Rapport Final

Rapport de Stage
Présenté en vue d’obtenir le diplôme de License Informatique

SPECIALITE : Génie logiciel
Elaboré par :
Bouzidi Idrissi OUMAYMA
Mise en œuvre d’une solution BI pour le

suivi des indicateurs DC
Réalisé au sein de
ALTEN Delivery Center Maroc
Encadrant universitaire : Encadrants professionnels :
M.Benslimane Rachid Mme. Hassouni Kaoutar

M.SAHAMOUDI Younes
Année universitaire
2021-2022
Dédicace
Avec l’expression de ma reconnaissance, je dédie ce modeste travail à ceux qui, quels que
soient les termes embrassés, je n’arriverais jamais à leur exprimer mon amour sincère.
A la femme qui a souffert sans me laisser souffrir, qui n’a jamais dit non âmes exigences et qui
n’a épargné aucun effort pour me rendre heureuse : mon adorable mère Naoual. De là-haut
malgré la route qui nous a séparé tu seras toujours le rayon de mon espoir. Repose e paix chère
maman.
A l’homme, mon précieux offre du dieu, qui doit ma vie, ma réussite et tout mon respect : mon
cher père Adil.
A mes frères et ma sœur, que Dieu leur donne une longue et joyeuse vie.
A ma chère cousine Khawla et mon fiancé Kamal qui n’ont pas cessée de me conseiller,
encourager et soutenir tout au long de mes études. Que Dieu les protège et leurs offre la chance
et le bonheur.
A toi mon grand-mère Fatiha, ceci est ma profonde gratitude pour ton éternel amour, que ce
rapport soit le meilleur cadeau que je puisse t’offrir.
A tous les membres de la famille Bouzidi Idrissi et la famille Reida,

Merci pour leurs amours et leurs encouragements.
2
Remerciements
Avant tout, je tiens à remercier Dieu le tout puissant pour m'avoir donné de la force et de la
patience pour mener à terme ce travail.
Ainsi, j’exprime ma profonde gratitude et tiens à remercier tout le personnel d’ALTEN pour
leur soutien et leur générosité en fournissant des informations.
Je remercie également Madame Kaoutar HASSOUNI d'avoir accepté de m'avoir dans l'équipe
décisionnelle d'ALTEN en créant les conditions du bon déroulement du projet.
Remerciements particuliers à mon encadrant au sein d’ALTEN Monsieur Younes
SAHAMOUDI qui m’a sacrifié son temps et son énergie pour m'aider à développer mon projet
dans les meilleures conditions possibles.
Je tiens à exprimer ma sincère gratitude à mon conseiller pédagogique Monsieur
BENSLIMANE Rachid pour son soutien, sa disponibilité, ses conseils et son aide précieuse lors
de déroulement de ce projet aussi à la rédaction de ce mémoire.
Je tiens également à remercier les membres du jury d'avoir accepté de juger mon travail.
Que tout le corps professoral de l’ESISA trouve ici le témoignage de ma profonde
reconnaissance pour leur contribution à notre formation.
Je tiens à remercier tous ceux qui m'ont conseillé de contribuer directement ou indirectement
à la réalisation de ce travail.
3
Tables de matières
Dédicace .............................................................................................................................................2
Remerciements...................................................................................................................................3
Tables de matières ..............................................................................................................................4
Liste des abréviations..........................................................................................................................7
Liste des figures ..................................................................................................................................8
Liste des tableaux ............................................................................................................................. 10
Introduction générale ....................................................................................................................... 11
Chapitre I. La Business Intelligence et ses outils
I. La Business Intelligence (BI)....................................................................................................... 12
II. Le Système Décisionnel VS L’opérationnel ................................................................................. 14
III. Domaines de la Business Intelligence.................................................................................... 16
1. Finance-Contrôle de Gestion ................................................................................................... 16
2. CRM/CLM.............................................................................................................................. 16
3. Marketing ............................................................................................................................. 16
4. Ressources Humaines............................................................................................................. 16
5. Commercial-Force de vente ..................................................................................................... 16
6. Logistique.............................................................................................................................. 16
IV. Les étapes de processus de la BI ............................................................................................ 16
1. Phase de collecte .................................................................................................................... 17
2. Phase de stockage .................................................................................................................. 17
3. Phase de distribution............................................................................................................. 19
4. Phase d’exploitation .............................................................................................................. 19
V. Modélisation des données de l’entrepôt ................................................................................. 22
1. Table de fait .......................................................................................................................... 22
2. Table de dimension ............................................................................................................... 22
3. Différents modèles de modélisation décisionnelle ................................................................. 22
VI. Benchmark Solution BI .......................................................................................................... 24
1. Microsoft Power BI ................................................................................................................ 24
2. Oracle BI ............................................................................................................................... 25
3. Pentaho ................................................................................................................................ 25
Conclusion ........................................................................................................................................ 26
4
Chapitre II. Contexte général du projet
I. Présentation de l’organisme d’accueil ....................................................................................... 27
1. Le groupe ALTEN ................................................................................................................... 27
2. Carte d’identité ..................................................................................................................... 28
3. ALTEN DELIVERY CENTER Maroc ............................................................................................ 29
II. Contexte et démarche de projet ................................................................................................ 31
III. Problématique et objectif du projet....................................................................................... 31
IV. Le choix de la méthode Scrum ............................................................................................... 32
1. Présentation de la méthode Scrum ........................................................................................ 32
2. Origine .................................................................................................................................. 32
3. Les principes SCRUM ............................................................................................................. 32
4. Les phases d’un projet Scrum ................................................................................................ 33
5. Cycle de développement Scrum ............................................................................................ 33
V. Démarche du projet .................................................................................................................. 34
VI. Planning du projet ................................................................................................................. 34
VII. Planning Prévisionnel du Projet ............................................................................................. 35
Conclusion ........................................................................................................................................ 36
Chapitre III. Analyse et conception du projet
I. Description du projet ................................................................................................................ 37
II. Etude et analyse de l’existant .................................................................................................... 37
1. Identification des données .................................................................................................... 37
2. Problèmes rencontrés ........................................................................................................... 38
3. Etude des besoins ................................................................................................................. 38
III. Conception du modèle en étoile ............................................................................................ 43
1. Tables de dimensions ............................................................................................................ 43
2. Table de fait ‘Table Fait’ ........................................................................................................ 45
3. Modèle en étoile ................................................................................................................... 45
Conclusion ........................................................................................................................................ 46
Chapitre IV. Réalisation du projet
I. Technologies utilisées ................................................................................................................ 47
1. Power BI Desktop .................................................................................................................. 47
2. Power Query ......................................................................................................................... 48
3. Langage DAX ......................................................................................................................... 49
4. Implémentation du modèle dimensionnel ............................................................................. 49
II. Calcul des indicateurs de performance ...................................................................................... 51
5
III. Construction des tableaux de bord ........................................................................................ 52
1. Présentation de quelques visuels........................................................................................... 52
2. Présentation des tableaux de bord ........................................................................................ 54
Conclusion ........................................................................................................................................ 59
Conclusion Générale ......................................................................................................................... 60
6
Liste des abréviations
Abréviation Désignation
BI Business Intelligence
SIAD Système d’Information d’Aide à la Décision
ADC ALTEN Delivery Center
RH Ressources Humaines
RC Responsable de compétence
DWH DataWareHouse
DC Direction de competence
ETL Extract Transform Load
SI Système d’information
IT Information Technology
SP Système de pilotage
KPI Key perfermance indicateur
OLAP Online Analytical Processing
OLTP On-Line Transactional Processing
NTIC Nouvelles Technologies de l’Information et de la Communication
DAX Data Analysis Expressions
SAD Système d’Aide à la Décision
7
Liste des figures
Figure 1.le SIAD dans le SI ................................................................................................................. 13

Figure 2. Processus d'un système décisionnel ................................................................................... 14
Figure 3. Architecture des systèmes décisionnels. ............................................................................. 15
Figure 4. Les différentes étapes du processus de la BI. ...................................................................... 16
Figure 5.Étapes d’alimentation d’un Datawarehouse. ....................................................................... 17
Figure 6. Exemple d’utilisation d’un cube OLAP. ................................................................................ 21
Figure 7. Exemple de schéma en étoile d’utilisation. ........................................................................ 23
Figure 8. Exemple d’un schéma en flocon.......................................................................................... 23
Figure 9. Exemple d’un schéma en constellation. .............................................................................. 24
Figure 10. Tableau comparatif des trois suites décisionnelles. ........................................................... 25
Figure 11. Carré de GARTNER (Mars 2022) ........................................................................................ 26
Figure 12. Répartition Sectorielle Equilibrée nos clients. ................................................................... 28
Figure 13. Carte d’identité ALTEN...................................................................................................... 28
Figure 14. Structure de l'ADCM. ........................................................................................................ 29
Figure 15. Les trois départements de la filiale Marocaine d’ALTEN. ................................................... 30
Figure 16. Les principaux clients d’ALTEN. ......................................................................................... 30
Figure 17. Phase d’un projet Scrum. .................................................................................................. 33
Figure 18. Cycle développement Scrum............................................................................................. 33
Figure 19. Tableau de Gantt. ............................................................................................................. 35
Figure 20. Diagramme de Gantt. ....................................................................................................... 36
Figure 21. Fragment du fichier Excel.................................................................................................. 38
Figure 22. Dimension ‘Employé’. ....................................................................................................... 43
Figure 23. Dimension ‘Date’. ............................................................................................................. 44
Figure 24. Dimensions ‘Département’ & ‘Projet’. .............................................................................. 44
Figure 25. Dimensions ‘Manager’ & ‘Expérience’. ............................................................................. 45
Figure 26. Table de fait ‘Table fait’. ................................................................................................... 45
Figure 27. Modèle en étoile de la solution......................................................................................... 46
Figure 28. IHM de Power BI Desktop. ................................................................................................ 48
Figure 29. IHM de Power Query. ....................................................................................................... 48
Figure 30. Script M permettant l’extraction du fichier de données. ................................................... 49
Figure 31. Script M permettant la transformation du fichier de données. .......................................... 50
Figure 32. Modèle en étoile construit dans Power BI Desktop. .......................................................... 51
Figure 33. Exemple de formule Dax. .................................................................................................. 51
Figure 34. Exemple de graphique en secteurs et en anneau. ............................................................. 52
Figure 35. Exemple des histogrammes et graphique à barres. ........................................................... 52
Figure 36. Exemple de graphique en courbe. ..................................................................................... 53
Figure 37. Exemple de graphique en cartes. ...................................................................................... 53
Figure 38. Exemple de graphique en segment. .................................................................................. 54
Figure 39. Page d’accueil. .................................................................................................................. 54
Figure 40. Tableau de bord ‘Information générale’ après application du filtre ‘Année’. ..................... 55
8
Figure 41. Tableau de bord ‘Synthèse’ après application du filtre ‘Année’ et ‘Mois’. .......................... 55
Figure 42. Tableau de bord ‘Statut de recrutement’. ......................................................................... 56
Figure 43. Tableau de bord ‘Embauches’. .......................................................................................... 56
Figure 44. Tableau de bord ‘Résiliation’............................................................................................. 57
Figure 45. Tableau de bord ‘Information employé’. ........................................................................... 57
Figure 46. Tableau de bord ‘Performance’......................................................................................... 58
Figure 47. Tableau de bord ‘Indication’. ............................................................................................ 58
9
Liste des tableaux
Tableau 1.Tableau comparatif entre les systèmes décisionnels et les systèmes transactionnels. ....... 15
Tableau 2. Tableau comparatif entre un Datamart et un Datawarehouse. ......................................... 19
Tableau 3. Tableau caractéristique du fichier de données. ................................................................ 37
Tableau 4. Détails des rapports relatifs aux informations générales. ................................................. 39
Tableau 5. Détails des rapports relatifs à synthèse. ........................................................................... 39
Tableau 6. Détails des rapports relatifs au statut de recrutement. .................................................... 40
Tableau 7. Détails des rapports relatifs aux embauches. ................................................................... 40
Tableau 8. Détails des rapports relatifs aux résiliations. .................................................................... 41
Tableau 9. Détails des rapports relatifs aux informations sur les employés. ....................................... 41
Tableau 10. Détails des rapports relatifs aux performances ............................................................... 42
Tableau 11. Détails des rapports relatifs aux indications. .................................................................. 42
Tableau 12. Détails des différents filtres. .......................................................................................... 43
10
Introduction générale
Aujourd’hui les entreprises disposent de différentes ressources matérielles, financières,

