Académique Documents
Professionnel Documents
Culture Documents
1
Dédicaces
A ma grand-mère
Source de tendresse par excellence, la personne la plus chère à mon cœur, à
qui je souhaite un bon rétablissement.
A ma mère
Pour un enfant, perdre l’être qui lui est le plus cher est la plus grande des
douleurs qui soit sur terre.
Ton âme si belle s’est envolée au paradis des sages.Heureusement, j’ai pu
garder dans ma mémoire la douceur de tes sourires et l’éclat de ton visage.
Mes souvenirs de toi sont une source de bonheur.
Je t’aime tellement et tu me manques en toute heure.
A mon père
A mon cher papa, aucun mot ne peut exprimer ma reconnaissance envers
tout ce que tu fais pour mon confort et mon éducation. Ton suivi, ton
contrôle et tes conseils qui sont en or ont fait de moi la personne que je suis
aujourd’hui.
1 Etude de projet 3
1.1 Présentation de l’organisme d’acceuil . . . . . . . . . . 3
1.1.1 Présentation de Tunisie Telecom [1] . . . . . . . . . . . 3
1.1.2 Organigramme de "Tunisie Telecom" . . . . . . . . . . 7
1.2 Présenation du projet . . . . . . . . . . . . . . . . . . . . 7
1.2.1 Description du projet . . . . . . . . . . . . . . . . . . 7
1.2.2 Objectifs du projet . . . . . . . . . . . . . . . . . . . . 8
1.3 Critique de l’existant . . . . . . . . . . . . . . . . . . . . . 8
1.4 Solution proposée . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 L’informatique décisionnelle . . . . . . . . . . . . . . . . . 9
1.5.1 Défintion et objectifs . . . . . . . . . . . . . . . . . . . 9
1.5.2 Architecture générale . . . . . . . . . . . . . . . . . . 11
1.5.3 Modélisation d’une base donnée multidimensionnelle . 13
1.6 Méthodologie de travail . . . . . . . . . . . . . . . . . . . . 16
1.6.1 Méthodologie choisie agile . . . . . . . . . . . . . . . . 16
1.6.2 Scrum . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Planification et architecture 20
2.1 Spécification des besoins . . . . . . . . . . . . . . . . . . . 20
2.1.1 Identification des acteurs . . . . . . . . . . . . . . . . 21
2.1.2 Diagramme de contexte statique . . . . . . . . . . . . 21
2.1.3 Les besoins fonctionnels . . . . . . . . . . . . . . . . . 22
2.1.4 Les besoins non fonctionnels . . . . . . . . . . . . . . 23
2.2 Structure et découpage du projet . . . . . . . . . . . . . 23
2.2.1 Pilotage du projet par Scrum . . . . . . . . . . . . . . 23
2.2.2 Le backlog du produit . . . . . . . . . . . . . . . . . . 24
2.2.3 Planification des sprints . . . . . . . . . . . . . . . . . 27
2.3 Diagramme de cas d’utilisation global . . . . . . . . . . . 28
2.4 Prototypage des interfaces . . . . . . . . . . . . . . . . . . 28
0
TABLE DES MATIÈRES
1
TABLE DES MATIÈRES
6 PHASE DE CLÔTURE 74
6.1 Environnement de travail . . . . . . . . . . . . . . . . . . 74
6.1.1 Environnement matériel . . . . . . . . . . . . . . . . . 74
6.1.2 Environnement logiciel . . . . . . . . . . . . . . . . . . 75
6.1.3 Technologies et langages utilisés . . . . . . . . . . . . . 79
Conclusion générale 80
2
Table des figures
3
TABLE DES FIGURES
4
6.3 logo GooGLE Colab . . . . . . . . . . . . . . . . . . . . . . . 76
6.4 logo Azure Machine Learning Studio . . . . . . . . . . . . . . 77
6.5 logo DrawIO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.6 logo JustInMind . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.7 logo Sharelatex OverLeaf . . . . . . . . . . . . . . . . . . . . . 78
6.8 logo PYTHON . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.9 logo LaTex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Liste des tableaux
6.1 Matériel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
Introduction générale
1
LISTE DES TABLEAUX
Nous avons terminé notre projet par une conclusion générale qui résume
notre mission et les compétences acquises tout au long la période du stage.
