RAPPORT DE STAGE

Réalisé par : Mansouri Jihene

« Mise en place d’une solution décisionnelle pour analyser et suivre

l’évolution des dépôts a vus au cours du temps »

15 Juin 2022 – 31 Juillet 2022

Maître de stage : Nadia el faleh – Daboussi Yousri

Année universitaire 2021/2022

1
 Remerciements

C’est avec un grand plaisir que je tiens tout d’abord à exprimer ma profonde gratitude à
mes encadrants à BIAT : Mme Nadia el faleh . et Mr Yousri Daboussi. pour l'attention
qu'ils ont apportée à mon projet tout au long de ses divers stades allant de l’idée à la
réalisation et pour leurs précieux conseils.

Je voudrai aussi présenter mes remerciements les plus sincères à tous les employés
de BIAT pour leurs volontés, la pertinence de leurs remarques et la subtilité de leurs
conseils qui ont été pour moi des atouts importants dans l’élaboration de mon stage
dans les bonnes conditions, c’était une expérience formidable de travailler avec eux.
Finalement je tiens à remercier Esprit qui m’a donnée l'occasion de s’intégrer dans la vie
professionnelle durant ces semaines.

2
 Table des matières

Liste des tableaux...................................................................................................................

Liste des figures.....................................................................................................................

Introduction générale............................................................................................................

Chapitre I : Contexte général.................................................................................................

Introduction...........................................................................................................................

I. Présentation de l’organisme d’accueil..............................................................................

1. Présentation générale de BIAT.....................................................................................

2. Organigramme de BIAT................................................................................................

II. Présentation du projet.....................................................................................................

1. Contexte du projet.......................................................................................................

2. Problématique............................................................................................................

3. Solution proposée......................................................................................................

Conclusion...........................................................................................................................

Chapitre II : Conception......................................................................................................

INTRODUCTION...................................................................................................................

I. Spécification globale des besoins....................................................................................

1. Besoins fonctionnels ..............................................................................................

2. Besoins non fonctionnels...........................................................................................

II. Diagramme de cas d’utilisation du système..............................................................

III. Entrepôt de données.................................................................................................

1. Choix du modèle multidimensionnel..........................................................................

1.1 Modélisation en étoile.........................................................................................

1.2 Modélisation en flocon.........................................................................................

3
1.3 Modélisation en constellation..........................................................................................

2. Conception du Datawarehouse...................................................................................

Conclusion...........................................................................................................................

Chapitre IV : Réalisation......................................................................................................

Introduction........................................................................................................................

I. Technologies utilisées.....................................................................................................

II. Alimentation du Datawarehouse...................................................................................

1. Alimentation de l’ODS................................................................................................

2. Alimentation des tables de dimensions.....................................................................

3. Alimentation des tables de faits..................................................................................

III. Phase de restitution......................................................................................................

1. Dashboard Accueil......................................................................................................

2. Dashboard analyse détaillée des dépôts...................................................................

3. Dashboard analyse globale des dépôts......................................................................

Conclusion...........................................................................................................................

Conclusion Générale...........................................................................................................

4
 Liste des tableaux

Tableau 1: Les tables de dimensions ......................................................................................

14
Tableau 2: La table de faits .....................................................................................................
15

5
 Liste des figures

Figure 1: Logo BIAT…………………............................................................................................ 8

Figure 2: Organigramme de BIAT…………………...................................................................... 9
Figure 3: Diagramme de cas d’utilisation………….................................................................. 12
Figure 4: Conception du Datawarehouse ............................................................................ 14
Figure 5: Fonctionnement de l'ETL ...................................................................................... 16
Figure 6: Fonctionnement de Power BI ............................................................................... 17
Figure 7: Les jobs ……….......................................................................................................... 18
Figure 8: Travail d'alimentation de l’ODS_DAV_2016…......................................................... 19
Figure 9: Travail d'alimentation de la dimension marche………..……….................................... 19
Figure 10: Travail d'alimentation de la dimension segment .................................................. 20
Figure 11: Travail d'alimentation de la table de faits FACT_DAV_2016.................................. 21
Figure 12: Dashboard accueil ..................................................................................................22
Figure 13: Dashboard analyse détaillée des
dépôts..................................................................23
Figure 14: Dashboard analyse globale des
dépôts...................................................................24

6
 Introduction générale

Le monde dans lequel nous vivons est de plus en plus complexe. Les technologies de
l’information nous génèrent une multitude de données comme jamais auparavant. Le
problème n’est donc plus tant d’acquérir une masse de données, mais de les exploiter et de
les savoir gérer.

