PFE SIID1 - Karima Guess

Mémoire de projet de fin d’étude
Présenté par
Karima Bougrne
&
El Mostafa Aoulad Abdel Moula

En vue de l’obtention du diplôme
Licence Universitaire Professionnelle
< Système d’information et ingénierie décisionnelle >
« Dashboard & historisation des opportunités de

vente »
Encadré par :
Mr. Skiti Marouane
Année universitaire : 2020/2021
Projet Fin D’étude Page 1

Dédicace
Nous dédions ce modeste travail :

À toutes nos familles et à tous ceux qui de près ou de loin ont
contribué à notre réussite scolaire.
Merci aussi à tous ceux qui nous ont consacré du temps, de
l'énergie et de la patience.

Remerciements
C’est un plaisir et un moment très agréable de rendre hommage et de formuler des

remerciements aux personnes qui ont apporté leur soutien et contribué à finaliser ce travail.
Nous tenons, tout d’abord, à exprimer nos sincères gratitudes envers notre encadrant
Mr. Marouane SKITI, enseignant au département informatique au sein du centre CIGMA de
la faculté des sciences et techniques de l’université Hassan I, d’avoir partagé sa passion
d’enseignement, pour son encadrement, son soutien, ainsi que pour ses conseils instructifs
durant toute la période de l’établissement de ce travail.
Nous remercions aussi Mr. Mounir MAHFOUD responsable formation et développement

pour ses conseils et son écoute tout au long de notre cursus scolaire au sein du centre
CIGMA
Nos professeurs au centre CIGMA, qui sont présents ou non comme jury, pour le travail et le
temps qu’ils nous ont consacré pour mener à bien cette formation.
Nous tenons aussi à remercier tous les membres du jury qui nous ont fait l’honneur
d’accepter de juger notre travail.
Nous tenons aussi à remercier tous nos collègues de CIGMA, pour leur soutien au quotidien.
Pour tous, on vous dit MERCI.

Résumé
Ce rapport est le fruit du travail que nous avons réalisé dans le cadre de notre projet de
fin d’études.
L’objectif principal de ce projet est :
La construction d’un système d’information décisionnel en utilisant les techniques
(ETL, SI, …), permettant d’avoir un Dashboard des KPI’S et des visualisations par rapport aux
opportunités de ventes de la société DELL, ainsi qu’une base de données servante à
historiser les data.
Le présent rapport permet de présenter les différentes étapes par lesquelles nous sommes
passés dans le but de réaliser le travail qui nous a été confié.

Contenu
Remerciements ........................................................................................ Erreur ! Signet non défini.

Résumé ........................................................................................................................................ 5
Sommaire .................................................................................................................................... 6
Liste des abréviations ................................................................................................................... 7
Introduction générale ................................................................................................................... 8
Chapitre 1 : Contexe général du projet ................................................. Erreur ! Signet non défini.

1.1 Organisme d’accueil .......................................................................................................…..10
1.1.1 Carte d’identité de DELL .................................................................................................... 10
1.1.2 Principaux actionnaires ..................................................................................................... 11
1.1.3 Métier et domaines d’activités stratégiques de DELL ........................................................ 10
1.1.4 Produits et la gamme DELL ................................................................................................ 13
1.2 Description générale du projet .................................................................................. 14

1.2.1 Présentation du projet ...................................................................................................... 14
1.2.2 Problématique.................................................................................................................. 14
1.2.3 Objectif du projet ........................................................................................................................ 15
Chapitre 2 : Etude de la platforme BI................................................................................. 17

2. 1 Le décisionnel : Technique et méthodologie ................................................................…..18
2.1.1 Business Intelligence .............................................................................................................. 18
Chapitre 3 : Conception du projet...................................................................................... 26

3.1 Mise à niveau du système de gestion des associations ................................................…..27
3.1.1 Méthode UML ....................................................................................................................... 27
3.2 Conception du Datawarehouse .....................................................................................…..27

