Informations Générales: Business Intelligence Avec SQL Server 2019 Et Power BI

Informations générales
Titre, auteur …
Business Intelligence avec SQL Server 2019 et Power BI
Maîtrisez les concepts et réalisez un système décisionnel
Ce livre sur la Business Intelligence (BI) avec SQL Server 2019, s'adresse à tous les membres d'une
équipe décisionnelle : chef de projet, architecte, développeur ETL, développeur de rapports, service
Aide à la Maîtrise d'Ouvrage (AMO). Du débutant au technicien expérimenté, le lecteur bénéficiera
d'une approche métier du décisionnel.
Tout au long du livre, et très progressivement, l'auteur détaille les concepts clés du décisionnel puis
les met concrètement en application. Ainsi, au cours des différents chapitres, le lecteur va utiliser les
différents outils de la suite SQL Server et Power BI pour bâtir progressivement un système
décisionnel complet et professionnel. À chaque chapitre, le livre regorge de solutions concrètes et de
bonnes pratiques. Le lecteur bénéficie des retours d'expérience de l'auteur pour finalement gagner
en expertise sur les différentes étapes d'un projet décisionnel.
Plus précisément, l'auteur propose de créer le système décisionnel d'une société virtuelle, Distrisys,
qui sera l'occasion pour le lecteur d'étudier les sujets suivants :
- l'architecture des serveurs et le choix des licences
- la modélisation de l'entrepôt de données
-
Conditions générales d'utilisation Copyright - ©Editions ENI

Avant-propos
À qui s’adresse ce livre ?
Ce livre s’adresse en premier lieu à tous les membres d’une équipe ayant pour objectif la mise en
œuvre d’un système décisionnel avec SQL Server.
Par membre de l’équipe décisionnel, nous entendons :
 Le chef de projet, qui trouvera dans ce livre une approche méthodologique pour aborder la
conception du système décisionnel, ainsi qu’une vision d’ensemble sur les bonnes pratiques
d’implémentation des différents outils SQL Server.
 L’architecte, qui trouvera des réponses très concrètes concernant l’architecture serveur,
l’architecture logicielle, le choix des outils de restitution, l’organisation des bases de données,
les bonnes pratiques de modélisation des bases décisionnelles…
 Le développeur ETL, qui, quant à lui, trouvera dans ce livre un chapitre détaillant comment
utiliser l’outil d’ETL de Microsoft et rappelant tous les concepts du métier. Une partie
importante est consacrée à l’audit du système ETL : un sujet à grande valeur ajoutée dans le
cadre de la mise en place d’un projet d’alimentation de données.
 Le développeur de rapports trouvera un chapitre consacré à la restitution de données ainsi que
tous les éléments pour choisir le bon outil de restitution. Il trouvera aussi des exemples concrets
mettant en œuvre tous les cas d’emplois offerts par les outils à disposition.
 Le membre d’un service AMO ne connaissant pas particulièrement le décisionnel et désirant
réaliser un cahier des charges ou un appel à projet pour sélectionner un prestataire, y trouvera
tous les éléments pour comprendre le décisionnel, ses enjeux et comment aborder cette
problématique.
Enfin, ce livre s’adresse à toute personne connaissant la base de données SQL Server désirant
comprendre ce qu’est le décisionnel et apprendre à utiliser les outils SQL Server qui y sont associés.
Les débutants y trouveront des explications très détaillées, des actions et des manipulations à réaliser.
Les techniciens expérimentés, quant à eux, y trouveront une approche métier du décisionnel, très
complémentaire avec l’utilisation des outils, ainsi que des solutions pratiques pour implémenter ces
concepts.
Les étudiants enfin, y trouveront une approche et des mises en œuvre très concrètes, proches du
monde de l’entreprise. Ce livre est un bon moyen d’aborder l’état de l’art du décisionnel et pour
apprendre à utiliser des outils qu’ils côtoieront dans l’exercice de leur futur métier.
Les prérequis
Le seul prérequis nécessaire est d’être familier avec la base de données SQL Server, sans toutefois
en être un expert. Le livre est fait de telle manière que les bases et concepts liés au décisionnel sont
repris et expliqués.
Pour réaliser les manipulations et suivre le déroulement du livre, vous aurez besoin d’une installation
de SQL Server 2019 ainsi que d’Office 365 (Excel notamment).
Si besoin, vous pouvez télécharger ces solutions en version d’évaluation sur le site de
Microsoft : http://technet.microsoft.com/fr-fr/evalcenter/

Les objectifs du livre
Cet ouvrage n’a pas pour objectif de faire de vous des experts techniques sur chacun des outils de la
suite SQL Server, mais plutôt de vous apprendre à les comprendre et à bien les employer dans le cadre
de la mise en œuvre d’un système décisionnel.
Cet ouvrage se veut avant tout un support et un outil pour toute personne désirant réaliser un système
décisionnel avec Microsoft, en bénéficiant des meilleures pratiques. Les pratiques expliquées dans
l’ouvrage sont issues des théories du décisionnel mais aussi de leur application concrète sur le terrain.
Le livre suit la mise en œuvre concrète d’un système décisionnel au sein d’une société virtuelle, sous
tous ses aspects.
 Les premiers chapitres vont vous permettre de vous familiariser avec le projet décisionnel :
 Le chapitre Installation et découverte des outils SQL Server permettra de faire le point sur
l’architecture serveur et logicielle. Des propositions concrètes d’architecture vous seront proposées.
 Le chapitre Réaliser son premier système décisionnel vous permettra de créer en quelques
manipulations un entrepôt de données avec son cube associé. Ce chapitre vous permettra ainsi de
vous familiariser avec les grands concepts du décisionnel et de les démystifier. Il vise à vous donner
les moyens de réaliser des maquettes ou de mener à bien des ateliers de modélisation.
 Les chapitres suivants entreront dans les détails de chacune des phases clés d’un lot projet :
 Le chapitre La modélisation dimensionnelle abordera les concepts ainsi que les bonnes
pratiques de modélisation. Nous vous fournirons très concrètement des modélisations standards
dont vous pourrez vous inspirer pour vos projets.
 Le chapitre Alimenter l’entrepôt de données avec SSIS vous permettra d’aborder dans le
détail l’ETL : l’architecture d’alimentation des données, les différents types de flux et le système
d’audit. Ce chapitre regorge d’exemples illustrant chaque type de flux et chaque situation. Autant
d’exemples que vous pourrez réutiliser également directement sur vos projets.
 Le chapitre Gérer les données de référence avec MDS vous présentera le concept de Master
Data Management (MDM). Vous y découvrirez la place et l’importance du MDM dans votre projet
décisionnel, comment constituer des données de référence et comment les gérer avec l’outil de
Microsoft. La mise en œuvre de MDS est réalisée simplement, progressivement, mais de manière
très concrète en bénéficiant des meilleurs retours d’expérience.
 Le chapitre Restituer les données décisionnelles abordera le bon usage des outils Excel,
Reporting Services et Power BI. Vous apprendrez notamment à utiliser le PowerPivot, à réaliser la
publication de masse d’un rapport décisionnel et à créer un dashboard.
L’ensemble de ces chapitres est organisé logiquement afin de suivre le déroulement chronologique du
projet.
L’ouvrage ne traite pas spécifiquement des nouveautés de la version SQL Server 2019 par rapport aux
versions précédentes. Néanmoins, les lecteurs trouveront ici et là des éléments abordant ces
nouveautés.
Pour suivre au plus près le déroulement du livre, il est important que vous récupériez les éléments
accompagnant ce livre. Ces éléments sont à télécharger depuis la page Informations générales.
Tout d’abord, pour faire connaissance, nous allons commencer par vous présenter le décisionnel, ses
objectifs et les solutions délivrées par Microsoft pour y répondre. Ce sera aussi l’occasion de vous
présenter la société Distrisys, la société virtuelle qui sera au centre de nos attentions tout au long de
ces pages.

Introduction
Présentation du décisionnel
Cet ouvrage a pour but de montrer la manière dont il faut se servir des outils Microsoft SQL Server
afin d’aborder au mieux la problématique décisionnelle.
Avant de rentrer dans des considérations techniques, il est bon de faire un point sur ce qu’est le
décisionnel et ce que ce terme sous-entend.
Pour faire très simple, l’informatique décisionnelle recouvre tous les moyens informatiques destinés à
améliorer la prise de décision des décideurs d’une organisation.
Cette définition pose trois nouvelles questions :
 Qu’est-ce qu’un décideur ?
 Qu’est-ce qui peut permettre d’améliorer la prise de décision ?
 Quels sont les moyens informatiques disponibles ?
L’informatique décisionnelle est souvent appelée BI pour Business Intelligence. Attention, le

décisionnel n’a strictement rien à voir avec une mauvaise traduction littérale de Business
Intelligence, qui serait « Intelligence économique ». Ne confondons pas tout !
1. La notion de décideur
Sous le modèle du taylorisme et jusque dans les années 80-90, les organisations étaient organisées de
manière pyramidale. Les décisions étaient prises au sommet de la pyramide et les ordres étaient
transmis de manière descendante et unilatérale à tous les niveaux opérationnels. Dans ce type
d’organisation, les décideurs étaient seulement les dirigeants de l’organisation.
Ce type d’organisation était efficace tant que le marché était localisé et qu’il suffisait de produire pour
vendre.
Depuis nous sommes confrontés à une complexité grandissante du marché liée :
 À la mondialisation : les concurrents sont plus nombreux, plus innovants, mieux armés.
 À une modification des comportements d’achats : l’organisation se doit d’être centrée sur le
client. En effet, les produits sont de plus en plus personnalisés (on parle de one-to-one).
 Au fait que le monde va de plus en plus vite : le critère de délai de livraison ou de disponibilité
de l’information 7 jours du 7, 24h sur 24 associé à la mondialisation et la personnalisation du
besoin client, démultiplie la complexité de l’écosystème de l’organisation.
Afin de pouvoir répondre à cette complexité grandissante du marché, l’entreprise dans les années 90,
puis avec le web dans les années 2000 a amorcé une mutation de son organisation. Une des
conséquences de cette modification latente des organisations est que les cadres opérationnels sont
devenus autant de décideurs de terrain.
Dans une entreprise internationale, les responsables du marché français, japonais et indien sont
forcément des personnes distinctes. Les marchés sont trop différents. De même, dans cette même
entreprise, le responsable de l’unité parisienne est différent du responsable de l’activité à Nice sur le
littoral ou à Limoges dans le Limousin : les clients sont trop différents, leurs attentes, leurs

disponibilités diffèrent trop pour qu’une politique unique soit menée unilatéralement sans prise en
compte de cette différence.

Cette logique, facile à comprendre dans un cadre commercial, s’applique dans tous les domaines de
l’entreprise. La prise de décision ne peut plus être centrale, celle-ci doit être déléguée.
De fait, dans une entreprise moderne, tout cadre devient un décideur de terrain et dispose d’une
autonomie relative. C’est cette explosion du nombre de décideurs qui pose un gros problème à :
 L’informatique, qui se voit démultiplier le nombre de demandes de rapports et d’extraction de
données.
 La direction, qui a besoin d’outils pour manager ses décideurs : de la cohérence est nécessaire
afin que les décisions prises à tous les niveaux de l’entreprise, le soient en accord avec la
stratégie d’entreprise.
Cette problématique, liée à une démocratisation des outils décisionnels, a fait exploser la demande et
mis en avant au début des années 2000, ce besoin de décisionnel.
Face à ce constat, qui sont les décideurs dans une entreprise ?
On les classe en trois catégories :
Les décideurs stratégiques

Exemple : la direction générale dans une entreprise.
 Horizon de travail : long terme.
 Périmètre de travail : tous les services, tous les territoires.
 Leur rôle : ces décideurs impulsent une politique, définissent les valeurs de l’organisation et
donnent les moyens aux ambitions de l’organisation.
Les décideurs tactiques

Exemple : sur un axe horizontal, on va retrouver la direction financière, la direction des achats, la
direction des ventes… Sur un axe vertical, pour chaque direction, on aura le responsable des ventes
France, le responsable des ventes Japon… Mais aussi, potentiellement, suivant la taille de
l’entreprise, le responsable Paris, Nice et Limoges…
 Horizon de travail : moyen terme.
 Périmètre de travail : un service ou un territoire.
 Leur rôle : les décideurs tactiques sont les relais des caps stratégiques, fixés par les décideurs
stratégiques. Ce sont eux qui fixent les objectifs de leur direction ou de leur territoire, qui
élaborent et choisissent la meilleure tactique pour atteindre ces objectifs.
Les décideurs opérationnels

Exemple : un commercial, un acheteur, un responsable de magasin, l’agent de maîtrise d’une ligne de
production ou d’un atelier... Ce sont toutes ces personnes qui prennent des décisions à chaud sur le
terrain.
 Horizon de travail : court terme.
 Périmètre de travail : un service sur un territoire.
 Leur rôle : faire face à la réalité du terrain, gérer le quotidien.
À ces trois profils de décideurs s’ajoute celui des analystes. Le rôle des analystes est de récolter et de
travailler l’information, fiabiliser les données, expliquer les résultats. Leur rôle est d’aider à la prise de

décision des décideurs. Les analystes varient suivant le type d’organisation (industrie, négoce, service
public…) et le service auquel ils appartiennent.