humaines et informationnelles. Ces dernières sont exploitées à travers le système d’information
de l’entreprise qui connait une véritable évolution avec l’apparition des Nouvelles
Technologies de l’Information et de la Communication (NTIC). Ces dernières permettent en
effet un meilleur accès aux informations de tout ordre pour l’ensemble du personnel de
l’entreprise, et facilite le partage de l’information, pour une plus grande performance
opérationnelle.
L’utilisation des outils informatiques permet de générer de grandes quantités de données. Les
analystes et les managers ont besoin de ces données en quantité, et en qualité selon leurs
besoins, ce qui est couteux en termes de temps à partir d’experts humains. Ceci pose le
problème suivant : comment analyser et étudier ces données afin d’aider les décideurs à
prendre décision ?
La réponse à la question ci-dessus posée, nous mène au domaine de l’Informatique
Décisionnelle, connue Business Intelligence (BI). La BI fusionne un ensemble de technologies,
d’outils et de méthodes dont les entrepôts de données et les tableaux de bord, qui vise de
faciliter la réduction de l’écart entre la performance actuelle et celle désirée d’une
organisation.
Depuis les années 1960, plusieurs entreprises ont progressivement adopté des systèmes
d'information sur les ressources humaines (SIRH) pour aider les ressources humaines à
fonctionner de manière plus stratégique et plus efficace. Surtout compte tenu des quantités
massives de données que notre monde connaît aujourd'hui. La gestion des données des
employés reste l'une des principales tâches des RH.
À ce stade, les RH sont souvent confrontées à des préoccupations telles que : Les erreurs
typographiques, la confusion des dates et les insertions et suppressions manuelles de données
ralentissent les mises à jour de la base de données. Cela entraîne généralement des retards
pour l'équipe RH et signifie donc également des retards chez les responsables de compétence.
Dans ce contexte, et dans le cadre de mon projet de fin d’étude, j’ai entamé un stage au niveau
de ALTEN Delivery Center (ADC), qui a duré deux mois et demi, où j’ai réalisé la conception
d’une solution BI pour le suivi des indicateurs DC.
11
Chapitre I
La Business Intelligence et
ses outils
Ce chapitre vise à présenter la Business Intelligence (BI) et ses outils. Nous présenterons
tout d’abord le besoin au Décisionnel dans les entreprises et la différence entre un système
opérationnel et un système décisionnel. Nous aborderons par la suite l’architecture de la BI
qui se présente classiquement sous forme de quatre phases essentielles à travers lesquelles
nous présenterons les notions nécessaires. Nous finirons par une étude comparative entre
quelques logiciels décisionnels.
I. La Business Intelligence (BI)

La modélisation systémique de toute organisation se décompose en trois sous-systèmes :
Système Opérant (SO), Système d’information (SI) et Système de Pilotage (SP). Le SO
représente l’activité productrice de l’organisation étudiée. Cette activité consiste à transformer
les flux Primaires (matière, finance, personnel...) pour répondre aux besoins des clients. Le SP
regroupe l’ensemble de personnel d’encadrement qui effectue les taches de régulation, de
pilotage et l’adaptation de l’organisation à son environnement [1]. Le SI permet de collecter,
mémoriser, traiter et restituer les différentes données de l’organisation afin de permettre au SP
d’effecteur ses fonctions tout en assurant son couplage avec le SO [2].
Pour répondre aux besoins des décideurs (les décisions du SP), il est nécessaire de
synthétiser et réorganiser les données de production du SI afin d’en déterminer une sous-partie
relative à l’aide à la décision [3].
Afin de bien comprendre c’est quoi la BI (en français l’Informatique Décisionnelle), ou
bien l’aide à décision ou encore le Décisionnel, il serait assez intéressant de définir quelques
concepts clés autour de la BI.
12
Définition d’un SIAD

Un système d'information d'aide à la décision (SIAD) est un système qui effectue la
collecte, la transformation et le stockage de données brutes à partir de sources de données, et
le stockage dans d'autres espaces, ainsi que la caractérisation de données agrégées pour
faciliter le processus de prise de décision [3].
Tous les outils informatiques utilisés pour soutenir le SIAD sont considérés comme des
systèmes d'intelligence d'affaires (BI) ou d'aide à la décision (SAD). Un SAD est conçu pour
exploiter les données opérationnelles d'une organisation afin de faciliter la prise de décision
de gestion éclairée [4].
Figure 1.le SIAD dans le SI
Définition de la BI
Parmi les différentes définitions du la BI nous trouvons :
Définition 1 : L’Informatique Décisionnelle ou BI désigne l’ensemble des outils, moyens
et méthodes permettant de collecter, consolider, modéliser et restituer les données, matérielles
ou immatérielles, d’une entreprise en vue de lui offrir un aide à la décision en lui permettant :
- D’analyser son activité au plus prés.
- De se projeter dans un avenir de plus en plus proche.
- D’anticiper les attentes de ses clients et des marchés [5].
13
Définition 2 :"Le Décisionnel est le processus visant à transformer les données en

informations et par l’intermédiaire d’interrogations successives, transformer ces informations
en connaissances" [6].
Figure 2. Processus d'un système décisionnel
II. Le Système Décisionnel VS L’opérationnel

Comme nous avons déjà présenté un SIAD a pour but de faciliter la prise de décisions,
nous définissons dans ce qui suit le système Opérationnel afin d’aborder une comparaison entre
les deux systèmes (tableau «1 »).
Le système Opérationnel (Transactionnel)
Le monde opérationnel correspond aux taches, quotidiennes, répétitives et atomiques qui
sont effectuées par les employés de l’entreprise pour lui permettre d’avoir une activité et donc
survivre (traitement d’une commande, l’édition d’une facture...etc.).
Les systèmes informatiques opérationnels (OLTP pour OnLine Transactional Processing)
aident à soutenir les opérations de l'entreprise. Ce sont des systèmes de gestion ou de
production qui décrivent la vie d'une entreprise dans un environnement informatique, et sont
plus petits, plus faciles à gérer et plus flexibles [7].
14
Système SIAD (OLAP(On-Line Analyti-

Opérationnel(OLTP) cal Processing))
Gestion des transactions Prise de décision
Destiné au grand public(toute Petit nombre d’utilisateurs( déci-
Utilisation
personne de l’entreprise) déci- deurs et patrons )
deurs exclus (niveau plus élevé
que la gestion quotidienne)
Usage maîtrisé Usage aléatoire
Quotidienne Sporadique
Données Atomiques, actuelles, détaillées, Multidimensionnelles,historiques,
faible volume, non générales et détaillées, Grand vo-
redondantes, en lecture- lume, souvent avec redondance, en
écriture, décentrali- sées, lecture seule, centralisées, agrégées,
codées cohérentes
Source Bases de données uniques Plusieurs bases de données
Conception Orientée application Orientée décision
Temps de Immédiat Moins critique
réponse
Tableau 1.Tableau comparatif entre les systèmes décisionnels et les systèmes transactionnels.
Les systèmes OLTP servent, en général, de source de données pour les systèmes OLAP
(figure «3 ») qui sont quant à eux, source d’analyse des données qui permet d’aboutir à la
décision.
Figure 3. Architecture des systèmes décisionnels.
15
III. Domaines de la Business Intelligence

La Business Intelligence était au départ centré sur le domaine comptable et financier, en
même temps consommateur et fournisseur d’une quantité importante de données chiffrées . Elle
s’est petit à petit étendue à d’autres domaines pouvant le mieux exploiter ces informations pour
guider leurs décisions. On trouve ainsi les applications typiques [8] :
1. Finance-Contrôle de Gestion
Mesure des coûts, mesure des risques, suivi du chiffre d’affaires, gestion de la
trésorerie, placements financiers, analyse de la rentabilité de l’entreprise.
2. CRM/CLM
CRM: Customer Relationship Management, CLM: Customer Lifecycle Management
Suivi de l’activité commerciale, analyse clients, comportements d’achat, couverture de cible.
3. Marketing
Analyse multicanal, retour sur investissement d’une campagne, impact sur lesventes,
études consommateurs .
4. Ressources Humaines
Suivi des effectifs, coûts de recrutement, coûts et heures de formation, hausse des
salaires, bonus sur l’année, masse salariale.
5. Commercial-Force de vente
Suivi des objectifs et des actions, adapter la politique de prix, générer des vente,
détection de nouvelles opportunités.
6. Logistique
Suivi des volumes, pilotage des entrepôts, optimisation des transports et des appro-
visionnements.
IV. Les étapes de processus de la BI