3.2.1 Modélisation Multidimensionnelle et décisionnelle .................................................................. 27
3.2.1 Mise en œuvre du système décisionnel ................................................................................... 10
3.2.1 ETL ....................................................................................................................................... 10

Liste des abréviations
Abréviation Nom complet

BI Business Intelligence
ETL Extract Load Transform
SQL Structured Query Language
SGBD Système de Gestion de Base de données
KPI Key Performance Indicator
SSIS Sql Server Integration Service
KPI Key Performance Indicator

Introduction générale
La visualisation de données désigne la représentation graphique d'informations et de

données.
À l'aide d'éléments visuels comme les graphiques et les cartes, une visualisation de données
permet de voir et de comprendre des tendances ou des valeurs inhabituelles dans les
données, de manière très accessible.
Dans le monde du Big Data, les outils et technologies de visualisation de données sont
indispensables pour analyser d'énormes volumes d'informations et prendre des décisions en
s'appuyant sur les données.
Il serait difficile de trouver un secteur d'activité qui n'aurait aucun intérêt à mieux
interpréter ses données. Dans les domaines scientifiques et techniques, dans
l'administration, dans la finance, en marketing, dans le secteur des services ou dans le sport,
la visualisation de données joue un rôle de plus en plus important.
Nous pourrions parler indéfiniment des visualisations de données (nous sommes sur le site
de Tableau après tout), mais il est important d'aborder les applications concrètes.
Face à la généralisation des visualisations, les compétences en la matière sont de plus en

plus utiles dans le monde du travail.
Mieux vous réussissez à faire passer votre message visuellement, que ce soit dans un tableau
de bord ou une présentation, mieux vous réussirez à tirer parti de ces informations.
C’est dans ce sens que notre projet s’inscrit. Notre mission consiste avant de créer le
Dashboard final, nous récupérons l’historique nécessaire afin que vous puissiez
correctement mener vos analyses de comparaison et apprécier les tendances dans vos
données.
Ce n’est qu’une fois l’historique récupéré que nous créons le Dashboard sur la solution de
data visualisation choisie au début de la mission.

1
Contexte général
du projet
La présentation du contexte général a pour but de situer le projet
dans son environnement organisationnel et contextuel. Ce chapitre
commence par présenter l’organisme d’accueil.
Ensuite une présentation du projet qui permettra d’éclaircir certains

aspects métiers qui seront traités dans le cadre du sujet, et nous
terminerons avec les objectifs du projet et notre mission.

1.1 Organisme d’accueil
La première partie de ce chapitre cite quelques informations sur la société DELL, et décrit ses
métiers et ses domaines d’activités ainsi que ses différents actionnaires.
1.1.1 Carte d’identité de DELL TECHNOLOGIES

Dell Technologies, Inc est une entreprise américaine troisième plus grand constructeur
d'ordinateurs au monde en 2012 derrière Hewlett-Packard et Lenovo. Son siège est basé à Round
Rock dans l'État du Texas.
Même si Dell Computer est surtout connu pour les PC qu'il conçoit, fabrique et vend aux
particuliers et aux professionnels, il est également présent sur les marchés de serveurs
d'entreprise, de systèmes de sauvegarde et stockage de données et du matériel spécifique
aux réseaux informatiques.
Dell propose également des logiciels et des périphériques comme des imprimantes, appareils
photos numériques, et beaucoup d'autres encore.
Dell était coté au Nasdaq à New York sous le symbole DELL jusqu'en 2013, sorti de la bourse en
2013 et réintroduit en 2018.
Figure 1: Dell Global service Desk.