2
Chapitre 1
Etude de projet
Introduction
Ce chapitre décrit les premières étapes de la mise en œuvre de notre
solution. Tout d’abord, nous allons soumettre compendieusement l’entreprise
au sein de laquelle nous avons passé notre période stage, ensuite nous allons
présenter le projet grâce à une étude de l’existant.Enfin la méthode de projet
utilisée.
3
Présentation de l’organisme d’acceuil
NOTRE VISION
Simplifier le quotidien de tous les Tunisiens en accélérant l’adoption du
très haut débit et la transformation digitale de la société tunisienne.
NOTRE MISSION
Etre le premier choix de connectivité pour les ménages, les jeunes et
les entreprises. Nous nous engageons à offrir une meilleure vie connectée à
tous et partout en Tunisie en apportant une expérience utilisateur attrayante,
simple et instantanée.
NOS VALEURS
« FREE sont nos valeurs : Faire simple, Responsabilité, Esprit d’équipe,
Engagement »
FAIRE SIMPLE
• Réfléchir et agir de manière à simplifier les processus et agir plus
rapidement et efficacement.
• C’est le moyen de s’adapter à cet environnement complexe poussé par
l’accélération du digital et adopter une posture Agile.
• Faire simple veut dire aussi éliminer toute tâche inutile et sans valeur
ajoutée.
4
Présentation de l’organisme d’acceuil
RESPONSABILITÉ
• La capacité à percevoir les frontières : Qu’est-ce qui m’appartient
vs qu’est ce qui appartient à l’autre. Ne pas faire supporter aux autres les
conséquences de ses décisions.
• La capacité à percevoir les relations de cause/effet : Assumer les consé-
quences de ses actes. Apprendre des ses erreurs.
ESPRIT D’ÉQUIPE
• La capacité à travailler efficacement au sein d’un groupe tout en gar-
dant un fort sentiment d’appartenance et de loyauté vis à vis de l’entreprise.
• Une personne qui a un fort esprit d’équipe, passe l’intérêt collectif avant
son intérêt personnel car elle est consciente que son évolution professionnelle
dépend du succès de l’entreprise. ENGAGEMENT
• La faculté d’une personne à donner le meilleur d’elle-même pour donner
satisfaction dans son travail.
• L’assiduité dans son travail et un haut niveau de fiabilité dans l’atteinte
des objectifs tant sur plan quantitatif que qualitatif.
• Les délais sont toujours respectés et on est capable de faire preuve d’ini-
tiative pour dépasser les imprévus et obstacles.
• 20 Mars 1998
Inauguration de la première ligne GSM.
• Décembre 1999 Promulgation du décret N°2844 du 27 décembre 1999, re-
latif au statut de Tunisie Télécom.
• 17 Mai 2000
Attribution de la première licence de téléphonie mobile en Mauritanie au
5
Présentation de l’organisme d’acceuil
• 07 Juillet 2004
Signature de la convention d’interconnexion entre Tunisie Télécom et Oras-
com Télécom Tunisie.
• 09 Juillet 2004
Premier Conseil d’Administration de la Société Nationale des Télécommuni-
cations suite à la transformation de Tunisie Télécom en Société Anonyme.
• 27 Avril 2006
Tecom Dubai partenaire stratégique de Tunisie Télécom Signature du contrat
de cession de 35% de son capital pour le montant de 3,05 milliards de dinars
soit un montant de 2,25 milliards de dollars.
