Académique Documents
Professionnel Documents
Culture Documents
Dr. BOUKIL
Info5 UPF 2022-2023
BOUKIL-naoual@upf.ac.ma
1
Objectifs de ce cours:
3
Module 1
Notions et concepts de base d’un S.I. de pilotage
4
Système d’Information décisionnel
Le système d'information décisionnel
est un ensemble de données organisées de façon spécifique,
facilement accessibles et appropriées à la prise de décision. La
finalité d'un système décisionnel est le pilotage de l'entreprise. Le
principal intérêt d'un système décisionnel est d'offrir au décideur
une vision transversale de l'entreprise intégrant toutes ses
dimensions.
5
Problématique
Grande masse de données
◦ Distribuée
◦ Hétérogène
◦ Très Détaillée
Traitements
◦ Synthétiser / Résumer
◦ Visualiser
◦ Analyser
Utilisation par
◦ des experts et des analystes d'un métier
◦ non informaticiens
◦ non statisticiens
6
Données brutes et informations d’entreprise
Capture de données brutes
◦ Collecte de données enregistrées au cours des opérations quotidiennes
7
Des données …de l’Information
?
Comment?
Base de données de production
Tableaux de Bord:l’information
8
Objectifs des entreprises
9
Pilotage
STRATEGIE DECIDER
Objectifs CONTROLER
Plan PREVOIR
Budget ANTICIPER
ACTIONS
PERFORMANCE
11
Informations de pilotage
L’information est constituée :
ü d’une source principale (systèmes de production)
ü de sources externes (20%)
Pilotage à l’aide de tableaux de bord
Tableau de bord: c’est un instrument de mesure de la performance qui doit
fournir une mesure personnalisée et adaptée
Indicateur: c’est une donnée objective qui décrit un élément d’un strict
point de vue quantitatif, contribuant à l’appréciation d’une situation par le
décideur
caractéristiques d’un indicateur: représentatif, réelle utilité, facile à mettre
en œuvre, juste, exact, fiable
12
Applications transactionnelles
On Line Transactional Processing OLTP
14
Applications décisionnelles
On Line Analytical Processing OLAP
ü Représentation cubique
ü Suivi des indicateurs, notion d’alerte
ü Conception orientée métier
16
Infocentre Relationnel
17
Infocentre
Infocentre relationnel
Base de Données
Gros
Systèmes
Utilisateurs: PC Indépendants
18
Infocentre relationnel
•Base de données locale: Base de donnée située sur le poste client,
contenant des données propres à l’utilisateur, voire des données
partagées répliquées.
u Présentation du Datawarehousing
u Description des composants d’un Data warehouse
u Définition des solutions OLAP
20
Le contexte
Besoin: prise de décisions stratégiques et tactiques
Pourquoi: besoin de réactivité
Qui: les décideurs (non informaticiens)
Comment: répondre aux demandes d’analyse des données, dégager des informations
qualitatives nouvelles
21
Les données utilisables par les décideurs
Données opérationnelles (de production)
◦ Bases de données (Oracle, SQL Server)
◦ Fichiers, …
◦ Paye, gestion des RH, gestion des commandes…
22
Problématique
Comment répondre aux demandes des décideurs?
◦ En donnant un accès rapide et simple à l’information stratégique
◦ En donnant du sens aux données
23
Le processus de prise de
décision
Champs d’application des
systèmes décisionnels
24
Le processus de prise de
décision
Prise de
décision
25
Domaines d’utilisation des DW
Banque
◦ Risques d’un prêt, prime plus précise
Santé
◦ Épidémiologie
◦ Risque alimentaire
Commerce
◦ Ciblage de clientèle
◦ Déterminer des promotions
Logistique
◦ Adéquation demande/production
Assurance
◦ Risque lié à un contrat d’assurance (voiture)
…
26
Quelques métiers du
décisionnel
Strategic Performance Management
◦ Déterminer et contrôler les indicateurs clé de la performance de
l’entreprise
Finance Intelligence
◦ Planifier, analyser et diffuser l’information financière. Mesurer et gérer les
risques
Human Capital Management (gestion de la relation avec les employés)
◦ Aligner les stratégies RH, les processus et les technologies.
Customer Relationship Management (gestion de la relation client)
◦ Améliorer la connaissance client, identifier et prévoir la rentabilité client,
accroitre l’efficacité du marketing client
Supplier Relationship Management (gestion de la relation fournisseur)
◦ Classifier et évaluer l’ensemble des fournisseurs. Planifier et piloter la
stratégie Achat.
