Vous êtes sur la page 1sur 97

Système d’Aide à la Décision

2ème Année Cycle d’ingénieur « Informatique et Ingénierie des données »


ENSA Khouribga

Pr. SOUSSI Nassima


Année Universitaire: 2020/2021

Système d’aide à la décision nassima.soussi@gmail.com


Introduction au Système
Décisionnel

Système d’aide à la décision 2


Introduction au Système Décisionnel

Problématique
Les décideurs d'une entreprise doivent pouvoir répondre à un certain
nombre de question pour diriger leur entreprise :
‒ Qui sont mes clients ? Comment cibler ma clientèle ?
‒ Comment anticiper leurs besoins ?
‒ Quel est l'évolution de tel produit ?
‒ Comment contrôler lʼintégrité et la qualité des flux de gestion ?
‒ Comment évaluer la performance des différentes entités ?
‒ ...
 L'objectif est donc d'apporter aux décideurs d'une entreprise les
moyens de répondre à ces questions.
Système d’aide à la décision 3
Introduction au Système Décisionnel

Limites des BD Opérationnelle/Transactionnelle


‒ Modèles de BD opérationnelles :
 complexes et inutilisables
 ne concerne pas un objectif unique dʼaffaire
‒ Données des BD opérationnelles :
 même concept souvent défini différemment,
 adaptées pour les systèmes opérationnels (comptabilité,
facturation, …), pas pour l'analyse des fonctions d'affaires
 volatiles : la modification des données au fil du temps (aucune
information historique).

Système d’aide à la décision 4


Introduction au Système Décisionnel

Limites des BD Opérationnelle/Transactionnelle


Alors:
‒ Ces bases sont conçues pour être efficaces pour les fonctions sur
lesquelles elles sont spécialistes (transaction).
‒ Elles sont donc peu structurées pour l'analyse, avec souvent comme
objectif principal de conserver l'information.
‒ Comme bases de production, elles doivent être en mesure de servir
l'utilisateur avec un temps de réponse rapide et structurées dans les
opérations transactionnelles.
=> Ces systèmes sont donc peu adaptés à la vision à long terme et
donc à la prise de décision.
Système d’aide à la décision 5
Introduction au Système Décisionnel

Le Décisionnel : Définition

Informatique Décisionnelle (ID) = Business Intelligence (BI)


‒ Le système d'information décisionnel est un ensemble de données
organisées de façon spécifiques, facilement accessibles et appropriées
à la prise de décision [...].
‒ La finalité d'un système décisionnel est le pilotage d'entreprise.
‒ Les systèmes de gestion sont dédiés aux métiers de l'entreprise.
‒ Les systèmes décisionnels sont dédiés au management de
l'entreprise.

Système d’aide à la décision 6


Introduction au Système Décisionnel

Le Décisionnel : But
Les systèmes de ID/BI sont utilisés par les décideurs pour obtenir une
connaissance approfondie de l'entreprise et de définir et soutenir leurs
stratégies d'affaires, par exemple :
‒ dʼacquérir un avantage concurrentiel,
‒ dʼaméliorer la performance de lʼentreprise,
‒ de répondre plus rapidement aux changements,
‒ dʼaugmenter la rentabilité, et
‒ dʼune façon générale la création de valeur ajoutée pour
l'entreprise.
Système d’aide à la décision 7
Introduction au Système Décisionnel

Enjeux du Décisionnel
‒ La prise de décisions stratégiques dans une organisation nécessite le
recours et le croisement de multiples informations qui concernent tous les
départements : production, RH, achats, ventes, marketing, service après-
vente, maintenance, R&D...
‒ Or ces données sont généralement :
 éparpillées au sein des départements et non connectées entre elles,
 hétérogènes dans leurs formats techniques et leurs organisations
structurelles, voire leurs sémantiques,
 implémentées pour l'action (par construction) et non pour l'analyse,
 volatiles.
Système d’aide à la décision 8
Introduction au Système Décisionnel

Enjeux du Décisionnel

=> L'enjeu des systèmes décisionnels est de créer un


accès aux données existantes dans l'organisation,
sous une forme intégrée, afin de faciliter leur
interrogation croisée et massive.