Pour cela il faut collecter l’information pertinente, la normaliser, la classer, l’agréger et

l’analyser pour l’exploiter afin d’en extraire la substantifique moelle et donc prendre la
bonne décision au bon moment. De ce fait, il est nécessaire de mettre en place un système
d’information particulier, appelé système d’aide à la décision.

Un système d’aide à la décision ne remplace pas les systèmes opérationnels qui font
fonctionner l’entreprise. Ainsi, il vient s’y intégrer, en y extrayant des données, pour diffuser
la connaissance d’une manière facile pour que les différents acteurs de l’entreprise
(dirigeants, décideurs, experts, managers, analystes…) peuvent les exploitées.

En effet, aujourd’hui l’informatique décisionnelle tient une place prépondérante dans les
systèmes d’information des grandes entreprises. Il sert à analyser des données souvent
complexes (enregistrées en base de données), afin d’aider à la prise de décision. Le but est
de permettre aux responsables de la stratégie d’une entreprise d’avoir une vue sur
l’ensemble de l’activité traitée, ainsi que des connaissances pointues sur lesquels ils peuvent
se baser pour acter dans le bon sens.

Dans le contexte actuel de crise d’hyper-concurrence, les banques sont de plus en plus
obligés de consolider et d’analyser des informations diverses et volumineuses.

7
Ceci permettra aux dirigeants de tracer les grandes lignes directrices des stratégies de leurs
entreprises et développer leurs compétences tout en surveillant l’évolution du marché.

Chapitre I : Contexte général

Introduction
Ce premier chapitre est consacré à la présentation du cadre général de notre projet.
Nous allons commencer par l’organisme d’accueil : son activité et son organigramme. Par la
suite nous allons procéder à la présentation du projet : son contexte, sa problématique et la
solution proposée.

I. Présentation de l’organisme d’accueil

Nous commençons par la présentation de l’organisme d’accueil et son
organigramme.

1. Présentation générale de BIAT

La Banque Internationale Arabe de Tunisie (BIAT) est l’une des plus importantes
institutions financières en Afrique du Nord et la première banque privée en Tunisie.
S’appuyant sur une force de vente, performante, organisée par marché et sur un concept
moderne de merchandising de ses Points de Vente, la BIAT propose à sa clientèle
Particuliers, Professionnels, PME, Grandes Entreprises une gamme de produits à la fois
complète et innovante et ce, pour leurs activités en Tunisie et à l’International.

La figure ci-dessous présente le logo de la banque internationale arabe de Tunis (BIAT).

Figure 1: Logo BIAT

8
 2. Organigramme de BIAT :

Notre projet est effectué dans le département contrôle de gestion où leur

emplacement est schématisé dans la Figure 2.

Figure 2: Organigramme de BIAT

L’objectif de ce département est de renforcer les dispositifs de sécurité, de contrôle

et de maîtrise des risques de la banque. Ce département est chargé de la mesure et
du contrôle des risques prévus par la réglementation prudentielle.

II. Présentation du projet

1. Contexte du projet

En Tunisie dans le service de banque, il existe quatre grandes banques qui dominent
le marché : la banque internationale arabe de Tunisie, la banque nationale agricole,
la banque de l’habitat et la société tunisienne des banques.

9
 Désormais première banque en Tunisie, avec quelque 15% de part de marché, la
jeune histoire de la BIAT a été ponctuée par de nombreux projets de
développements qui tous avaient un but : mieux servir ses clients et l’économie du
pays.