Par exemple, les analystes de la direction financière sont des contrôleurs de gestion, ceux du service
marketing peuvent être statisticiens, dans une société industrielle l’analyste peut être aussi un
qualiticien ou un gestionnaire des stocks… Dans beaucoup d’entreprises, ce sont les secrétariats de
direction qui récoltent les chiffres et les consolident pour leur directeur de rattachement. Enfin,
depuis l’émergence du Big Data, les métiers de Data Analyst (analyste des données) et de Data
Scientist apparaissent de plus en plus dans les moyennes et grandes entreprises.
Il est important d’identifier les analystes dans l’organisation dans laquelle vous intervenez, car ce
sont de très loin les utilisateurs les plus demandeurs d’informations.
Cette classification a de l’importance, car elle va révéler de grosses différences dans le type
d’outils dont chacun a besoin. Bien entendu, les choses ne sont pas aussi binaires : certaines
personnes relèveront du stratégique/tactique, d’autres du tactique/opérationnel… Toutes les nuances
sont permises. Ce qu’il faut bien comprendre, c’est que la notion de prise de décision pour chacun de
ces décideurs n’a pas la même teinte et que chaque profil n’a pas les mêmes attentes vis-à-vis du
décisionnel.
2. Les facteurs d’amélioration de la prise de décision

Généralement, on présente les trois facteurs de prise de décision comme étant :
 La connaissance et l’analyse du passé.
 La représentation du présent.
 L’anticipation du futur.
Les informations permettant d’appréhender ces facteurs peuvent être de deux natures différentes :
 Les informations quantitatives : ce sont toutes les données chiffrées telles que les montants,
quantités, pourcentages, délais…
 Les informations qualitatives : ce sont toutes les informations non quantifiables telles qu’un
commentaire accompagnant un rapport, des mécontentements, un sentiment, une directive, une
nouvelle procédure…
Ces facteurs n’ont pas le même sens suivant le type de décideur. Leurs horizons fonctionnels et
temporels sont trop différents pour être traités de manière uniforme.

Les décideurs stratégiques ont besoin d’une vision à 360° de leur organisation. S’ils ont besoin d’une
évaluation régulière de leur politique, ils travaillent surtout sur l’anticipation de l’avenir. Ils ont besoin
de projections chiffrées internes et externes à l’organisation (données quantitatives), mais aussi de
beaucoup de données qualitatives remontant du terrain : commentaires, comptes-rendus. La conviction
repose sur des chiffres, mais aussi sur l’appréhension et la compréhension d’un contexte et d’un climat
interne ou externe à l’organisation.
Les décideurs tactiques sont souvent les plus grands demandeurs d’outils décisionnels, car ils sont
comprimés entre des décideurs stratégiques, qui leur demandent des évaluations de leur politique, et
des décideurs de terrain, parfois très nombreux, qu’il faut cadrer et suivre. Ces décideurs tactiques ont
besoin d’une parfaite compréhension du passé, travaillent peu avec le présent, mais se doivent de
travailler avec des prévisions pour recadrer leur politique. Les données chiffrées sont bien
évidemment essentielles, encore faut-il que les différents systèmes s’accordent entre eux.
Les décideurs opérationnels travaillent surtout avec le présent : il leur faut des données opérationnelles
brutes instantanées. L’analyse du passé relève surtout d’un suivi opérationnel pour vérifier
l’adéquation avec les objectifs. L’anticipation de l’avenir relève de la fourniture de données
opérationnelles en amont du service.
Par exemple, s’il y a beaucoup de prises de commandes lors d’une journée, le responsable d’un
centre logistique sait que le lendemain ou la semaine suivante la charge de son service va augmenter.
Pour les décideurs tactiques et opérationnels, les informations qualitatives quant à elles ne sont pas
uniquement dans les systèmes informatiques traditionnels : elles sont dans les mails, dans les réseaux
sociaux et circulent de vive voix.
Pour être concret, la plupart des cadres d’entreprise arrivent le matin à leurs bureaux. Ils déposent
leurs affaires, puis allument leur ordinateur pour consulter leurs mails.
Ils vont ensuite à la machine à café pour discuter du dernier mail ou de l’information de la veille. Ils
règlent certaines de leurs affaires à cette occasion, mais découvrent aussi d’autres problèmes. Enfin,
ils reviennent à leurs bureaux pour traiter les problèmes qu’on leur a soumis. Ils font le nécessaire
pour obtenir et consulter des données chiffrées. Ils analysent puis retravaillent ces informations
chiffrées. Enfin, après réflexion, ils prennent leur décision sur la base de ces données.
Le problème, c’est que ces cadres ne connaissent pas la fiabilité des données à leur disposition. De
plus, chaque fichier contient une information dense mais qui pourtant, ne révèle qu’une information
partielle. Il faut alors croiser des données de différents fichiers, émis par des services distincts, pour en
avoir une vue complète. Cela n’est pas toujours très facile à faire. L’autre problème consiste à obtenir
les données. Dans certaines organisations, la recette de la conception des chiffres et plus encore la
possession de ces mêmes chiffres est un enjeu de pouvoir important. Enfin dans de nombreuses
organisations, les chiffres émis par un service sont systématiquement contestés par les autres. Les
réunions de comité de direction se transforment dans certaines entreprises en dialogue de sourds car
chacun reste sur sa position et estime être celui qui possède le bon chiffre.
Dans ce contexte, prendre des décisions sur des données fiables et en toute sérénité relève du parcours
du combattant.

Sachez que vous pouvez avoir confiance en chacune des décisions que vous prenez, dès l’instant que
vous avez :
 La certitude que vos données sont fiables, à jour et complètes.
 Les capacités de comprendre l’origine d’un succès ou d’une défaillance.
 Les moyens d’évaluer les plans d’action et les politiques mises en œuvre consécutivement à une
décision.
Dès lors, la mise en place d’outils décisionnels doit permettre de répondre progressivement à ces trois
attentes :
 Améliorer l’accès et la qualité des données.
 Gagner en finesse d’analyse et de compréhension de données.
 Gérer les performances de l’organisation et de ses politiques.
3. L’informatique décisionnelle
L’informatique décisionnelle couvre toutes les solutions informatisées pour améliorer la prise de
décision des décideurs dans l’organisation.
Dans ses débuts, l’informatique décisionnelle s’est contentée tout d’abord de dupliquer les bases de
données des systèmes de gestion, afin d’isoler les requêtes d’analyse de données des
requêtes opérationnelles. Les requêtes d’analyse étant souvent très lourdes, l’objectif était surtout de
préserver les performances des systèmes opérationnels. Ensuite, cette base de données dédiée aux
requêtes et à l’analyse a progressivement muté et s’est organisée.
Partant du constat qu’il est difficile de croiser des données contenues dans des bases de données
distinctes, le plus simple a été de regrouper ces données éparses. Le concept de la base unique
pour centraliser les données de l’entreprise est plus que jamais d’actualité. Il s’agit du concept
d’entrepôt de données (ou Data Warehouse).
S’il est plus simple d’analyser ces données une fois qu’elles sont dans l’entrepôt de données, il n’en
reste pas moins qu’il faut tout de même remplir l’entrepôt de données. L’extraction et le croisement
des données des différents systèmes opérationnels puis le chargement dans l’entrepôt de données, ont
fait émerger des outils dédiés à cette tâche, avec des concepts métiers qui leur sont propres : les outils
d’ETL (Extract Transform Load).
Si au début les requêtes d’analyses portaient sur une base relationnelle (dites OLTP pour OnLine
Transaction Processing), le concept de base multidimensionnelle (dites OLAP pour OnLine
Analytical Processing) s’est démocratisé fin des années 90. Ce concept de bases de données offrait des
performances très largement supérieures aux bases OLTP pour répondre à des requêtes d’analyse. Ces
bases OLAP se sont alors couplées avantageusement avec l’utilisation de l’entrepôt de données. En
effet, elles offraient à la fois un environnement plus performant, mais permettaient également aux
utilisateurs finaux de bénéficier d’une interface simplifiée d’accès aux données, beaucoup plus
intuitive qu’une base de données OLTP. On parle alors de métamodèle. Enfin, vers la fin des années
2010, les éditeurs ont proposé des métamodèles montés directement en mémoire pour encore plus de
performance.

Attention, suivant les éditeurs, les métamodèles ne reposent pas forcément sur des bases
multidimensionnelles. Les métamodèles peuvent utiliser les technologies OLTP (de moins en
moins), OLAP ou "In Memory".

L’ensemble des moyens informatiques et techniques destiné à améliorer la prise de décision est appelé
système décisionnel ou encore Système Informatique d’Aide à la Décision (SIAD).
Architecture technique d’un système décisionnel
Si l’informatique décisionnelle s’est contentée dans ses débuts d’une approche technicienne, elle
progresse et converge de plus en plus rapidement vers le poste utilisateur et s’adapte aux métiers des
utilisateurs. Nous sommes encore aujourd’hui dans cette phase de convergence.
Vous le comprendrez, dans le contexte actuel, les décideurs étant de natures très différentes, les outils
de restitution sont multiples afin de convenir et répondre à toutes les attentes des différents acteurs de
la prise de décision.
On dénombre sur le poste de travail des outils de natures très variées :
 Les outils de reporting pour délivrer une information opérationnelle ou une information
décisionnelle de suivi d’activité. Dans le cadre du reporting décisionnel, il s’agit notamment de
reporting de masse destiné à la publication d’un rapport personnalisé vers de nombreux
utilisateurs avec un profil de décideur opérationnel.
 Les outils d’analyse pour comprendre et appréhender une situation passée. Les outils d’analyse
reposant sur un métamodèle (OLAP ou en mémoire) pour des performances optimales. Ces
outils doivent permettre aux analystes de naviguer et d’explorer les données disponibles
facilement, rapidement et en toute autonomie.

Le métamodèle favorise l’utilisation d’outils d’analyse. Attention, le métamodèle n’est pas un
outil d’analyse en soi. Que serait un système de gestion (type ERP ou CRM), si on ne livrait aux
utilisateurs que la base de données sans les interfaces…
 Les outils de statistiques pour modéliser des situations ou des comportements, pour tenter de les
anticiper. On parle actuellement d’apprentissage machine ou d’intelligence artificielle.
 Les outils de tableaux de bord et de pilotage pour assurer l’alignement des objectifs stratégiques,
tactiques et opérationnels de l’organisation et permettre le suivi des politiques.
 Les outils d’intranet pour partager l’information dans l’entreprise, favoriser la production
d’informations qualitatives (wiki, blog, forum, enquêtes…) et associer informations qualitatives
et quantitatives. L’objectif de l’intranet, dans une optique décisionnelle, est de favoriser
l’émergence de véritables espaces de prises de décision, personnalisés à un service et/ou à un
utilisateur. L’intranet est aussi le relais idéal du décisionnel lorsqu’il s’agit de mettre en œuvre
les actions correctrices et bien entendu de les suivre.
Les outils de restitution suivant les profils d’utilisateurs
Dans la section suivante nous allons voir comment Microsoft articule sa solution pour répondre à ces
exigences, tant techniques que fonctionnelles.