Système d’aide à la décision 9


Introduction au Système Décisionnel

Architecture d’un SI Décisionnel

Système d’aide à la décision 10


Introduction au Système Décisionnel

Conception d’un SI Décisionnel


Un projet de système décisionnel se structure selon 4 grands axes :
1. Étude des besoins et de l'existant
 Etude des besoins utilisateurs
 Etude des données existantes.
2. Modélisation et conception
 Modélisation dimensionnelle
 Architecture technique
 Spécification des outils d'exploitation
3. Implémentation du datawarehouse et Mise en place de l'ETL
4. Implémentation des outils d'exploitation
Système d’aide à la décision 11
Introduction au Système Décisionnel

Exemples d‘Application
‒ Analyse de ventes en fonction de l'implantation géographique de
magasins (densité, caractéristiques des régions...), de l'organisation de
magasins (rayonnage, marketing, RH...)
‒ Analyse des structures de paniers (quel produit est vendu en
même temps que quel autre à quelles conditions ?)
‒ Contrôle qualité et analyse de défaut des chaînes de production
en fonction des centres de production, des organisations, des
fournisseurs...
‒ ...

Système d’aide à la décision 12


Entrepôts de Données

Système d’aide à la décision 13


Entrepôts de Données

Data Warehouse : Définition

Data Warehouse = Entrepôt de données


= Base de données décisionnelle

Définition: (Bill Inmon)


Le Data Warehouse est une collection de données
orientées sujet, intégrées, non volatiles, historisées et
organisées pour le support d’un processus d’aide à la
décision.
Système d’aide à la décision 14
Entrepôts de Données

DW: Caractéristiques des données


‒ Orientées Sujet : un DW rassemble et organise des données
pertinentes associées aux différentes structures fonctionnelles de
lʼentreprise, pour un sujet ou thème nécessaire aux besoins dʼanalyse
en excluant les données inutiles pour le processus d’aide à la
décision
‒ Intégrées : Il intègre des données à partir de sources multiples et
hétérogènes afin de répondre aux requêtes du système d’aide à la
décision.

Système d’aide à la décision 15


Entrepôts de Données

DW: Caractéristiques des données


‒ Historisées : Il mémorise les données (représentent lʼactivité dʼune
entreprise durant plusieurs années) afin dʼanalyser ses variations dans
le temps.
‒ Non-volatiles : Afin de conserver la traçabilité des informations et
des décisions prises, les informations stockées au sein de l’entrepôt
de données ne peuvent être supprimées ou modifiées (sauf certain cas
de rafraîchissement).
‒ Organisées : Il les organise pour faciliter les requêtes de prise de
décision.
Système d’aide à la décision 16
Entrepôts de Données

DW vs. BD Transactionnelle
Les BDs et les DWs ont des objectifs différents et font des
traitements différents (Stockage, interrogation et organisation des
données) :
 Les SGBD fonctionnent dans le mode de travail transactionnel,
nommé : OLTP (On-Line Transaction Processing)

 Un DW est conçu pour l'aide à la prise de décision, il


fonctionne dans un mode dit : OLAP (On-Line Analytical
Processing)

Système d’aide à la décision 17


Entrepôts de Données

DW vs. BD Transactionnelle
Le terme OLAP désigne :
‒ Lʼensemble des moyens et techniques à mettre en œuvre pour
réaliser des systèmes dʼaide à la décision efficaces.
‒ Des traitements semi-automatiques visant à interroger, visualiser
et synthétiser les données, traitements définis et mis en oeuvre par
les décideurs.
‒ On-Line : signifie que le processus se fait en ligne, l'utilisateur
doit avoir la réponse de façon quasi-instantanée.

Système d’aide à la décision 18


Entrepôts de Données

DW vs. BD Transactionnelle
Critère OLTP OLAP
But général Contrôler et exécuter les Assister dans la
tâches quotidiennes et planification, la résolution de
fondamentales de problème et la prise de
l’entreprise décision
Types de données Données opérationnelles Données historiques
Sources de données BD transactionnelles Entrepôts de données
Ce que montre les Portrait instantané des Vue multidimensionnelle de
données processus d’affaires de plusieurs activités d’affaires
l’entreprise de l’entreprise