1.1.2 Principaux actionnaires
Au 5 janvier 2020 :
Dodge & Cox 10,3%
Capital Research & Management W.I. 5,68%
Elliott Management Corp. 5,61%
Icahn Associates Holding 5,53%
Temasek Holdings I.M. 5,51%
The Vanguard Group 4,27%
GIC Pte I.M. 3,92%
MSD Capital 3,92%
Davidson Kempner Capital Management 3,27%
The Baupost Group 2,38%

1.1.3 Métier et domaines d’activités stratégiques de DELL :
 Recyclage informatique
 Micro-électronique
 Software
 Matériels informatiques
 Développeur de Logiciels: Software
 Secteur public
 Grand public
 Petites entreprises, moyennes et grandes entreprises, grands Groupes, et filiales
Figure 2 : Segmentation stratégique de Dell
Les domaines d’activités stratégiques

PC de bureau et portable
Moniteurs
Logiciels et périphériques
Imprimantes
Ordinateurs de poches Projecteurs Figure 3 : Domaines d’activités stratégiques de Dell

1.1.4 Produits et la gamme de Dell :
La gamme des systèmes de marque Dell se décline en divers noms :
Pour l'entreprise :
OptiPlex (PC fixes)

Vostro (PC fixes et portables)
Latitude (PC portables) et Latitude ATG (PC portables renforcés)
Precision (Stations de travail fixes et portables)
PowerEdge (Serveurs)
PowerVault (Stockage)
Dell EqualLogic (Stockage)
Dell Compellent (Stockage)
PowerConnect (Réseau)
DellNetworking (N) (Réseau)
Force10 (Réseau)
Pour le particulier :
XPS (Anciennement pour le jeu. Actuellement ce modèle est conçu pour être mobile et performant)
Inspiron (PC fixes et portables)
Alienware (PC fixes et portables spécialement configurés pour les jeux)
Pour l'entreprise et le particulier :
Axim (PDA)
SmartPC
Vostro (PC fixes, portables et mini-ultra-portables)
Dell Adamo (PC portables ultra fins et au design luxueux)
La gamme Axim est celle des Assistants Personnels de Dell (PDA).
Selon le site spécialisé Mobimania, Dell aurait décidé de se désengager de ce secteur dont il
détient la deuxième place mondiale en termes de parts de marché.

1.2 Description générale du projet
1.2.1 Présentation du projet :
L’idée du projet est de concevoir et réaliser un système d’information décisionnel et des

tableaux de bord pour le suivi des opportunités ventes
Cela consiste à mettre en place un système permettant de répondre au besoin d’aide à la
décision (BI), d’accéder simplement et intuitivement aux données sous forme de
visualisations avec la possibilité d’extraire les données ayant subi des processus de data
modeling ,
Cela va répondre aux interrogations du personnel ‘exécutives, les managers relatifs aux
réalisations commerciales (Ventes concrétisées) et prévoir les éventuelles ventes en vue
l’existant (ventes pas encore concrétisés), tout en ayant des performances optimales pour
l’accès à l’information contrairement au système existant.
1.2.2 - Problématique :
Le système existant est basé sur une ‘Live connexion’ à un

Serveur distant SSAS (Cube) avec 22 tables dimensions et 9
tables de faits, engendrant des soucis de performances par
exemples :
Les lenteurs des visualisations

Difficultés de diagnostique en cas de inexactitude de
données
La confusion pour les utilisateurs finaux car le serveur
offre un système commun pour plusieurs organisations, ainsi
que l’accès au ‘Back-end’ pour toute modification ou
optimisation est difficilement accessible.
Le cube n’offre pas la possibilité d’historisation ou de

Snapchot, il reflète uniquement l’existant
Comment peut-on historiser les data d’un Cube déjà

opérationnel, sans modifier ou accéder à la base donnée ?

1.2.3 Objectifs du projet :
L’objectif du projet :
Etant donné le Cube MIB est un « Trusted Data Source » , assurant une performance optimale en terme de
d’extraction des données , Cette dernière fait l’objet d’un ETL afin de les hoster sur un Serveur Local (SQL Server basé
en USA) pour :
 Historiser & Archiver les Extracts Effectuées

 Avoir de la matière pour toutes éventuelles Analyses
 Construire Des Dashboards permettant d’avoir un trend Wow (Week on Week)
Data
Cleaning
Remote Server SSAS

Retrieve
Dim Tables
(Dax Query)
Structuring
Data on Local
Server
1.Extract 2.Transform 3.Load 4.BI

2
Etude de la
platforme BI
Ce chapitre a pour objectif de présenter l’analyse, les
techniques et les méthodologies sur lesquelles est basé le
projet .