Le processus de la BI assure quatre fonctions qui sont la collecte, l’intégration, la
diffusion et la restitution des données. La chaine décisionnelle se présente selon l’architecture
suivante :
Figure 4. Les différentes étapes du processus de la BI.
16
1. Phase de collecte
La collecte des données est une fonction réalisée par une famille d'outils appelés ETL
(Extract-Transform-Load) et est responsable de la récupération de toutes les données
nécessaires à partir de diverses sources. Ces données d'application sont donc extraites,
transformées et chargées dans l'entrepôt, en d'autres termes nettoyer, intégrer, extraire les
données des systèmes de production et les adapter à la prise de décision.
 Les fonctions d’ETL (Extract-Transform-load) :
 Etape d’extraction des données : Consiste à récupérer toutes les données

nécessaires depuis les différentes sources et les déplacer vers une base de
données intermédiaire persistante en prenant en considération la synchronisation
et les mises à jour.
 Etape de transformation de données : Il s’agit de l’étape la plus critique de la
chaine décisionnelle car elle réconcilie les données entre les différentes sources.
A cette étape, les données peuvent être vérifiées, agrégées, calculées,
dédoublonnées, enrichies avec des données externes avant être structurées pour
respecter le format requis par les systèmes cibles.
 Etape de chargement de données : Chargement des données dans un
Datawarehouse.
Figure 5.Étapes d’alimentation d’un Datawarehouse.
2. Phase de stockage
Les requêtes décisionnelles sont particulièrement gourmandes en ressources machines,
et une fois que les données sont nettoyées et consolidées via l’outil ETL, Elles seront stockées
dans des bases spécialisées : le Datawarehouse et le Datamart [9]. En d’autres termes
centraliser les données structurées et traitées afin qu’elles soient disponibles pour un usage
décisionnel.
 Datawarehouse
Un Datawarehouse est un entrepôt de données. Il intègre les informations en provenance
17
de différentes sources, souvent reparties et hétérogènes et a pour objectif de fournir une vue
globale de l’information aux analystes et aux décideurs. Il s’agit d’un stockage intermédiaire
des données issues des applications dans lesquelles les utilisateurs puisent avec des outils de
restitution et d’analyse. Le Datawarehouse permet au décideur de travailler dans un
environnement informationnel, référencé, homogène et historié. Cette technique l’affranchit
des problèmes liés à l’hétérogénéité des systèmes informatiques et à l’hétérogénéité des
différentes définitions de données issues de l’historique de l’organisation.
" Un Datawarehouse est une collection de données thématiques, intégrées, non volatiles
et historiées organisées pour la prise de décision" [10].
Les principales caractéristiques du Datawarehouse sont les suivantes :
 Orienté sujet (Thématique) : Les données sont obligatoirement liées au métier

de l’entreprise et organisées par fonctions et triées par thème [11].
 Données intégrées : Les données proviennent de plusieurs sources différentes.
Avant d’être intégrées au sein du Datawarehouse elles doivent être mise en forme
et unifiées afin d’en assurer la cohérence ainsi que de bonnes règles de gestion.
L’intégration nécessitera une forte normalisation, une bonne gestion des
référentiels et de la cohérence, une parfaite maitrise de la sémantique et des règles
de gestions s’appliquant aux données manipulées. C’est à ce prix que l’on pourra
offrir une vision homogène et cohérente de l’entreprise via ses indicateurs. Cette
phase est très complexe et représente une charge importante dans la mise en place
d’un Datawarehouse [12] [13].
 Données non volatiles : Un Datawarehouse conserve la traçabilité des
informations et les décisions prises, les données ne sont ni modifiées ni
supprimées. Le rafraichissement de l’entrepôt consiste à ajouter de nouvelles
données, sans modifier ou perdre celles qui existent, donc les opérations de mise
à jour ou de suppression ne sont plus autorisées et l’accès est autorisé uniquement
en mode lecture.
 Données historiées : Une historisation régulière des informations stockées est
nécessaire en vue de suivre dans le temps l’évolution des indicateurs à analyser.
En d’autres termes garder l’historique des transactions pour pouvoir visualiser
leurs évolutions dans le temps qui est essentielle pour la prise de décision.
 Datamart
Un Datamart est un magasin de données. Il s’agit d’une solution départementale

d’entrepôt de données supportant une partie des données et fonctions de l’entreprise. C’est un
sous-ensemble d’un Datawarehouse qui ne contient que les données d’un métier de l’entre-
prise alors qu’un Datawarehouse contient toutes les données décisionnelles de l’entreprise pour
tous les métiers. L’avantage de mise en œuvre d’un tel outil est plus aisé vu sa portéeet son
étendue réduites dans l’organisation [13].
18
 Comparaison entre un Datamart et un Datawarehouse
Le tableau suivant illustre une comparaison entre un Datamart et un Datawarehouse :
Caractéristiques Datawarehouse Datamart

Le sujet Plusieurs Un seul
La source de données Beaucoup Peu
La taille >100 Giga Byte < 100 Giga Byte
La durée d’implémentation Quelques mois à Quelques mois
plusieurs
années
Tableau 2. Tableau comparatif entre un Datamart et un Datawarehouse.
3. Phase de distribution
A cause de la transversalité et le volume de données gérées il n’est pas souhaitable que
les utilisateurs aient un accès direct à l’entrepôt de données. Il est nécessaire de gérer des droits
d’accès aux données ainsi que dès la mise à disposition de schémas thématiques. Le composant
de diffusion met ainsi les données à la disposition des utilisateurs, selon les droits et les schémas
correspondants à leurs profils. Le composant de diffusion se présente sous la forme d’un portail
WEB de BI intégré au portail d’entreprise [14].
4. Phase d’exploitation
Une fois les données stockées, nettoyées, consolidées et accessibles, elles seront ensuite
utilisables selon les besoins, différents types d’outils d’exploitation seront envisagés :
• Le besoin consiste à analyser des volumes importants de données, il convient
d’envisager des outils types OLAP (cube, hyper cube...etc) pour les analyses
multidimensionnelles.
• Le besoin consiste à rechercher des corrélations peu visibles, il contient
d’envisagerdes outils de Datamining.
• Le besoin est orienté pilotage et aide à la décision, il convient d’envisager des
outilsde création de tableaux de bord présentant les indicateurs clés de l’activité.
• Le besoin est orienté diffusion des données, il convient d’envisager des
outils de Reporting [14].
 Reporting (Générateur de rapports)
Destiné essentiellement à la production de rapports et tableaux de bords, " Il est la

présentation périodique de rapports sur les activités et résultats d’une organisation, d’une unité
19
de travail ou responsable d’une fonction, destinée à en informer ceux chargés de les superviser
en interne ou en externe, ou tout simplement concernés par ces activités ou résultats" [15].
Ces outils de Reporting ne sont pas, à proprement parler, des instruments d’aide àla
décision, mais, lorsqu’ils sont utilisés de manière appropriée, ils peuvent fournir une
précieuse vue d’ensemble.
Les rapports sont alors créés par le biais d’outils de Reporting qui permettent de leur
donner un format prédéterminé. Les requêtes sont constituées lors de l’élaboration des rap-
ports qui seront ensuite diffusés périodiquement en automatique ou ponctuellement à la
demande [16].
 Dashboard (Tableaux de bord)
Un tableau de bord est une forme particulière de rapport présentant plusieurs indicateurs
et souvent personnalisé, c’est à dire que chaque acteur consulte un tableau de bord qui concerne
son activité. C’est un outil de pilotage clef dans une suite décisionnelle en effetil donne des
informations synthétiques de l’évolution d’un processus facilement accessible [16] [17].
"Le tableau de bord est un ensemble d’indicateurs peu nombreux conçus pour
permettreaux gestionnaires de prendre connaissance de l’état et de l’évolution des systèmes
qu’ils pilotent et d’identifier les tendances qui les influenceront sur un horizon cohérent avec
la nature de leurs fonctions" [18].
Indicateur Clés de performance (KPI)
Un indicateur clé de performance, en anglais : KPI (Key Performance Indicateur) se
définit comme suit : « une information devant aider un décideur, individuel ou plus
généralement collectif, à conduire le cours d’une action vers l’atteinte de l’objectif ou devant
lui permettre d’en évaluer le résultat. Il interagit avec trois composantes : les objectifs induits
par la stratégie, les acteurs qui sont les destinataires des informations, et les actions mises
en place par les acteurs pour l’atteinte des objectifs » [19].
 Datamining
Au sens littéral du terme, le Datamining signifie le forage de données. Le but de ce forage

est d’extraire la matière brute qui, dans notre cas, représente de nouvelles connaissances. L’idée
de départ veut qu’il existe dans toute entreprise des connaissances utiles, cachéessous des
gisements de données. Le Datamining permet donc, grâce à un certain nombre de techniques,
de découvrir ces connaissances en faisant apparaitre des corrélations entre ces données.
Le Datawarehouse constituera alors la première source de données sur laquelle
s’exécutera le processus de découverte de connaissances. Dans la majeure partie du temps,
l’entrepôt de données représente un Pré requis indispensable à toute fouille de données [16].
Une autre définition du Datamining est :" Le processus qui permet la découverte de
la connaissance. Les outils utilisés dans ce processus parent à la recherche d’hypothétiques
associations en explorant un grand volume de données. Quand les associations sont vérifiées,
l’outil de Datamining les remonte à l’utilisateur [20].
Il répond à deux objectifs qui sont :
20
- Explorer autant que possible le capital d’informations disponibles et faire sortir

lesinformations cachées .
- Constituer des modèles pour découvrir des tendances ou pour anticiper l’avenir
.
 OLAP (Analyse multidimensionnelle)
Pour assurer une analyse efficace des données se trouvant dans les entrepôts, ces derniers
sont modélisés sous forme multidimensionnelle. Cette modélisation représente les données
sous formes de points dans espace à plusieurs dimensions (appelé cube ouhypercube de
données). Cette modélisation permet l’expression d’analyse en ligne (OLAP)
multidimensionnelle [21].
Définition d’OLAP : "Activité globale de requêtage et de présentation de données
textuelles et numériques contenues dans l’entrepôt de données ; Style d’interrogation
spécifiquement dimensionnel" [22].
OLAP est un traitement informatique qui permet à un utilisateur d’extraire les données
facilement ou de les voir de points de vue différents.
Pour faciliter l’analyse, OLAP stocke les données dans une base de données
multidimensionnelle qui considère chaque attribut de données (comme le produit, la période)
comme une dimension séparée (axe dans l’hypercube). OLAP permet de faire l’intersection des
dimensions par exemple afficher tous les produits vendus dans une région au-dessus d’un
certain prix pendant une certaine période. La représentation des données sous forme multi-
dimensionnelle a pour objectifs :
• L’optimisation des analyses des données.
• Rapidité et facilité.
• Visualisation des données sous forme multidimensionnelle .
OLAP est sans conteste la meilleure solution, pour le moment, pour faire de l’analyse
stratégique sur les données d’une entreprise.
Figure 6. Exemple d’utilisation d’un cube OLAP.
21
V. Modélisation des données de l’entrepôt

