Académique Documents
Professionnel Documents
Culture Documents
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.
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
A
l’entreprise Les données
AgriBizBI
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
Equipe projet
Resources matérielles
Application Utilité
MS Project Pro Pour la planification du projet dans son
ensemble
StarUML Pour la modélisation orienté objet
Analyse et la conception
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.
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
Scrum
Choix de l’architecture BI
• 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.