La solution Microsoft BI
1. L’offre Microsoft BI
Microsoft n’est pas un nouveau venu dans le monde de la BI. Depuis le tout début des années 2000, il
en est même un acteur majeur et ce, grâce à sa base OLAP Analysis Services et au tableau croisé
dynamique Excel.
Bien entendu, son offre s’est largement étendue et structurée depuis, avec le développement de ce
marché. Il est à noter tout de même que Microsoft a largement contribué à démocratiser le recours à
l’informatique décisionnelle dans les sociétés de taille moyenne, ainsi que dans les PME.
Sur le fond, l’offre Microsoft BI est structurée autour des trois promesses du décisionnel :
 Améliorer l’accès et la qualité des données : on y retrouve tous les outils destinés à concevoir un
entrepôt de données bien modélisé, performant et contenant des données fiabilisées. On y
retrouve aussi tous les outils permettant d’identifier et de gérer les données de référence et de
s’assurer de leur qualité.
 Gagner en finesse d’analyse et de compréhension de données : on y retrouve tous les outils qui
permettent aux utilisateurs finaux d’analyser et de naviguer dans leurs données en toute
autonomie, sans avoir à recourir au service informatique.
 Gérer les performances de l’organisation et de ses politiques : on y retrouve tous les outils
destinés à partager, à communiquer et à organiser les performances de l’organisation tels que les
outils de tableaux de bord et les outils collaboratifs.
Sur la forme, l’offre Microsoft BI est structurée au sein de trois licences. Chacune de ces licences
contient de nombreux outils à usage décisionnel correspondant aux tâches énoncées plus haut :
 SQL Server 2019 : Integration Services, Master Data Services, Analysis Services, Reporting
Services, Data Quality Services.
 Office 365 : Excel, SharePoint et Teams.
 Power Platform : Power BI, Power App, Power Automate.
Si les outils de la gamme SQL Server 2019 sont plutôt des produits techniques destinés, à l’usage, au
service informatique, les outils Office 365 sont plus spécifiquement destinés aux utilisateurs finaux et
les produits de la gamme Power Platform à des utilisateurs d’un niveau intermédiaire.
Dans la suite de cette partie, nous allons étudier le contenu, l’utilisation et le positionnement de
chacune de ces solutions.

L’utilisation des licences Microsoft suivant les profils utilisateurs

2. SQL Server 2019
Si à l’origine, la licence SQL Server correspond uniquement à une base de données relationnelle
(OLTP), assez rapidement la licence s’étoffe pour couvrir l’ensemble des outils dédiés au stockage et
au traitement de données. Dans le langage courant, SQL Server évoque la base de données
relationnelle. Il existe néanmoins d’autres outils ou services couverts par cette même licence, dont la
plupart trouve un usage dans le cadre de la mise en œuvre d’un système décisionnel.
Nous ne nous attarderons donc pas sur le service de base de données relationnelle, qui a maintenant
fait ses preuves face à la concurrence. La base de données est fiable, performante et hautement
disponible. Le service de base de données est parfaitement indiqué pour accueillir un entrepôt de
données. On retrouve d’ailleurs des entrepôts de données sous SQL Server Database Services dans de
grandes banques nationales, dans de grands consortiums hospitaliers, dans la grande distribution, dans
des sociétés de télécom et de téléphonie… SQL Server se retrouve dans les sociétés et organisations
de toutes les tailles et dans tous les domaines d’activité.
Nous avons vu précédemment que la construction d’un système décisionnel ne se limite pas à
l’utilisation d’une base de données relationnelle. Avec la licence SQL Server, Microsoft nous livre
toute la panoplie d’outils dont un service informatique a besoin pour bâtir un système décisionnel dans
les règles de l’art.
Pour bâtir notre système d’aide à la décision, nous aurons besoin de :
 SQL Server Integration Services : l’ETL.
 SQL Server Master Data Services : le gestionnaire des données de référence.
 SQL Server Analysis Services : la base de données multidimensionnelle (OLAP) et le
métamodèle.
 SQL Server Data Quality Services : la base de connaissances permettant de qualifier et nettoyer
certaines données constitutives de vos référentiels de données ou des bases marketing.
 SQL Server Reporting Services : l’outil de reporting opérationnel et de reporting de masse.
Dans les sections qui suivent, nous allons présenter plus en détail chacun de ces outils.
a. SQL Server Integration Services

Nous avons expliqué précédemment que les concepts du décisionnel prennent racine dans le fait de
bénéficier d’entrepôt de données contenant et croisant des données provenant de systèmes sources très
hétérogènes.
Si la grande valeur ajoutée du décisionnel est d’accéder confortablement aux données contenues dans
l’entrepôt de données, il n’en reste pas moins que la majeure partie d’un projet décisionnel se situe
dans l’alimentation de l’entrepôt de données et la mise à jour des données de référence.
En effet, la constitution des données de référence et l’alimentation d’un entrepôt de données
représentent généralement près de 80 % de la charge du projet. De prime à bord, beaucoup de services
informatiques qui découvrent le décisionnel ont largement tendance à sous-estimer le temps nécessaire
à récupérer l’information, mais aussi à la croiser.

Pour nous aider dans cette tâche, Microsoft met à notre disposition, dans la licence SQL Server 2019,
un outil d’ETL (Extract Transform Load) : SQL Server Integration Services (SSIS).
Déroulement d’un flux ETL sous SSIS
Même s’il n’est pas considéré comme le meilleur ETL du marché, il n’en reste pas moins que SSIS est
un véritable outil d’ETL, fiable, performant, et qu’il remplit parfaitement le rôle pour lequel il est
destiné. SSIS est d’ailleurs largement déployé et employé dans de très nombreuses entreprises
françaises et étrangères.
Nous ne vous conseillons pas d’acheter la licence SQL Server 2019 pour bénéficier
spécifiquement de SSIS, surtout, si vous travaillez sur un décisionnel en environnement Linux
avec des technologies open source... En revanche, si vous avez pour projet de bâtir un système
décisionnel en environnement Microsoft, le rapport qualité-prix de l’outil est véritablement
imbattable.
Le point fort de SSIS est que c’est d’une part un bon ETL et qu’il est d’autre part disponible sans
surcoût avec la licence SQL Server. Une licence que la plupart des entreprises disposent déjà afin
de bénéficier de la base de données relationnelle.
Plus que l’outil, c’est la manière dont est employé l’ETL qui est très importante. À ce propos, le
chapitre Alimenter l’entrepôt de données avec SSIS, reviendra assez largement sur le sujet afin de
vous donner les bonnes pratiques d’usage. Nous vous invitons donc à consulter ce chapitre, à la fois
pour découvrir les bonnes pratiques de l’ETL et pour apprendre à vous familiariser avec SSIS.

Généralement, on attend d’un outil d’ETL :
 Qu’il accélère le travail de développement des flux de données : SSIS est un ETL assez simple
d’utilisation. Sa prise en main est rapide. SSIS, comme les grands ETL, permet de découper un
flux d’alimentation en une multitude de petites tâches de transformation de données distinctes et
ordonnancées. L’amélioration de la productivité vient du fait qu’il est plus facile de traiter une
multitude de problèmes très simples, plutôt que de traiter un grand problème très compliqué.
SSIS permet aussi de suivre très précisément le déroulement du flux de données. Entre chaque
tâche de transformation de données, il est possible de visualiser les valeurs, ainsi que les
transformations qui leur ont été appliquées.
 Qu’il offre une vision claire et maintenable des flux réalisés : SSIS, comme tout bon ETL,
permet d’obtenir une visualisation graphique, logique et simple des flux réalisés. Les règles de
transformation pouvant être parfois très compliquées, il est important qu’elles puissent être
représentées simplement afin que n’importe quel informaticien, disposant d’une formation ETL,
puisse lire et comprendre le déroulement d’un flux de données. Chaque tâche de
transformation est représentée par une boîte que le développeur a la liberté de nommer ou plutôt
de décrire. Développer un flux ETL avec SSIS ne nécessite pas de notions de développement
objet ni même d’un grand savoir-faire SQL. Un flux SSIS correctement développé et respectant
la logique ETL est un flux vraiment très lisible et facilement maintenable.
 Qu’il puisse se connecter et travailler avec de nombreuses sources hétérogènes : le propre d’un
ETL est d’être ouvert et de pouvoir disposer d’une certaine universalité de connexion. SSIS ne
déroge pas à cette règle, il permet entre autres de se connecter nativement à :
 de nombreuses bases relationnelles par OLEDB : SQL Server, Oracle, DB2…
 des fichiers : fichier plat CSV, fichier XML, fichier Excel.
 des sources en ligne : services web, service FTP.
 etc.
La liste est bien entendu loin d’être exhaustive. Les connecteurs sont cependant de qualité très inégale,
mais comme tous les produits Microsoft, le produit est ouvert et la communauté de développeurs est
assez efficace. Vous trouverez sur le marché de nombreux autres composants, connecteurs ou tâches,
et vous disposerez de la possibilité de créer le vôtre en .NET si vraiment cela s’avère nécessaire. Ce
qui est en définitive assez rare toutefois.
Au cours de nos projets, nous avons eu par exemple à développer une tâche récupérant les fichiers
en pièces jointes des mails d’une boîte aux lettres électronique. Le besoin est peu banal mais la
réalisation a été simple.
 Qu’il soit performant : un ETL dispose souvent de fenêtres de traitement très courtes pour se
connecter à un système source et pour charger l’entrepôt de données. Il faut alors que l’outil
traite de très gros volumes, très rapidement. Le secret de la performance des outils d’ETL
réside généralement dans leur capacité à travailler et faire les transformations sur les données en
mémoire vive. C’est le cas de SSIS, qui dispose d’ailleurs de nombreuses possibilités de gestion
et d’optimisation du cache.
 Qu’il dispose de nombreuses fonctionnalités de transformation de données : en ce qui concerne
la lettre T de ETL, SSIS est plutôt bien fourni et propose de nombreuses tâches de
transformation : calcul, contrôle, mise en cohérence des données, conversion, pivotement,
union, jointure, nettoyage, regroupement, échantillonnage… SSIS intègre de plus en plus de
tâches de transformation avancées issues de la statistique, pour vous permettre de mieux
nettoyer vos données ou contrôler leurs contenus.

 Qu’il puisse se déployer facilement : SSIS gère parfaitement les problématiques de multi-
environnements et de déploiement sur un environnement de production. Les flux se lancent et se
planifient, soit par le biais de l’agent SQL fourni et intégré à SQL Server, soit par le biais d’une
ligne de commande exécutable, si vous disposez de votre propre ordonnanceur d’entreprise.

Enfin SSIS permet de mettre en œuvre pleinement les concepts du métier : audit de données,
historisation des dimensions (SCD), traitement des erreurs et des rejets... En ce qui concerne la gestion
d’erreur, SSIS gère l’erreur au niveau de chacune de ses tâches et potentiellement au niveau de
chacune des lignes chargées. SSIS vous permet ainsi de mettre en place des systèmes d’audit de flux
et de données performants et entièrement personnalisés à votre activité et à votre problématique.
Cependant, ce genre de système n’est pas quelque chose de standard inclus magiquement dans un
outil, il vous faudra le mettre en place. Nous vous incitons à consulter sur ce sujet le chapitre
Alimenter l’entrepôt de données avec SSIS - L’audit des flux ETL.
b. SQL Server Master Data Services

SQL Server Master Data Services (MDS) est disponible depuis la version SQL Server 2019. Ce
service est une solution de MDM (Master Data Management) ou Management des données de
référence.
La gestion des données de référence n’est pas exclusive au système décisionnel. Il s’agit plutôt d’une
pratique d’urbanisation des systèmes d’information qui contribue sensiblement à la qualité de
l’information dans l’entreprise.
Les données de référence sont les données transversales de l’entreprise. Ce sont les éléments clés qui
décrivent et définissent un domaine de l’entreprise : clients, produits, fournisseurs, sites,
organisations, services, employés…
Gérer ces données de référence devient primordial pour la plupart des entreprises qui ont une
organisation cloisonnée des données.
Une société multinationale qui dispose d’un ERP, d’une GPAO ou d’un CRM pour chacune de ses
filiales, est forcément confrontée à un moment ou un autre à des problèmes de redondance ou
d’incohérence de données. Le risque est le même chaque fois qu’une organisation fait le choix de
déployer une solution spécialisée pour gérer une activité spécifique de son activité : déployer un CRM
pour les commerciaux, une GPAO pour la production, une GMAO pour les services maintenance, un
logiciel de paie spécifique à une branche d’activité… Lors de chaque déploiement, les données de
référence sont alors dupliquées. Si l’on n’y fait pas attention, il devient rapidement extrêmement
complexe de rapprocher les données de ces différents systèmes.
Le MDM regroupe les pratiques, méthodes et outils qui permettent de rassembler, gérer et partager les
données pour lesquelles il est primordial de fournir à l’ensemble de l’organisation une vision contrôlée
et unique. Le rôle du MDM est de fournir aux différents systèmes des données de référence exactes,
complètes et actualisées.
Le MDM crée une ressource centralisée, indépendante des applications et des processus métier, qui
gère le cycle de vie des données de référence.
Avec la mise en place d’une telle pratique impliquant les services fonctionnels et le service
informatique, la cohérence des données dans les divers systèmes de transactions et d’analyses est
garantie. Ainsi, les problèmes de qualité des données peuvent être résolus de manière proactive, plutôt
qu’après coup dans l’entrepôt de données.
Microsoft fournit donc à travers MDS, une solution informatique appuyant et permettant la mise en
œuvre d’une démarche de MDM dans votre organisation. Le MDM n’est pas spécifiquement l’objet
de l’ouvrage, mais elle est abordée dans le chapitre Gérer les données de référence avec MDS. En
effet, il est essentiel que vous compreniez l’importance et l’intérêt d’une telle solution lors du
déploiement de votre système décisionnel. Le rapprochement des données entre les différents

systèmes est l’un des principaux enjeux de l’ETL, mais aussi l’une des raisons majeures des délais de
développement ETL.

