Pr.

Adil Anwar
aanwar@iscaextra.net

◦ Chapitre 1: Introduction aux SI décisionnels

 Exemple introductif
 Processus décisionnel et besoins liés aux SI
 Les solutions possibles
 L’infrastructure décisionnelle
 Avantages et applications
◦ Chapitre 2 : Entrepôts de données (Data Warehouse)
 Processus d’entreposage de données
 Conception de DataMart
 Modélisation d’un entrepôt de données
◦ Chapitre 3 : Analyse Multidimensionnelle OLAP
 Analyse OLAP
 Opérations élémentaires OLAP
 Systèmes OLAP

1
  La mondialisation qui poursuit son bouleversement
des équilibres concurrentiels et économiques;
 les entreprises sont confrontées à une concurrence de
plus en plus accrue.
 Un environnement financier incertain et complexe;
 Leur survie dans cet environnement complexe et hostile
dépende en grande partie de la modernisation des
outils de conception, de gestion et d’anticipation.
 La crise économique !!

?
« la mise au point d'une stratégie susceptible de mieux atteindre les
objectifs de l’entreprise»

 Les objectifs

Maintenir une Augmentation Conquérir des Diminution

longueur Diversité Augmentation
de la nouveaux des coûts de
d’avance sur les des produits de la qualité
réactivité marchés fabrication.
concurrents

◦ Toute entreprise doit pouvoir anticiper des événements de plusieurs type : évolution
du marché, ...

?
« Quels outils donner au décideur pour comprendre
dimensionner, piloter et gérer »

Exemple introductif : une entreprise spécialisée dans

la logistique, la distribution et la commercialisation des
produits de grande consommation au Maroc

Partenaires Clients

Parfumerie

Grossistes

Produits Mini marchés

Vendeurs
électroménager

Détaillants

6
2013-2014
6

2
Processus de la Vente

Grossistes/Parfumerie/Electro/Pharmacie

Saisie de la commande sur

Solution commerciale
EasySales
ERP SCALA Client
Synchronisation Livraison J+1
Chargement et édition
Du PDA de la facture
Préparation de la commande

7 2012-2013
7

Processus de reporting chez

Aventis
Reporting actuel

contacte

Décideur
Analyste de
ventes

Dresse des
Fichiers excel tableaux
8 2012-2013
8

Besoins des décideurs

Quels sont les produits les plus

commandés par une certaine
catégorie de clients?

Quel est le rapport entre le

nombre de clients couverts Quel est le secteur le plus
et le nombre total des lucratif?
clients dans un secteur
donné?

Décideur
Quelle est la vitesse de
vente d’un vendeur?
Quels est la fréquence de
commande d’un client donné
par mois?

9 2013-2014
9

3
  les enjeux économiques dans le domaine de la distribution sont
devenus tels que l’intuition et la réflexion ne suffisait plus dans
la prise de décision,
 La politique de Reporting suivi actuelle par la société
présente des limites aussi bien fonctionnelles que
techniques.
 cette solution ne permet pas de faire des analyses avancées sur
le processus de vente qui est le cœur métier de la société.
◦ Ces rapports demeurent figés : des vues qui reposent
essentiellement sur la présentation des données sous forme de
tableaux.
◦ ne permettant que la traçabilité de l’évolution des données sans
aucune possibilité d’intégré les nouveaux besoins qui surgissent
quotidiennement

10

 tous ces facteurs limitent en réalité le travail du responsable

métier dans le champ de suivi des commandes qui demeure très
restreint
 Une solution s’avère nécessaire pour résoudre les problèmes
suivants :
◦ La lenteur de la procédure de Reporting. Le croisement des quantités
de données n’est pas performant et adaptable sur Microsoft Excel
donc la procédure de Reporting est jugée très longue ;
◦ Le manque de sécurité. La sécurité des données de l’entreprise n’est
pas assurée par la politique existante ;
◦ La lourdeur de la base de donnée « SCALA ». L’extraction des
données à partir de la base de donnée de l’ERP est lourde vu
l’existence de plusieurs tables dédiés à d’autres fins et donc non
utilisés et non adaptées aux besoinx du responsable de ventes