Les Datawarehouses sont destinés à la mise en place de systèmes décisionnels. Ces
systèmes, devront répondre à des objectifs différents des systèmes transactionnels. La
modélisation multidimensionnelle est une approche dédiée, ces systèmes décisionnels ou les
données sont organisées de manière à mettre en évidence les données quantitatives (les faits) et
les données qualifiantes (les dimensions).
Les tables ne vont être reliées que par un seul champ clef afin d’aider aux performances
de requêtes et certaines informations vont être répétées de multiples fois dans les tables de
dimensions.
1. Table de fait
Une table de fait représente l’objet de l’analyse. Elle contient principalement des mesures
sous forme d’attributs représentant les éléments d’analyse. Les faits les plus utilisables sont les
numériques, les valeurs continues et additives. Les mesures peuvent être par exemple, une
quantité, une vente, etc.… ; qui sont résumées ou représentées par une moyenne.Ces mesures
sont reliées chacune à une table de dimension avec des clés étrangères. La granularité des tables
de faits est une caractéristique importante expliquée par le niveau de détail des mesures
représentées [14].
Des mesures textuelles peuvent exister mais sont rares. Le concepteur doit faire son
possible pour faire des mesures textuelles des dimensions, car elles peuvent êtres corrélés
efficacement avec les autres attributs textuels des dimensions [16].
Une table de fait assure les liens plusieurs à plusieurs entre les dimensions. Elles com-
portent des clés étrangères, qui ne sont autres que les clés primaires des tables de dimensions.
2. Table de dimension
Les tables de dimensions sont les tables qui raccompagnent une table de fait, elles
contiennent les descriptions textuelles de l’activité. Une table de dimension est constituée de
nombreuses colonnes qui décrivent une ligne. C’est grâce à cette table que l’entrepôt de
données est compréhensible et utilisable ; elles permettent des analyses en tranches et en dés
[11].
3. Différents modèles de modélisation décisionnelle
L’élaboration d’un modèle conceptuel décisionnel de données peut être faite en utilisant
un modèle en étoile, en flocon ou en constellation. Dans les trois cas, le modèle est formé d’une
table de fait (ou plusieurs) regroupant les identificateurs des dimensions et plusieurs mesures,
et de tables de dimensions regroupant les informations sur les axes d’analyse [24].
 Modèle en étoile
Un schéma en étoile est une structure dimensionnelle qui représente une seule table de
fait. Cette table de fait va être reliée par des clés primaires à d’autres tables correspondantes
22
aux dimensions. Toute dimension à niveaux multiples est aplatie en une seule dimension.
Il offre des performances d’accès très intéressantes mais au prix d’une consommation de
l’espace de stockage .
Figure 7. Exemple de schéma en étoile d’utilisation.
 Modèle en flocon
La modélisation en flocon est une modélisation en étoile pour laquelle on éclate les
tablesde dimensions en sous tables selon la hiérarchie de cette dimension. Le modèle en flocon
offreun gain d’espace de stockage surtout lorsque les tables de dimensions sont volumineuses.
En revanche, ce modèle est le plus complexe pour l’utilisateur final impliquant plus de
jointures.
Figure 8. Exemple d’un schéma en flocon.
 Modèle en constellation
La modélisation en constellation consiste à fusionner plusieurs modèles en étoiles qui
utilisent des dimensions communes. Ce modèle comprend donc plusieurs tables de faits et des
tables de dimensions communes ou non à ces tables de faits.
23
Figure 9. Exemple d’un schéma en constellation.
VI. Benchmark Solution BI

Beaucoup de fournisseurs de solutions BI tentent de convaincre les clients des
performances de leurs applications. Néanmoins, ces solutions BI peuvent ne pas convenir aux
différents environnements des entreprises. Dans la liste ci-dessous vous pouvez voir les grands
fournisseurs BI sur le marché. Ces produits sont principalement destinés aux entreprises et
compagnies comprenant un paquet complet d’applications, des bases de données, jusqu’aux
outils d’intégration et de visualisation.
• SAP Business Objects
• IBM Cognost
• Pentaho BI
• SpagoBI
• Jasper Soft
• SAS BI
• Oracle BI
• Microsoft Power BI
A cet égard, nous avons choisi dans le cadre de notre travail, de mener une étude
comparative entre deux suites propriétaires à savoir Microsoft Power BI, Oracle et Pentaho.
1. Microsoft Power BI
Cette suite développée par Microsoft, intègre l'ensemble des briques nécessaires à la
construction d'un système d'information décisionnel. En effet, cette plateforme s’accompagne
à de nombreux outils pour intégrer, analyser et afficher les données, tout en garantissant une
haute performance. La plateforme repose sur les outils suivants : SQL Server Integration
services (SSIS), SQL Server Analysis Services (SSAS) et SQL Server et Reporting Services
(SSRS).
24
2. Oracle BI
Concurrente de Microsoft, la solution Business Intelligence d’Oracle est une plateforme
complète de système décisionnel qui fournit toute la gamme de fonctionnalités d’analyse et de
production de rapports. La plateforme contient une base de données, un outil d'intégration de
données (ETL), des raquetteurs, et un portail permettant de publier des tableaux de bord.
3. Pentaho
Concurrente de Microsoft, la solution Business Intelligence d’Oracle est une plateforme
complète de système décisionnel qui fournit toute la gamme de fonctionnalités d’analyse et de
production de rapports. La plateforme contient une base de données, un outil d'intégration de
données (ETL), des raquetteurs, et un portail permettant de publier des tableaux de bord.
Le tableau suivant oppose les fonctionnalités des trois suites décisionnelles :
Figure 10. Tableau comparatif des trois suites décisionnelles.
25
Le carré magique de GARTNER ci-dessous offre une vue claire du positionnement des
divers solutions BI présent sur le marché, pour l’année 2022. Ce quadrant repose sur deux axes
d’analyse, qui sont : la capacité d’exécution et la complétude de la vision. On distingue bien
que La suite Microsoft Power BI soit le leader du marché pour l'année 2022 sur les différentes
autres suites telles qu’Oracle et Pentaho, vu qu’elle est moins chère par rapport à Oracle, facile
à intégrer avec SharePoint et Microsoft Office et elle offre un niveau de sécurité plus élevé.
Figure 11. Carré de GARTNER (Mars 2022)
Suite à cette comparaison nous pouvons conclure que certes, les outils Open Source
offrent un ensemble de fonctionnalités assez performantes mais restent dépassés par les suites
propriétaires telles que Microsoft Power BI. Ces dernières proposent plusieurs composants qui
répondent aux besoins des entreprises et couvrent l’ensemble de la chaine décisionnelle avec
un niveau de performance assez élevé.
Conclusion
A travers ce chapitre, nous avons présenté la Business Intelligence, son architecture, la différence
entre le système décisionnel et le système opérationnel et son but (but de BI) de faciliter la prise de
décision, nous avons aussi fait la découverte d’un ensemble de solutions ettechnologies capables
d’assurer la réalisation d’un projet décisionnel d’une manière complète et fiable en exploitant des
suites décisionnelles comportant tous les outils nécessaires.
26
Chapitre II
Contexte général du projet
Ce premier chapitre contient un aperçu sur l’organisme d’accueil « ALTEN ». Il
comporte également une présentation de la direction d’accueil intitulée Direction
d’organisation et des systèmes d’information ainsi que le département d’accueil et
l’ensemble de ses missions. Ensuite, l’on fera une description du contexte général du stage
en mettant l’accent sur ses objectifs, sa démarche, la problématique et également la
méthodologie de conduite de projet adoptée. L’on exposera enfin le plan détaillé du projet
en passant en revue les différentes phases d’analyse, de conception et de réalisation ainsi
que le plan détaillé du déroulement du travail explicité dans un diagramme de GANTT.
I. Présentation de l’organisme d’accueil
1. Le groupe ALTEN
ALTEN est une multinationale française de services d'ingénierie et de conseil en
technologie. Fondée en 1988 par trois ingénieurs, la société aujourd'hui cotée en bourse s'est
développée à l'échelle mondiale, implantée dans 25 pays dont l'Allemagne, les États-Unis et
même la Chine. Avec un effectif de 34 000 collaborateurs dans le monde, ALTEN concentre
ses activités sur trois axes principaux :
- L’ingénierie et conseils technologiques : il s’agit de l’activité principale de la
société (plus du trois-quarts du chiffre d'affaires). ALTEN accompagne ses
clients dans des projets technologiques innovants en intervenant à la fois dans la
phase d’étude, de conception ainsi que dans le management tout au long du
projet.
- Les réseaux, télécoms et multimédia : dans un contexte de communication
perpétuelle, de big data et d’interconnexion, les enjeux et besoins technologiques
liés aux infrastructures réseaux sont de plus en plus prononcés. Les ingénieurs
d’ALTEN apportent leur expertise dans la conception d’équipements réseaux,
l’étude et le déploiement des solutions.
- Les systèmes d’information technologiques : il s’agit du développement de
logiciels, de TRA (Tierce Recette Applicative) et de systèmes d’information de
gestion RH.
27
A travers ses différentes activités, le groupe ALTEN fournit des services à des secteurs
très variés tels que comme l'automobile, l'aéronautique ou encore l'énergie et la finance.
Outre son savoir-faire technologique, l'une des forces du groupe réside dans ses
nombreux centres à l'étranger, l'ALTEN Delivery Center de Fès, où s’est déroulé ce stage.
Figure 12. Répartition Sectorielle Equilibrée nos clients.
2. Carte d’identité
Figure 13. Carte d’identité ALTEN.
28
3. ALTEN DELIVERY CENTER Maroc
Aperçu général
ALTEN DELIVERY CENTER MAROC, Filiale du leader mondial de l’ingénierie et du
conseil en technologie créé en 2008 et présent à Fès, Rabat et Casablanca, compte aujourd’hui
plus de 986 collaborateurs et vise un centre d’excellence de 1000 ALTENIENS en 2021. Acteur
majeur du recrutement et de l’insertion professionnelle des jeunes ingénieurs.
Installée sur deux sites (le Parc Fès Shore et Technopoles Rabat), l’ALTEN Delivery
Center (ADC) est la filiale marocaine du groupe ALTEN et compte environ 600 Collaborateurs.
Il s’agit d’une structure rattachée aux agences basées en France et en Allemagne. Elle constitue
la plus grande empreinte humaine d’ALTEN sur le continent africain, ce qui en fait un centre
offshore, avec les avantages compétitifs associés comme la qualité de ses services grâce à la
proximité d’un pôle universitaire scientifique à Fès. Par son implantation dans un pays
émergent, l’ADC bénéficie également d’un coût très compétitif.
Organisation de l’entreprise
Fondée en 2004 avec un site au Parc Fès Shore, l’ADC s’est développée et installée à
l’échelle nationale comme l’une des plus grandes filiales d’une multinationale étrangère.
Aujourd’hui, l’ADC de Fès est structurée comme illustré sur la figure 14.
Figure 14. Structure de l'ADCM.
29
ALTEN Maroc
ALTEN Maroc est à la fois la plateforme pour développer des projets en mode Near
shore et le représentant du groupe sur le continent Africain pour la clientèle Marocaine et
Africaine.
Avec le site de Rabat à Technopolis et le centre de Delivery situé au Fès Shore Park, la
filiale Marocaine a pour vocation de déployer une stratégie globale permettant à ses clients de
bénéficier d’une présentation de qualité mais aussi de proximité à un cout très compétitif.
Cette filiale Marocaine est décomposée en trois départements présentés dans la figure
suivante :
Logiciel et
Reseau et support
Telecom outils
Automobile et
Aeronautique
Figure 15. Les trois départements de la filiale Marocaine d’ALTEN.
Client ALTEN
Le département Software et outils dans lequel nous avons effectué notre stage est présent
dans les deux sites Marocains et travaille avec des clients potentiels dont les principaux sont :
Figure 16. Les principaux clients d’ALTEN.
30
Mercedes-Benz. Est un constructeur allemand d’automobiles (modèles premium, de