Lorsque vous serez confronté à un projet d’entrepôt de données, une des phases techniques préalables
de votre projet consistera à identifier les données de référence. Et si celle-ci ne sont pas définies, il
vous faudra alors les créer, les alimenter et les mettre à jour et ce, avant même d’avoir créé la base de
données de l’entrepôt de données. L’outil SQL Server Master Data Services vous sera alors d’une
bonne aide pour faire émerger ce nouveau système dans votre organisation. Un peu comme SSIS,
MDS n’est pas la meilleure solution du marché, mais elle s’avèrera très suffisante pour la grande
majorité des organisations et dispose d’un rapport qualité-prix inégalable. C’est la solution idéale pour
faire émerger un projet de MDM en douceur, en parallèle du projet décisionnel.
Interface d’administration de MDS
Avec MDS, vos utilisateurs vont aussi apprécier de retrouver leurs données de référence dans Excel.
La gestion de ces données se fera directement depuis un classeur Excel, facilitant ainsi la conduite du
changement et l’adoption du MDM dans votre organisation.
La gestion des données de référence dans Excel avec MDS

c. SQL Server Data Quality Services
Cette solution permet de contrôler et d’améliorer la qualité des données qui circulent au sein de
l’organisation à l’aide de bases de connaissances liées au contenu et à la structure de vos données.
Typiquement, on peut utiliser DQS pour dé-doublonner une base client, contrôler le format d’un
numéro de téléphone ou d’un code postal, qui doivent être composés de 10 et 5 chiffres. On peut
également implémenter des contrôles plus fonctionnels, comme par exemple un employé ne peut pas
avoir plus de 90 ans et moins de 16 ans.
Les bases de connaissances vont également vous permettre de capitaliser sur la correction des erreurs.
Ainsi, une correction manuelle d’une erreur pourra être transformée en règle qui corrigera ensuite
automatiquement toute donnée comportant la même anomalie.
Cette solution trouve tout son sens dans la constitution de fichier client ou lors de la récupération de
données provenant de fichiers non structurés saisis par divers employés, fournisseurs ou partenaires.
Dans ce cas, DQS offre la possibilité d’auditer une base ou un fichier pour vous signaler tous les
champs en désaccord avec la base de connaissances.
Cette base de connaissances employée conjointement avec MDS et SSIS va permettre d’identifier la
non-qualité des données et faciliter le travail de nettoyage des fichiers client, prospect, employé...
Mais l’utilisation dans le cadre d’un projet strictement décisionnel est limitée ou du moins annexe,
nous ne l’aborderons donc pas dans cet ouvrage.
Base de connaissances DQS

d. SQL Server Analysis Services
SQL Server Analysis Services regroupe en fait plusieurs services destinés à faciliter l’exploration
d’une quantité importante de données.
Les trois facettes de la solution sont :
 Le mode multidimensionnel
 Le mode exploration de données ou data mining
 Le mode tabulaire
Le mode multidimensionnel

Il s’agit du mode historique de SQL Server Analysis Services (SSAS). C’est ce mode-ci que l’on
désigne peut-être abusivement sous la dénomination SSAS.
Dans ce mode, SQL Server Analysis Services (SSAS) est la base multidimensionnelle (OLAP) de la
licence SQL Server. On présente souvent SSAS comme étant la solution de cubes de Microsoft. SSAS
est une solution parfaitement fiable et très robuste, leader de son marché.
Interface de conception Analysis Services
Avec l’augmentation des volumes de données, les bases de données OLAP se sont imposées comme
des solutions incontournables pour représenter les données contenues dans l’entrepôt de données. À
l’opposé des bases OLTP, plus les requêtes utilisateurs portent sur des données globales et agrégées,
plus la réponse est rapide. À l’inverse, plus la requête porte sur les données de détails, moins la
requête est performante. Il ne faut donc pas considérer Analysis Services comme une base de données
permettant des extractions de données. Les modèles Analysis Services doivent être conçus pour
fournir la finalité de l’analyse attendue par l’utilisateur.

Les données détaillées de l’entrepôt de données sont contenues dans la base relationnelle, mais
c’est Analysis Services qui les agrège et les présente aux utilisateurs finaux. Étant la partie émergée de
l’entrepôt de données, il offre ainsi la possibilité de gérer véritablement de très grands volumes de
données avec des temps de réponse de l’ordre de la seconde.
Les résultats sont souvent jugés époustouflants pour des utilisateurs habitués à travailler avec des
bases de données OLTP. SSAS ne craint pas les gros volumes de données, il est conçu pour cela.
Attention toutefois à conserver une modélisation appropriée, car la performance de son moteur OLAP
est directement liée à la modélisation de la base de données sous-jacente.
Nous ne saurions que trop insister tout au long de l’ouvrage sur l’importance de la modélisation de
l’entrepôt de données. Nous vous suggérons à ce sujet les chapitres Réaliser son premier système
décisionnel, puis La modélisation dimensionnelle, pour vous apprendre à concevoir des modèles
d’analyse cohérents et performants.
Les données de l’entrepôt de données étant manipulées directement et exclusivement par le biais
d’Analysis Services, celui-ci offre aux utilisateurs une interface simplifiée d’accès aux données et
intuitive. Dans les faits, les utilisateurs n’accèdent pas directement à Analysis Services. Ce sont les
outils de restitution qui proposent et consomment les données du cube. Il est donc indispensable,
lorsque vous mettez en place SSAS, de proposer parallèlement aux utilisateurs, des outils de
restitution adaptés (par exemple Excel).
Analysis Services est l’interface entre l’entrepôt de données et les outils de restitution
Le mode tabulaire
Le mode tabulaire de SQL Server Analysis Services a été une nouveauté de la version 2012, et c’est la
plus grande évolution de SQL Server Analysis Services depuis la version 2005 et la sortie du mode
multidimensionnel actuel.
Tout comme le mode multidimensionnel, le mode tabulaire offre un modèle sémantique qui se veut
ouvert à tous les types de restitution : reporting, analyse, tableau de bord…
Le mode tabulaire propose une autre façon de concevoir des modèles et de les stocker. Contrairement
au mode multidimensionnel qui nécessite une modélisation dimensionnelle (cf. chapitre La
modélisation dimensionnelle) et un stockage OLAP, le mode tabulaire utilise une modélisation
relationnelle et un moteur d’analyse en mémoire vive pour le stockage et le calcul.

De ce fait, le mode tabulaire va être plus proche des modèles relationnels classiques, tout en
permettant une vitesse de restitution de données extrêmement rapide, de la donnée détaillée comme de
la donnée agrégée. C’est le mode tabulaire, que Microsoft a choisi de porter en mode PaaS dans Azure
sous l’appellation Azure Analysis Services.
Lors de la révision de cet ouvrage, nous nous sommes posé la question de savoir si nous allions
réaliser le livre avec un métamodèle en mode tabulaire ou en mode multi-dimensionnel. Jusqu’à
présent, ce choix était facile, car nous considérions qu’Analysis Services en mode tabulaire ne
disposait pas de la maturité et de toutes les fonctionnalités du mode multidimensionnel.
Mais cette dernière version 2019 comble un bon nombre de lacunes, ce qui nous fait maintenant
hésiter. Toutefois, nous rencontrons rarement dans les systèmes décisionnels matures le mode
tabulaire déployé en production. C’est pourquoi, nous avons choisi de nouveau dans cette édition de
vous présenter dans le chapitre Réaliser son premier système décisionnel, un métamodèle en mode
multidimensionnel.
Pour utiliser le mode tabulaire, il vous faudra toutefois créer une instance dédiée et nous vous
conseillons de dédier une machine physique et puissante à cette instance.
e. SQL Server Reporting Services

Enfin, la suite SQL Server dispose d’un serveur de rapports permettant d’afficher et de diffuser des
informations.
Reporting Services est avant tout un produit destiné à un public d’informaticiens. Sa parfaite
intégration avec l’environnement .NET, sa capacité de mise en page, ses possibilités de diffusion en
font un excellent outil de reporting opérationnel. Reporting Services est l’outil parfait pour mettre en
page une facture, un bon de livraison, un suivi de commande, un inventaire, un catalogue produit, la
liste des clients à relancer… Tous les états dont une application de gestion a besoin sont parfaitement
réalisables avec Reporting Services.
En ce qui concerne le besoin décisionnel, Reporting Services a été survendu par Microsoft depuis la
sortie de SQL Server 2005. Reporting Services n’est pas un outil d’analyse destiné à des utilisateurs
finaux. En revanche, il a totalement sa place dans la diffusion de rapports de masse, c’est-à-dire dans
les rapports décisionnels destinés à de nombreux décideurs opérationnels.
Par exemple, la diffusion par mail au format PDF du rapport mensuel de suivi des ventes à tous les
commerciaux de l’entreprise.
Nous reviendrons largement sur ce sujet dans le chapitre Restituer les données décisionnelles -
Reporting Services. Nous aborderons alors plus en détail la différence entre rapport opérationnel et
rapport décisionnel, puis nous apprendrons à faire bon usage de Reporting Services.

Exemple de rapport réalisé avec Reporting Services
3. Office 365
Microsoft Excel est sûrement et de loin, le premier outil décisionnel dans le monde et ce, depuis de
nombreuses années. Il répond aux besoins d’analyse de tous les services, de toutes les organisations et
sert à toutes les tâches : stockage de données, traitement de l’information et restitution.
Si Microsoft Excel seul répond assez bien à des problématiques sectorielles (propres à un seul
service), il atteint toutefois ses limites lorsque :
 Il s’agit de croiser les données de référence de plusieurs applications : les fichiers Excel
deviennent alors de véritables usines à gaz très difficiles à maintenir.
 Il s’agit de réduire les délais de production des tableaux de bord : il est difficile d’automatiser le
traitement de données dans Excel. On peut toujours y arriver par le biais de macro, mais on
augmente alors sensiblement la difficulté de maintenance des rapports.
 Les données à traiter deviennent trop importantes : Excel 2003 gérait quelque 65 000 lignes,
Excel 365 en gère un maximum de 1 024 576. Mais les systèmes produisent toujours plus de
données et les demandes des décideurs ont aussi tendance à se complexifier.
 Il s’agit de sécurité : un fichier Excel diffusé par mail contient l’intégralité des données
détaillées qu’il affiche et ses données sont potentiellement modifiables.
 Il s’agit d’automatiser la diffusion des rapports : les fichiers sont de plus en plus volumineux. La
limite admise par le serveur de messagerie est parfois atteinte.

Pour toutes ces raisons et bien d’autres encore, Excel a besoin de s’adosser à un système décisionnel.
Les utilisateurs continuent toutefois de plébisciter l’utilisation d’Excel dans leur quotidien. Microsoft
a compris l’avantage substantiel qu’il peut tirer de cette position privilégiée.
Au sein de la solution BI Microsoft, Excel est l’outil d’analyse des utilisateurs finaux. Toutefois,
Excel n’est utilisé que pour accéder, manipuler et naviguer dans les données d’Analysis Services. Les
données ne sont plus contenues directement dans le fichier, mais sur un serveur. Et ces données ne
sont plus traitées directement par les utilisateurs fonctionnels mais par le service informatique par le
biais de l’ETL. Excel conserve toutefois toutes ses capacités de représentation graphique, de mise en
page et de personnalisation à l’aide de formules.
Le tableau croisé dynamique d’Excel
Nous étudierons en détail, dans le chapitre Restituer les données décisionnelles - Excel, l’utilisation
d’Excel adossée à la solution décisionnelle Microsoft Vous apprendrez ainsi à mieux comprendre et à
cerner l’utilisation de cet outil puissant, ses possibilités, mais aussi ses limites.
4. Power BI
Le projet à l’origine des compléments Excel PowerPivot, PowerView et PowerQuery s’est imposé
progressivement, depuis 2015, comme un produit à part entière et maintenant comme une famille de
produits (Power Platform). PowerBI s’installe actuellemetn dans le quotidient de très nombreuses
entreprises, à tel point qu’il permet en 2019 à Microsoft de figurer en tant que leader des solutions de
Business Intelligence.