1. Le décisionnel : Technique et Méthodologie
1.2. Business Intelligence
La Business Intelligence se définit comme l’ensemble des technologies permettant de
Collecter, consolider, modéliser et restituer les données à des fins de compréhension,
D’analyse et de décision, il s’agit d’avoir une visibilité sur une activité, de détection de
Faiblesses, de prise de décisions stratégiques ou tactiques, de réactivité face à un événement,
etc.
Les dimensions de la BI
Il existe cinq dimensions majeures de la BI : le reporting, l’analyse, la planification, le
Monitoring et l’analyse avancée. Chacune de ces dimensions est en train d’évoluer et de
S’étendre pour offrir aux organisations une meilleure visibilité dans un temps réduit.
Figure1 : Les dimensions de la BI

 La dimension Reporting
Le reporting est la plus ancienne et la plus répandue des cinq dimensions. Au
Début, les organisations livraient aux utilisateurs de simples rapports formatés. Ces
Rapports étaient prédéfinis, statiques et en format papier. Ils ne faisaient que reporter sur des
Faits passés d’une manière assez compréhensible par les utilisateurs. Avec les avancées
Survenues dans le web, le reporting est devenu plus interactif et plus dynamique.
Actuellement, les développeurs se basent sur des technologies telles qu’AJAX et flash afin de
Créer des rapports de plus en plus interactifs et qui peuvent même être considérés comme des
RIA (Rich Internet Applications).
 La dimension Analyse
Au début des années 90, un besoin de flexibilité des rapports est de plus en plus
Ressenti. Les utilisateurs demandaient des outils d’analyse plus dynamiques. En conséquence,
Les éditeurs ont lancé des solutions pour l’analyse ad hoc et des outils OLAP permettant aux
Utilisateurs d’effectuer des « slice/dices » sur leurs données. C’est ainsi qu’apparait
l’analyse multidimensionnelle qui devenait vite la deuxième dimension majeure de la BI.
 La dimension Planification
A la fin des années 90, les éditeurs des solutions BI se sont rendu compte que les
utilisateurs exportaient les rapports et analyses sur des tableurs pour effectuer des
planifications, prévisions et modélisations. Ils ont par conséquent intégré ces activités comme
une dimension additionnelle de la BI. Les éditeurs ont profité des avancés réalisé dans la
discipline du BPM (Business Process Management) afin d’aligner les utilisateurs et les
processus aux objectifs stratégiques des entreprises et de permettre la mesure et le
monitoring des performances résultantes.

 La dimension Monitoring
Entre les années 2000-2005, un nouveau besoin a surgit, celui de la livraison des
données voulues dans les délais voulus et dans le cas d’événements critiques nécessitant
l’attention des décideurs. Les éditeurs BI ont alors commencé à livrer en plus de leurs
outils d’analyse, reporting et planification, des tableaux de bords et des interfaces scorecard.
Ces deux outils permettent aux utilisateurs de comparer les performances et les objectifs
et de lancer des alertes en cas de déviations.
 La dimension Analyses Avancées
De plus en plus, les entreprises se demandent comment obtenir plus de valeur de leur
investissement en Datawarehouse et BI. La réponse que proposent les éditeurs BI est
l’analyse avancée. Cette dimension englobe essentiellement les techniques de Datamining,
text mining etc.
En effet, les nouvelles plateformes BI embarquent de plus en plus des algorithmes de datamining afin
d’accélérer les analyses et les interprétations sans avoir recours à des connaissances avancées en
statistiques ou en intelligence artificielle.
Composition d’un système décisionnel :
La chaîne décisionnelle a pour principaux composants : Les données de l’entreprise, la
partie ETL, le Datawarehouse, la partie de restitution et d’analyse et la partie publication.
Figure 2 : Architecture d’un système décisionnel

