 Définition

La Business Intelligence (BI), également connue sous le nom d’informatique décisionnelle, est
l’ensemble des outils et méthodes visant à transmettre les informations pertinentes aux
managers d’entreprise. Son but est de les aider à comprendre leur environnement et de les
accompagner dans leurs prises de décisions stratégiques. Les besoins de l’utilisateur sont
donc au cœur d’une Business Intelligence efficace.

 Architecture de la Business Intelligence

- Architecture de base
- Architecture de kimball
- Architecture de Inmon

 Application de la Business Intelligence

- Le control de gestion
- Le Marketing
- La Direction commerciale
- Les ressources humaines
- La direction de production
- La direction Générale

 Contexte objectif et périmètre

Désignant un ensemble d’éléments permettant de traiter ou d’analyser les grosses quantités

d’information la Business intelligence ou encore informatique décisionnelle est un concept qui
couvre le domaine de l’analyse des données dans les différents domaine métier que l’on retrouve
dans le monde de l’entreprise au vu des gros volumes de données à analyser pour pouvoir aider
efficacement à la décision.

 Contexte et définition du problème

L’agriculture joue un rôle prépondérant car secteur clé de l’économie camerounaise. Elle lui assure
alors son autosuffisante alimentaire ainsi que des devises dans le même temps. En ce sens, elle
contribue pour 22.9% au PIB et engage plus de 62% de la population active. Un bon rendement de ce
secteur est un avantage considérable qui influence positivement dans l’évolution du PIB camerounais
; Dans son fonctionnement globale le fait de faire les bons choix et de connaitre le comportement
des consommateurs vis-à-vis de leurs achats permet ainsi d’avoir une production intelligente selon
des indicateurs et des ventes ciblées et d’accroitre ainsi le rendement financier dans ce secteur là. De
ce fait dans le processus de digitalisation d’une ferme agricole à travers son application de gestion
nous avons constaté que les besoins et les exigences sur le plan de la production et de la vente
agricole par les clients étaient très grandissants et donc le système en place ne fournissait aucun
indicateur permettant d’apprécier ou de juger l’évolution exacte des différentes activités de vente
ou de production sur différents plan donc aucun moyen de pouvoir avoir une réponse ciblée et
spécifique par rapport aux achats effectués. Aussi toutes ces informations accumulées à travers la
vente et la production ne sont pas exploitées à bon éssiant afin d’apprécier l’évolution en temps réel
et le suivi des différents clients par leurs achats dans le processus de vente et de la production
agricole.

Ces différentes limites relevées dans le système actuel nous ont donc pousser à mettre une solution
sur pied. Pour donc combler et répondre à ces exigences, il est donc important de mettre sur pieds
des moyens technologiques qui n’étaient pas pris en compte auparavant, ceci dans le but d’améliorer
le processus de production et de vente afin de faciliter la prise de décision. Ainsi, un véritable
problème de gestion interne se pose lorsqu’il faut automatiser certaines tâches ou avoir une
traçabilité des transactions afin de prendre certaines décisions. C’est dans cette optique que nous
avons entrepris le projet : OPTIMISATION DU PROCESSUS DE PRODUCTION ET DE VENTE D’UNE
FERME AGRICOLE GRACE A L’INFORMATIQUE DECISIONNELLE.

 Objectifs

L’objectif principal pour nous sera de mettre en place une solution qui permettra depuis le serveur de
base de donnée et des différents fichiers ou rapport de l’entreprise, de récupérer la donnée afin de la
traiter pour faciliter la prise de décision qui sera alors basée sur une donnée triée. Ainsi, cette
solution s’insérera aux différentes autres sources de données dont dispose l’entreprise pour
augmenter la capacité de celui-ci à faciliter l’intelligence, l’agilité et la co-innovation. AgriBizBI qui est
donc le nom attribué à notre solution est donc une solution pensée pour faciliter l’accès, le
traitement et l’analyse des données des différents métiers. Cet outil permettra aux tierces parties
(métiers de l’entreprise) d’avoir un état réel de l’évolution de leurs différentes activités aux travers
des dashboard et du reporting.