Power BI permet de fournir des interfaces interactives de visualisation des données. Power BI est
résolument tourné vers des utilisateurs non informaticiens, leur permettant à l’aide de l’outil Power BI
desktop de concevoir des dashboards interactifs très riches. Contrairement à Excel, qui n’est pas conçu
pour partager des visualisations à une équipe ou à son organisation, Power BI est vraiment pensé pour
cela.
Le dashboard Power BI
D’autant plus qu’avec Power BI Service, Microsoft utilise la puissance de son cloud pour affranchir
les utilisateurs non informaticiens des moyens offerts traditionnellement par leur direction
informatique. Nous verrons au chapitre Restituer les données décisionnelles - Power BI, qu’il est
maintenant possible de déployer un serveur de rapports Power BI sans en passer par le cloud.
Cependant, Power BI n’est pas un outil d’analyse. Il est très efficace pour présenter l’information,
mais très peu performant pour l’explorer. Excel reste en cela incontournable.
Nous reviendrons largement sur ces outils au chapitre Restituer les données décisionnelles - Power BI.
Nous vous apprendrons alors à créer un dashboard Power BI, et à le partager au sein de votre
organisation.

Microsoft BI et Azure
Avec l’arrivée de Satya Nadella à la tête de Microsoft en février 2014, l’entreprise de Redmond a
adopté une stratégie entièrement tournée vers son cloud Azure.
Microsoft procède ainsi progressivement à la migration de ses plus anciennes solutions vers le cloud
(avec plus ou moins de succès).
C’est ainsi que sa base de données relationnelle se retrouve sous Azure sous les produits Azure SQL
managed instance et Azure SQL Database. Mais ces bases ne sont pas des plus adaptées au Data
Warehouse, pour cela on peut alors se tourner vers Azure Data Warehouse. Comme nous l’avons vu
plus haut, le métamodèle multidimensionnel n’est pas porté dans le cloud, mais le métamodèle
tabulaire se retrouve sous l’appellation Azure Analysis Services. Integration Services n’a été supporté
que très récemment par Azure Data factory, qui en préfigure très probablement l’avenir. Reporting
Services, Master Data Services et Data Quality Services n’ont toujours pas d’équivalent PaaS sous
Azure.
Cependant, sa nouvelle offre Power BI a entièrement été repensée autour du cloud, qui est
actuellement son environnement naturel.
À l’heure actuelle, créer son système décisionnel entièrement dans le cloud Azure est envisageable,
mais nécessite une hybridation de technologies On-premise, IaaS et PaaS, qui aurait pour effet de
compliquer le projet plutôt que de le simplifier. Il est à parier que dans l’avenir une intégration Azure
de la suite BI et notamment des outils de la suite SQL Server sera réalisée progressivement, à moins
qu’un éditeur s’empare de cette problématique.
C’est pourquoi, nous avons choisi lors de la révision de ce livre de nous consacrer à la mise en place
d’un système décisionnel entièrement On-premise.
Mes dernières expériences m’ont mené à concevoir des projets décisionnels dans le cloud avec
succès. C’est donc possible. Il y a toutefois des problématiques autour du transfert de données et
de l’authentification qui s’ajoutent à ceux d’un projet On-Premise. Il faut par exemple, en cas de
grosses volumétries, transférer les données des systèmes source au fil de l’eau via des Web API et
orchestrées par un service bus, au lieu de se contenter d’un traitement ETL quotidien. C’est donc
une étape supplémentaire propre à la problématique du Big Data qui s’ajoute au projet. Bien
entendu, une fois ces problèmes surmontés, le système décisionnel bénéficie de toute la puissance
du cloud en termes d’élasticité, de disponibilité et de sécurité.
Notre étude de cas : Distrisys

La société Distrisys est une société européenne que nous prendrons en exemple dans notre ouvrage.
Cette société n’existe pas, elle a tout spécialement été créée pour cet ouvrage.
Distrisys est un grossiste de grands et petits appareils d’électroménager. La société est distributeur
officiel et exclusif d’appareils qu’elle fait fabriquer, importe puis vend sous ses propres marques :
Lagon, Cuccina et Pierre-Michel. La société ne fabrique donc pas elle-même, elle a une activité
importante d’importation.

Distrisys ne vend pas ses produits en direct aux consommateurs. La société dispose d’un réseau de
revendeurs et distributeurs agréés. Son réseau est de plusieurs types : réseau de distribution
généraliste, réseau de magasins spécialisés et enfin réseau de sites marchands.
Distrisys est issue historiquement de plusieurs sociétés acquises par croissance externe. La société
dispose de cinq sites géographiques :
 Trois en France : le siège à Paris, Aix-En-Provence et Bordeaux.
 Deux à l’étranger : Barcelone et Munich.
Chaque site dispose de son propre PGI (Progiciel de Gestion Intégrée ou ERP en anglais), qui a été
toutefois homogénéisé pour en faciliter la gestion et la maintenance.
La direction de Distrisys est depuis très longtemps confrontée à des problèmes de qualité de données
et souhaite se doter d’outils permettant d’appréhender leurs données de manière globale. Si la
direction n’engage pas encore de démarches de Management de la Performance, elle y pense très
sérieusement.
C’est dans ce contexte que le service transformation digitale, en liaison avec la direction financière et
la direction informatique, amorce un projet de mise en œuvre d’un système décisionnel.
L’équipe informatique a mené une étude de choix d’outils. Compte tenu qu’elle possédait déjà des
serveurs SQL Server et d’un portail SharePoint, elle a porté son dévolu sur la solution BI Microsoft.
La solution en plus d’être cohérente, très complète et compétitive techniquement, dispose d’un
formidable rapport qualité-prix.
La problématique du cloud a été posée. Après étude, il s’est avéré pour le moment plus simple et plus
économique, compte tenu qu’un cluster SQL Server existe déjà au sein de l’entreprise pour héberger
les données de l’intranet Sharepoint, de mener le projet On-premise.
Tout au long de l’ouvrage, nous allons étudier et traiter le cas de la société Distrisys. Nous allons
suivre toutes les étapes de mise en œuvre de la solution décisionnelle au sein de la société. Afin de
suivre le déroulement du projet et faire les manipulations pour bâtir en parallèle le système
décisionnel, vous n’aurez besoin que d’une installation de SQL Server. Tous les exemples de ce livre
sont réalisés avec la version d’évaluation de SQL Server 2019 CTP3.2. À noter que de votre côté, si
vous disposez de la version finale ou d’une version plus ancienne (2005 ou ultérieure), vous pourrez
aussi parfaitement suivre le déroulement du projet tel que décrit dans ce livre.
Les versions SQL Server 2005, 2008, 2008 R2, 2012, 2014, 2016 et 2017 sont assez proches les
unes des autres. De plus, vous comprendrez assez vite qu’au-delà des outils et des versions, ce sont
les concepts qui sont vraiment importants.
L’exploitation de la solution décisionnelle nécessitera, quant à elle, une version d’Excel, idéalement
Excel 365. Mais nous vous engageons à faire des tests avec toutes les versions d’Excel disponibles et
déployées dans votre entreprise afin d’en apprécier les différences.
Des versions d’évaluation de ces produits sont disponibles en téléchargement sur le site Technet
Evaluation Center à l’adresse : http://technet.microsoft.com/fr-fr/evalcenter/

Déroulement du projet
Étant donné notre expérience, nous constatons généralement que la première intention d’un service
informatique souhaitant réaliser un système décisionnel est de partir des données à leur disposition. Si
ce réflexe est parfaitement compréhensible, il est l’opposé de ce qu’il faut faire si l’on souhaite mener
à bien un projet et obtenir des résultats.
Un projet décisionnel nécessite, tout d’abord et forcément, d’être mené en trio : l’IT représenté par
l’équipe BI, un membre du service fonctionnel concerné par le périmètre traité et enfin un membre du
contrôle de gestion. Ce projet doit si possible s’inscrire dans un projet d’entreprise disposant du
sponsoring ou du moins du soutien d’un membre influent de la direction.
Ce mode de fonctionnement est essentiel, car il est indispensable de mener chaque étape du projet du
haut vers le bas, c’est-à-dire du besoin global, le plus stratégique, vers la donnée la plus détaillée.
Pour débuter, on commence par s’assurer le périmètre projet auprès des décideurs stratégiques. Mener
l’ensemble du périmètre en un seul bloc projet mènerait inévitablement le projet à sa perte. Un projet
décisionnel doit être vivant. Ne pouvant pas mener tout le périmètre d’un seul tenant, le projet sera
mené par itération successive. Le périmètre projet initial est alors fractionné en lots que l’on va
prioriser et étaler dans le temps. On dit alors que l’on lotit le projet. Un lot est généralement un sujet
fonctionnel, ni trop petit, afin d’apporter une cohérence et une valeur ajoutée, ni trop gros, afin
d’obtenir des itérations projet courtes de l’ordre de quelques mois au maximum. L’ordre de priorité
d’un lot est défini suivant deux critères : sa facilité de réalisation et sa valeur ajoutée.
Dans les faits, nous commençons toujours si possible par le périmètre le plus simple à réaliser
(disponibilité de l’information, disponibilité du service, réflexion déjà bien avancée…) et par le
périmètre qui apporte le plus de valeur ajoutée (criticité de la qualité de l’information, transversalité
fonctionnelle du lot, orientation stratégique majeure…).
Dans le cas de Distrisys, une première étude a été menée pour définir les contours du projet. Le
périmètre projet a été défini. Il s’agit dans l’ordre des priorités :
 De la facturation (facture + commande + budget)
 Des stocks
 Des achats (commandes fournisseurs + commandes en attente + facturation fournisseurs)
 Du service après-vente
 Du marketing
L’équipe projet commence par la facturation car il s’agit :
 Du domaine fonctionnel le plus facile à réaliser : le domaine est parfaitement maîtrisé, tant
techniquement que fonctionnellement. Tous les indicateurs réclamés par les décideurs sont a
priori disponibles dans le système d’information de l’entreprise.
 D’un domaine fonctionnel à haute valeur ajoutée : la plupart des services de l’entreprise ont
besoin des informations de commande et de facturation. Il est d’ailleurs aujourd’hui assez
difficile de les réconcilier quand il s’agit d’échanger les chiffres : chaque service et chaque site
dispose de ses propres données. Les comités de direction tournent souvent à l’affrontement pour
savoir qui a raison et qui dispose du chiffre exact. La qualité et la compréhension de cette
information sont donc cruciales.
Pour chacun des lots, la démarche de travail sera alors toujours identique :

 On commencera par travailler en atelier avec le service fonctionnel concerné pour définir le
modèle final.
Nous vous suggérons vivement de faire vivre le modèle avec des jeux de test (cf. chapitre Réaliser
son premier système décisionnel). L’idée n’est pas de réaliser le modèle avec les véritables
données de votre système d’information. Cela vous prendrait effectivement vraiment trop de
temps. Cependant, vous ne devez pas non plus rester uniquement sur des spécifications papier,
souvent illisibles et incompréhensibles par les fonctionnels car ce serait prendre le risque que
lorsque le modèle sera réalisé à données réelles, les incompréhensions remonteraient alors d’un
bloc et mettraient alors à mal le projet lors de la recette.
Lors de cette phase, il est important que vous maîtrisiez le concept de matrice dimensionnelle et
les concepts de modélisation d’entrepôt de données. Le chapitre La modélisation dimensionnelle
vous assistera à cet effet.
 Lorsque le modèle final est validé par les analystes et décideurs du service fonctionnel concerné,
le projet technique commence : il s’agit alors de réaliser en toute sérénité les flux ETL pour
alimenter le modèle préalablement défini et validé.
Au chapitre Alimenter l’entrepôt de données avec SSIS, nous aborderons l’architecture ainsi que
les bonnes pratiques d’alimentation de données.
C’est aussi au cours de cette phase que nous identifierons les données de référence de l’entreprise. Et
si elles n’existent pas, l’équipe projet se chargera de les faire émerger.
Au chapitre Gérer les données de référence avec MDS, nous aborderons la mise en œuvre ainsi
que les bonnes pratiques d’utilisation de la solution de MDM de Microsoft.
 En parallèle de l’alimentation des données, un membre de l’équipe projet peut commencer à
travailler avec le service fonctionnel pour travailler sur la restitution :
 Identifier et définir si besoin les rapports de masse.
 Définir et concevoir les tableaux de bord.
 Préparer les analystes des services fonctionnels concernés au changement : formation aux
outils de restitution et accompagnement à la réalisation des premières analyses pour s’assurer que
les outils soient correctement employés.
Le chapitre Restituer les données décisionnelles vous apportera quelques éclairages sur quelques
outils et leur bon emploi.
Vous constaterez que les chapitres de l’ouvrage sont organisés pour suivre le déroulement
chronologique du projet décisionnel de Distrisys.
Vous pourrez toutefois aborder un chapitre indépendamment du précédent. Vous aurez alors besoin de
télécharger depuis la page Informations générales l’état du projet laissé au précédent chapitre.
Dans le chapitre suivant, nous aborderons les préalables du projet : architecture serveur, licences et
prise de connaissance des consoles de SQL Server.

