INF3186

2021-2022
Université de
Yaoundé I

INF3186: Business Intelligence

Présentation et introduction
générale au BI

Mars 2022

Valéry MONTHE
valery.monthe@facsciences-uy1.cm
Bureau R114, Bloc pédagogique 1
 Déroulement du cours
• CM :
– Des séances de 3h
– Lieu : En ligne et en salle
• TD/TP :
– Lieu : En ligne et en salle
• TPE:
– Lectures et travaux personnels des étudiants
• Supports et matériels:
– Supports de cours
– fiches de TD et TP
– Ordinateurs personnels des apprenants

INF3186|| 2021-2022 Introduction générale 31/03/2022 2

 Contexte (1)
❑ Besoin :
▪ Prise de décisions stratégiques et tactiques
▪ Réactivité
❑ Qui :
▪ Les décideurs (non informaticiens, non statisticiens)
❑ Comment:
▪ Répondre aux demandes d’analyse de données
▪ Dégager des informations qualitatives nouvelles

Sources : Elsa Negre, Université Paris-Dauphine

INF3186|| 2021-2022 Introduction générale 31/03/2022 3
 Contexte (2)
❑ Types de données : Données opérationnelles(de
productions)
▪ Bases de données, Fichiers,
▪ Données sur : Paye, Gestion RH, ventes, …
❑ Caractéristiques des données:
▪ Distribuées : systèmes éparpillées
▪ Hétérogènes : systèmes et structures de données
différents
▪ Détaillées : organisation de données selon les processus
fonctionnels et données trop abondantes pour l’analyse
▪ Peu/pas adaptées à l’analyse : des requêtes lourdes
peuvent bloquer le système transactionnel
▪ Volatiles : pas d’historisation systématique
INF3186|| 2021-2022 Introduction générale
31/03/2022 4
 Problématique(1)
Nous avons donc :
❑ Une grande masse de données …
▪ Distribuées
▪ Hétérogènes
▪ Très détaillées

❑ … à traiter …
▪ Synthétiser / résumer
▪ Visualiser

❑ … pour une utilisation par des

▪ Experts / analystes d’un métier
▪ Non informaticiens
▪ Non statisticiens
INF3186|| 2021-2022 Introduction générale 31/03/2022 5
 Problématique(2)
Comment répondre aux besoins de décideurs afin
d’améliorer les performances décisionnelles de
l’entreprise?
▪ En donnant un accès rapide et simple à l’information
stratégique
▪ En donnant du sens aux données
▪ En donnant une vision transversale des données de
l’entreprise (intégration de différentes bases de
données)
▪ En extrayant, groupant, organisant, corrélant et
transformant (résumé, agrégation) les données

INF3186|| 2021-2022 Introduction générale 31/03/2022 6

 Problématique(3)

Mettre en place un SI dédié aux applications décisionnelles

: Entrepôt de données + analyse + présentation
▪ Transformer des données de production en
informations stratégiques.

Sources : Th. Ester, HEC Lausanne

INF3186|| 2021-2022 Introduction générale 31/03/2022 7
 Objectifs
❑ Aider les managers à piloter leurs entreprises
❑ Pour piloter il faut prendre des décisions
❑ Pour décider il faut des informations servant de base à la
décision
❑ Idée : Transformer les données opérationnelles de
l’entreprise en informations pertinentes
❑ Nécessité : prendre en comptes des données venant de
sources différentes
❑ Activités : Extraire – traiter – agréger – stocker – analyser
– partager - présenter

INF3186|| 2021-2022 Introduction générale 31/03/2022 8

 Objectifs du cours
Le cours s’inscrit dans le domaine de l’informatique
décisionnelle (ID) ou Business Intelligence (BI).
❑ Comprendre la problématique et les enjeux de
l’informatique décisionnelle
❑ Analyser les besoins en vu de la conception d’un entrepôts
de données
❑ Concevoir un ED répondant à un besoin
❑ Réaliser une modélisation multidimensionnelles des ED
❑ Implémenter un ED et l’alimenter
❑ Réaliser des analyses
❑ Présenter les résultats de ces analyses

INF3186|| 2021-2022 Introduction générale 31/03/2022 9

 Programme du cours
1. Introduction à l’informatique décisionnelle
2. Entrepôts de données et magasin de données
3. Processus ETL
4. Modélisation conceptuelle et logique d’un ED
5. Approches d’implémentation des ED
6. Cube OLAP et opération OLAP
7. Extension SQL pour OLAP et MDX
8. Construction des tableaux de bord
INF3186|| 2021-2022 Introduction générale 31/03/2022 10
 Bibliographie et ressources
Ouvrages recommandés
1. Golfarelli M., Rizzi S., « Data Warehouse Design:Modern Principles and
Methodologies », McGrawHill, 2009.
2. Kimball R., Ross, M., « Entrepôts de données:guide pratique de
modélisation dimensionnelle », 2°édition, Ed. Vuibert, 2003, ISBN:2-
7117-4811-1.
3. Franco J-M., « Le Data Warehouse ». Ed. Eyrolles, Paris, 1997. ISBN 2-212-
08956-2.
4. OLAP Solutions:Building Multidimensional Information Systems, E.
Thomsen
Notes de cours et autres références
1. Elsa NEGRE, Univ Paris-Duaphine, Entrepôts de données
2. F. Boufares, LIPN, Université Paris Nord
3. P. Marcel, LI, Universitéde Tours
4. Bernard Espinasse, Ecole Polytechnique Universitaire de Marseille
5. T. Hamon, Institut Galilée –Université Paris 13
INF3186|| 2021-2022 Introduction générale 31/03/2022 11