 Les données de l’entreprise :
Ces données sont multiples : des données internes (bases de données clients,
données de production, applications métiers, etc.) ou des données externes (bases de
données professionnelles, informations économiques et tout type de données provenant
d’Internet).
 Datawarehouse :
Un entrepôt de données, plus connu sous le nom de Datawarehouse, est, selon le grand
dictionnaire, «une structure informatique dans laquelle est centralisé un volume important de
données consolidées à partir des différentes sources de renseignements d’une entreprise
notamment les bases de données internes et qui est conçue de manière que les personnes
intéressées aient accès rapidement à l’information stratégique dont elles ont besoin ».
C’est une base de données dédiée au stockage de l’ensemble des données nécessaires à
l’analyse et à la prise de décision. Le datawarehouse est alimenté grâce à l’ETL.
La modélisation d’un entrepôt de données se base sur deux concepts: les faits et les
dimensions. Les faits étant ce que je voulais analyser et les dimensions, les données suivant
lesquelles seront analysés ces faits.
 Table de faits :
Elle contient des mesures correspondant aux données de l’activité à analyser
(Exemple: nombre de carte d’émission et de réception). Elle regroupe également les clés
associées aux dimensions. Il s’agit de clés étrangères dans la table de faits. En général une
table de faits contient peu de colonnes et plus d’enregistrements qu’une table de dimension.
Dans une table de faits, on trouve, en plus des clés étrangères, des attributs
quantitatifs qui doivent être additifs, semi-additifs ou utilisés pour faire des sommes, des
moyennes ou des ratios.

 Table de dimension :
Représente, quant à elle, les axes d’analyse des mesures contenues dans la table de
faits. Par exemple, si je voulais analyser le nombre de cartes selon les types, la mesure
« nombre de cartes » sera contenu dans la table des faits et analysée suivant l’axe « site »,
attribut de la table de dimension objet.
 Modèles multidimensionnels :
Un modèle multidimensionnel sert à représenter le datawarehouse. Il est constitué de
table de faits et de tables de dimensions.
Il existe deux types de base de modèles multidimensionnels :
Schéma en étoile : constituée d’une table de fait centrale, et de tables de dimensions
qui lui sont reliées
Schéma en flocons de neige : c’est une variante du schéma en étoile.
La différenceréside dans la simple normalisation des tables de dimensions. Les données sont alors
hiérarchisées et les attributs de chaque niveau hiérarchique sont mis dans une table
de dimension à part.
 Le cube :
C’est une représentation abstraite d’informations multidimensionnelles exclusivement
numériques utilisée par l’approche OLAP.
Cette structure est prévue à des fins d’analyses interactives par une ou plusieurs personnes (souvent ni
informaticiens ni statisticiens) du métier que ces données sont censées représenter.
L’Extraction, la transformation et le chargement :
ETL est l’acronyme de « Extract – Transform -Load ».
Les outils ETL permettent de récupérer les données quels que soient leurs sources et
les systèmes qui les supportent (système d’exploitation, SGBD, formats etc.), d’automatiser et
d’industrialiser le processus d’alimentation, de faciliter la maintenance des données et de
limiter les développements spécifiques. Ces outils permettent de construire, de mettre à jour et
de maintenir le dictionnaire de métadonnées.

Figure 3 : Architecture ETL
Notons que la plupart des ETL disposent d’une interface graphique permettant L’élaboration des
différents scénarios d’intégration.
Le travail des développeurs en est ainsi grandement facilité, tant au niveau de la conception que
de la maintenance des traitements de données.
Les ETL sont communément utilisés dans l’informatique décisionnelle afin de permettre l’alimentation des
datawarehouses (entrepôts de données).
Ces derniers servent de supports pour l’analyse des données sous plusieurs formes :
 Tableaux de bords (Dashboard, balanced scorecard) ;