6
Présenation du projet
7
Critique de l’existant
8
Solution proposée
9
L’informatique décisionnelle
10
L’informatique décisionnelle
Data Warehouse
Un Data Warehouse est une base de données relationnelle hébergée sur
un serveur dans un Data Center ou dans le Cloud. Il recueille des données
de sources variées et hétérogènes dans le but principal de soutenir l’analyse
et faciliter le processus de prise de décision.
En matière d’intégration dans le système de données existant, le fonctionne-
ment du Data Warehouse est basé sur le processus ETL (Extract, Tranform,
Load) permettant de charger les données issues des différentes applications.
[3]
Data Mart
Un Data Mart est une forme simple de Data Warehouse centré sur un
seul sujet ou fonction, comme les ventes, le marketing ou la finance. Ils per-
mettent d’améliorer le temps de réponse des utilisateurs grâce au catalogage
des données spécifiques.
Un datamart est un sous-ensemble d’un entrepôt de données destiné à fournir
des données aux utilisateurs, et souvent spécialisé vers un groupe ou un type
d’affaire.[24]
11
L’informatique décisionnelle
ETL
ETL signifie Extract, Transform Load en anglais. Cet outil permet d’ex-
traire des informations issues de différentes sources, les transformer, pour
ensuite les charger dans un entrepôt de donnés cible.
- L’extraction consiste à collecter des données brutes des différentes database
via des connecteurs.
- La transformation consiste ensuite à convertir les données extraites dans un
format standard. Cette étape permet de nettoyer, vérifier, enrichir et conso-
lider les données.
- Après formatage, elles sont transférées vers un emplacement défini comme
un data warehouse ou une application de business intelligence. C’est la phase
de chargement des données.
OLAP
Le OLAP, ou Online Analytical Processing, est une technologie de trai-
tement informatique (computer processing). Elle permet à un utilisateur de
consulter et d’extraire facilement les données pour les comparer de différentes
façons.
C’est un outil inscrit dans analysis services d’aide à la décision bien pratique
pour une entreprise. Les données OLAP sont stockées sur une base multidi-
mensionnelle, aussi appelées Cubes OLAP, pour faciliter ce type d’analyses.
Un serveur OLAP est nécessaire.[9]
Restitution
Cette dernière étape, également appelée reporting, se charge de présen-
ter les informations à valeur ajoutée de telle sorte qu’elles apparaissent de la
façon la plus lisible possible dans le cadre de l’aide à la décision.
KPI
Un KPI est un indicateur de performance pour votre entreprise. Cet
indicateur est donc chiffré et permet de suivre l’efficacité d’une action par
rapport à des objectifs définis.
12
L’informatique décisionnelle
Machine Learning
Le machine learning est une technique de programmation informatique
qui utilise des probabilités statistiques pour donner aux ordinateurs la ca-
pacité d’apprendre par eux-mêmes sans programmation explicite. L’ objectif
de base du machine learning est "d’apprendre à apprendre" aux ordinateurs
– et par la suite, à agir et réagir – comme le font les humains, en améliorant
leur mode d’apprentissage et leurs connaissances de façon autonome sur la
durée. L’objectif ultime serait que les ordinateurs agissent et réagissent sans
être explicitement programmés pour ces actions et réactions. [20]
Table de Dimension
Une table de dimensions comporter les axes de l’analyse (les dimen-
sions) ; à travers lesquels nous permettions d’étudier les données observables
(les faits) docile à des analyses multidimensionnelles, qui produisaient aux
utilisateurs les informations requises au processus de prise de décision.
Modèle en étoile
- Une (ou plusieurs) table(s) de faits comprenant une ou plusieurs me-
sures
- Plusieurs tables de dimension dé-normalisées : descripteurs des dimensions.
- Les tables de dimension n’ont pas de lien entre elles.
* Avantages
- Facilité de navigation.
- Performances : nombre de jointures limité ; gestion des données creuses.