sport et de luxe), de camions, d’autocars et d’autobus indépendant fondé en 1926 par trois autres
constructeurs : Daimler-Motors-Gesellschaft, Mercédès et Benz.
PSA. Est un constructeur automobile français qui exploite les marques automobiles
Peugeot, Citroën, DSNote2.6, ainsi que Vauxhall et Opel depuis le rachat de la division
européenne de General Motors.
Groupe SAFO. Précurseur de la chaîne du froid aux Antilles et en Guyane, le Groupe
SAFO maitrise aujourd’hui une chaine d’apprivoisement complète : des achats dans le monde
entier jusqu’à la logistique toutes températures et la vente de gros et de détail en Guadeloupe,
à Saint-Martin, en Martinique et en Guyane.
Bouygues Telecom. Est un opérateur de télécommunications français, filiale du groupe
Bouygues créé en 1994. Il est historiquement le troisième des quatre opérateurs de téléphonie
mobile nationaux français, apparu après Orange et SFR et avant Free mobile.
II. Contexte et démarche de projet

Dans un environnement hautement volatil caractérisé par la mondialisation des marchés,
les organisations mondiales intègrent les nouvelles technologies de l'information et de la
communication dans leurs stratégies pour accroître leur efficacité et leur efficience. Les
systèmes d'information décisionnels sont devenus incontournables pour les entreprises. Dans
un marché de plus en plus concurrentiel, les organisations doivent mesurer les données des
employés pour aider les entreprises à prendre de meilleures décisions.
Aujourd'hui, il ne suffit plus de choisir les bons indicateurs ou de faire la bonne analyse.
Les directions managériales ont donc besoin d'outils intégrables à l'ensemble de leur système
de gestion et permettant une meilleure analyse de leurs processus budgétaires et prévisionnels.
Les systèmes d'aide à la décision (SID) font partie de cette vision en tant qu'outils clés qui
peuvent fournir aux décideurs des informations opportunes de la manière dont ils le souhaitent.
III. Problématique et objectif du projet

Afin d’améliorer l'analyse de suivi des indicateurs de direction de compétences. Ce
document a été développé pour une visualisation plus détaillée.
L'analyse des directions de compétence est encore relativement nouvelle, mais de
nombreuses industries y voient une méthodologie par laquelle les entreprises en temps de crise
ainsi que dans la situation actuelle où les entreprises s'adaptent de manière différente au travail
en passant au télétravail et aux modèles de travail hybrides.
Cela aide non seulement la direction à prendre des décisions commerciales, mais
maximise également la productivité tandis que le service des ressources humaines améliore
l'environnement de travail.
31
Ce projet de fin d’études portera sur la réalisation d’une solution informatique

décisionnelle permettant le suivi des indicateurs de direction de compétence via des rapports
qui peuvent aider l’organisation à comprendre les défis de son service DC et fournir une
solution aux problèmes de gestion et de fidélisation des employés.
IV. Le choix de la méthode Scrum

Nous avons choisi la méthode Scrum car elle est la plus adaptée à la structure et
l’environnement de notre projet, nous avions besoin de moins de rigidité dans les phases avec
plus de proximité avec le client, puisque ce dernier à une grande réactivité dans ses choix durant
le processus de développement. Les choix de développement se font itération après itération et
le retour du client est obligatoire, les projets utilisant cette méthodologie sont plus à même de
répondre aux besoins réels du métier.
1. Présentation de la méthode Scrum
Scrum est un processus de développement faisant partie des Méthodes Agiles qui
s'inspirent des valeurs collectives du rugby : Scrum signifie mêlée.
2. Origine
Initialisation par Ken Schwaben et Jeff Sutherland en 1996 (évolutive).
3. Les principes SCRUM
L'équipe est impliquée : elle peut choisir la quantité de travail à réaliser et comment le
réaliser de façon optimale.
Le client est impliqué : Scrum est conçue pour s'adapter rapidement aux évolutions et
aux demandes des clients.
La méthode se concentre sur la valeur métier des fonctionnalités et priorise
l'implémentation en fonction de l’adaptabilité & la réactivité.
La méthode favorise les cycles de développement courts et retour sur investissement
rapide, pas d'effet tunnel.
32
4. Les phases d’un projet Scrum
Figure 17. Phase d’un projet Scrum.
5. Cycle de développement Scrum
Figure 18. Cycle développement Scrum.
33
V. Démarche du projet
Afin de mener ce projet à terme, les étapes à suivre sont les suivantes :
o Etude de l’existant et spécification des besoins.
o Conception et modélisation du centre de fichier de données en modèle en étoile
en utilisant PowerQuery.
o Réalisation des analyses selon différents indicateurs et différents axes moyennant
les outils POWER BI.
o Restitution des données via des tableaux de bord et rapports synthétisant les
résultats de l’analyse.
VI. Planning du projet

Avant de démarrer un projet, il est essentiel de créer un plan de mise en œuvre du projet.
L'objectif de la planification d'un projet est, d'une part, d'être à une étape intermédiaire pour
obtenir une meilleure estimation du temps total du projet en termes de ressources nécessaires,
et d'autre part, la validation du processus lui-même pour assurer sa conformité aux besoins
exprimés. Grâce aux réunions tenues avec l’encadrant, nous avons été bien au clair sur les
différentes phases du projet ainsi que leur progression par rapport au temps. Cela consistait en
trois grandes phases : la première est une phase d’analyse et de spécification pour cerner le sujet
et pour délimiter son périmètre aussi bien sur le niveau fonctionnel que technique, la deuxième
est consacrée à la conception générale et détaillée de la solution ; pour la troisième étape, elle
traite la mise en œuvre de la solution à travers la création de l’entrepôt de données, la
représentation multidimensionnelle et la génération des rapports et des tableaux de bord.
Nous avons suivi le planning représenté par le Diagramme de GANTT suivant :
34
Etude de Analyse des Conception Réalisation

l’existant besoins
Il s'agit de la finalité de la phase de
prendre cette partie vise à cette étape est réstitution des
connaissance cerner les d'élaborer le données qui
du système différents besoins modèle concerne la
existant des utilisateurs conceptuel de création des
en matière de données, en dashbord pour
prise de décision tenant compte la facilité de
afin de recenser des besoins visialusations
l'ensemble des exprimés dans des donnés
indicateurs la phase sous la forme
spécifiés par des antérieure des graphes
axes d’analyse
VII. Planning Prévisionnel du Projet
Nous avons établi un planning prévisionnel pour la réalisation du projet, où nous avons
répertorié plusieurs tâches. Pour le suivi du projet nous avons adopté l’outil Gantt Project.
Le planning n’est plus prévisionnel de notre projet s’annonce comme suit :
Figure 19. Tableau de Gantt.
35
Figure 20. Diagramme de Gantt.
Conclusion
Ce chapitre positionne le projet dans son contexte général et décrit sa problématique, ses
principaux objectifs et le planning de sa concrétisation pour avoir une vision claire sur le projet
en général.
Dans le chapitre suivant, on va exposer l’étude de l’existant, aussi à donner une analyse des
besoins pour le projet. En effet, la collecte des besoins constitue une étape cruciale pour le bon
déroulement du projet, voir qu’une définition exacte de tous le besoins et données facilitera
considérablement la tâche de conception présentée dans le chapitre suivant.
36
Chapitre III
Analyse et Conception du
Projet
Dans ce chapitre nous présenterons une partie importante du volet décisionnel de notre
projet. Il s’agit de la conception de l’entrepôt de données. Nous commencerons ce chapitre
par décrire le projet visé puis nous présenterons une analyse d’existant suivie d’une étude des
besoins en fonction de la description mise initialement. Enfin nous étendrons notre conception
dimensionnelle en répondant aux objectifs fixés.
I. Description du projet
Notre projet consiste à mettre en place une solution d’aide à la décision qui traite les
informations des employés du département SISE de l’ADC, afin de permettre effectuer des
statistiques, des analyses et des comparaisons de différentes façons, Les résultats auxquels
nous aboutissions seront sous forme de tableaux de bord.
II. Etude et analyse de l’existant

Cette phase consiste à identifier les données sur lesquelles notre étude va être menée,
analyser et classer ces données.
1. Identification des données
Nous avons débuté avec le téléchargement du fichier Excel ‘TDB-DC-T’ qui affiche les
informations de suivi des indicateurs Direction de compétence du département SISE.
Fichier TBD-DC-T
Propriétaire ALTEN
Type Feuille de calcul Microsoft Excel
Année 2021-2022
Taille 191 Ko
Tableau 3. Tableau caractéristique du fichier de données.
37
Figure 21. Fragment du fichier Excel.
2. Problèmes rencontrés
Nous avons détecté une multitude de problèmes et difficultés dans notre source de
données. Voici une liste non exhaustive des obstacles et des problèmes les plus importants :
• Champs vides ou remplis d’une manière erronée.