 Périmètre du projet

La solution étant destinée aux entreprises ayant digitalisé leurs fermes agricoles disposant d’une
grosse quantité de données et bien sûr qui font le traitement de cette dernière. La solution avant son
déploiement doit pouvoir se connecter à des DataWarehouse ou entrepôts de données comme
source de données concernant les données métiers de la vente et de la production ; ces données qui
seront récupérées par des utilisateurs (ici des employés de l’entreprise) au travers des requêtes. Pour
sa version initiale, la solution sera déployée uniquement chez le client et sera dans les versions
ultérieure une solution propriétaire pour d’autres entreprises agricoles ayant le besoin. Le travail
réalisé dans ce mémoire présente l’ensemble des activités de mise en place de la première version
de la solution qui est constituée du développement de la solution et de la connexion aux entrepôts
de données.

 Description de l’existant

Il ne serait pas bon de débuter ce travail sans avoir une idée claire et précise sur l’existant quel qu’il
soit, c’est pour cela que les besoins très importants sont de plus en plus croissants dans l’usage de
l’informatique et ses différents outils. Une bonne compréhension de l’environnement de gestion de
la ferme agricole et des systèmes décisionnels aide à déterminer la portée d’implémentation d’une
solution de traitement et d’analyse des données métier. Le tableau suivant (à insérer) présente une
étude des différentes solutions existantes.
  Analyse critique de l’existant

Suite à la description de la solution de gestion agricole à travers le parcours des différentes

fonctionnalités existantes chez elle, il en ressort bon nombre de manquements qui ne sont pas inclus
dans cette solution pour optimiser les ventes, la production et aussi assurer la pleine gestion de sa
clientèle. Ainsi, ces manquements sont les suivants :

- Le manque d’indicateur de performance pour mesurer l’état d’avancement des activités de

ventes et de productions
- L’impossibilité de pouvoir avoir un état d’avancement en temps réel des différentes activités
dans différentes fermes agricoles sur le système.
- L’impossibilité de produire des rapports après analyse des différents résultats
- L’impossibilité d’avoir un état des activités à une date donnée pour chaque activité.
- Les données ne sont pas exploitées de manière efficace pour des fins décisionnelles.
  Analyse du besoin

A qui le produit rend t-il service ? Sur quoi le produit agit-il ?

A
l’entreprise Les données

AgriBizBI

Analyser et d’aider à la prise de décision Dans quel but ?

 Analyse fonctionnelle du besoin : EME (Elément du milieu extérieur)

