Vous êtes sur la page 1sur 36

COURS :

SYSTÈME D’INFORMATION
4GINDUS

Pr F. EL MOSAID

ENSA-2018/2019
CHAPITRE V : SIAD
POINTS CLÉS

-Système de production
-Système décisionnel
-Datawerhouse/Datamart
Ere de l'information : ou de la Donnée

Nouvelle ressource
- des entreprises du
XXIème siècle.
-Avec le temps, les entreprises produisent et
manipulent de très importants volumes de
données.
-Ces données sont stockées dans les systèmes
opérationnels de l’entreprise au sein de bases
de données.
Evolution des unités de volumétrie des données :
Ere de l'information : ou de la Donnée
Défi pour les entreprises : Transformer une
partie du système d'information en un SI
décisionnel pour mieux piloter l’entreprise.

Besoin des entreprises :


-accéder à toutes les données de l’entreprise.
-regrouper les informations disséminées.
-analyser et prendre des décisions rapidement.
La prise de décision en entreprise
-Une décision est le résultat d'un processus
comportant le choix conscient entre plusieurs
solutions, en vue d'atteindre un objectif.

-L'efficacité des services d'une entreprise dépend de


la qualité de ses décisions.

-Améliorer l'habilité à prendre des décisions, c'est


faire usage des ressources dont dispose l'entreprise.
Processus décisionnel
Peut être découpé en cinq étapes :
-Définir le problème
-Rassembler les faits et données
-Evaluer et interpréter les faits et données
-Etablir plusieurs solutions
-Décider (choisir une solution)
Processus décisionnel
Modèle IMC (Intelligency, Modelisation, Choice) de
H.A.SIMON
Processus de décision rationnelle selon trois étapes :
 compréhension et d’identification du problème
(Intelligency) qui aboutit à un diagnostic.
 Analyse exhaustive des solutions praticables
(Modelisation).
 Choix de la solution retenue, en fonction des moyens
disponibles et des objectifs fixés (Choice). Le choix devrait
correspondre à un optimum.
Informatique décisionnelle
Objectif de la mise en place d’un système
d’information décisionnelle :
=> aider le décideur dans son processus de prise de
décision.
Apport des solutions informatique :
=> accélération du temps de rassemblement des faits
et données et leur interprétation.
C’est un ensemble d’outils qui ne remplace en
aucun cas le décideur.
Prise de décision

-Les systèmes " opérationnels " (ou de " production


", ou de " gestion " ) sont dédiés aux métiers de
l’entreprise pour les assister dans leurs tâches de
gestion quotidiennes (et directement
opérationnels).
Prise de décision

-Les systèmes " décisionnels " sont dédiés au


management de l’entreprise pour l’aider au pilotage
de l’activité (et indirectement opérationnels).
Ils offrent au décideur une vision transversale de
l’entreprise.
Système de production :

-Transaction fréquentes des données sous


forme de modifications (Écriture/Lecture).

-Les systèmes de production (OLTP)


garantissent la cohérence des données.

-Les systèmes de production sont conçus


pour les tâches répétitives et planifiées.
Passage des données de production aux données
décisionnelles

Les bases de production : toutes les sources de


données (légales, juridiques, fiscales, politiques,
techniques, marketing…)

Comment organiser ces différentes données dans un


ensemble cohérent afin de procéder à toutes les
analyses nécessaires pour construire les indicateurs
indispensables au pilotage de l'entreprise ?
Par un processus d'entreposage de données (Data
Warehousing)
Qu'est ce qu'un Entrepôt de Données ?

Définition 1 (Goglin) : un entrepôt de données est


un stockage intermédiaire de données issues des
applications de production, dans lequel les
utilisateurs finaux puisent avec des outils de
restitution et d’analyse.
Qu'est ce qu'un Entrepôt de Données ?

Définition 2 (Bill Inmon) : Un entrepôt de


données est une collection de données thématiques,
intégrées, non volatiles et historisées organisées
pour la prise de décision.

Inmon et Codd sont considérés comme les auteurs


du concept dans le début des années 90.
Thématiques : thèmes par activités majeures.
Intégrées : divers sources de données.
Non volatiles : ne pas supprimer les données du
DW.
Historisées : trace des données, suivre l'évolution
des indicateurs.
Thématiques
-Thématique = "Orienté sujet " .

-Orienté par thème et non plus par fonction.