Système d’aide à la décision 19


Entrepôts de Données

DW vs. BD Transactionnelle
Critère OLTP OLAP
Insertions et Courtes requêtes d’insertion Longs traitements en lot servant
mises-à-jour et de mise-à-jour lancées par à rafraichir les données
les usagers finaux
Requêtes Simples requêtes retournant Requêtes complexes impliquant
quelques enregistrements souvent plusieurs tables et
(lignes) de la BD faisant l’agrégation de valeurs
Types Consultation, mais surtout Consultation de données
d’opérations mise à jour et ajout de uniquement
réalisées sur les données
données
Système d’aide à la décision 20
Entrepôts de Données

DW vs. BD Transactionnelle
Critère OLTP OLAP
Temps de réponses Instantané Quelques secondes à 1
minute max.
Modélisation de la Un grand nombre de Moins de tables
BD tables
Nombre Grand Petit
d’utilisateurs
simultanés

Système d’aide à la décision 21


Entrepôts de Données

Data Mart : Définition


‒ Sous ensemble d’un entrepôt de données.
‒ Destiner à répondre aux besoin d’un secteur ou d’une fonction
particulière de l’entreprise.

Système d’aide à la décision 22


Entrepôts de Données

Intérêt des Datamart


‒ Nouvel environnement structuré et formaté en fonction des
besoins d’un métier ou d’un usage particulier.
‒ Moins de données que DW afin de traiter plus facilement
certaines questions spécifiques.
‒ Plus facile à comprendre et à manipuler.
‒ Amélioration des temps de réponse.
‒ Utilisateurs plus ciblés : DM plus facile à définir.

Système d’aide à la décision 23


Entrepôts de Données

Datawarehouse vs. Data Mart


Un data warehouse et un data mart se distinguent par le spectre
qu'il recouvre :
 Le data warehouse recouvre l'ensemble des données et
problématiques d'analyse visées par l'entreprise.
 Le data mart recouvre une partie des données et
problématiques liées à un métier ou un sujet d'analyse en
particulier.

Système d’aide à la décision 24


Entrepôts de Données

Architecture Fonctionnel d’un DW

Système d’aide à la décision 25


Entrepôts de Données

Architecture Fonctionnel d’un DW


Phase 1 : Sources de données
‒ Données sources généralement modifiées quotidiennement,
‒ Issues de bases de données, fichiers plats, documents HTML,
bases de connaissances,
‒ Données en général hétérogènes.
Phase 2 : Serveur DW
1. Les entrepôts de données (DataWarehouse)
2. Les magasins de données (Data Marts)
3. Méta données (Meta Data)

Système d’aide à la décision 26


Entrepôts de Données

Architecture Fonctionnel d’un DW


Phase 2 : Serveur DW (Suite)
3. Méta données (Meta Data) :
Un dictionnaire qui contient des information sur:
 Structure du DW : Schéma, dimensions, hiérarchies, définitions des
données, et localisation et contenu des data marts.
 Admistration : Historique de la construction de lʼED, statistiques
d’utilisation et rapports d’erreurs.
 Intégration : BDs sources et leurs contenus, règles d’extraction,
nettoyage et transformation des données, règles de rafraîchissement …

Système d’aide à la décision 27


Entrepôts de Données

Architecture Fonctionnel d’un DW


Phase 3 : Système OLAP est processus analytique qui permet:
– aux utilisateurs finaux d'effectuer des analyses de données via
multiples dimensions, leur fournissant ainsi les informations et la
compréhension dont ils ont besoin pour prendre de meilleures décisions
(Phase 4).
– effectuer les requêtes complexes et le reporting.
Phase 4 : GUI
GUI (Interface utilisateur) : Outils d’aide à la décision (analyse, requêtes,
rapports, fouille de données, …)

Système d’aide à la décision 28


Modélisation d'un entrepôt
de données

Système d’aide à la décision 29


Modélisation d’un DW

Caractéristique d’un bon modèle

‒ Être performant pour le calcul d’agrégats sur de gros


volumes de données (exploration de données, reporting)
‒ Être appréhendable par un utilisateur final, en particulier
pour formuler facilement des requêtes (exploration de données)
‒ Être évolutif en fonction des évolutions amont (sources
transactionnels) et aval (besoins d'exploitation) (ETL,
métadonnées)

Système d’aide à la décision 30


Modélisation d’un DW

Modélisation Multidimensionnelle
‒ Les analyses décisionnelles (OLAP) sont directement reliées à une
modélisation de l'information conceptuelle basée sur une vision
multidimensionnelle des données
 Cʼest la modélisation multidimensionnelle.
‒ La modélisation multidimensionnelle consiste à considérer un sujet
analysé comme un point dans un espace à plusieurs dimensions.
‒ Les données sont organisées de manière à mettre en évidence le
sujet analysé et les différentes perspectives de l'analyse.