Quiz
 Accéder au Quiz sur : Introduction

Installation et découverte des outils SQL Server
Le choix des licences
La réalisation d’un système décisionnel avec la suite Microsoft BI (Business Intelligence) demande
généralement moins d’investissement que les solutions concurrentes, mais demande toutefois de
disposer des bonnes éditions et si possible de la totalité de la suite. La mise en place d’un système
décisionnel avec Microsoft n’est pas gratuite.
Nous avons vu au chapitre précédent que la mise en place globale de la solution décisionnelle
Microsoft nécessite trois licences distinctes. Dans leurs versions les plus récentes à ce jour, ces
licences sont :
 SQL Server 2019
 Office 365
 Power BI
Voyons dans le détail quelles sont les éditions nécessaires.
Nous n’entrerons pas dans les considérations de tarifs. Sur ce sujet, prenez contact directement
avec votre revendeur ou avec votre commercial Microsoft pour une estimation précise.
1. SQL Server 2019

Le discours et les plaquettes commerciales de Microsoft vantent la disponibilité des outils
décisionnels de la suite SQL Server dès l’édition Standard.
Dans la réalité, mettre en place une solution décisionnelle avec SQL Server nécessite de disposer de
l’édition Enterprise. Or la différence de coût entre l’édition Standard et Enterprise est vraiment
substantielle.
L’édition Enterprise est à privilégier, car au-delà des considérations de haute disponibilité ou de
montée en charge, cette édition dispose de fonctionnalités décrites de manière assez obscure dans les
plaquettes commerciales ou de comparaison de versions, qui se révèlent malgré tout essentielles.
Nous verrons notamment au chapitre La modélisation dimensionnelle que pour modéliser
correctement notre entrepôt de données, nous aurons besoin de deux fonctionnalités incontournables :
 La semi-additivité : entre autres raisons, sans cette fonctionnalité, votre entrepôt de données sera
amputé de toutes les tables de faits de type photo. Il existe trois types de tables de faits et ce
dernier type est celui qui apporte la plus grande valeur ajoutée par rapport à des systèmes
opérationnels classiques.
 Les perspectives : il s’agit de la fonctionnalité permettant de réaliser un entrepôt de données
conforme en toute sérénité. La perspective décrit des contextes cohérents d’analyse de données.
Sans cette fonctionnalité, le principe de l’entrepôt de données, exposé au travers d’Analysis
Services, est mis à mal.
Une dernière fonctionnalité est essentielle pour assurer la pérennité de votre système décisionnel :

 L’intelligence financière : nous ne l’aborderons pas dans cet ouvrage, mais l’intelligence
financière est la fonctionnalité ouvrant Analysis Services au Management de la Performance et à
toutes les problématiques des services financiers et de contrôle de gestion. L’ultime finalité du
décisionnel est tout de même de donner les moyens de gérer la performance. Il serait dommage
de se priver des moyens techniques.

En fait, la différence entre l’édition Standard et Enterprise se fait sur ces nombreux petits détails. Les
quelques éléments donnés en exemple ci-dessus ne concernent que Analysis Services. La différence
de fonctionnalités entre les versions touche bien évidemment aussi Integration Services et Reporting
Services.
En conclusion, sauf après étude et contexte spécifique, la mise en œuvre de la solution BI Microsoft
nécessite SQL Server en édition Enterprise.
À noter aussi que c’est la licence SQL Server 2019 qui permet de détenir et d’installer le Power BI
Report Server. La licence Power BI Premium est uniquement requise dans le cas de l’utilisation cloud
des services Power BI.
2. Office 365/Office 2019

Office est maintenant décliné en deux éditions. Il est vendu en logiciel classique sous le nom d’Office
2019 et il est vendu sous forme de services sous l’appellation Office 365.
Quelle que soit son édition, dans la licence Office, le décisionnel s’intéresse surtout à Excel. Et dans
toutes les éditions d’Excel, vous aurez la possibilité de faire des tableaux croisés dynamiques
nativement et d’exploiter le contenu des cubes Analysis Services.
3. SharePoint 2019
L’étude de SharePoint n’est pas abordée dans cet ouvrage. Il n’en reste pas moins que la solution était
jusqu’à présent nécessaire pour bénéficier de la suite décisionnelle complète. Il y a encore deux ans,
nous vous aurions conseillé vivement de l’intégrer dans vos estimations de coûts prévisionnels.
Cependant, Microsoft ne maintient plus les services décisionnels associés à SharePoint. Ces services
utilisent des technologies en obsolescence comme Silverlight et leurs performances ne sont plus à la
hauteur des nouveaux enjeux. Microsoft déconseille donc leur utilisation. Nous vous le déconseillons
également. Il n’y a donc plus de portail ou de réceptacle évident au système décisionnel chez
Microsoft permettant de piloter la performance d’une organisation.
Pour pouvoir centraliser les contenus BI, vous aurez donc, soit la possibilité de développer votre
propre portail web ou application mobile appelant ces mêmes contenus Power BI ou Reporting
Services, soit la possibilité de mettre en place le serveur de rapports Power BI. C’est la solution que je
vous propose dans cet ouvrage. Pour plus de détails référez-vous au chapitre Restituer les données
décisionnelles - Power BI.

Découverte des outils SQL Server
Avant de vous lancer dans les chapitres pratiques qui vont suivre, nous vous proposons une petite
découverte des outils SQL Server que vous allez avoir à utiliser.
Pour l’ensemble des outils, SQL Server dispose de deux consoles de gestion principales :
 La console SQL Server Management Studio (ou SSMS) est la console destinée aux
administrateurs. Vous pourrez y créer des bases de données relationnelles, programmer vos
sauvegardes, y faire vos restaurations…
 La console SQL Server Data Tools (ou SSDT) est la console destinée aux développeurs. Vous
pourrez y développer des flux ETL, des rapports ou des cubes.
1. SQL Server Management Studio

a. Connexion à des serveurs SQL Server
Ouvrons SQL Server Management Studio (SSMS) afin de prendre connaissance de la console
d’administration et aborder quelques sujets dont vous aurez sûrement besoin dans les chapitres
suivants.
 Dans le menu Démarrer, ouvrez le répertoire Microsoft SQL Server Tools, puis cliquez
sur Microsoft SQL Server Management Studio.
Une fenêtre de connexion s’ouvre :
Cette fenêtre vous permet de vous connecter à un serveur, quel que soit son type :
 Moteur de base de données
 Analysis Services

 Reporting Services
 Integration Services

L’administration de tous les outils décisionnels SQL Server a été centralisée pour plus de facilité dans
un seul et unique environnement.
 Pour vous connecter à votre serveur de base de données, saisissez le nom de votre serveur puis
cliquez sur Connexion..
Le nom de votre serveur est généralement de la forme NomMachine\Instance. Vous verrez

d’ailleurs sur la copie d’écran que dans notre cas, le serveur de base de données est accessible sur
le serveur SERVEUR1.
Une fois la connexion établie, la fenêtre Explorateur d’objets affiche les objets d’administration du
serveur de bases de données sur lequel vous êtes connecté :
L’explorateur d’objets de SSMS
SQL Server Management Studio vous offre la possibilité de vous connecter, soit à un autre serveur de
base de données relationnelle, soit à d’autres types de serveur.
Nous allons par exemple nous connecter au serveur Analysis Services. Pour cela :
 Dans l’Explorateur d’objets, cliquez sur Connecter, puis sur Analysis Services.
 Dans la fenêtre de connexion, saisissez le nom de votre serveur Analysis Services.
Le nom d’un serveur Analysis Services se compose de la même manière que le serveur de base
relationnelle : NomMachine\Instance.

Une fois la connexion établie, les objets d’administration de votre serveur Analysis Services
s’affichent en dessous de votre connexion précédente :
b. Modification des options de l’interface graphique

Pour la suite des manipulations, nous avons besoin de modifier une option de configuration de
l’interface de SSMS.
 Pour modifier les options de l’interface, cliquez dans la barre de menu sur Outils, puis
sur Options.
Nous allons désactiver une option, qui est activée par défaut après l’installation de SQL Server. Cette
option empêche de modifier une table ou tout autre objet de base de données à l’aide de l’interface
graphique. Cette protection n’étant pas très pratique pour la suite des manipulations, nous allons la
désactiver. Pour cela :
 Cliquez sur l’onglet Concepteurs.
 Puis décochez l’option Empêcher l’enregistrement de modifications qui nécessitent une
recréation de la table.

 Cliquez enfin sur OK pour valider la modification.

c. Restauration d’une base de données
En suivant l’ordre chronologique des chapitres, vous allez être amené à créer ex nihilo une base de
données.
Toutefois, il vous sera nécessaire de restaurer une base de données pour les besoins du chapitre
Alimenter l’entrepôt de données avec SSIS. Vous aurez aussi besoin de restaurer une base de données,
si vous souhaitez lire les chapitres par ordre d’intérêt, plutôt que par ordre chronologique.
Pour restaurer une base de données, procédez ainsi :
 Au niveau de la connexion de votre moteur de base de données, faites un clic droit sur Base
de données, puis dans le menu contextuel, sélectionnez Restaurer les fichiers et les groupes de
fichiers.
La fenêtre Restaurer les fichiers et les groupes de fichiers s’affiche. Pour restaurer par exemple la
base de données DistrisysSA, dont vous aurez besoin au chapitre Alimenter l’entrepôt de données
avec SSIS, procédez ainsi :
 Téléchargez depuis la page Informations générales, dans le dossier Chapitre 2 - Installation et
découverte des outils SQL Server, le fichier DistrisysSA.bak.
 Saisissez dans le champ Vers la base de données le nom de la base de données à restaurer.
Dans notre cas DistrisysSA.
 Cochez l’option À partir de l’unité.
 Parcourez votre disque à la recherche du fichier DistrisysSA ch2.bak préalablement
téléchargé.
 Un fichier de sauvegarde peut contenir plusieurs jeux de sauvegarde, cochez le jeu le plus
récent.

Interface de restauration d’une base de données
 Enfin, cliquez sur OK pour lancer la restauration.

2. SQL Server Data Tools
Enfin, ouvrons l’interface de développement : SQL Server Data Tools (SSDT).
 Dans le menu Démarrer, cliquez sur Visual Studio 2017 (SSDT).
L’interface de développement SSDT n’est autre en fait que Visual Studio 2017. L’interface de
développement décisionnel bénéficie donc de la richesse de tous les compléments et outils de
productivité complémentaires existants sur le marché pour Visual Studio 2017.
L’interface SQL Server Data Tools
Pour voir les projets décisionnels que vous pouvez créer :

 Dans la barre de menu, cliquez sur Fichier, puis sélectionnez Nouveau et enfin cliquez
sur Projet.

