartner : www.gartner.com
[2] Etablissement pour la modernisation du systme dinformation, Systmes

dInformation Dcisionnels dans les tablissements de sant , 2009, Paris France.
[3] Site officiel de SAP : www.SAP.com
[4] http://www.oracle.com/fr/solutions/midsize/oracle-products/business-
intelligence/index.html.
[5] Microsoft SQL Server for BI :

http://msdn.microsoft.com/frfr/library/ee229551(v=sql.10).aspx
[6] Site officiel de Pentaho : www.pentaho.fr/
[7] Portail de JasperSoft : www.jaspersoft.com/fr
[8] Mouhssine TAHIRI et Otmane KATOU. Mise en place dune plate-forme

dcisionnelle autour du progiciel HR Access , 2012, INPT
[9] Sbastien FANTINI. Business Intelligence avec SQL Server 2008 R2 . Editions
ENI, 2010.
[10] Charlotte GUEYE. Ralisation dun DataMart dcisionnel intgrant des outils open
source, 2009.
[11] Anass CHIKI et Zakaria BOUATAYA. Mise en oeuvre doutils dcisionnels pour le
contrle de la tarification des appels voix , 2011, INPT.
80
Liste des Figures
Liste des Figures

Figure 1 Analyse Gartner du march du BI........................................................................................ 16
Figure 2 Composant de SAP BO ........................................................................................................ 18
Figure 3 La suite Pentabo BI [5] ........................................................................................................ 27
Figure 4 La suite JasperSoft BI .......................................................................................................... 29
Figure 5 QlickView BI ....................................................................................................................... 31
Figure 6 Diagramme GANTT ............................................................................................................ 34
Figure 7 Diagramme PERT ................................................................................................................ 35
Figure 8 Chane dcisionnelle ............................................................................................................ 39
Figure 9 le modle en toile ............................................................................................................... 42
Figure 10 le modle en flocon ............................................................................................................ 43
Figure 11 le modle en constellation .................................................................................................. 44
Figure 12 Diagramme Use Case de lADV ........................................................................................ 49
Figure 13 Diagramme Use Case de Supervision ................................................................................ 51
Figure 14 Diagramme Use Case des invendus ................................................................................... 52
Figure 15 Modle physique de donnes pour la partie Zonning. ....................................................... 53
Figure 16 lapplication mtier 1 ................................................................................................... 53
Figure 17 lapplication mtier 2 ................................................................................................... 54
Figure 18 schma de la solution ....................................................................................................... 56
Figure 19 Modlisation de Data Mart ................................................................................................ 61
Figure 20 Excution du script SQL .................................................................................................... 62
Figure 21 Le schma et les tables cres ............................................................................................ 62
Figure 22 Cube OLAP ........................................................................................................................ 63
Figure 23 Vue dimension ................................................................................................................... 64
Figure 24 Exemple dajout de mesure ................................................................................................ 64
Figure 25 Exemple dajout de mesure calcule .................................................................................. 65
Figure 26 Configuration de la dimension temps ................................................................................ 66
Figure 27 Hirarchie Temps ............................................................................................................... 66
Figure 28 Connexion la source ........................................................................................................ 67
Figure 29 Connexion la destination ................................................................................................. 68
Figure 30 Ralisation de la tache de chargement dune dimension ................................................... 69
Figure 31 Container des dimensions .................................................................................................. 69
Figure 32 Ralisation de la tache de chargement de la table de faits ................................................. 70
Figure 33 Container de la table de faits .............................................................................................. 71
Figure 34 Lexcution global du package de chargement .................................................................. 71
Figure 35 Job de Planification de chargement de Data Mart ............................................................. 72
Figure 36 Etablissement de la connexion au cube OLAP .................................................................. 73
Figure 37 Exemple de rapport - 1 - .................................................................................................... 74
Figure 38 Exemple de rapport - 2 - .................................................................................................... 74
Figure 39 Exemple de rapport - 3 .................................................................................................... 75
Figure 40 Exemple de tableau de bord ............................................................................................... 76
Figure 41 Exemple de tableau de bord ............................................................................................... 76
Figure 42 Gestionnaire de rapport ...................................................................................................... 77
Figure 43 Partage de rapport par FTP et SMTP ................................................................................. 78
81
Liste des Tableaux
Liste des Tableaux
Tableau 1 Comparaison des solutions BI .............................................................................. 33