Système d’aide à la décision 31


Modélisation d’un DW

Modélisation Multidimensionnelle

Cette conception est basé sur un modèle multi-dimensionnel des données


qui voit les données sous la forme d’un data cube (cube de données)

La modélisation
multidimensionnelle a donné
naissance aux concepts de
fait et de dimension

Système d’aide à la décision 32


Modélisation d’un DW

Modélisation Multidimensionnelle
1. La notion de « Table de Fait »:
‒ C’est la table principale du modèle décisionnel qui modélise le sujet
d’analyse.
Exemple: Table de Fait pour les ventes, stocks, …
‒ Elle contient des données analysables (faits ou mesures) selon diverses
axes d’analyse (dimensions)
‒ Les mesures sont numériques et généralement valorisées de façon
continue, on peut les additionner, les dénombrer ou bien calculer le
minimum, le maximum ou la moyenne.
Système d’aide à la décision 33
Modélisation d’un DW

Modélisation Multidimensionnelle
1. La notion de « Table de Fait »:
Exemple :
le fait de Vente peut être constitué des mesures d’activités suivantes :
‒ quantité de produits vendus
‒ montant total des ventes

Système d’aide à la décision 34


Modélisation d’un DW

Modélisation Multidimensionnelle
2. La notion de « Dimension » :
‒ Le fait (sujet analysé) est analysé suivant différentes perspectives
ou axes caractérisant ses mesures de lʼactivité : on parle de
dimensions.
‒ Une dimension constitue donc les axes d’analyses : est le critère
selon lequel on souhaite évaluer, quantifier, qualifier le fait.
‒ Chaque dimension est représentée par une table.
‒ Elle se compose de paramètres correspondant aux informations
faisant varier les mesures de l'activité.
Système d’aide à la décision 35
Modélisation d’un DW

Modélisation Multidimensionnelle
2. La notion de « Dimension » : (suite)
Exemple :
Dans l'exemple précédent, le fait « Vente » peut être analysé suivant
différentes perspectives correspondant à trois dimensions : Temps,
Geographie et Categorie.

Système d’aide à la décision 36


Modélisation d’un DW

Modélisation Multidimensionnelle

2. La notion de « Dimension » : (suite)


=> Hiérarchie des paramètres dʼune dimension :
‒ En OLAP les mesures dʼun fait sont généralement analysées selon les
dimensions qui le caractérisent.
‒ Il est nécessaire de définir pour chaque dimension ses différents
niveaux de détail définissant ainsi une (ou plusieurs) hiérarchie(s) de
paramètres.
=> La hiérarchie de paramètres dʼune dimension : définis des
niveaux de détail de l'analyse sur cette dimension.
Système d’aide à la décision 37
Modélisation d’un DW

Modélisation Multidimensionnelle
2. La notion de « Dimension » : (suite)
 Granularité d’une dimension
= Hiérarchie des paramètres (membres) dʼune dimension.
Exemple:
‒ Dimension « géographie » : ville → département → région
(chaque ville appartient à un département
qui est situé dans une région)

Système d’aide à la décision 38


Modélisation d’un DW

Modélisation Multidimensionnelle
2. La notion de « Dimension » : (suite)
 Granularité d’une dimension
= Hiérarchie des paramètres dʼune dimension.
Exemple:
‒ Dimension « catégorie » : nomProduit → gamme → typeProduit
(chaque produit appartient à une gamme de produit qui appartient à un type
de produit)

Système d’aide à la décision 39


Modélisation d’un DW

Modélisation Multidimensionnelle

2. La notion de « Dimension » : (suite)


‒ Une dimension possède des instances, également appelées membres.
‒ Chaque membre appartient à un niveau hiérarchique.
Exemple:
« 2020 » est un membre de la dimension « temps »
du niveau hiérarchique « année ».

