Vous êtes sur la page 1sur 11

Système d’Information Décisionnel

M1 Data Science and Software Development

Chapitre 1: Introduction

Haïfa Nakouri

hayfa.nakouri@esen.tn

ESEN Manouba

2019/ 2020

Informatique décisionnelle
≈ Business Intelligence
 Définition : Un système d’information décisionnel
est un ensemble de données organisées de façon
spécifique facilement accessibles et appropriées à
la prise de décision
 Principe : Exploitation des données dans le but de
faciliter la prise de décision par les décideurs
 Objectif : La compréhension du fonctionnement
actuel et l’anticipation des actions pour un pilotage
éclairé de l’entreprise
 Cible : management de l’entreprise
Haïfa Nakouri SID ESEN 2019/ 2020 2

1
Enjeux du décisionnel

 La prise de décision stratégique dans une entreprise


nécessite le croisement de multiples informations
concernant tous les départements
 Production, RH, achats, ventes, marketing, SAV, R&D, etc
.
 Les données sont généralement :
 Éparpillées dans les départements et non connectées
entre elles
 Hétérogènes dans leurs formats techniques leurs
organisations structurelles et parfois leurs sémantiques
 Implémentées pour l’action et non pour l’analyse
 Volatiles et non historisées.

Haïfa Nakouri SID ESEN 2019/ 2020 3

Enjeux du décisionnel

Exemple
 Un catalogue de produit peut permettre de
 trouver facilement un produit en fonction de
caractéristiques précises
 de faire des MAJ rapides et fiables
 de gérer des stocks, etc. Mais…
 Un système décisionnel souhaite
 Connaitre l’organisation des produits en fonction de
caractéristiques précises
 Connaitre des regroupements qui ne sont pas forcément
premiers dans la gestion quotidienne
 Croiser le catalogue du produit avec les ventes

Haïfa Nakouri SID ESEN 2019/ 2020 4

2
Exploitation des données

 Les données intégrées dans un système décisionnel


servent à trois grandes catégories d’usage :

1. La production de rapport récurrents (Reporting)

2. L’exploitation manuelle

3. L’analyse de données (descriptive ou prédictive)

Haïfa Nakouri SID ESEN 2019/ 2020 5

Evolution des outils de l’informatique


décisionnelle

o 1960
o Systèmes de gestion de fichiers, collection de
données, bases de données (modèle réseau)
o 1970
o Emergence du modèle relationnel et de son
implémentation
o 1980
o SGBD relationnels, modèles avancés (relationnel
étendu, OO, déductif, etc.) et orientés application
(spatial, scientifique)
o 1990
o Data Mining, entrepôt de données
(datawarehouse), multimédia, Web, etc

Haïfa Nakouri SID ESEN 2019/ 2020 6

3
Informatique décisionnelle

Potential croissant
pour le processus
décisionnel Making Utilisateur final
Decisions

Data Presentation Analyste


du domaine
Visualization Techniques

Analyste
Data Mining de données
Information Discovery

Data Warehouses / Data Marts


OLAP
Administrateur
Data Sources de BD
Paper, Files, Information Providers, Database Systems,…

Haïfa Nakouri SID ESEN 2019/ 2020 7

Architecture d’un système décisionnel


 Tout système décisionnel est architecturé globalement
de la même façon
 En amont un accès au système transactionnel en lecture
seule
 Un Datawarehouse (DW) fusionnant les données requises
 Un ETL permettant d’alimenter le DW à partir de données
existantes
 Des applications d’exploitation de
reporting, exploration/prédiction
 D’éventuels Data Mart
 Magasin de données

Haïfa Nakouri SID ESEN 2019/ 2020 8

4
DataWarehouse

≈ Entrepôt de données
 « Un datawarehouse est une collection de données
thématiques, intégrées, non volatiles et historisées
pour le support d’un processus d’aide à la décision».
Bill Inmon (Créateur du concept de Datawarehouse)

Historisées:
données datées Non volatiles: pas de
suppression

Thématiques: données triées


par thème
Intégrées: données
"nettoyées"
Haïfa Nakouri SID ESEN 2019/ 2020 9

Process ETL

≈ Extract, Transform, Load

Haïfa Nakouri SID ESEN 2019/ 2020 10

5
OLAP (OnLine Analytical Processing)
≈ Traitement analytique en
ligne
 Objectif : permettre une
analyse
multidimensionnelle sur
des bases de données
volumineuses afin de
mettre en évidence une
analyse particulière des
données
 Permet d’avoir une vue
transversale sur l’activité
d’une entreprise

Haïfa Nakouri SID ESEN 2019/ 2020 11

Data Mart
≈ Magasin de données
 Un sous-ensemble du Datawarehouse contenant les
données pour un secteur particulier de l’entreprise
(direction, service, gamme de produit, etc.)