13
L’informatique décisionnelle
14
L’informatique décisionnelle
Modèle en constellation
Fusionner plusieurs modèles en étoile qui utilisent des dimensions com-
munes
* Un modèle en constellation comprend donc :
- Plusieurs tables de faits
- Des tables de dimensions communes ou non à ces tables de faits.
15
Méthodologie de travail
Explication du choix
Nous nous sommes mis d’accord avec team de travail sur la méthode
AGILE de gestion de projets car ces modes sont loin de prédire et de tolérer
strictement les modifications. Elles n’obligez pas de documentation détaillée
et éprouvée. , Ils s’adaptent aux transformations et adoptent des processus
itératifs et incrémentaux.
1.6.2 Scrum
Après une bonne étude, nous avons décidé d’associer Scrum comme fra-
mework à AGILE.
Nous allons dans cette partie justifier le choix de SCRUM tout en expliquant
son cycle de vie et ses intervenants.
16
Méthodologie de travail
Définition
SSCRUM, c’est un terme anglais qui informé mêlé. C’est un Framework
de gestion de projets liés aux méthodes agiles, il est utilisé en développement
logiciel. Il autorise de créer des logiciels dans une petite durée. Une partie
du logiciel fonctionnel est produite à chaque sprint. Les sprints sont des
itérations d’une durée de 2 à 4. Durant les sprints, nous allons élaborer,
coder et vérifier la partie envisagée du logiciel qu’on peut remettre si elle est
bien fonctionnelle.
La figure 1.7 ci-dessous illustre le processus Scrum.
17
Méthodologie de travail
Le Sprint
Un sprint est une itération. Il s’agit d’une période de 1 à 4 semaines
plus grand au cours de laquelle une version terminée et utilisable du produit
est réalisée. Un nouveau Sprint débuté dès la fin du précédé. Chaque Sprint
participé un but et une liste de fonctionnalités à exécuter.
Revue du Sprint
Il s’agit du bilan du sprint effectué. Une fois le sprint achevé, l’équipe
Scrum et les parties prenantes se rassembler pour valider ce qui a été accom-
pli. Cette réunion dure 4 heures maximum.
Mêlée quotidienne
Ce meeting journalier de 15 minutes est très primordial. Elle se fait de-
bout, afin d’éviter de s’éterniser. C’est ce qui précisé que l’on parle de “stand
Up meeting”. Ce meeting a pour but de faire un point sur la progression
quotidienne du sprint. Ce rendez-vous permet à team de synchroniser ses
activités et de faire un plan pour les suivants 24 heures.
À mêlée a lieu à la même heure et au même endroit chaque jour. Chaque
membre de team de développement doit répondre à ces trois questions :
• qu’est-ce qu’il a réalisé la veille ?
• Qu’est-ce qu’il va réaliser aujourd’hui ?
• Quelles sont les difficultés qui le retardent ?
18
Conclusion
1.7 Conclusion
Le premier chapitre concentré à placer le projet dans son contexte gé-
néral et comprendre le cadre dans lequel il circule. Cela nous permet de bien
englober les besoins et adopter la méthode de conception pour finir par déve-
lopper une solution BI qui répond complètement aux nécessités et exigences
de l’entreprise. Après cela, nous passerons au chapitre 2, qui est consacré à
la planification, à l’architecture et à la spécification des besoins .
19
Chapitre 2
Planification et architecture
Introduction
Après avoir choisi Scrum comme étant un contexte de projet dans le
chapitre passé, nous allons soumettre la phase de planification de ce chapitre :
appelée " Sprint Zéro".
Le sprint zéro est un parti essentiel pour démarrer un projet agile, il est
essentiellement utilisé pour permettre au sprint suivant de démarrer dans
des conditions optimales. Dans le chapitre II, nous déterminer les besoins,
les participants de notre solution BI, définiront le backlog du produit et
l’architecture de travail avec le choix de technologie .
20
Spécification des besoins
21
Spécification des besoins
* Suivi « Client »
- Nombre de clients.