Tous les projets de développement décisionnel seront gérés par SSDT

SSDT étant une version allégée de Visual Studio 2017, vous ne bénéficiez pas de la possibilité de
créer des projets de développement .NET. En revanche, il vous est offert la possibilité de créer des
projets :
 Multidimensionnel et d’exploitation de données Analysis Services pour créer des bases
multidimensionnelles : nous aborderons ce sujet dès le prochain chapitre : Réaliser son premier
système décisionnel.
 Integration Services, pour réaliser les flux d’alimentation ETL : nous aborderons ce sujet dans le
chapitre Alimenter l’entrepôt de données avec SSIS.
 Report Server, pour créer des rapports : nous aborderons ce sujet dans le chapitre Restituer les
données décisionnelles.
Maintenant que vous savez comment accéder à SSMS et à SSDT, nous allons commencer dès le
prochain chapitre à entrer dans le vif du sujet. Nous allons créer un entrepôt de données et faire
connaissance avec les premiers concepts décisionnels.
Quiz
 Accéder au Quiz sur : Installation et découverte des outils SQL Server

Restituer les données décisionnelles
Introduction
Au cours de ce chapitre, nous allons étudier différentes manières d’exploiter les données. Microsoft
dispose de très nombreux outils et solutions de restitution de données. Cette multitude d’outils, dédiés
à répondre au plus grand nombre et aux plus exigeants, dessert parfois l’éditeur en donnant une
impression de complexité.
Pour mieux comprendre le positionnement et l’usage de chacun des outils de la gamme, reportez-vous
au chapitre Introduction - La solution Microsoft BI.
La gamme étant assez complète, nous allons étudier au cours de ce chapitre uniquement les outils de
restitution des gammes Microsoft Office, Microsoft SQL Server et Power BI.
Nous allons donc nous attarder sur trois outils : Excel, SQL Server Reporting Services 2019 et Power
BI.
Au cours de ce chapitre, nous réaliserons des manipulations sur les données du cube réalisé dans les
chapitres précédents. Si vous n’avez pas effectué les manipulations précédentes, vous pourrez
toutefois suivre ce chapitre en restaurant les bases de données de l’entrepôt de données et du cube
associé. Ces bases sont disponibles en téléchargement depuis la page Informations générales.

Excel
Les utilisateurs fonctionnels qui manipulent et analysent les données sont vraiment attachés à Excel.
Microsoft a bien compris l’avantage qu’il pouvait en tirer.
Le point d’entrée de l’offre BI sur le poste de travail est Excel et l’outil d’un point de vue décisionnel
est assez complet, c’est-à-dire qu’Excel permet de se connecter à un cube et d’explorer ses données.
Excel est, dans la gamme Microsoft BI, l’outil le plus adapté pour l’analyse et la manipulation des
données. Son usage est destiné à une population d’analystes.
Depuis la version 2000, Excel a la capacité de créer des tableaux croisés dynamiques à partir d’un
cube.
Beaucoup d’entre vous connaissent ou utilisent déjà la fonction de tableau croisé dynamique. Cette
fonction, dans sa version de base, permet, à partir des tables de données contenues dans Excel,
d’agréger ces données et de ventiler les résultats par colonnes ou par lignes comme le montre
l’exemple ci-dessous :

1. Utiliser Excel pour exploiter les données de son cube
Nous allons donc nous connecter au cube Distrisys à partir d’Excel et créer un tableau croisé
dynamique.
 Pour vous connecter au cube Distrisys, dans le ruban, cliquez sur l’onglet Données.
 Au niveau du bouton Obtenir des données, choisissez À partir d’une base de données, puis
cliquez sur À partir de Analysis Services.
Se connecter à un cube à partir d’Excel 2019
 La fenêtre Assistant Connexion de données s’ouvre. Entrez le nom de votre serveur et

instance SQL Server Analysis Services. Par défaut, cochez utiliser l’authentification
Windows pour vous connecter au cube avec votre compte Windows.
 Puis l’assistant vous demande de sélectionner la base de données. Spécifiez la base
multidimensionnelle DistrisysOLAP.
L’assistant vous propose alors les cubes et perspectives disponibles. Si vous souhaitez vous rappeler
comment créer une perspective reportez-vous au chapitre La modélisation dimensionnelle -
Facturation et commande client.
 Sélectionnez la perspective Suivi Vente par Produit.

 Renommez la connexion Distrisys Suivi Vente par produit, puis cliquez sur Terminer.
 La fenêtre Importation de données s’affiche et vous propose de choisir l’emplacement du
tableau croisé dynamique. Par défaut, laissez sélectionnée la cellule A1, la plus en haut à gauche.
Vous pouvez constater que la liste de champs de tableau croisé dynamique affiche la structure de la
perspective. On y retrouve les groupes de mesures Facture et Budget Vente, ainsi que les
dimensions Temps, Site et Produit.
Pour créer un tableau croisé dynamique, il vous suffit alors de sélectionner une ou plusieurs mesures,
puis de glisser les hiérarchies et attributs dans les zones Étiquettes de lignes, Étiquettes de
colonnes et/ou Filtres du rapport.
Le tableau croisé dynamique Excel sur un cube
Pour obtenir le tableau croisé dynamique ci-dessus :

 À partir de la Liste de champs de tableau croisé dynamique, cochez les mesures CA sous le
groupe de mesures Facture, puis CA - Budget Vente sous le groupe de mesures Budget Vente.
 Puis faites glisser la hiérarchie Famille-SousFamille-Produit dans la zone Étiquettes de
lignes pour un affichage des produits en ligne.
 Faites glisser la hiérarchie Année - Mois de la dimension Temps dans la zone Filtre du
rapport.
 Faites glisser la hiérarchie Pays - Site de la dimension Site dans la zone Filtre du rapport.
 Puis dans le tableau croisé dynamique, sélectionnez dans la liste déroulante de la
hiérarchie Temps.Annee - Mois le membre Calendrier 2022, afin de restreindre les données du
tableau croisé dynamique aux valeurs de l’année 2022.
 Pour terminer, sélectionnez dans la liste déroulante de la hiérarchie Pays - Site le
membre Agence Sud afin de restreindre l’affichage aux ventes réalisées par les agences
commerciales françaises.

Si vous n’êtes pas à l’aise avec les termes Hiérarchie, Membre, Dimension ou Groupe de mesure,
n’hésitez pas à vous conférer au chapitre Réaliser son premier système décisionnel.

La constitution du tableau croisé dynamique d’Excel à partir d’un cube est vraiment simple et
intuitive. À l’aide des boutons plus ( ) et moins ( ), vous avez la possibilité de descendre et de
monter dans la hiérarchie. À noter que pour un cube bien modélisé, les performances du tableau croisé
dynamique sur un cube sont généralement assez exceptionnelles surtout au regard du nombre de
données brassées. Le délai d’affichage d’un tableau croisé dynamique est de l’ordre de la
seconde généralement.
Le tableau croisé dynamique d’Excel constitue ainsi un bon moyen d’exploiter rapidement vos
données : en modifiant les axes pour changer l’angle de vue, en filtrant les données, puis en
descendant si besoin dans les hiérarchies en lignes ou en colonnes.
Depuis la version Excel 2007, en plus de l’amélioration significative de la navigation dans le cube,
Microsoft a fait de nombreux efforts sur la présentation des données. Partant du constat que les
utilisateurs des services fonctionnels passaient un temps non négligeable sur la présentation des
données, Excel propose, depuis sa version 2007, des fonctions de mise en forme automatique.
Excel propose ainsi de nombreux modèles de mise en forme visuelle pour enrichir rapidement la
représentation de vos données.
2. Mettre en forme les données de son cube sous Excel

 Pour en bénéficier, cliquez dans le ruban sur Accueil puis sur Mettre sous forme de tableau.
 Puis passez tout simplement la souris sur les différents modèles pour voir se mettre en forme
votre tableau croisé dynamique.

La mise en forme rapide des tableaux croisés dynamiques

D’autres fonctions complémentaires incluses sous le menu Mise en forme conditionnelle viennent
enrichir visuellement le rendu et la comparaison des données : valeurs supérieures à la moyenne, 10 %
des valeurs les plus importantes, mini barres représentant l’importance des valeurs dans les cellules,
jeux d’icônes pour représenter des atteintes d’objectifs ou des tendances...
 Pour tester les règles prédéfinies ou créer les vôtres, cliquez dans le ruban sur
l’onglet Accueil, puis sélectionnez le menu Mise en forme conditionnelle. Sélectionnez les
éléments que vous voulez mettre en évidence.
 Pour obtenir l’exemple ci-après, passez la souris sur Barres de données, puis sélectionnez
une couleur de diagramme en barre en dégradé.
La mise en forme conditionnelle des cellules de données

Excel propose aussi de représenter vos données issues du tableau croisé dynamique sous forme de
graphique. La palette des représentations graphiques proposées est assez large : histogramme, courbes,
secteurs, barres, aires, nuage de points, représentations boursières, surface, anneau, bulles, radar… Les
graphiques peuvent être en 2D ou en 3D et de nombreuses options sont proposées.
Les représentations graphiques proposées par Excel 2019
 Pour réaliser un graphique à partir du tableau croisé dynamique, sélectionnez une cellule du
tableau croisé dynamique pour faire afficher des onglets spécifiques dans le ruban.
 Sous le grand onglet Outils de Tableau croisé dynamique, sélectionnez l’onglet Analyse,
puis cliquez sur Graphique croisé dynamique.
La fenêtre Insérer un graphique s’ouvre et vous invite à choisir une représentation graphique.
 Sélectionnez un diagramme en histogramme, puis cliquez sur OK.

Votre tableau croisé dynamique s’affiche alors sous forme de diagramme. Néanmoins il reste
dynamique : des invites vous permettent de filtrer les données du graphique suivant la dimension
temps et la dimension Site. Et l’invite Famille - SousFamille - Produit vous permet de restreindre la
liste des produits affichés sur l’axe des abscisses.
Un graphique croisé dynamique sur un cube
3. Mettre en valeur des éléments précis

En termes d’affichage graphique, un nouvel élément de navigation très pratique a fait son apparition
avec la version Excel 2010 : le slicer (ou segment).
Le slicer est une autre façon assez visuelle de filtrer les données. Il permet l’affichage de fenêtre
flottante affichant sous forme de bouton des options de filtre du tableau croisé dynamique. Le slicer
permet ainsi des mises en page de données plus accessibles et orientées tableau de bord.
 Pour créer un slicer, sélectionnez une cellule du tableau croisé dynamique pour faire afficher
des onglets spécifiques dans le ruban.
 Sous le grand onglet Analyse du Tableau croisé dynamique, cliquez sur Insérer un
segment.
Une fenêtre Insérer des segments s’ouvre et vous propose les hiérarchies ou attributs à représenter
sous forme de slicer.

 Sélectionnez, sous la dimension Site et la hiérarchie Pays - Site, l’attribut Site. Cliquez
sur OK.
Le segment ainsi créé vous permet de sélectionner un ou plusieurs sites de Distrisys.

 Cliquez sur un site pour modifier l’affichage des données du tableau et du graphique croisé
dynamique.

Utilisation du segment sous Excel

4. Créer des mesures calculées
Au cours du chapitre La Modélisation Dimensionnelle, nous avons proposé une initiation au langage
de requêtage MDX. Ces requêtes, qui étaient testées sous Management Studio, étaient ensuite
implémentées directement dans le cube avec SSDT. Ces requêtes permettaient notamment d’enrichir
le cube par de nouvelles mesures calculées.
Nous avions ainsi créé les mesures calculées suivantes : % Marge, CA Mois-1, Coût Total...
Avec Excel et avec une initiation au langage MDX, vous pouvez aussi créer vos propres mesures
calculées directement dans Excel.
Cependant, ces mesures n’auront pas la même persistance que celle créées avec SSDT. Ces mesures
seront disponibles uniquement dans le tableau croisé dynamique dans lequel elles auront été créées.
Lorsque vous ouvrirez une nouvelle connexion, elles auront disparu.
Cette souplesse est malgré tout très utile. Nous allons ainsi voir dans l’exemple qui suit comment
créer une nouvelle mesure CA France.
 Commencez par réaliser le tableau croisé dynamique suivant :
 Dans le ruban, cliquez sur l’onglet Analyse du tableau croisé dynamique.

 Dans le menu, cliquez sur Calculs, puis sur Outils OLAP et enfin sur Gérer les calculs.
La fenêtre Gérer les calculs s’affiche. Elle vous permet de visualiser, de modifier ou de supprimer

toutes les mesures que vous souhaitez créer.
 Cliquez sur Nouveau, puis sur Créer une mesure calculée.

La fenêtre d’édition de la mesure calculée s’affiche.
 Au niveau du champ Nom entrez CA France.
 Sélectionnez le groupe de mesures Facture afin de retrouver cette nouvelle mesure dans ce
bloc.
Pour insérer la référence d’une mesure ou d’un membre de hiérarchie dans la zone MDX, il vous faut
la sélectionner dans la zone Champs et éléments, puis faire un glisser-poser à l’emplacement
souhaité dans la zone MDX.
Nous allons ainsi entrer la requête MDX suivante :
( [Measures].[CA], [Site].[Pays - Site].[Pays].&[FR] )
Vous devriez alors obtenir l’écran suivant :
 Cliquez sur OK pour créer la mesure calculée.

 Puis fermez la fenêtre Gérer les calculs.