Système d’aide à la décision 40


Modélisation d’un DW

Schéma dʼun entrepôt de données


‒ En partant du principe que les données sont des faits à analyser selon
plusieurs dimensions. Il est ainsi possible de réaliser une structure de
données simple qui correspond à ce besoin de modélisation
multidimensionnelle.
‒ Cette structure est constituée du fait central et des dimensions.
‒ Au niveau logique cela peut se traduire par trois modèles différents :
 En étoile,
 En flocon de neige
 En constellation.

Système d’aide à la décision 41


Modélisation d’un DW

Schéma dʼun entrepôt de données


1. Modèle en étoile :
une représentation assure un haut niveau de performance et simplicité
des requêtes même sur de gros volumes de données.

Le centre est la table


des faits, et les
branches en sont les
dimensions

Système d’aide à la décision 42


Modélisation d’un DW

Schéma dʼun entrepôt de données


1. Modèle en étoile : Caractéristiques
‒ structure simple
‒ une table centrale : la table des faits :
 objets de l'analyse
 taille très importante
 nombreux champs
‒ des table périphériques : les tables de dimensions :
 dimensions de l'analyse
 taille peu importante
 peu de champs
Système d’aide à la décision 43
Modélisation d’un DW

Schéma dʼun entrepôt de données


1. Modèle en étoile :
Ex 1: Vente de médicaments dans des pharmacies

Système d’aide à la décision 44


Modélisation d’un DW

Schéma dʼun entrepôt de données


1. Modèle en étoile :
Ex 2 : Ventes dʻarticles dans un supermarché

Système d’aide à la décision 45


Modélisation d’un DW

Schéma dʼun entrepôt de données


1. Modèle en étoile :
Ex 2 : Ventes dʻarticles dans un supermarché
Un fait :
3 exemplaires à 100 dh (SALE)
‒ du produit pid3
‒ a été acheté par le client cid1
‒ à la date did3
‒ dans le magasin mid2 (store)
‒ dans le chariot cid8 (basket)
‒ correspondant à la promotion prid1

Système d’aide à la décision 46


Modélisation d’un DW

Schéma dʼun entrepôt de données

2. Modèle en flocon :
C’est une évolution du
schéma en étoile avec
une décomposition des
dimensions du modèle
en étoile en sous
hiérarchies.

Système d’aide à la décision 47


Modélisation d’un DW

Schéma dʼun entrepôt de données


2. Modèle en flacon :
Ex 3 : Vente de médicaments dans des pharmacies

Système d’aide à la décision 48


Modélisation d’un DW

Schéma dʼun entrepôt de données


3. Modèle en constellation :
Il est encore basé sur le modèle en étoile. Mais on rassemble plusieurs
tables des faits qui utilisent les mêmes dimensions.

Système d’aide à la décision 49


Modélisation d’un DW

Schéma dʼun entrepôt de données


3. Modèle en constellation :
Ex 4 : Vente de médicaments dans des pharmacies

Système d’aide à la décision 50


Modélisation d’un DW

Exercices d’application
Exercice 1 :
Une entreprise souhaite analyser la somme des revenus et la
somme du nombre d’unités vendues par produits, par magazin et
par mois.
Question: Déterminer les dimensions et les mesures de
l’entrepôt de données de cette entreprise.

Système d’aide à la décision 51


Modélisation d’un DW

Exercices d’application
Exercice 2 :
On veut construire un entrepôt de données afin de stocker les informations
sur les consultations d’un pays. On veut notamment connaître le nombre
de consultations, par rapport à différents critères (personnes, médecins,
spécialités, etc. Ces informations sont stockées dans les relations
suivantes:
PERSONNE (id_pers, nom, tel, adresse, sexe)
MEDECIN (id_med, tel, adresse, spécialité)
TEMPS (id_temps, mois, nom_mois, trimèstre, année)
CONSULTATION (id_med, id_pers, id_temps, prix, nb_conslt)

Système d’aide à la décision 52


Modélisation d’un DW

Exercices d’application
Exercice 2 : (suite)
1. Quelle est la table de faits ?
2. Quels sont les faits ?
3. Combien de dimensions ont été retenues ? Quelles sont-elles ?
5. Définir une représentation du DW en étoile.
6.Définir une hiérarchie pour des attributs de toutes les dimensions.
Donner la représentation en constellation.
7. Faites une représentation du cube OLAP sans tenir compte des
hiérarchies.
Système d’aide à la décision 53
Alimentation dʼun Entrepôt
de données