11

Vers une solution décisionnelle…

Problématique
Objectifs

Temps Données Dépendance

X Temps d’élaboration X Perte de données potentielle
des rapports est trop élevé causée éventuellement par
X Accès difficile à l’information la perte du fichier .xls
X Données éparpillées
X Requêtes d’analyses complexes
X Volumétrie
X Dépendance vis à-vis
De l’analyste de ventes
X Manque de résultats
et de rapports riches en
statistiques

12 2013-2014
12

4
  Ne veulent plus seulement savoir par exemple :
◦ « Combien de clients ont acheté tel produit pendant telle
période ? »
 Mais de nouvelles questions métiers :
◦ Clientèle:
 « Quels sont les profils des clients ? »
 « Quels sont les autres produits les intéresseront ? »
 « Quand seront-ils intéressés ? »
 « Comment les conserver ou les faire revenir ? »
◦ marketing, actions commerciales :
 « Où placer ce produit dans les rayons ? »
 « Comment cibler plus précisément le mailing concernant ce
produit ? »

13

 Une grande masse de données (concept de Big

Data):
◦ Distribuée
◦ Hétérogène
◦ Très Détaillée
 A traiter :
◦ Synthétiser / Résumer
◦ Analyser
◦ Visualiser
 Pour une utilisation par :
◦ Des experts et des analystes d'un domaine métier
 NON informaticiens
 NON statisticiens

14

• Combien l’unité de vente A a gagné en

janvier ?
• Combien l’unité de vente B a gagné en
Février?
• Quel était le montant de ventes combiné
pour le premier trimestre?
• Quelles sont les ventes du produit X pendant
le trimestre A de l'année B dans la région C ?
• Comment se comporte le produit X par
rapport au produit Y?
• Quel type de client peut acheter le produit X?
• Est-ce qu'une baisse de prix de 10% par
rapport à la concurrence ferait redémarrer
les ventes du produit X ?
• Les requêtes complexes et lourdes dégradent les performances des systèmes
transactionnels,
• Les données sont réparties entre données actuelles et données archivées, rendant
la vue historique des données très difficile ou impossible,

15

5
 Moyens pour répondre à ces questions:
◦ Data Warehouse : un système d’information centralisé, dédié
aux applications décisionnelles.
◦ Data Mining : un processus de prospection de données
offrant un ensembles de techniques (modèles et algorithmes)
pour la prédiction, la génération de liens, et de concepts.
 En Aval des bases de production
◦ (i.e. bases opérationnelles, production)
 En Amont des prises de décisions
◦ basé sur des indicateurs (Key Performance Indicators (KPI))

16

 Les systèmes d'information comprennent quatre

principaux systèmes pour l'organisation dans son
ensemble.
◦ STT: Les systèmes de traitement des transactions
assistent le niveau opérationnel de l'entreprise.
◦ SIG: Les systèmes d'information de gestion renseignent
les gestionnaires sur le rendement de l'entreprise.
◦ SAD: Les systèmes d'aide à la décision appuient les
gestionnaires dans les décisions stratégiques à court
terme et à moyen terme qu'ils ont à prendre.
◦ SID: Les systèmes d'information pour dirigeants
soutiennent les dirigeants dans la prise de décision
importante pour l'entreprise.