 La construction du Data Mart est le premier pas vers


le Data Mining

Haïfa Nakouri SID ESEN 2019/ 2020 12

6
Data Mining
≈ Fouille de données
 Le Data Mining a pour but de mettre en évidence des
éventuelles corrélations dans un volume important de
données afin d’en dégager des tendances cachées (hidden
patterns)
 Découverte de nouvelles connaissances (knowledge
Discovery in Databases) dans les bases de données
permettant de faire des raisonnements divers.

Data Mining

Statistiques
Informatique (estimation, tests
Intelligence Artificielle, BD économétriques)
Analyse de données
(Statistique exploratoire)
Haïfa Nakouri SID ESEN 2019/ 2020 13

Le fameux “Beer & Diapers” exemple en BI


 Considérant les données transactionnelles d’un supermarché
(Walmart)

Haïfa Nakouri SID ESEN 2019/ 2020 14

7
Le fameux “Beer & Diapers” exemple en BI
400

350
D177: Diaper
300
B675: Beer

250
Average Sales

200 Beer and Diapers


150

100

50

0
Mon Tue Wed Thu Fri Sat Sun

 Qu’ont appris les décideurs? Que les bières et les couches bébé
sont souvent achetés par des hommes les jeudis et les samedi,
 Donnée  Information  Connaissance
Haïfa Nakouri SID ESEN 2019/ 2020 15

But: Convertir les données en connaissances

Connaissance

Valeur ascendante Info

Data

Difficile à réaliser en pratique – demande


beaucoup d’effort et d’engagement
Haïfa Nakouri SID ESEN 2019/ 2020 16

8
Donnée/Information/Connaissance

 Donnée
 Collection d’élements à valeurs brûtes ou des faits utilisés pour
des calculs, des raisonnements ou des mesures.
 Information
 Résultat issu de la collection et l’organisation des données
d’une manière valorisant la relation entre ces élements de
données, leur fournissant ainsi un context et un sens.
 Connaissance
 Concept relatif à la compréhension des informations en se
basant sur la reconnaissance d’un modèle (pattern) ou d’un
comportement (behaviour) dans les informations
 Donne une compréhension précise et profondément intuitive
des informations.

Haïfa Nakouri SID ESEN 2019/ 2020 17

Exploitation directe
Extraction
Transformation
Loading
(ETL)

Data
Warehouse

Sélection
Data Mart
?
Décisions

Pattern evolution
(découverte de motifs
Objectifs ?

intéressants)
(= Connaissance)
Sources de
données
Haïfa Nakouri SID ESEN 2019/ 2020 18

9
Réintégration de la connaissance
Extraction
Transformation
Loading
(ETL)

Data
Warehouse

Sélection
Data Mart
?

Décisions
Pattern evolution
(découverte de motifs
Objectifs ?

intéressants)
(= Connaissance)
Sources de
données
Haïfa Nakouri SID ESEN 2019/ 2020 19

Récapitulatif

 La nouvelle connaissance peut :

 Être exploitée directement

 Réintégrer le système décisionnel

Haïfa Nakouri SID ESEN 2019/ 2020 20

10
Conception d’un système décisionnel
Structure selon quatre axes :
1. Etude des besoins et de l’existant
 Etude des besoins utilisateurs
 Etudes des besoins existants
2. Modélisation et conception
 Modélisation dimensionnelle
 Architecture technique
 Spécification des outils d’exploitation
3. Implémentation du datawarehouse
 Implémentation de DW et du DM
 Mise en place de l’ETL
4. Implémentation des outils d’exploitation
 Implémentation des outils de Reporting
 Implémentation des outils d’exploration
 Implémentation des outils de prédiction

Haïfa Nakouri SID ESEN 2019/ 2020 21

11

Vous aimerez peut-être aussi