2. Problématique

Les banques en Tunisie sont en compétition très dynamique parce que chacun d’entre
eux veut bénéficier du grand part du marché. De ce fait, chaque banque fait de son mieux
pour attirer le plus des clients et les fidéliser.

Dans le but de mieux comprendre son activité et voir sa position sur le marché, BIAT
a besoin d’analyser et suivre l’évolution des dépôts à vus au cours du temps en utilisant des
outils et des techniques spécialisés.

Dans la partie suivante nous présenterons la solution proposée.

3. Solution proposée

La solution proposée consiste à réaliser un système automatique de collecte et d’analyse

de données afin d’analyser et suivre l’évolution des dépôts a vus au cours du temps.

Notre solution est basée sur le traitement de données avec des outils de BI.

Conclusion
Durant ce premier chapitre introductif, nous avons présenté en premier lieu l’organisme
d’accueil BIAT dans lequel nous avons effectué notre stage. En deuxième lieu, la solution que
nous allons concevoir et développer au fur et à mesure après avoir exposé la problématique.

10
 CHAPITRE II: Conception

INTRODUCTION

Durant ce chapitre nous allons montrer la conception de notre solution

décisionnelle. Nous allons commencer par énumérer les acteurs, modéliser les
diagrammes de cas d’utilisation et enfin montrer la conception de l’entrepôt de données.

I. Spécification globale des besoins

Notre travail consiste à concevoir et développer un module d’aide à la décision et de

raporting sur l’évolution des dépôts a vus au cours du temps.

1. Besoins fonctionnels

Afin de bien définir les fonctions de la solution décisionnelle à développer, nous

avons planifié les besoins et les résultats souhaités.

Ainsi, les besoins fonctionnels de notre projet se définissent comme suit :

• Modéliser et mettre en œuvre le modèle décisionnel.

• Intégrer les données dans un Datawarehouse.
• Choisir les indicateurs d’analyse.
• Créer des tableaux de bords dynamiques.

2. Besoins non fonctionnels

Ce projet doit répondre aux exigences suivantes :

11
 • Dashboards simples à manipuler.
• Navigation rapide entre les composants du système.

• Contraintes ergonomiques : les Dashboards doivent respecter les normes.

• Contraintes esthétiques : les Dashboards doivent être conviviales et garantir un
minimum de qualité (de texte, image. . .).

II. Diagramme de cas d’utilisation du système

Le diagramme de cas d’utilisation est basé sur la représentation de l’interaction

entre les différents acteurs (Administrateur et Agent BIAT pour notre cas). La figure
suivante illustre le diagramme de cas d’utilisation global de notre solution d’aide à la
décision.

Figure 3: Diagramme de cas d’utilisation

Les acteurs de notre système sont :

Administrateur : C’est le gérant de la solution qui a une visibilité totale sur les bases de
données. Il est capable de modifier, d’améliorer et de maintenir la solution.

Agent BIAT : C’est la personne qui peut consulter les Dashboards.

12
 II. Entrepôt de données

Le concept d’entrepôt de données a été né en 1990 par Bill Inmon. Il s’agit de

constituer une base de données orientée sujet, intégrée et contenant des informations
historisées, non volatiles.

L’objectif d’un Datawarehouse est de stocker des données issues des différentes
sources afin d’aider à la prise de décision.

1. Choix du modèle multidimensionnel

1.1 Modélisation en étoile

Une modélisation en étoile est une façon de mettre en rapport les dimensions et
les faits dans un Datawarehouse. Il faut donc que les dimensions soient directement
reliées à un fait (schématiquement, cela ressemble à une forme d’étoile). La granularité
des tables de faits et de dimensions doit aussi être la même.

1.2 Modélisation en flocon

Le principe de la modélisation en flocon consiste à créer des hiérarchies de
dimensions de manière à avoir le minimum de lignes par dimensions. C’est la seule façon
que les professionnels ont trouvé pour avoir des résultats clairs et rapides. Il faut savoir
que la modélisation en flocon a été fondée pour des raisons de performance.