Clients Employés
Prise de
décision

Disponibilité

Dashboard
Solution
AgriBizBI
Ressources

Norme
d’ergonomie
Données
Norme de Rendement de
  Diagramme de Pieuvre

Rendement de
Clients l’entreprise
Prise de FP4
décision
FP1 FP2 FP3

FC6 Employés

Dashboard
Solution FC5
FC1 AgriBizBI
Disponibilité

Norme FC4
FC2
d’ergonomie
FC3
FC7 Ressources

Norme de Données
sécurité
 Fonctions de services

Fonctions Descriptions

FP1 Favoriser la prise de décision pour augmenter le rendement de

l’entreprise
FP2 Favoriser la prise de décision pour satisfaire le client

FP3 Permettre une bonne gestion de la donnée du client

FP4 Propulser l’entreprise à travers les différentes données

FC1 Etre accessible par un Dashboard

FC2 Etre ergonomique

FC3 Respecter les normes de sécurités

FC4 Gérer les ressources qui lui sont attribuées

FC5 Etre disponible

FC6 Gérer l’ensemble des utilisateurs

FC7 Etre capable de gérer des données

 Equipe projet

Nom fonctions Adresses

M.PFANANANI Muthubi Chef de Projet pfananani@masystems.co.za

M. KOUAKAM Emmanuel Maitre d’ouvrage -

Mechatronics Automated Systems Maître d’œuvre dev@masystems.co.za

M.LEKEUMO Adrian Analyste/Developpeur lekeumotsango@gmail.com

M. PESSA Arthur Analyste/Developpeur arthurpessa@gmail.com

M. SIKHITHA Rodney Testeur r.sikhitha@masystems.co.za

M. TALOM Leonard Testeur talom2cm@gmail.com

 Resources matérielles

Equipements Caractéristiques Fonctions

 Disque dur 1 To Utilisé pour le stockage de

 Ram 16Go la base de données et
 Carte graphique 2Go l’hébergement de
Serveur
 Processeur Intel Core i5 2.3Ghz l’application
 CentOS

 Disque dur 1To Permettant de mettre sur

 Ram 12Go pied ladite application.
02 Laptop HP  Carte graphique 6Go
 Carte graphique dédiée 2Go
 Processeur Intel Core i7 2.3Ghz
  Ressources logicielles

Application Utilité
MS Project Pro Pour la planification du projet dans son
ensemble
StarUML Pour la modélisation orienté objet

MySQL Workbench Pour la conception de la structure du

DataWarehouse
Conception

Mondrian Pour la modélisation d’un cube OLAP

Talend Open Studio for Big Data Pour l’extraction, la transformation et le

chargement des données

Implémentation MySQL Pour l ’implémentation du DataWarehouse

DataWarehouse
Microsoft Power BI Pour l’affichage des données sur tableau de
bord

 Analyse et la conception

Modéliser un système avant sa réalisation permet de mieux comprendre le fonctionnement du

système. C’est également un bon moyen de maitriser sa complexité et d’assurer sa cohérence.
Un modèle est un langage commun, précis, qui est connu par tous les membres de l’équipe et il
est donc, à ce titre, un vecteur privilégié pour communiquer. Cette communication est essentielle
pour aboutir à une compréhension commune aux différentes parties prenantes (la maitrise
d’ouvrage et la maitrise d’œuvre informatique) et précise d’un problème donné. Le choix du
modèle a donc une influence capitale sur les solutions obtenues.

Dans notre cas ce sera la Modélisation Dimensionnelle : C’est une technique de conception logique
permettant de structurer les données de manière à les rendre intuitives aux utilisateur d’affaires et
offrir une bonne per- formance aux requêtes. Dans la modélisation dimensionnelle nous avons les
tables de faits et les tables de dimensions.

 Différents schémas de modélisation

- En étoile
- En flocon
- En constellation

 Choix du langage
Dans le cas de notre étude nous avons choisi d’utiliser la modélisation en flocon car elle présente des
atouts à points forts par rapport aux autres schémas de modélisation existants. Ses différents atouts
sont les suivants :

 Conception générale
- Extreme Programming
- RUP
- Scrum

 Choix de la méthode de développement

Scrum

 Choix de l’architecture BI

Dans notre cas se sera l’architecture de Base dû à son style de fonctionnement

Un système d’information décisionnel est composé de trois principaux composants dans

l’architecture de base :

• Le premier composant est la zone ETL (pour Extract, Transform, Load en anglais) où l’on effectue les
traitements sur les données : cette zone doit être réservée aux développeurs. En aucun cas un
utilisateur final ne devrait pouvoir y avoir accès car les données n’y sont pas encore forcément dans
un état cohérent.

• Le second composant est la zone de stockage des données : historiquement nous avions ici un
entrepôt de données (DataWarehouse en anglais) reposant sur une technologie OLAP. Désormais
nous pouvons imaginer d’autres types de stockage de données comme le stockage in-memory ou les
systèmes de données distribués (HDFS, . . . ). Cependant, quel que soit le format ou le support de
stockage choisi, la modélisation dimensionnelle est une excellente approche pour structurer les
données de manière logique et de permettre d’y accéder.

• Le dernier composant est la zone de restitution des données qui couvre tous les outils qui génèrent
des rapports ou des tableaux de bord. Cette zone peut permettre aussi de fournir des données à un
niveau atomique pour des tâches de machine learning.

 Conception de la zone d’entreposage