 Indicateurs de performance (« KPIs ») ;
 Analyse multidimensionnelle (OLAP) ;
 Analyse exploratoire (Datamining).
 OLAP (Online Analytical Processing) :
 OLAP désigne les bases de données multidimensionnelles ou cubes destinés à L’analyse.
Ce terme s’oppose à OLTP qui désigne les systèmes transactionnels. C’est un mode de stockage permettant
l’analyse statistique des données.
Une base de données OLAP peut être représentée comme un cube à N dimensions

où le grand avantage de ce modèle revient au fait que toutes les intersections du cube sont calculées, ce
qui facilite l’accès à l’information recherchée puisque le résultat se trouve aux croisements des différentes
dimensions.
Les requêtes sur les cubes OLAP sont écrites en langage MDX (Multidimensionnel Expressions). C’est
l’équivalent du langage SQL pour le modèle OLTP. Il permet de définir, D’utiliser et de récupérer des
données à partir d’objets multidimensionnels.
Les outils d’analyse et de restitution :
Reporting :
Le terme restituer ou bien « Reporting » représente le moyen technique, applicatif qui permet la
consommation d’information basée directement sur les outils de production ou en aval d’une chaîne
décisionnelle.
Modes de restitution :
Il est commun de distinguer trois modes de restitution :
 Rapport statique : il s’agit d’un rapport dont la structure est figée tant en termes de présentation
que du périmètre des données présentées.
 Rapport dynamique : il s’agit d’un rapport ayant une structure de présentation semi statique au
sein duquel le périmètre des données peut varier. Cela en offrant à l’utilisateur final la possibilité
de choisir les valeurs de paramètres dynamiques intégrés dans le rapport.

 Rapport Ad hoc : il s’agit d’un rapport librement aménagé par l’utilisateur final. Il aménage les
données qui l’intéressent dans une structure type tableau ou graphique en définissant le périmètre
de consultation de ses axes et indicateurs.
Conclusion
Pour conclure ce chapitre, il est important de se rendre compte de l’utilité de l’informatique décisionnelle.
La BI est riche en solutions et concepts et elle permet de mettre en place des projets pour les grandes
entreprises d’aujourd’hui.

3
Conception
du projet
Ce chapitre a pour objectif de présenter l’analyse, la

conception et l’architecture applicative et technique sur
lesquelles est basé le projet

Partie I: mise à niveau du système de gestion des associations
1. La méthode UML
UML (Unified Modeling Language, que l’on peut traduire par langage de modélisation unifié) est une
notation permettant de modéliser un problème de façon standard.
Ce langage est né de la fusion de plusieurs méthodes existant auparavant, et est devenu désormais
la référence en terme de modélisation objet, à un tel point que sa connaissance est souvent nécessaire
pour obtenir un poste de développeur objet.
Partie II: Conception du Datawarhouse

1.Modélisation multidimensionnelle et le décisionnel
Avec l’apparition des entrepôts de données, qui sont des systèmes décisionnels basés sur le concept
multidimensionnel, tous les utilisateurs peuvent désormais à accéder à l’information.
Pour la conception d’un nouveau projet décisionnel, j’ai adopté une méthode d’analyse dite
multidimensionnelle qui met en évidence les thèmes de gestion que l’utilisateur souhaite étudier et les
différentes dimensions ou axes d’analyse qui lui permettent d’explorer les données, tenons compte de
cette logique on trouve que le modèle multidimensionnel communément appelé modèle en étoile est le
modèle qui répondra aux exigences, en effet sa structure de donnée est considérée comme étant la
structure de données la plus utilisée et la plus appropriée aux requêtes d’analyses destinées à la prise de
décision. Elle est simple à créer, stable et intuitivement compréhensible par les utilisateurs finaux.
2.5. Modèle en étoile
Le modèle en étoile est un modèle de conception conçu à fin d’être utilisé dans un cadre décisionnel il est
optimisé pour les requêtes d’analyse et considéré comme un modèle non normalisé.
Il est composé d’une table de faits qui est située au centre et des tables de dimensions ou axes d’analyses
qui sont situées aux extrémités de la table de faits, ce sont les dimensions explorées dans l’analyse comme
le grade, statut, zone géographique et ainsi de suite.
2.6. Principe de fonctionnement
Le principe d’optimisation de ce modèle en étoile est le suivant : une clé (clé générique) sert de jointure
entre les tables de dimensions et la table des faits.