• Beaucoup de colonnes vides.
• Des données inutiles.
• Remplissage des données manuellement sous Excel par exemple (la colonne ‘Exit
Date ‘en se basant sur la colonne ‘Raison de départ’ qui était rempli afin d’avoir des
analyses plus concrètes).
3. Etude des besoins

La conception et la réalisation d’un Datawarehouse doit se faire en mesure de répondre
aux attentes des utilisateurs, nous présentons dans cette section les différents rapports dont ils
auront besoins.
Rapports relatifs aux informations générales

Ces rapports nous permettent de visualiser des informations générales sur les indicateurs
de compétences comme le pourcentage des hommes et des femmes ainsi que le pourcentage
des ingénieurs et des techniciens et l’effectif relatifs à une année d’entrée.
38
Nom de rapport Catégorie Description

Homme Carte Ce visuel affiche les pourcentages des
hommes selon une année d’entrée choisi
Femme Carte Ce visuel affiche les pourcentages des
femmes selon une année d’entrée
choisi
Ingénieur Carte Ce visuel affiche les pourcentages des
ingénieurs selon une année d’entrée choisi
Technicien Carte Ce visuel affiche les pourcentages des
techniciens selon une année d’entrée
choisi
Effectif Carte Ce visuel affiche l’effectif total selon une
année d’entrée choisi
Effectif par mois Ce visuel affiche l’effectif total réparti par
Graphiques mois selon une année d’entrée choisi
en courbes
Tableau 4. Détails des rapports relatifs aux informations générales.
Rapports relatifs à synthèse

Ces rapports fournissent une vue globale sur les employés, le taux d’entrée, taux de sortie,
les entrées et les sorties cumulées ainsi que l’effectif selon le type de contrat relatifs à un mois
et année donné. Cela permet d’examiner et d’analyser rapidement tous les indicateurs clés de
performance critiques en un seul endroit.

1)Headcount 1) Affiche l’effectif des employés du SISE
2)Headcount CDD 2)Affiche l’effectif des employés en CDD
3) Headcount CDI 3) Affiche l’effectif des employés en CDI
4)Headcount Other 4)Affiche l’effectif des autres employés
5)Rate of engineers 5) Affiche le taux des ingénieurs chez ADC
6)Rate of technicians 6)Affiche le taux des techniciens chez ADC
7)Rate of entry Cartes 7) Affiche le taux des entrées
8)Attrition rate 8)Affiche le taux de sorties
9)Average of previous 9)Affiche la moyenne d’expérience
experience précédente des employés
10)cumulative entries 10)Affiche le cumul des entrées
11)Cumulative exits 11)Affiche le cumul des sorties
12)Average of internal 12)Affiche le prix de vente moyen interne
selling price
Tableau 5. Détails des rapports relatifs à synthèse.
39
Rapports relatifs au statut de recrutement

Ces rapports permettent d’afficher des informations détaillées sur les analyses de
recrutement. Consultez des indicateurs tels que la répartition des grades de DC, évolution des
employés par contrat….

Evolution des Histogramme Ce visuel affiche le nombre des
employés par empilé recrues selon le type de contrat
contrat par mois
Repartition des Histogramme Ce visuel affiche le nombre des
grades DC recrues selon leur grade
groupée
Evolution de la Graphiques en Ce visuel affiche le nombre des
répartition des courbe et recrues
selon leur grade par mois
niveaux DC histogramme empilé
Evolution de Histogramme empilé Ce visuel affiche le nombre des
l’expérience recrues selon leur durée de
ALTEN travail à ALTEN par mois
Effectif et Total Graphiques en courbe Ce visuel affiche l’effectif et le
des recrues par et histogramme nombre des recrues par année
groupé
année
Tableau 6. Détails des rapports relatifs au statut de recrutement.
Rapports relatifs aux embauches

Ces rapports permettent d’obtenir une compréhension claire sur les entrées en fonction
du sexe, manager, la ville et plus encore.

Embauche par M/F Graphique en Ce visuel affiche les entrées selon leur
secteur sexe
Embauche par Graphique en Ce visuel affiche les entrées selon leur
E/T position (ingénieur ou technicien)
anneau
Embauche par Graphique en Ce visuel affiche les entrées selon la
ville anneau ville (Fès ou Rabat)
Embauche par Graphique en Ce visuel affiche les entrées selon le

manager secteur manager
Embauche par Histogramme Ce visuel affiche les entrées selon les
Année et étude empilé études par année
Tableau 7. Détails des rapports relatifs aux embauches.
40
Rapports relatifs aux résiliations

Ces rapports permettent de comprendre la sortie des employés de l’entreprise qui est une
partie importante de la compréhension de leur niveau de satisfaction, ainsi qu’un premier aperçu
des causes possibles de l’attrition dans les entreprises.

Sortants par M/F Graphique en Ce visuel affiche les sortants selon leur
secteur sexe
Sortants par E/T Graphique en Ce visuel affiche les sortants selon leur
position (ingénieur ou technicien)
anneau
Sortants par Graphique en Ce visuel affiche les sortants selon le
manager anneau manager
Sortants par Graphique en Ce visuel affiche les sortants selon la

raison de départ secteur raison de départ
Sortants par Graphique en Ce visuel affiche les sortants par année
année courbe
Tableau 8. Détails des rapports relatifs aux résiliations.
Rapports relatifs aux informations sur les employés

Les responsables DC s’efforcent de maintenir une main-d’œuvre diversifiée et équilibrée,
ils doivent donc comprendre parfaitement les caractéristiques démographiques de leurs
employés. Ce modèle de tableau de bord leur permet d’analyser en profondeur les données sur
le profil individuel de l’employé avec les informations personnelles, le poste actuel, les études,
les performances et les potentiels.

Information sur Cartes Ce visuel affiche les informations
l’employé personnelles sur l’employé
Position actuelle Cartes Ce visuel affiche les informations sur la
position de l’employé
Etude Cartes Ce visuel affiche les informations sur
la filière de l’employé ainsi que ces
compétences
Performance & Cartes Ce visuel affiche le taux de

Potentiel performance et le potentiel de
l’employé
Tableau 9. Détails des rapports relatifs aux informations sur les employés.
41
Rapports Relatifs aux performances

Les tableaux de bord de performance des employés aident les équipes DC et les
responsables d’entreprise à comprendre l’efficacité, la satisfaction et la progression des
objectifs de leur personnel. Il contient une analyse de performances en tenant compte de
différents critères tels que l’ancienneté, le sexe, le grade et les études.

Performance par Histogramme Ce visuel affiche la distribution des
étude empilé performances selon les études
Performance par Graphique à Ce visuel affiche la distribution des
grade performances selon le grade par
barre empilé
pourcentage
100%
Performance par Graphique à Ce visuel affiche la distribution des
M/F barre empilé performances selon le sexe
Performance par Histogramme Ce visuel affiche la distribution des

expérience empilé performances selon l’expérience
précédente précédente des employés
Tableau 10. Détails des rapports relatifs aux performances
Rapports relatifs aux indications

Ces rapports montrent aux responsables DC des différentes mesures de l’entreprise,
comme la masse salariale, le roulement des employés, la distribution des raisons d’absence, etc.

Masse salariale par Graphique Ce visuel affiche la masse salariale par
année en courbe année
Entrées et sorties Graphique Ce visuel affiche les entrées et les sorties
cumulées cumulées par année
en courbe
Embauches et Histogram Ce visuel affiche les entrants et les
résiliations par grade me groupé sortants selon leur grade
Embauches et Graphique à Ce visuel affiche les entrants et les
résiliation par M/F barre empilé sortants selon leur sexe
Roulement des Graphique Ce visuel affiche les turnover par année
employés par année en aires
Distribution des Ce visuel affiche la distribution des
raisons d’absence Graphiques raisons d’absence
en anneau
Tableau 11. Détails des rapports relatifs aux indications.
42
Filtres
Nous présentons dans le tableau suivant les différents filtres à appliquer sur les différents
visuels :
Le Filtre Description
Année Permet de filtrer les données et avoir l’affichage
des visuels concernés selon une des années à partir
de 2013 jusqu’à 2022
Mois Permet de filtrer les données et avoir l’affichage

des visuels concernés selon un mois
Tableau 12. Détails des différents filtres.
III. Conception du modèle en étoile

Dans cette section, nous présenterons le processus de conception de notre modèle
dimensionnel. A cette étape nous allons présenter les différentes dimensions en fonction des
exigences de nos tableaux de bord et qui ont pour objectif de décrire le fait. Cela nous permet
de concevoir le modèle en étoile jugé comme le modèle le plus adapté à notre projet.
1. Tables de dimensions
Suite à l’étude des besoins que nous avons menés, il a été nécessaire de prévoir la création
des dimensions suivantes :
Table de dimension ‘Employé’

Elle contient des informations sur les employés qui ont travaillés au moins une année
parmi les ans sur lesquels porte notre étude. Ces informations sont importantes pour notre
analyse.
Figure 22. Dimension ‘Employé’.
43
Table de dimension ‘Date’

Cette dimension correspond à un axe d’analyse et elles permettent d’agir comme des
filtres sur quelques visuels.
Figure 23. Dimension ‘Date’.
Tables de dimensions ‘Département’ et ‘Project’

Ces dimensions affichent les informations sur le département aussi les projets effectués
par un employé.
Figure 24. Dimensions ‘Département’ & ‘Projet’.
Tables de dimensions ‘Manager’ et ‘Expérience’

Ces dimensions correspondent respectivement à un axe d’analyse pour avoir le nombre
des employés sous chaque manager ainsi pour prévoir les raisons de départ et d’absence les
plus fréquentes. Elles peuvent jouer le rôle d’un filtre mais ce n’est pas la raison principale de
leurs mises en place.
44
Figure 25. Dimensions ‘Manager’ & ‘Expérience’.
2. Table de fait ‘Table Fait’