- Nombre des client actifs.
- NB clients/région.
- Revenu total .
- NB client/mois.
- NB de jours inactifs/client.
- Prévision du revenu/mois.
* Suivi « Trafic »
- Montant total de recharge.
. - -Prévision de recharge/Mois.
-. -Nombre total de recharge.
- Montant total de ussd Data/Mois/Région/Client.
- Durée offnet total/Mois/Région/Client.
- Durée onnet total /Mois/Région/Client.
- Durée international total/Mois/Région/Client.
- Nombre sms total/Mois.
- Volume total.
- Revenu voix total.
* Suivi « Offre »
- Nombre des offres.
- Nombre des clients pour chaque offre.
- Top 10 offres/Revenus/Montants de recharge.
- Nombre des offres pour chaque type/mois.
22
Structure et découpage du projet
23
Structure et découpage du projet
24
Structure et découpage du projet
En tant qu’administrateur,
je peux créer le jeu de données
9.1 Moyenne 8 jours
Créer le jeu avec POWER BI SERVICE.
des données
En tant qu’administrateur, je peux
Analyse prédictive faire des analyses prédective avec
10.1 Moyenne 14 jours
(Machine Learning)_ la langage python.
25
Structure et découpage du projet
Jira
Jira est un système de contrôle de bugs, de gestion des incidents et de
conduite de projets développés par Atlassian et publiée pour la première fois
en 2002.
Il offrit des solutions à la fois à chemin des développeurs et des intervenants
non développeurs. Dans Jira Software, les projets Scrum et Kanban conte-
naient différentes fonctionnalités pour faciliter les équipes utilisant l’un ou
l’autre.Pour les équipes Scrum :
sélectionnez Backlog dans le menu de projet sur la gauche, puis appuyez sur
+ Créer un ticket pour commencer à ajouter du travail au backlog de votre
équipe.
26
Structure et découpage du projet
27
Diagramme de cas d’utilisation global
28
Prototypage des interfaces
29
Architecture de travail
30
Choix technologique
2.7 Conclusion
Ce chapitre est consacré à l’élaboration d’un plan de travail pour le
projet. Premièrement, nous énumérons les besoins fonctionnels et non fonc-
tionnels, les acteurs du système de la solution. Nous avons aussi élaboré
l’environnement de travail afin d’arriver à développer la table backlog de
produit. Dans le prochain chapitre, nous démarrer le premier sprint de notre
travail.
31
Chapitre 3
Introduction
Nous utiliserons ce chapitre pour matérialiser certaines des fonctionna-
lités d’un sprint, suivi de l’analyse, de la conception et enfin de la mise en
œuvre de la première partie du produit susceptible d’être livrée dans un délai
précis.
32
Spécification fonctionnelle
33
Extraction et Trasformation des données
Nous allons dans cette partie Extraire les données de notre solution BI.
Il s’agit de collecter des données brutes des différentes source des données
puis importer dans notre outil de travail Power BI .
34
Extraction et Trasformation des données
Nous avons obtenu les données de type texte puis on a chargé et trans-
formé dans Power query où on a fait les transformations des données.
35
Extraction et Trasformation des données
36
Modélisation des données
37
Modélisation des données
39
Modélisation des données
40
Analyse des données
41
Analyse des données
Power Bi :
42
Analyse des données
Top 10 client
Top 3 offre
43
Sprint terminé
3.7 Conclusion
Nous avons à la clôture de ce chapitre, une première partie exploitable
du projet. Le chapitre suivant décrire la réalisation du sprint 2 intitulés :
Visualisations des données.
44
Chapitre 4
SPRINT2 : VISUALISATIONS
DES DONNÉES
Introduction
Dans le chapitre précédé, nous avons fini la partie la plus importante
du projet, celle qui nous autoriser de démarrer les sprints suivants. Tout au
long de ce chapitre nous allons travailler sur la troisième partie du projet. Il
s’agit de la partie chargée de la visualisation des données.