La requête SQL réalise d’abord sa sélection sur les tables de dimensions et ensuite seulement, à partir des
clés ainsi sélectionnées, la jointure avec la volumineuse table des faits.
Chaque thème de gestion est modélisé sous forme d’un schéma en étoile, avec au centre la table de Faits,
entourée des tables dimensions qui représentent les différents axes ou niveaux d’analyse.
La clé de la table de ‘’Faits’’ est formée par l’ensemble des clés des tables ‘’dimension’’, alors que les
attributs correspondent aux valeurs numériques mesurables relatives à un sujet donnée, comme les
montants, les nombres, les quantités, les taux, etc.
 Table de faits :
Elle contient des mesures correspondant aux données de l’activité à analyser (exemple: nombre de carte
d’émission et de réception). Elle regroupe également les clés associées aux dimensions. Il s’agit de clés
étrangères dans la table de faits. En général une table de faits contient peu de colonnes et plus
d’enregistrements qu’une table de dimension.
Dans une table de faits, on trouve, en plus des clés étrangères, des attributs quantitatifs qui doivent être
additifs, semi-additifs ou utilisés pour faire des sommes, des moyennes ou des ratios.

 Table de dimension :
Représente, quant à elle, les axes d’analyse des mesures contenues dans la table de faits. Par exemple, si je
voulais analyser le nombre de cartes selon les types, la mesure « nombre de cartes » sera contenu dans la
table des faits et analysée suivant l’axe « site », attribut de la table de dimension objet.
2.Mise en œuvre du système décisionnel
Comme cela a été expliqué précédemment la problématique se situe au niveau de l’exploitation des
données, qui ne peuvent pas se faire à l’état brut. Il est difficile, sans des outils informatiques d’extraire les
données nécessaires.
La figure suivante illustre la chaîne complète de mise à disposition des données, dans le but de mieux
appréhender le besoin du client.
La figure montre les étapes de développement de notre système avec les outils qui permettent de réaliser
chaque partie.
Le premier outil c’est pour réaliser la partie ETL, la génération du cube utilisé dans la phase de présentation
des rapports et des tableaux de bords.
3. ETL
Le processus d’extraction, de transformation et de chargement des données a été réalisé Il est capable
de fonctionner avec un référentiel partagé qui permet de disposer de plusieurs connexions aux bases de
données

Extraction
La requête Dax Permet d’avoir une Table Flate avec toutes les données en provenance des
Dimensions et Facts disponibles dans le Cube Distant.
Le package SSIS Fait en sorte à Insérer les Données dans Une table Sql Server sur la machine Local
avec la date d’extraction (Derived column)

Transform & Load
La transformation et le chargement des données se font en local sur les données faisant l’objet
de(s) extraction(s) précédente(s) :
Construire les Tables Dimensions :
o Accounts : En utilisant la technique Slowly change dimension -SCD 1 –

o Fiscal Calendar : A travers une requêtes DAX , une extraction a été faite pour avoir le
calendrier fiscal pour des but de reporting Hebdomadaire .
o Goal : A travers une requêtes DAX , une extraction a été faite pour avoir le calendrier
fiscal pour des but de reporting Hebdomadaire .
o Sales name : sur le fichier Flat, nous avons 55 Colonnes consacrées que pour les
Commerciaux et il y a 11 Rôles (Nom & Prénom , Nom & Prénom Manager , Nom
Prénom Manage 2 et le Rôle du Commercial)
Un Package SSIS dédié pour les Sales afin de transposer les 55 colonnes en 4 seules
colonnes. (Requêtes SQL = Union All)
o Product Management : Un Package SSIS est dédié pour l’extraction de tous les produits
disponibles sur la base de données distante.
o Regions : Un Package SSIS est dédié pour l’extraction des régions de ventes
disponible sur la base de données distante.
Tout Package SSIS Garde une copie en Flat file pour tout diagnostique relatif à l’exactitude des données