Tableau 2 Processus de distribution de lentreprise .............................................................. 47
Tableau 3 Liste des dimensions et indicateurs 1 ............................................................ 57
Tableau 4 Liste des dimensions et indicateurs 2 ............................................................. 58
Tableau 5 Dictionnaire de donnes ....................................................................................... 60
82
Liste des abrviations
Liste des abrviations
Abrviation Dsignation
BI Business Intelligence
BO Business Object
PME/PMI Petites et Moyennes Entreprise/Industrie
OLAP On-Line Analytical Processing
OLTP Online transaction processing
ETL Extract-Transform-Load
SID Systme dinformation dcisionnel
Systme de Gestion de Base de donnes
SGBDR
Relationnelles
ERP Entreprise Ressource Planning
DW Data Warehouse
DM Data Mart
ADV Administrateur de ventes
FTP File Transfer Protocol
SMTP Simple Mail Transfer Protocol
TBDR Tableau de bord
SQL Structured Query Language
ODI Oracle Data Integration
MDX Multidimensional Expressions
SSIS Sql Server Integration Services
SSAS Sql Server Analysis Services
SSRS Sql Server Reporting Services
MDM Master Data Management
ELT Extraction Loading Transformation
PDI Pentaho Data Integration
83

Rapport PFE Fathy Salim - DATA MART

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

Rapport PFE Fathy Salim - DATA MART

Transféré par

Droits d'auteur :

Formats disponibles

Etude et conception dune solution

dcisionnelle - Data Mart

Ralis par : Membre du Jury :

FATHY Salim M. Amine BAINA (Prsident)

Anne universitaire : 2012 - 2013

A mes frres, Dounia, Wassim, Hiba et Redouane ;

A ma belle mre et mon amie Najat ;

A mes amis de lINPT,

A toute personne avec qui jai partag les moments dtudes,

Je remercie tout le personnel dAlwasit qui a t trs accueillant et chaleureux pendant la

Projet de fin dtudes Salim FATHY

Table des matires

Avant propos : Prsentation de lentreprise du stage 11

Chapitre I : Solutions BI, tude et comparaison

Chapitre II : Business Intelligence au service du processus de

2.1.2 Business Intelligence ........................................................................... 38

Chapitre III : Mise en place de la solution BI pour le dpartement

Projet de fin dtudes Salim FATHY

3.3.2 Cration de mesure ................................................................................. 64

Liste des Figures 81

Liste des Tableaux 82

Liste des abrviations 83

Projet de fin dtudes Salim FATHY

Pour ce faire, le prsent rapport dcrit en premier les principales solutions

Projet de fin dtudes Salim FATHY

Projet de fin dtudes Salim FATHY

Projet de fin dtudes Salim FATHY

1. Prsentation dAlwasit Press

Sa mission principal est dassurer la distribution, le transport et la promotion des journaux,

2.1 Organisation des directions

Distribution Finance Ressource Humaine Informatique

Projet de fin dtudes Salim FATHY

2.2 Services personnaliss

Service commerciale : Sa mission est de comprendre et danalyser les besoins du march

3. Loffre dAlwasit Press

Projet de fin dtudes Salim FATHY

De plus, la Business Intelligence, travers les tableaux de bords et lensemble des

Le systme oprationnel, reprsent par une application interne ou un progiciel de gestion

Projet de fin dtudes Salim FATHY

Le deuxime chapitre nous dcrivons lactivit de distribution des produits de lentreprise,

Enfin, le troisime chapitre prsente les tapes de la concrtisation de la business intelligence

Projet de fin dtudes Salim FATHY

Aujourdhui, les solutions BI (Business Intelligence) ou plateformes dcisionnelles

Projet de fin dtudes Salim FATHY

1.1 Analyse de Gartner pour le march du BI

Figure 1 Analyse Gartner du march du BI

1.2 Les grandes solutions BI du march

Projet de fin dtudes Salim FATHY

1.2.1 Systems, Applications and Products Business Object SAP BO

Alimentation ETL : solution EIM (Enterprise Information Management)

- BO Composer : gestion du design des jobs ETL et de la documentation associe au

- BO Data Federator : solution dintgration de donnes exognes et dinterrogation en

Business Objects propose plusieurs outils ddis lanalyse multidimensionnelle :

- BO intelligent Question : interface trs conviviale pour le requtage. Les utilisateurs

Projet de fin dtudes Salim FATHY

- BO Desktop Intelligence : interface de type client lourd permettant dlaborer des

- BO Business Miner: outil de Datamining.

- Business Objects Entreprise : plateforme BI compose de plusieurs outils permettant

BO propose le portail dcisionnel Dashboard Manager pour mettre disposition des

Figure 2 Composant de SAP BO

Projet de fin dtudes Salim FATHY

Points forts de la suite BI SAP BO

Points faibles de la suite BI SAP BO