Une fois que les dimensions sont déterminées, nous passerons à notre table de fait
qui comportera : un ensemble d’attributs qui sont des clés étrangères vers les tables de
dimensions, d’autres attributs comme le sexe, la position (ingénieur ou technicien) et d’autres.
Figure 26. Table de fait ‘Table fait’.
3. Modèle en étoile
Nous illustrons dans la Figure «26 » le modèle Etoile constitué de la table de fait et les
six tables de dimensions citées auparavant :
45
Figure 27. Modèle en étoile de la solution.
Conclusion
Au terme ce chapitre, nous avons mis en œuvre des objectifs à atteindre à travers la définition
des besoins, puis nous avons mené une conception dimensionnelle détaillée du travail à réaliser.
Les résultats de cette étude constitueront la première étape pour la partie réalisation qui sera
expliquée dans le chapitre qui suit.
46
Chapitre IV
Réalisation du Projet
Nous consacrons ce chapitre à la partie réalisation en débutant par la présentation des

différents outils et langages utilisés dans la réalisation de notre projet. Nous présenterons
par la suite la mise en œuvre du processus d’alimentation (ETL) de Datawarehouse, et nous
terminerons par l’illustration des différents rapports et tableaux de bord de notre projet.
I. Technologies utilisées
Dans cette section nous présenterons les différents outils et techniques utilisés pour
l’élaboration de la solution.
1. Power BI Desktop
Comme nous avons déjà précédé Power BI Desktop est l’application desktop de Power
BI. Nous avons opté pour cette solution pour les raisons suivantes :
 Connexion facile aux différentes sources de données et l’extraction de ces
données.
 Le même outil permet de modéliser restructurer et créer les différentes
visualisations.
 Tableaux de bord / rapports prédéfinis ou personnalisés.
 C’est un outil Microsoft facile à utiliser avec Excel et avec d’autres produits
Microsoft et très convivial.
 Compatible avec Windows.
 Utilisation gratuite de Power BI Desktop et sa mise à jour régulière avec l’ajout
de nouvelles fonctionnalités (une version chaque mois).
 Microsoft mit à la disposition des utilisateurs un site pour la documentation sur
l’outil https://docs.microsoft.com/en-us/power-bi/.
La figure «28 » illustre les différentes parties de l’Interface Homme Machine (IHM)
dePower BI Desktop.
47
Figure 28. IHM de Power BI Desktop.
1. Menu d’accueil ; 2. volets des trois vues :« Rapport », « Données », « Modèle » ; 3. Volet du
Champ ; 4. volet des visuels ; 5. zone Rapports ; 6. configuration visuelle ; 7. volet Filtres ; 8. zone
d’extraction d’une page ; 9. changement de pages.
2. Power Query
Power Query ou l’éditeur de requête est l’outil ETL de Power BI Desktop. Il permet aux
utilisateurs d’extraire des données de diverses sources, de les traiter sous une forme adaptée à
leurs besoins et charger ces données à la fin dans Power BI Desktop [25].
La figure suivante «29 » présente les parties de l’IHM de Power Query.
Figure 29. IHM de Power Query.
48
1. Ruban d’accueil ; 2. volet des requêtes ; 3. volet des données ; 4. volet paramètres de
requête.
Langage M
Le langage M (Langage de formule Power Query) est un langage fonctionnel qui
s’exécuteen arrière-plan de Power Query. C’est un langage de requête en mashup utilisé pour
interroger une multitude de sources de données. Il contient des commandes permettant de
transformer des données et il peut envoyer les résultats de la requête et des transformations vers
un modèle de données Power BI [26].
3. Langage DAX
Le langage DAX, acronyme anglais de « Data Analysis expressions » est un langage de
formules utilisé dans les vues Données et Rapport de Power BI. C’est une collection de
fonctions, d’opérateurs et de constantes qui peuvent être utilisés dans une formule, ou une
expression, pour calculer et retourner une ou plusieurs valeurs que nous pouvons exploiter dans
des visuels [27].
4. Implémentation du modèle dimensionnel
L’implémentation du modèle dimensionnel ou plus précisément le processus ETL, est
l’étape la plus importante dans un projet décisionnel, elle représente 70 % de travail à réaliser.
Son rôle est de récupérer les données et de les traiter pour qu’elles correspondent aux
besoinsdu modèle dimensionnel.
Afin de créer notre modèle, nous avons utilisé le langage M et l’interface graphique de
Power Query. Nous allons illustrer dans cette section des exemples l’application des étapes
d’ex-traction et de transformation (les deux premières étapes de processus ETL) pour quelques
tables et nous terminerons par charger le modèle dimensionnel (la dernière étape de processus ETL)
dans Power BI Desktop.
Extraction
La première tâche à accomplir par l’ETL est l’extraction des données contenues dans le
fichier élaboré par la RC. Nous nous contentons de donner le code (script M) permettant qui
l’extraction du fichier Excel illustré dans la figure « 30 ».
Figure 30. Script M permettant l’extraction du fichier de données.
49
Transformation
L’étape de transformation est l’étape la plus essentielle du processus ETL. Elle consiste
à appliquer sur données brutes des transformations et des opérations de manière à répondre aux
exigences en matière de reporting.
Plusieurs transformations de données ont été mises en place, en vue de :

- Supprimer les colonnes vides.
- Remplacer les erreurs.
- Ajouter une colonne indexée.
- Renommer des colonnes.
- Permuter une colonne.
- Changement des types des champs.
- Et autres.
Nous illustrons dans la figure «31 » le scr ip t M des modifications faites sur le fichier
de données.
Figure 31. Script M permettant la transformation du fichier de données.
Chargement
Après les extractions et transformations effectuées sur les données en démarrant par les
dimensions et en arrivant au fait qui composent notre modèle dimensionnel (comme nous avons
expliqué dans le chapitre précédent), nous chargerons ces dernières dans Power BI Desktop et
dans la vue Modèle nous les relions (clé primaire coté dimension et étrangère coté fait) pour
obtenir le modèle en étoile illustré dans la figure suivante :
50
Figure 32. Modèle en étoile construit dans Power BI Desktop.
II. Calcul des indicateurs de performance

Après avoir construit le modèle dimensionnel, nous procédons au calcul d’indicateurs
de performance avec le langage DAX.
Nous illustrons dans la figure «33 » quelques exemples des calculs DAX effectués.
Figure 33. Exemple de formule Dax.
51
III. Construction des tableaux de bord

Pour la construction des rapports et des tableaux de bord nous avons utilisé l’interface
Power BI Desktop qui permet de donner une apparence graphique aux données brutes de notre
modèle Etoile.
1. Présentation de quelques visuels
Nous avons choisi des visuels spécifiques pour mettre en avant les résultats obtenus des
calculs d’indicateurs, qui sont comme suit :
Graphique en secteur ou en anneau

Un graphique en secteurs ou en anneau affiche la relation des parties par rapport à un
tout.
Dans notre cas nous avons utilisé ce visuel pour représenter plusieurs rapports de ce type
que nous avons déjà défini dans le chapitre précédent.
Figure 34. Exemple de graphique en secteurs et en anneau.
Histogramme et Graphique à barres (empilé/empilées)

Ce sont des visuels qui montrent et comparent un ou plusieurs éléments sur une période
de temps ou dans une plage de valeurs spécifiques.
Dans notre cas nous avons utilisé ce visuel pour représenter plusieurs rapports de ce type
que nous avons déjà défini dans le chapitre précédent.
Figure 35. Exemple des histogrammes et graphique à barres.
52
Graphique en courbe
C’est un type de graphique de base, fréquemment utilisé pour représenter l’information
sous forme d’un ensemble de points de données reliés par des segments de lignes droites.
Un graphique en courbes est souvent utilisé pour visualiser l’évolution de certaines données .
La figure suivante montre un exemple graphique en courbe.
Figure 36. Exemple de graphique en courbe.
Cartes
Les cartes à un seul numéro montrent un seul fait, un seul point de données. Alors que
les cartes à plusieurs lignes montrent un ou plusieurs points de données, un par ligne .
Nous illustrons dans la figure «37 » des exemples de cartes.
Figure 37. Exemple de graphique en cartes.
Segment
Un segment est un graphique autonome qui peut être utilisé pour filtrer les autres visuels
sur la page. Les segments sont fournis dans différents formats (catégorie, plage, date, etc. . . ) et
peuvent être mis en forme pour permettre la sélection d’une, de plusieurs ou de toutes les valeurs
disponibles .
53
La figure «38 » présente les deux filtres que nous avons utilisés pour l’analyse de nos
données.
Figure 38. Exemple de graphique en segment.
2. Présentation des tableaux de bord

Nous avons réussi à réaliser huit tableaux de bord qui sont comme suit :
• Tableau de bord “Information générale’’.
• Tableau de bord “Synthèse”.
• Tableau de bord ‘‘Statut de recrutement’’.
• Tableau de bord ‘‘Embauches’’.
• Tableau de bord ‘‘Résiliation’’.
• Tableau de bord ‘‘Information employé’’.
• Tableau de bord ‘‘Performance’’.
• Tableau de bord ‘‘Indication’’.
Ainsi qu’une page d’accueil qui permet la navigation entre les pages.
Page d’accueil
Figure 39. Page d’accueil.
54
Information générale
Figure 40. Tableau de bord ‘Information générale’ après application du filtre ‘Année’.
Synthèse
Figure 41. Tableau de bord ‘Synthèse’ après application du filtre ‘Année’ et ‘Mois’.
55
Statut de recrutement
Figure 42. Tableau de bord ‘Statut de recrutement’.
Embauches
Figure 43. Tableau de bord ‘Embauches’.
56
Résiliation
Figure 44. Tableau de bord ‘Résiliation’.
Information sur l’employé
Figure 45. Tableau de bord ‘Information employé’.
57
Performance
Figure 46. Tableau de bord ‘Performance’.
Indication
Figure 47. Tableau de bord ‘Indication’.
58
Conclusion
Au cours de ce chapitre, nous avons présenté en détails la projection de la conception
du plan théorique sur le plan pratique. Nous avons décrit les outils utilisés qui sont très
efficaces à savoir : Power Query, Power BI Desktop, langages M et le langage DAX et nous
avons présenté notre projet avec différentes captures d’écran de ce dernier.
59
Conclusion Générale
En conclusion, nous rappelons que notre projet de fin d’études s’est basé sur le fichier
des employés, du département SISE de l’ADC, L’objectif principale ciblé était la mise en
place d’une solution décisionnelle qui permet à la direction de compétence d’analyser,
comparer et contrôler les informations des employés.
Pour mettre en œuvre ce projet, nous avons commencé, par définir les besoins et les
objectifs fixés après quelques recherches corrélatives avec le sujet. En suite une analyse
de l’existant a été effectuée, cette étape exige la compréhension de la structure et le contenu des
sources de données. Nous avons enchainé en entamant l’aspect conceptuel qui a consisté à
définir les axes d’analyses, pour en finir par la conception de modèle dimensionnels.
La réalisation de la solution proposée a consisté à l’alimentation du Datawarehouse via
l’outil ETL, la création des différents rapports et tableaux de bord et tout cela en utilisantles
modules BI offerts par l’outil Microsoft Power BI Desktop.
Ce travail nous a permis de découvrir et comprendre les enjeux de cette technologie
(BI) qui est de plus en plus adoptée par tous types d’organisations, comme il nous a
aussi permis d’appliquer les connaissances que nous avons acquis au cours de notre cursus
universitaire et d’avoir une première expérience professionnelle dans ce domaine. Nous avons
eu aussi l’occasion de découvrir et travailler avec de nouveaux logiciels tel que (Power BI
Desktop) et de nouveaux langages tels que (Le langage DAX et le langage M).
60
Bibliographie
[1] MELESE.J. «L’analyse modulaire des systèmes de gestion, AMS». Paris,