Système d’aide à la décision 54


Alimentation d’un DW

Processus dʼalimentation/mise à jour dʼun DW


‒ Le processus dʼalimentation dʼun ED (ou entreposage des
données) à partir des bases de production est une phase primordiale
d'un datawarehouse. Il consiste à :
 rassembler de multiples données sources souvent hétérogènes
 les homogénéiser selon des règles précises (mémorisées sous
forme de méta-données).
‒ Besoin d’un outils permettant d’automatiser le processus de
chargement dans le DW.
 Utiliser le processus dʼETL (Extracting Transforming and
Loading)
Système d’aide à la décision 55
Alimentation d’un DW

ETL : Définition
‒ L'ETL (Extraction Transformation Loading) est le processus de
copie des données depuis les systèmes transactionnels vers le data
warehouse.
‒ Les trois phases du processus d’ETL pour l'alimentation d'un
datawarehouse sont les suivantes :
1. Extraction des données
2. Nettoyage et Transformation
3. Chargement

Système d’aide à la décision 56


Alimentation d’un DW

Les étapes du Processus ETL

1. Extraction des données de sources hétérogène


Un extracteur est associé à chaque source de données :
‒ Sélection et extraction des données sources utiles et
judicieuse. Sinon, un mauvais choix peut considérablement
compliquer les phases suivantes de l'alimentation.
‒ Formatage des données dans un format cible commun.

Système d’aide à la décision 57


Alimentation d’un DW

Les étapes du Processus ETL


2. Transformation
L’objectif majeur de cette phase est de résoudre le problème de
consistance des données au sein de chaque source afin de
supprimer les incohérences au niveau :
 des données,
 des schémas.
Selon les statistiques :
 5 à 30 % des données des BD commerciales sont erronées.
Système d’aide à la décision 58
Alimentation d’un DW

Les étapes du Processus ETL


2. Transformation (suite)
 Types dʼinconsistances (données)
‒ Présence de données fausses dés leur saisie :
 fautes de frappe
 différents formats dans une même colonne
 texte masquant de lʼinformation (ie., e.g., “N/A”)
 incompatibilité entre la valeur et la description de la colonne
 duplication dʼinformation, …
‒ Persistance de données obsolètes
‒ Confrontation de données sémantiquement équivalentes mais
syntaxiquement différentes.
Système d’aide à la décision 59
Alimentation d’un DW

Les étapes du Processus ETL


2. Transformation (suite)
 Types dʼinconsistances (schéma)
‒ Problème de modélisation : différents modèles de données sont
utilisés.
‒ Incompatibilités de contraintes : 2 concepts équivalents ont des
contraintes incompatibles.
‒ Conflits de représentation : 2 représentations différentes choisies
pour les mêmes propriétés dʼun même objet.

Système d’aide à la décision 60


Alimentation d’un DW

Les étapes du Processus ETL


2. Transformation (suite)
 Exemple d’intégration et normalisation de données

Système d’aide à la décision 61


Alimentation d’un DW

Les étapes du Processus ETL


3. Chargement de données
‒ Objectif : charger les données nettoyées et préparées dans l’ED.
‒ C’est une opération qui risque d’être assez longue plutôt
mécanique et la moins complexe.
‒ Il est nécessaire de définir et mettre en place : des stratégies
pour assurer de bonnes conditions à sa réalisation + une politique
de rafraîchissement.