Vous pouvez maintenant utiliser cette nouvelle mesure CA France, comme toutes autres mesures du
cube.
Gardez cependant à l’esprit que cette mesure calculée ne sera pas persistée dans un nouveau tableau
croisé dynamique.
Pour plus de détails sur le requêtage MDX, veuillez vous référer au chapitre La modélisation
dimensionnelle - Introduction au MDX.
5. Extraire des données de détail

Au chapitre La modélisation dimensionnelle - Facturation et commande client, nous avons mis en
œuvre une action sur le cube. Celle-ci offrait la possibilité d’extraire les lignes de données avec le
numéro de facture constituant un agrégat. C’est une fonction très pratique afin d’auditer vos données
et de faire le lien avec les systèmes opérationnels (logiciel de gestion, ERP, CRM…).
Cette fonction permet par exemple d’afficher en détail les lignes avec le numéro de facture,
constituant les 382 226 € de ventes de Réfrigérateurs sur l’agence Ouest.
 Pour ce faire, sélectionnez la cellule comportant les 382 226 € de CA de réfrigérateurs en
2022 sur l’agence Ouest.

 Faites un clic droit pour afficher le menu contextuel, sélectionnez Actions supplémentaires,
puis Extraction Facture.
L’action d’extraction crée une nouvelle feuille contenant la liste des lignes constituant l’agrégat
sélectionné et affichant le numéro de facture correspondant.

L’action est une fonction SSAS parfaitement gérée par Excel. C’est le meilleur moyen donné à
l’utilisateur pour lui laisser la possibilité d’auditer ses données.
Feuille de données issue d’une action d’extraction
Les actions d’extractions sont des fonctionnalités importantes à envisager au moment de la

modélisation de l’entrepôt de données et de la conception de votre cube. N’hésitez pas à vous
référer au chapitre La modélisation dimensionnelle - Facturation et commande client pour
apprendre à les mettre en œuvre.
6. Le mode Formule
Enfin, sans faire la liste exhaustive des fonctionnalités d’Excel, il est important de connaître une
dernière fonction assez méconnue : le mode formule.
L’affichage du tableau croisé dynamique en mode formule permet d’individualiser chacune des
cellules du tableau croisé dynamique courant. Dans ce mode formule, vous perdez les fonctionnalités
de navigation et de manipulation de données. En revanche, vous gagnez en richesse de représentations
de vos données.
Chacune des cellules constitutives de votre tableau croisé dynamique devenant indépendantes, vous
avez donc la possibilité d’en supprimer une partie, d’en déplacer une autre, ou bien de n’en conserver
que quelques-unes. Libre à vous de faire la mise en page qui vous convient. En revanche, faites
attention, car vous n’aurez alors plus la possibilité de revenir en mode tableau croisé dynamique
standard.
Dans notre feuille Excel courante, nous allons créer un nouveau tableau croisé dynamique affichant le
CA et le % Marge sur les mois de l’année 2022. Puis, nous allons convertir ce tableau croisé
dynamique en mode formule.
 Cliquez sur la Feuil2.
Nous allons créer un nouveau tableau croisé dynamique réutilisant la connexion au cube
précédemment créée.
 Dans le ruban, cliquez sur l’onglet Données, puis sélectionnez Connexions existantes.
 À l’affichage de la fenêtre Connexions existantes, sélectionnez sous Connexion de ce
classeur sur la connexion Distrisys Suivi vente par produit. Cliquez sur Ouvrir.

 La fenêtre importation de données s’affiche, cliquez sur OK.

 Réalisez un tableau croisé dynamique comme ci-après, affichant CA et % Marge en colonne,
la dimension Temps en ligne et les dimensions Site et Produit en filtre.
 Pour passer du mode tableau croisé dynamique en mode formule, sélectionnez une cellule du
tableau croisé dynamique pour faire apparaître l’onglet Analyse du tableau croisé dynamique.
 Dans la section Outils, cliquez sur Calculs, puis sur Outils OLAP et enfin sur Convertir en
formules.
Un message d’avertissement vous alerte sur le fait que vous ne pourrez plus revenir en mode tableau
croisé dynamique une fois la conversion effectuée.
 Confirmez la conversion en cliquant sur le bouton Convertir.
Le tableau perd sa mise en forme. En revanche, les filtres continuent de fonctionner et chaque cellule
est indépendante l’une de l’autre.

Un clic sur une cellule vous permet de constater que chaque cellule fait appel à la fonction Excel
VALEURCUBE. En mode formule, chaque cellule, au travers de la fonction VALEURCUBE, génère
une requête MDX retournant une valeur.
Le tableau croisé dynamique converti en mode formule
Attention toutefois aux performances : chaque cellule génère une requête au cube au lieu d’une
pour l’ensemble des données du tableau croisé dynamique. Nous vous déconseillons d’utiliser ce
mode pour faire de l’extraction de données du cube.
Un des nombreux intérêts de la conversion en mode formule est de pouvoir bénéficier des fonctions
graphiques traditionnelles d’Excel.

Ainsi, le graphique en exemple ci-dessous est un graphique standard d’Excel basé sur les cellules
converties :
Graphique standard d’Excel basé sur les données du cube via le mode formule
Le mode formule permet alors, via les fonctions graphiques standard d’Excel, de combiner graphique
en courbe et histogramme, d’afficher le CA sur un axe et le % Marge sur un axe secondaire.
Avec le mode formule, l’utilisateur traditionnel d’Excel va retrouver le confort d’utilisation de son
outil favori, tout en manipulant des données issues d’un cube et bénéficier également des avantages
que l’on connait : performance, sécurité, centralisation de l’information…

Conclusion
Conclusion et perspectives
Au chapitre d’introduction, nous avons vu que l’offre Microsoft BI est structurée autour des trois
promesses du décisionnel :
 Améliorer l’accès et la qualité des données.
 Gagner en finesse d’analyse et de compréhension des données.
 Gérer les performances de l’organisation et de ses politiques.
Tout au long de l’ouvrage, vous avez pu apprendre à employer la suite SQL Server pour mettre en
œuvre les deux premières promesses du décisionnel :
Vous avez appris à bâtir et à modéliser un entrepôt de données permettant de réaliser des analyses
transversales.
 Vous vous êtes servi de SSIS pour alimenter l’entrepôt de données, mais aussi pour qualifier les
données.
 Vous avez employé Master Data Services pour bâtir un référentiel de données et ainsi améliorer
le croisement des données provenant de systèmes hétérogènes.
 Vous avez créé des rapports SSRS pour faire remonter aux utilisateurs les défauts de leurs
données.
 Vous avez employé SSRS dans le but de diffuser un rapport de masse, améliorant la qualité et la
cohérence de l’information délivrée aux décideurs opérationnels
 Vous avez appris à employer Excel pour naviguer et explorer les données du métamodèle SSAS.
Avec la suite Power BI, et avec son intégration dans les suites collaboratives, vous avez entrevu la
possibilité de répondre à la troisième promesse du système décisionnel.
 Vous avez appris à créer des dashboards avec Power BI pour présenter et partager des
informations.
 Avec Power BI report Server, vous avez découvert un premier portail BI, réunifiant les contenus
décisionnels.
Tout au long de l’ouvrage, vous avez pu constater que la mise en œuvre d’un système décisionnel ne
se limite pas à l’utilisation d’outils. La réalisation de ces deux premières promesses a nécessité
l’emploi d’une démarche structurée, la connaissance et l’application de concepts issues du terrain et
de l’expérience.
La modélisation dimensionnelle ne se limite pas à des schémas en étoile. Elle est pétrie de code et
d’astuces qu’il faut impérativement connaître pour obtenir un modèle Analysis Services stable et
performant.
Nous avons aussi abordé l’alimentation de données et vous avez là aussi pu constater l’importance
d’une bonne organisation des bases de données, de la bonne répartition de leur rôle et de la nécessité
de l’élaboration d’une stratégie d’audit. Nous avons vu que pour bien employer Integration Services, il
vous fallait maîtriser ses concepts, qui sont inhérents à l’utilisation de l’ETL.
Enfin, nous avons vu que nous ne pouvons pas nous contenter d’un seul outil pour faire la restitution à
l’ensemble des analystes et décideurs de l’organisation. Penser l’interface de restitution nécessite de
bien comprendre l’emploi de l’outil dans le processus de décision. Toute votre valeur ajoutée, lors de

cette phase, est de doter le bon utilisateur du bon outil, et surtout d’employer le bon outil à bon escient
pour lui éviter des utilisations à contre-emploi.
Sur ce dernier point, nous avons aussi pu constater que l’ouvrage ne traitait que d’une partie des outils
de restitution. Nous avons assez insisté sur le fait que la solution Microsoft BI reposait non seulement
sur SQL Server, mais aussi sur Office et Power BI.
La suite SQL Server est conçue surtout pour répondre à la mise en œuvre d’un entrepôt de données.
L’entrepôt de données n’est toutefois qu’une étape de maturité d’un système décisionnel.
Évolution de la maturité des systèmes d’aide à la décision
Plus votre système va gagner en maturité, plus les problématiques et les outils pour y répondre vont
s’éloigner dans un premier temps d’une problématique IT pour tendre vers du management de la
performance.
À ce stade, les solutions collaboratives seront alors vos alliées, car il faut pouvoir organiser les
tableaux de bord efficacement au sein de l’organisation et les rendre accessibles aux bonnes
personnes.
Enfin, ces dernières années nous avons vu émerger de nouveaux défis pour pousser les futurs systèmes
de Business Intelligence à utiliser encore plus de données provenant de partenaires ou d’équipements
qui étaient auparavant jugés périphériques au système d’information de l’entreprise. Le système
d’information de l’entreprise devient progressivement étendu et intégré à ses partenaires. Les
technologies Big Data viennent ainsi compléter en amont la chaine de valeur du système BI.
Le Master data dans ces conditions revêt encore plus d’importance qu’auparavant pour garantir
l’intégrité et la réconciliation des informations.

Enfin, devant des systèmes décisionnels qui vont en complexités technologiques grandissantes, il va
de soi que le cloud va jouer un rôle majeur voir disruptif dans l’approche que nous avons du système
décisionnel aujourd’hui.
Pour ma part, je pense que l’avenir du système décisionnel sera très probablement dans le cloud, afin
d’absorber cette complexité grandissante, se maintenir à jour des défis à venir, mais aussi pour rendre
les systèmes décisionnels plus démocratiques. Plus démocratiques pour les rendre accessibles à des
organisations de taille plus petite (PME, voire TPE), mais aussi afin que l’information soit accessible
encore plus facilement, à tout moment, sur tous supports.
Avec cet ouvrage, nous venons de mettre en place le socle du système décisionnel que sont l’entrepôt
de données et le référentiel de données.
Vous venez de réaliser les premières briques de votre système décisionnel avec SQL Server ? Vous
venez de faire le plus dur ! La valeur ajoutée de votre système ne peut aller qu’en grandissant. Le
lancement d’un projet décisionnel ouvre la porte à de passionnants projets très concrets dans leur
capacité à faire progresser votre organisation et surtout à faire mieux dialoguer les individus qui la
composent.

Informations Générales: Business Intelligence Avec SQL Server 2019 Et Power BI

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

Informations Générales: Business Intelligence Avec SQL Server 2019 Et Power BI

Transféré par

Droits d'auteur :

Formats disponibles

Informations générales

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

L’informatique décisionnelle est souvent appelée BI pour Business Intelligence. Attention, le

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Les décideurs stratégiques

Les décideurs tactiques

Les décideurs opérationnels

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

2. Les facteurs d’amélioration de la prise de décision

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Architecture technique d’un système décisionnel

Conditions générales d'utilisation Copyright - ©Editions ENI

Les outils de restitution suivant les profils d’utilisateurs

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

a. SQL Server Integration Services

Conditions générales d'utilisation Copyright - ©Editions ENI

Déroulement d’un flux ETL sous SSIS

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

b. SQL Server Master Data Services

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Interface d’administration de MDS

La gestion des données de référence dans Excel avec MDS

Base de connaissances DQS

Conditions générales d'utilisation Copyright - ©Editions ENI

Le mode multidimensionnel

Interface de conception Analysis Services

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

e. SQL Server Reporting Services

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Le tableau croisé dynamique d’Excel

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Notre étude de cas : Distrisys

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

 Accéder au Quiz sur : Introduction

Conditions générales d'utilisation Copyright - ©Editions ENI

1. SQL Server 2019

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

2. Office 365/Office 2019

Conditions générales d'utilisation Copyright - ©Editions ENI

1. SQL Server Management Studio

Conditions générales d'utilisation Copyright - ©Editions ENI

Conditions générales d'utilisation Copyright - ©Editions ENI

Le nom de votre serveur est généralement de la forme NomMachine\Instance. Vous verrez

L’explorateur d’objets de SSMS