homme ettechniques edition, 1972.
[2] BERNARD.E DOMINIQUE.N. «Ingénierie des systèmes d’information : Merise,
Deuxième génération». Paris, quatrième édition,vuibert, isbn 2-7117-8674-9 edition,
2001.
[3] RAVAT.F. «Modèles et outils pour la conception et la manipulation de systèmes
d’aide à la décision , Interface homme-machine [cs.HC]». Université des Sciences
Sociales - Toulouse I, 2007.
[4] SOUICI.I. «Modélisation en Aide à la Décision» : cours. Université de Jijel, Avril 2016.
[5] AYACHI.D. «L’informatique décisionnelle au service des métiers
l’entreprise» : rapportde stage. EISTI.
[6] HOWARD.D. «BI : Making the Data Make Sens» ; Gartner Group, 2001.
[7] GRIM.Y. «passez-en mode bi». Disponible sur :www.developpez.com.
[8] NRJBI. «description et domaines bi». Disponible sur : https://www.nrjbi.com/
description-domaines-business-intelligence/.
[9] BORDANAVE.C. « Business Intelligence- Reporting » : rapport de stage.
Université Bordeaux 1, 2012.
[10] WILLIAM H.I. «Building the Data Warehouse». New Yourk : John Wiley &
Sons,1996.
[11] LANASRI.D BEKKOUCHE.S. «Conception et Réalisation d’un Système
d’Information Décisionnel pour les assurances». ESI, 2015.
[12] SAAD.R. «datawarehouse : comprendre et identifier. saad rachid : tout sur le big
data, machine learning et marketing digital». Disponible sur :
https://www.saadrachid. net/bi-big-data/datawarehouse-comprendre-
identifier/.
[13] ADLA.A. «Aide à la Facilitation pour une prise de Décision Collective :
Propositiond’un Modèle et d’un Outil», Thèse de doctorat : Informatique. Toulouse :
l’Université Toulouse III - Paul Sabatier, 2010.
[14] PELAT.F. «Comment une solution décisionnelle peut-elle permettre aux
gestionnaires de disposer de données provenant de sources métiers hétérogènes ?».
Conservatoire na- tional des arts et métiers (CNAM) de midi pyrenees, 2016.
[15] Wikipédia contributors. «communication de données.wkipedia». Disponible sur : https:
//fr.wikipedia.org/wiki/Communication_de_donn%C3%A9es.
[16] KEDJANE.S FILALI.A. «Conception et la réalisation d’un Data
Warehouse pour la mise en place d’un système décisionnel». ESI, 2010.
61
[17] SPORTA.G. «Introduction au Data Mining et à l’apprentissage statique» : cours.
Paris : Chaire de statistiques appliquée & CEDRIC, CNAM.
[18] BOUQUIN.H. «Le contrôle de gestion». PUF, 5eme edition, 2001.
[19] JUGLARET.F. «Indicateur et Tableaux de Bord pour la prévention des risque en
Santé- Sécurité au Travail» Thèse de doctorat : Science et Génie des Activités à Risques.
Ecole Nationale Supérieure des Mines de Paris, 2013.
[20] FRANCO.J. DE LIGNEROLLES.S «Piloter l’entreprise grâce au Datawarehouse».
France : Eyrolles, 2eme edition, 2013.
[21] TOURNIER.R. «Analyse en ligne (OLAP) de documents». Thèse de doctorat en
informatique. Toulouse : Université de Toulouse III-Paul Sabatier, 2007.
[22] KIMBALL.R. «Le Data Warehouse, Guide de conduit de projet». France :
Eyrolles,1ere edition, 2005.
[23] GAM EL GOLLI.I. «Ingénierie des exigences pour les systèmes d’information déci-
sionnels : concepts, modèles et processus - la méthode CADWE». Thèse de doctorat :
Informatique [cs]. Université Panthéon-Sorbonne - ParisI, 2008.
[24] CHAKIR.A. «Conception et réalisation d’une architecture IT-GRC de
gouvernance des systèmes d’information décisionnelle à base de l’approche
orienté agent», Thèse de doc-torat : Génie Informatiquex. Université Hassan 2
Casablanca, 2017.
[25] stackoverrun. «différence entre powerpivot, powerquery et powerbi». Disponible sur :
https://stackoverrun.com/fr/q/8164629.
[26] RIP Tutorial. «powerbi - power query (m) et dax - quelle est la diffé-
rence ?». Disponible sur : https://riptutorial.com/fr/powerbi/topic/6980/
power-query--m--et-dax---quelle-est-la-difference-.
[27] Microsoft. «principes fondamentaux de dax dans power bi desktop». Dis- ponible
sur : https://docs.microsoft.com/fr-fr/power-bi/transform-model/ desktop-
quickstart-learn-dax-basics#why-is-dax-so-important.
62
Résumé
Le terme « Business Intelligence » (ou BI) englobe les données, l’informatique et

l’analytique utilisées pour piloter l’activité. Il désigne les processus et les méthodes utilisés
pour collecter, stocker et analyser les données produites par les opérations ou les activités
dans le but d’optimiser les performances. Tout cela se combine pour fournir une visibilité
totale sur l’activité d’une entreprise, ce qui facilite et améliore la prise de décision et l’action.
Dans ce contexte, nous avons mis en place une solution d’informatique décisionnelle au
sein du département SISE de l’ADC, pour une meilleure vision des informations des
employés et pour une facilité de prise de décisions. Ce travail repose sur la création d’un
Datawarehouse au moyen d’outil ETL nommé « Power Query » et en utilisantle langage M,
le Datawarehouse, une fois mis en place, sera interrogé via des formules DAXpar l’outil «
Power BI Desktop » pour la génération des rapports et des tableaux de bord.
Mots clés : BI, Informatique décisionnelle, Datawarehouse, modélisation
dimensionnelle, ETL, Reporting, Langage M, Langage DAX, Power Query, Power BI
Desktop.
Abstract
The term "Business Intelligence" (or BI) encompasses the data, computing and analytics
used to drive the business. It refers to the processes and methods used to collect, store and
analyze data generated by operations or activities in order to optimize performance. All of this
combines to provide total visibility into a company's activity, which facilitates and improves
decision making and action. In this context, we have implemented a Business Intelligence
solution within the ADC's SISE department, for a better view of employee information and for
easier decision making. This work is based on the creation of a Datawarehouse by means of an
ETL tool named "Power Query" and using the M language. Once set up, the Datawarehouse
will be queried via DAX formulas by the "Power BI Desktop" tool for the generation of reports
and dashboards.
Keywords : BI, Business Intelligence, Datawarehouse, dimensional modeling, ETL,
Reporting, M language, DAX language, Power Query, Power BI Desktop.
63

Rapport Final

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Rapport Final

Transféré par

Droits d'auteur :

Formats disponibles

Rapport de Stage

Présenté en vue d’obtenir le diplôme de License Informatique

Mise en œuvre d’une solution BI pour le

Encadrant universitaire : Encadrants professionnels :

M.Benslimane Rachid Mme. Hassouni Kaoutar

A tous les membres de la famille Bouzidi Idrissi et la famille Reida,

Figure 1.le SIAD dans le SI ................................................................................................................. 13

Aujourd’hui les entreprises disposent de différentes ressources matérielles, financières,

I. La Business Intelligence (BI)

Définition d’un SIAD

Figure 1.le SIAD dans le SI

Définition 2 :"Le Décisionnel est le processus visant à transformer les données en

Figure 2. Processus d'un système décisionnel

II. Le Système Décisionnel VS L’opérationnel

Système SIAD (OLAP(On-Line Analyti-

Figure 3. Architecture des systèmes décisionnels.

III. Domaines de la Business Intelligence

IV. Les étapes de processus de la BI

Figure 4. Les différentes étapes du processus de la BI.

 Etape d’extraction des données : Consiste à récupérer toutes les données

Figure 5.Étapes d’alimentation d’un Datawarehouse.

Un Datawarehouse est un entrepôt de données. Il intègre les informations en provenance

 Orienté sujet (Thématique) : Les données sont obligatoirement liées au métier

Un Datamart est un magasin de données. Il s’agit d’une solution départementale

 Comparaison entre un Datamart et un Datawarehouse

Le tableau suivant illustre une comparaison entre un Datamart et un Datawarehouse :

Caractéristiques Datawarehouse Datamart

Destiné essentiellement à la production de rapports et tableaux de bords, " Il est la

Au sens littéral du terme, le Datamining signifie le forage de données. Le but de ce forage

- Explorer autant que possible le capital d’informations disponibles et faire sortir

Figure 6. Exemple d’utilisation d’un cube OLAP.

V. Modélisation des données de l’entrepôt

Figure 7. Exemple de schéma en étoile d’utilisation.

Figure 8. Exemple d’un schéma en flocon.

Figure 9. Exemple d’un schéma en constellation.

VI. Benchmark Solution BI

Figure 10. Tableau comparatif des trois suites décisionnelles.

Figure 11. Carré de GARTNER (Mars 2022)

I. Présentation de l’organisme d’accueil

Figure 12. Répartition Sectorielle Equilibrée nos clients.

Figure 13. Carte d’identité ALTEN.

3. ALTEN DELIVERY CENTER Maroc

Figure 14. Structure de l'ADCM.

Figure 15. Les trois départements de la filiale Marocaine d’ALTEN.

Figure 16. Les principaux clients d’ALTEN.

Mercedes-Benz. Est un constructeur allemand d’automobiles (modèles premium, de

II. Contexte et démarche de projet

III. Problématique et objectif du projet

Ce projet de fin d’études portera sur la réalisation d’une solution informatique

IV. Le choix de la méthode Scrum

4. Les phases d’un projet Scrum

Figure 17. Phase d’un projet Scrum.

5. Cycle de développement Scrum

Figure 18. Cycle développement Scrum.

VI. Planning du projet

Etude de Analyse des Conception Réalisation

VII. Planning Prévisionnel du Projet

Figure 19. Tableau de Gantt.

Figure 20. Diagramme de Gantt.

II. Etude et analyse de l’existant

Tableau 3. Tableau caractéristique du fichier de données.

Figure 21. Fragment du fichier Excel.

• Champs vides ou remplis d’une manière erronée.

3. Etude des besoins