45
Spécification fonctionnelle
46
Spécification fonctionnelle
47
Spécification fonctionnelle
48
Spécification fonctionnelle
49
Implémentation des Dashboard
50
Implémentation des Dashboard
Dashboard Client
La figure 4.6 de dashboard « Client » présente une analyse en terme :
51
Implémentation des Dashboard
52
Implémentation des Dashboard
Dashboard Trafic
La figure 4.8 de dashboard « Trafic » présente une analyse en terme :
53
Implémentation des Dashboard
54
Implémentation des Dashboard
55
Implémentation des Dashboard
56
Implémentation des Dashboard
Dashboard Offre
La figure 4.12 de dashboard « Offre » présente une analyse en terme :
57
Sprint terminer
4.5 Conclusion
A ce niveau, nous avons terminé le deuxième Sprint de la visualisation
des données. Nous passons au chapitre suivant qui décrit la troisième étape :
Analyse prédictive.
58
Chapitre 5
Sprint 3 : ANALYSE
PRÉDICTIVE
Introduction
Comme mentionné au niveau du chapitre 2, notre projet comporte 3
sprints. Le dernier chapitre décrit notre 3 ème sprint, y compris de Power BI
Service et la réalisation d’analyses prédictives.
59
Spécification fonctionnelle
60
Gérer les autorisations
61
Gérer les alertes
La figure 5.4 représente la gestion des alertes qui fait par l’adminstra-
teur de Power BI service
62
Jeu de données
63
Analyse prédictive (Machine Learning)
64
Analyse prédictive (Machine Learning)
65
Analyse prédictive (Machine Learning)
66
Analyse prédictive (Machine Learning)
Dans notre première méthode, nous avons prédit le revenu et testé s’il
existe une corrélation entre le réel et le prédictif.il donne 0.795 scores de
précision de prédiction.
Méthode 2
67
Analyse prédictive (Machine Learning)
68
Analyse prédictive (Machine Learning)
Méthode 3
Pour la troisième méthode, la régression linéaire est appliquée aux types
d’offres liés à leurs revenus, Ussd, durée totale et volume.
SCORE CHURN
69
Analyse prédictive (Machine Learning)
clients est souvent ardu et plus coûteux que de garder les anciens.
70
Analyse prédictive (Machine Learning)
5.6.4 ARMA/SARIMA
ARMA
En statistique, les modèles ARMA (modèles autorégressifs et moyenne mo-
bile), ou aussi modèle de Box-Jenkins, sont les principaux modèles de séries
temporelles. Étant donné une série temporelle Xt, le modèle ARMA est un
outil pour comprendre et prédire, éventuellement, les valeurs futures de cette
série.[22]
71
Analyse prédictive (Machine Learning)
SARIMA
les SARIMA (pour Seasonal ARIMA ) présentent des variations périodiques
qui ont elles-mêmes un caractère aléatoire, les SARIMA sont stationnaires
quand ils ne sont pas intégrés (SARMA ), et non stationnaires lorsqu’ils sont
intégrés (au même titre que les ARIMA ) .[18]
72
Sprint terminé
5.8 Conclusion
Dans ce chapitre, nous avons terminé le dernier sprint qui représenter
l’analyse prédictive. Le chapitre suite est le chapitre avec lequel nous allons
achever notre rapport, il contint les informations et les ressources ayant aidé
à réalisation du projet.
73
Chapitre 6
PHASE DE CLÔTURE
INTRODUCTION
74
Environnement de travail
— POWER BI SERVICE
— POWER Query
75
Environnement de travail
— POWER Autaomate
— Google Colab
76
Environnement de travail
— DrawIO
77
Environnement de travail
— JustInMind
— Sharelatex OverLeaf
78
Environnement de travail
— PYTHON
— LaTex
79
Conclusion Générale
80
Bibliographie
81
BIBLIOGRAPHIE
82