Power BI
L’outil utilisé pour les visualisations est Power BI

pour se faire :
Une connexion à SQL server se fait sur le serveur local en mode Import. et un model a été construit
comme suit (Figure ci-dessous :)

La visualisation a été faite afin de fourni une toute information requises en vue la prise de décision ; en
affichant l’actuel des opportunités conclusses ainsi le « pipeline » en cours avec la possibilité d’extraire
des données, et ce, en deux vues :
Vue Opportunités Vue Produit Vendus (details opportnités )


Langue

PFE SIID1 - Karima Guess

Transféré par

Informations du document

Titre original

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

PFE SIID1 - Karima Guess

Transféré par

Droits d'auteur :

Formats disponibles

Mémoire de projet de fin d’étude

El Mostafa Aoulad Abdel Moula

Licence Universitaire Professionnelle

< Système d’information et ingénierie décisionnelle >

« Dashboard & historisation des opportunités de

Mr. Skiti Marouane

Année universitaire : 2020/2021

Projet Fin D’étude Page 1

Nous dédions ce modeste travail :

Projet Fin D’étude Page 3

C’est un plaisir et un moment très agréable de rendre hommage et de formuler des

Nous remercions aussi Mr. Mounir MAHFOUD responsable formation et développement

Pour tous, on vous dit MERCI.

Projet Fin D’étude Page 4

L’objectif principal de ce projet est :

La construction d’un système d’information décisionnel en utilisant les techniques

Projet Fin D’étude Page 5

Remerciements ........................................................................................ Erreur ! Signet non défini.

Chapitre 1 : Contexe général du projet ................................................. Erreur ! Signet non défini.

1.1.2 Principaux actionnaires ..................................................................................................... 11

1.1.3 Métier et domaines d’activités stratégiques de DELL ........................................................ 10

1.1.4 Produits et la gamme DELL ................................................................................................ 13

1.2 Description générale du projet .................................................................................. 14

Chapitre 2 : Etude de la platforme BI................................................................................. 17

Chapitre 3 : Conception du projet...................................................................................... 26

3.2 Conception du Datawarehouse .....................................................................................…..27

3.2.1 Mise en œuvre du système décisionnel ................................................................................... 10

3.2.1 ETL ....................................................................................................................................... 10

Projet Fin D’étude Page 6

Abréviation Nom complet

ETL Extract Load Transform

SQL Structured Query Language

SGBD Système de Gestion de Base de données

KPI Key Performance Indicator

SSIS Sql Server Integration Service

KPI Key Performance Indicator

Projet Fin D’étude Page 7

La visualisation de données désigne la représentation graphique d'informations et de

Face à la généralisation des visualisations, les compétences en la matière sont de plus en

Projet Fin D’étude Page 8

Ensuite une présentation du projet qui permettra d’éclaircir certains

Projet Fin D’étude Page 9

1.1.1 Carte d’identité de DELL TECHNOLOGIES

Figure 1: Dell Global service Desk.

Projet Fin D’étude Page 10

Dodge & Cox 10,3%

Capital Research & Management W.I. 5,68%

Elliott Management Corp. 5,61%

Icahn Associates Holding 5,53%

Temasek Holdings I.M. 5,51%

The Vanguard Group 4,27%

GIC Pte I.M. 3,92%

MSD Capital 3,92%

Davidson Kempner Capital Management 3,27%

The Baupost Group 2,38%

Projet Fin D’étude Page 11

Figure 2 : Segmentation stratégique de Dell

Les domaines d’activités stratégiques

Ordinateurs de poches Projecteurs Figure 3 : Domaines d’activités stratégiques de Dell

Projet Fin D’étude Page 12

La gamme des systèmes de marque Dell se décline en divers noms :

OptiPlex (PC fixes)