Système d’aide à la décision 62


Exploitation dʼun entrepôt
de données

Système d’aide à la décision 63


Exploitation d’un DW

Le Reporting
‒ Le principe du reporting est d'agréger et de synthétiser des données
nombreuses et complexes sous forme d'indicateurs, de tableaux, de
graphiques permettant d'en avoir une appréhension globale et
simplifiée.
‒ Très utile pour les utilisateurs qui ont besoin d'un accès régulier à
des informations d'une manière presque statique
Exemple : les hôpitaux doivent envoyer des rapports mensuels à des
agences nationales.
‒ Un rapport est défini par une requête (plusieurs requêtes) et une mise
en page (diagrammes, histogrammes, etc)

Système d’aide à la décision 64


Exploitation d’un DW

Le Reporting

Système d’aide à la décision 65


Exploitation d’un DW

Tableaux de bords (Dashboards)


‒ Combinent les données de divers systèmes pour offrir une
vue unifiée de haut niveau de l’entreprise dans un format
graphique facile à lire.
‒ Fréquemment utilisé par les cadres supérieurs qui ont besoin
d'un rapide aperçu des changements les plus importants
Exemple : un aperçu en temps réel dʼévolutions.
‒ Pas vraiment utile pour une analyse complexe et détaillée.

Système d’aide à la décision 66


Exploitation d’un DW

Tableaux de bords (Dashboards)

Système d’aide à la décision 67


Exploitation d’un DW

Visualisation autour dʼun ED


‒ Objectif : Facilitent lʼanalyse et lʼinterprétation de données.
‒ Convertissent des données
complexes en images, graphiques
en 2 et 3 dimensions, voire en
animations.
‒ Sont de plus en plus intégrées
dans les ED

Système d’aide à la décision 68


Exploitation d’un DW

Analyse OLAP (On-Line Analytical processing)

‒ OLAP est méthode permettant de stocker les données sous


forme multidimensionnelle pour permettre à l’utilisateur
d’effectuer des synthèses et des analyses.
‒ Constitue la façon la plus naturelle dʼexploiter un ED grâce à
son organisation multidimensionnelle.
‒ Pour effectuer des requêtes au sein des cubes OLAP, on utilise
le langage MDX (multimensional expressions).

Système d’aide à la décision 69


Domaines dʼapplication
(Exemple)

Système d’aide à la décision 70


Domaines d’application

Domaine bancaire
Un des premiers utilisateurs des ED :
‒ Regrouper les informations relatives à un client : pour une
demande de crédit.
‒ Lors de la commercialisation d’un nouveau produit : mailing
ciblés rapidement élaboré à partir de toutes les informations
disponibles sur un client.
‒ Recherche de fraudes sur les cartes de crédit : mémorisation des
mouvements et contrôles a posteriori, pour détecter les
comportements suspects.

Système d’aide à la décision 71


Domaines d’application

Télécommunications
‒ Problème : Grande masse de données :
 Plusieurs mois de descriptions détaillées des appels.
 Pour chaque appel : appelant, appelé, heure et durée.
=> Exploitation de ces données par le DW pour :
 analyser le trafic
 mieux cerner les besoins des clients
 classer les clients par catégories
 comprendre le comportement des clients (changement d’opérateurs,
besoins, …).

Système d’aide à la décision 72


Domaines d’application

Assurance et Pharmacie

Domaines très demandeurs de techniques décisionnelles pour :


 Déterminer le facteur de risque d’un assuré, meilleure
connaissance des clients, détection de rejets, etc
 Détecter l’impact d’un médicament, ses effets indésirables,
etc.

Système d’aide à la décision 73


Opérations élémentaires
OLAP

Système d’aide à la décision 74


Opérations élémentaires OLAP

Catégories dʼopérations OLAP

Il existe trois catégories dʼopérations OLAP élémentaires :


1. Restructuration : ça concerne la représentation
2. Granularité : concernent un changement de niveau de détail
(opérations liées au niveau de granularité des données)
3. Ensembliste : concerne lʼextraction et lʼOLTP classique.

Système d’aide à la décision 75


Opérations élémentaires OLAP

Catégories dʼopérations OLAP


Terminologie autour du cube
Cube : Ventes
Cellule : écrous, est, 1997
Mesure : 100
Membre/paramètre : est
dimension : lieu
Niveau : région

Système d’aide à la décision 76


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Restructuration


Restructuration => ça concerne la représentation
‒ Permettent un changement de points de vue, une réorientation
selon différentes dimensions de la vue multidimensionnelle
‒ Opérations liées à la structure, manipulation et visualisation du
cube selon différentes dimensions.
‒ Opérations de restructuration :
 rotate/pivot
 switch
 split, nest, push, pull
Système d’aide à la décision 77
Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Restructuration

1. Rotate ou Pivot
‒ Elle permet une présentation alternative du cube.
‒ Effectuer à un cube une rotation autour dʼun de ses trois
axes passant par le centre de 2 faces opposées, de façon à
présenter un ensemble de faces différent.
=> sélection de faces et non des membres.