27
Définition d’un DW
W. H. Inmon (1996):
« Le data Warehouse est une collection de données orientées sujet, intégrées,
non volatiles et historisées, organisées pour le support d’un processus d’aide à la
décision »
Principe: mettre en place une base de données utilisée à des fins d’analyse
28
Les 4 caractéristiques des data
warehouse
1. Données orientées sujet:
◦ Regroupe les informations des différents métiers
◦ Ne tiens pas compte de l’organisation fonctionnelle des
données
Client
Police
29
Les 4 caractéristiques des data
warehouse
2. Données intégrées:
◦ Normalisation des données
◦ Définition d’un référentiel unique
h,f
1,0 h,f
homme, femme
GBP
EUR
CHF
USD
30
Les 4 caractéristiques des data
warehousec
3. Données non volatiles
◦ Traçabilité des informations et des décisions prises
◦ Copie des données de production
Ajout
Suppression
Accès
Modification Chargement
31
Les 4 caractéristiques des data
warehouse
4. Données datées
◦ Les données persistent dans le temps
◦ Mise en place d’un référentiel temps
Image de la base en Mai 2005 Image de la base en Juillet 2006
Répertoire Répertoire
Base de Nom Ville Nom Ville
production
Dupont Paris Dupont Marseille
Durand Lyon Durand Lyon
Calendrier Répertoire
Entrepôt Code Année Mois
Code Année Mois
de
1 2005 Mai 1 Dupont Paris
données
2 2006 Juillet 1 Durand Lyon
2 Dupont Marseille 32
SGBD et DW
Service Service Service
OLTP: On-Line commercial Financier livraison
Transactional BD prod BD prod BD prod
Processing
Clientèle
H
I
Data Warehouse S
T
OLAP: On-Line O
Analitical R
Clientèle I
Processing Q
U
E
33
OLTP VS DW
OLTP DW
Orienté transaction Orienté analyse
Orienté application Orienté sujet
Données courantes Données historisées
Données détaillées Données agrégées
Données évolutives Données statiques
Utilisateurs nombreux, Utilisateurs peu nombreux,
administrateurs/opérationnels manager
Temps d’exécution: court Temps d’exécution: long
34
Datamart
Sous-ensemble d’un entrepôt de données
Destiné à répondre aux besoins d’un secteur ou d’une fonction particulière de
l’entreprise
Point de vue spécifique selon des critères métiers
Datamarts du
service Marketing
Datamart du
DW de l’entreprise service Ressources
Humaines
35
Intérêt des datamart
Nouvel environnement structuré et formaté en fonction des besoins d’un métier
ou d’un usage particulier
Moins de données que DW
◦ Plus facile à comprendre, à manipuler
◦ Amélioration des temps de réponse
36
Module 3
Description de la structure d’un Data warehouse
u Modélisation d’un Data warehouse
uModélisation relationnelle
uAdaptation du modèle relationnel
uModélisation multidimensionnelle
u Modèle en étoile
u Modèle en flocon
u Description des modèles OLAP
u Notions fondamentales sur les cubes OLAP
37
Modélisation relationnelle
Diagrammes Entités-Relations (E/R)
◦ permettent aux concepteurs de représenter visuellement la structure
et le contexte de la base de données
◦ représentent des:
◦ Entités (nom, attributs, clé primaire)
◦ Relations entre les entités (base des jointures utilisées entre les tables)
38
Exemple Diagramme E/R
39
Modélisation relationnelle
Normalisation: ensemble de règles de conception de bases de
données relationnelles. Elle apporte les avantages suivants:
◦ élimination des doublons d’informations dans les tables
◦ gestion efficace des modifications apportées aux structures de tables
40
Exemple de normalisation
Initial 1 FN 2 FN 3 FN
Commande
Achats Commande Commande Clé-BC
Clé-BC Date-BC
Clé-BC Clé-BC
Date-BC Clé-Fourn.(CE)
Date-BC Date-BC
Clé-Fourn. Clé-Fourn. Clé-Fourn.
Nom-Fourn. Nom-Fourn. Nom-Fourn. Fournisseur
Clé-Pièce Clé-Fourn.
QT-Pièce Nom-Fourn.
Desc-Pièce
BC-Pièce
BC-Pièce
BC-Pièce Clé-BC(CE) Clé-BC(CE)
Clé-Pièce(CE) Clé-Pièce(CE)
Clé-BC (CE) QT-Pièce QT-Pièce
Clé-Pièce Pièce
QT-Pièce
Desc-Pièce Clé-Pièce Pièce
Desc-Pièce Clé-Pièce
Desc-Pièce
41
Modélisation d’un
datawarehouse
Les techniques classiques doivent-elles être
◦ totalement repensées?
42
Architecture générale
Zone de
Zone de préparation Zone de stockage présentation
E
X
C
T H
R A
Transformations: Data Requêtes
A R
Nettoyage warehouse Rapports
C G
T Standardisation Visualisation
E
I … Data Mining
M
O …
E
N
N
Sources de Datamart
T
données
43
Les flux de données
Flux entrant
◦ Extraction: multi-source, hétérogène
◦ Transformation: filtrer, trier, homogénéiser, nettoyer
◦ Chargement: insertion des données dans l’entrepôt
Flux sortant:
◦ Mise à disposition des données pour les utilisateurs finaux
44
Les différentes zones de
l’architecture
Zone de préparation (Staging area)
◦ Zone temporaire de stockage des données extraites
◦ Réalisation des transformations avant l’insertion dans le DW:
◦ Nettoyage
◦ Normalisation…
◦ Données souvent détruites après chargement dans le DW
Zone de stockage (DW, DM)
◦ On y transfère les données nettoyées
◦ Stockage permanent des données
Zone de présentation
◦ Donne accès aux données contenues dans le DW
◦ Peut contenir des outils d’analyse programmés:
◦ Rapports
◦ Requêtes…
45
Modélisation
Entité/Association
Avantages:
◦ Normalisation:
◦ Éliminer les redondances
◦ Préserver la cohérence des données
◦ Optimisation des transactions
◦ Réduction de l’espace de stockage
46
Exemple
Transporteur Mode
d’expédition
Produit
Contrat Commande
client
Type de Groupe de
contrat Client produits
Magasin
Région de Famille de
Employé ventes produits
Stock
Division
Fonction Fournisseurs de ventes
47