18

6
 Interrelations entre les systèmes
 Système de gestion vs. Système de décision.
Système de gestion (opérationnel)
Objectifs dédié au métier et à la production
ex: facturation, stock, personnel
Pérennité données volatiles
ex: le prix d'un produit évolue
dans le temps
Optimisation pour les opérations associées
ex: passage en caisse (lecture de
code barre)
Granularité de données Totale et atomique, on accède
directement aux
informations atomiques
Système de décision (analyse)
dédié au management de
l'entreprise
(pilotage et prise de décision)
données historisées
ex: garder la trace des évolutions
des prix, introduction d'une
information daté
pour l'analyse et la récapitulation
ex: quels les produits achetés
Ensembles
agrégats, niveau de synthèse
selon les besoins de l'analyse
21
7
 Données
◦ Points de ventes, géographiques, démographiques, ...
 Informations
◦ I vit dans R, I est âgé de A, ...
 Connaissances
◦ Dans X%, le produit Y est vendu en même temps que le produit Z, ...
 Décisions
◦ Lancer la promotion de Y & Z dans R auprès des clients plus âgés que A,

22

 Incompatibilités des deux activités

◦ Les deux activités (OLTP & OLAP) ne peuvent co-exister sur des
données dans le même système d’information: leurs objectifs de
performance sont exactement opposés:
 Les requêtes complexes et lourdes dégradent les performances des
systèmes transactionnels,
 Les données temporelles sont réparties entre données actuelles et
données archivées, rendant la vue historique des données très difficile
ou impossible,
◦ Le support efficace d’une activité OLAP nécessite la constitution
d’un système d’information propre: Le Datawarehouse

23

24

8
 Mieux connaître le client
◦ pour mieux le servir
◦ pour augmenter sa satisfaction
◦ pour augmenter sa fidélité (+ coûteux d’acquérir un client
que le conserver)
 La connaissance du client est encore plus utile
◦ les produits se ressemblent entre établissements
◦ le prix n’est pas toujours déterminant
◦ ce sont surtout le service et la relation avec le client qui
font la différence

25

 Marketing
◦ Marketing direct : population à cibler (âge, sexe,
profession, habitation, région, …).

26

 Secteur bancaire
◦ Déterminer les profils des clients.
◦ Utilisation du score de risque pour proposer le montant de
crédit le plus adapté à chaque client.
◦ Aide à la décision de paiement.
◦ Déterminer le meilleur taux de réponse des campagnes
marketing.
◦ Découverte de segments de clientèle.
◦ Adaptation de la communication marketing à chaque
segment de clientèle.
◦ Identification des clients susceptibles de partir à la
concurrence.

27

9
 Econométrie
◦ prédiction de trafic autoroutier.
 Ressources Humaines
◦ adéquation activité / personnel.
 Santé
◦ épidémiologie (VIH, Amiante, ...).
 Logistique
◦ adéquation demande / production.
 Commerce
◦ ciblage de clientèle.
◦ aménagement des rayons (2 produits en corrélation).
 e-commerce
◦ personnalisation des pages d’un site web en fonction du profil de
chaque internaute.
◦ optimisation de la navigation sur un site web.

28

 Gestion et analyse des marchés :

◦ Grande distribution : profils des consommateurs,
modèle d ’achat, effet des périodes de solde ou de
publicité, panier de la ménagère.
 Détection de fraudes :
◦ Banques,
◦ Télécommunications.
 Gestion de stocks :
◦ quand commander un produit,
◦ quelle quantité demander, …
 Analyse financière :
◦ maximiser l’investissement de portefeuilles d’actions.

29

 SPM (Strategic Performance Management)

◦ Déterminer et contrôler les indicateurs clé de la
performance de l’entreprise
 FI (Finance Intelligence)
◦ Planifier, analyse et diffuser l’information financière.
◦ Mesurer et gérer les risques.
 HCM (Human Capital Management)
◦ Aligner les stratégies RH, les processus et les technologies.
 CRM (Customer Relationship Management)
◦ Améliorer la connaissance client, Identifier et prévoir la
rentabilité client.
◦ Accroître l’efficacité du marketing client.
 SRM (Supplier Relationship Management)
◦ Classifier et évaluer l’ensemble des fournisseurs.
◦ Planifier et piloter la stratégie Achat.

30

10