-Exemples :
--Dans les bases de données opérationnelles :
assurance vie, assurance automobile, paye, facturation.
--Dans les bases de données décisionnelles : client,
produit, réseau de distribution, médicament, marché,
absences, réussite.
=>Ce côté est renforcé dans les magasins (ou
Datamart).
Intégrées
-L’entrepôt n’est pas une concaténation des sources,
les données sont sémantiquement intégrées.
-Exemples :
--Reconnaître qu’il s’agit de la même personne
malgré un déménagement.
--Reconnaître qu’il s’agit du même produit malgré
des codes barres différents.
Remarque : très difficile, mais indispensable.
Non volatiles, historisées
-Pas de suppressions.
-Nécessité d’un référentiel de temps.
-L’historisation permet :
--l’extrapolation,
--la mesure de l’impact d’une décision par
comparaison de la situation avant et après la mise en
application de cette décision.
-Exemple :
Suivi des évolutions des comportements des clients.
Agrégées
-Niveau de granularité.
-Exemple :
--Stockage de tous les appels téléphoniques pour un
client:
APPEL_TELEPHONIQUE (n° client, horo-date,
durée, correspondant, étranger, etc...)
(300 clients, 200 tuples par client, 60000 tuples
d’appels).
Agrégées

--Stockage agrégé par client sur 1 mois :


APPEL_TELEPHONIQUE (n° client, mois,
nombre d’appel, durée moyenne, nombres d’appels
vers l’étranger)
(300 tuples d’appels).
Exemples
Suivi du comportement de la clientèle dans les
télécommunications :
-Nombre moyen d’heures par mois et par région,
-répartition des appels clients sur la semaine,
-Répartition des appels clients sur la journée,
-nombre moyen d’appels représentant 20% d’une facture,
-Durée moyenne d’une communication urbaine,
-Durée moyenne d’une communication internationale.
Exemples
Suivi du marché :
- lignes installées,
- désinstallées,
- services choisis,
- répartition géographique
Comportement du réseau :
- pannes
Exemples

-Quel est le volume des ventes par produit, par


région, pour le 3ième trimestre 2009 ?
-Quel est le volume des ventes de produits laitiers,
pour la région, par an, pour les 5 dernières années ?
-Quel est le type de produits dont les ventes
baissent constamment dans les 6 derniers mois de
l’année en cours ?
-Est-ce qu’une baisse de prix de 10% ferait
redémarrer les ventes ?
Différences transactionnel / décisionnel
Transactionnel Décisionnel
Données - sur une période courte - historisées
- détaillées - agrégées
- personnelles - peuvent être anonymes
- mises à jour - recalculées

- temps de validité, de - temps de validité, de


transaction transaction, d’extraction
Traitements - requêtes simples - requêtes complexes
- répétitives - variées
- très sensible aux - échelle de performance
performances différente
Différences transactionnel / décisionnel
Transactionnel Décisionnel
Conception - orientée fonction - orientée sujet
- relativement - évolutif
statique
Utilisateurs - agents opérationnels - manager
Nbres :
. utilisateurs - milliers - centaines
. tuples accédés - dizaines/centaines - millions

. base de - centaines de - centaines de GB/TB


données MB/GB
DataMart

-Sous-ensemble d’un entrepôt de données


-Destiné à répondre aux besoins d’un secteur ou
d’une fonction particulière de l’entreprise.

-Point de vue spécifique selon des critères métiers.


DataMart

Datamarts du service
Marketing

ED
Datamart du service
DW de l’entreprise Ressources Humaines
Intérêts des DataMart

-Nouvel environnement structuré et formaté en fonction


des besoins d’un métier ou d’un usage particulier.

-Moins de données qu’un Data Warehouse

-Plus facile à comprendre, à manipuler

-Amélioration des temps de réponse

-Utilisateurs plus ciblés: DataMart plus facile à définir


Exploitation de l’entrepôt

-Business Intelligence :

Possibilité de visualiser et d’exploiter une masse importante


de données complexes.

-Trois principaux outils :

 OLAP :On-Line Analytical Processing


 Data mining: fouille de données
 Formulation de requêtes et visualisation des résultats.
Base de données vs. Entrepôt de données
Pourquoi dissocier une BD d’un DW?
-Les objectifs de performances dans les BD ne sont pas les
mêmes que ceux dans les DW.
--BD : requêtes simples, méthodes d’accès et d’indexation
--DW : requêtes OLAP souvent complexes.

-La nécessité de combiner des données provenant de diverses


sources, d’effectuer des agrégations dans un DW et d’offrir
des vues multidimensionnelles.

-Les données d’un DW sont souvent non volatiles et ont


donc une plus longue durée de vie que celles d’une BD.
Modélisation classique - OLTP

-Le modèle relationnel


--Table, attributs, tuples, vues, …
--Normalisation (redondance)
--Requêtes simples (sélection, projection, jointure, …)

=> Analyse difficile de l’activité

-Le critère temps :


--Représentation du passé
--Un fardeau pour les systèmes OLTP
Système d’Information Décisionnel :
-Entreposage de données : Intégration des données
dans une base cible (Entrepôt) structurée à des fins
de décision.

-Analyse en ligne (OLAP) : (analyses exploratoires)


-- Vues multidimensionnelles des données
--Requêtes décisionnelles en SQL avec agrégation
des données.
--Requêtes interactives en ligne
-Data mining ou Fouille des données :

--Apprentissage automatique supervisé ou non


supervisé : Clustering.
--Analyses explicatives : Régression multiples
--Analyses prédictives : Arbre de décision

Vous aimerez peut-être aussi