Système d’aide à la décision 78


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Restructuration

1. Rotate ou Pivot

Système d’aide à la décision 79


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Restructuration


1. Rotate ou Pivot
la visualisation résultante est souvent 2D :

Système d’aide à la décision 80


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Restructuration


2. Switch ou permutation : interchanger la position des membres dʼune
dimension

Système d’aide à la décision 81


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Restructuration


2. Switch ou permutation
‒ Dans l’exemple précédent, les membres nord et sud de la
dimension « régions » sont interchangés.
‒ la visualisation résultante est souvent 2D :

Système d’aide à la décision 82


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Restructuration


3. Split ou division
Consiste à présenter chaque tranche du cube en passant de sa
présentation tridimensionnelle à sa présentation sous la forme dʼun
ensemble de tables.

Split(region)

Système d’aide à la décision 83


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Restructuration

4. Nest ou lʼemboîtement
‒ Permet dʼimbriquer des membres à partir du cube.
‒ Lʼintérêt de cette opérations est quʼelle permet de grouper sur
une même représentation bi-dimensionnelle toutes les
informations (mesures et membres) dʼun cube quelque soit le
nombre de ses dimensions.

Système d’aide à la décision 84


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Restructuration

4. Nest ou lʼemboîtement

Nest(pièces, region)

Système d’aide à la décision 85


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Restructuration


5. Push ou lʼenfoncement : consiste à combiner les membres dʼune
dimension aux mesures du cube => i.e. de faire passer des membres
comme contenu de cellules.

Push(année)

Système d’aide à la décision 86


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Granularité

Définition :
Opération de granularité ce sont des opérations dʼagrégation
successives sur les données permettent de nouveaux points de
vue de moins en moins détaillés de lʼinformation.
Types d’opérations :
‒ roll-up,
‒ drill-down

Système d’aide à la décision 87


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Granularité


1. Roll-up ou forage vers le haut : consiste à représenter les données du
cube à un niveau de granularité supérieur conformément à la hiérarchie
définie sur la dimension.

Système d’aide à la décision 88


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Granularité


1. Roll-up ou forage vers le haut
 roll-up(année) : Ventes 97-99

Système d’aide à la décision 89


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Granularité


1. Roll-up ou forage vers le haut
 Exemple 2 :

Rollup on Location
(from cities to
contries)

Système d’aide à la décision 90


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Granularité


2. Drill-down ou forage vers le bas
‒ Consiste à représenter les données du cube à un niveau de
granularité inférieur, donc sous une forme plus détaillée.
‒ Opération réciproque de roll-up, drill-down permet dʼobtenir des
détails sur la signification dʼun résultat en affinant une
dimension ou en ajoutant une dimension.
‒ Opération coûteuse dʼoù son intégration dans le système

Système d’aide à la décision 91


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Granularité


2. Drill-down ou forage vers le bas

Drill-down(regions)

Système d’aide à la décision 92


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Ensembliste

Objet des opérations ensemblistes :


=> concernent lʼextraction de données.
Opérations OLAP ensemblistes :
‒ slice et dice (sélection et projection)
‒ drill-across (jointure)

Système d’aide à la décision 93


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Ensembliste


1. Slice : correspond à une 2. Dice : correspond à une sélection du
projection selon une dimension cube => Sélection d’un sous cube
du cube => Sélection d’une
face de cube

Système d’aide à la décision 94


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Ensembliste


Slice : Exemple

Slice
(région = nord)

Système d’aide à la décision 95


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Ensembliste

Dice : Exemple

Sélection

(régions = nord ou régions = sud)


et
(pièces = clous ou pièces = écrous)
et
(années = 1998 ou années = 1999)

Système d’aide à la décision 96


Opérations élémentaires OLAP

Catégories dʼopérations OLAP : Ensembliste

Exercice 2 : (Suite)
A partir du cube définie précédement, indiquez quelles
opérations OLAP (roll up, drill down, slice, dice) Il faut
appliquer pour obtenir le cout total des opérations par médecin
en 2012.

Système d’aide à la décision 97