1.3 Modélisation en constellation

Un modèle en constellation est un schéma constitué d’une série d'étoiles ou de
flocons où les tables de fait se partagent certaines tables de dimension. Il est basé sur la
fusion d’un ensemble des modèles en étoiles utilisant des dimensions communes et
plusieurs tables de fait.

 Nous avons fait recours au modèle en flocon comme modèle de données. En effet,
ce modèle s’avère le plus adéquat à notre solution car nous aurons besoin des
hiérarchies de dimensions pour créer les Dashboards.

13
 2. Conception du Datawarehouse

Le diagramme ci-dessous présente la conception du Datawarehouse

Figure 4: Conception du Datawarehouse

Le tableau ci-dessous représente la description des tables de dimensions.

Dimension Description de la table dimension
Dim_date_situation C’est la table de dimension qui contient la date.

Dim_ntype C’est la table dimension contenant tous les types des dépôts.

Dim_marche C’est la dimension qui mentionne les noms des marchés des
dépôts.
Dim_segment C’est la dimension qui contient la description de chaque
segment par son nom et le marché auquel il appartient.
Dim_sous_segment C’est la table dimension qui contient tous les noms des sous
segment ainsi que les segments auxquels ils appartiennent.
Tableau 1 : Les tables de dimensions

Le tableau ci-dessous représente la description de la table de faits.

14
 Fait Description de la table fait
Fact_dav2016 C’est la table qui possède les détails liés aux dépôts en
mentionnant le montant de chaque dépôt.

Tableau 2 : La table de faits

Conclusion
Dans ce chapitre, nous avons traité la conception de notre solution décisionnelle. En effet,
nous avons détaillé notre conception en modélisant le diagramme de cas d’utilisation ainsi
que en mentionnant les acteurs qui y interviennent. Enfin, nous avons évoqué la structure
de notre Datawarehouse, les tables de dimensions et les tables de faits.

Chapitre III : Réalisation

15
 Introduction
Dans ce dernier chapitre, nous allons décrire les phases d’implémentation de notre
solution décisionnelle.

Nous citerons au début les technologies utilisées et ensuite nous décrirons la phase
d’alimentation du Datawarehouse ainsi que la phase de reporting à travers des captures
d’écran.

I. Technologies utilisées

Pour la réalisation de ce projet, nous avons opté pour deux technologies : Talend
Open Studio For Data Integration, pour collecter et transformer les données et Power BI
pour la visualisation des Dashboards.

Talend Open Studio For Data Integration

C’est un ETL (Extract Transform Load) qui permet de se connecter à n'importe

quelle source de données (Excel, fichier plat csv, XML, base de données, etc...). Il offre la
possibilité de collecter des données, de les transformer en données exploitables par les
outils d’analyse.
La figure 5 présente le fonctionnement de l’ETL.

Figure 5: Fonctionnement de l'ETL

Les avantages et les fonctionnalités de Talend :

• Interface graphique intuitive rend son utilisation facile.

16
 • Applique plusieurs transformations de données comme : l’agrégation, le filtrage
et la conversion de donnée.

• Les solutions open source permettent aux développeurs d’accéder au code

source de l’outil. Talend met à disposition une bibliothèque de composants très
diversifiés.
• Facilement déployable.

POWER BI

Power BI Desktop est une application gratuite qui permet de se connecter à des
données, de les transformer et de les visualiser. C’est un outil qui nous aide à créer des
rapports et des tableaux de bord.

Les avantages de Power BI :

• Aide les équipes de direction à faire des choix rapides sans compromettre la
rentabilité de leur entreprise.

• Facilite la visualisation des données grâce à ses options de présentation sous

forme de tableaux, de diagramme ou encore de jauges ou de cartes.

• Donne une vision complète des données de l’entreprise sous forme visuelle pour
faciliter l’utilisation des données en équipe.

La figure 6 présente le fonctionnement du Power BI.

Figure 6: Fonctionnement de Power BI

II. Alimentation du Datawarehouse

17
 Dans cette étape, nous avons utilisé l’outil Talend Open Studio for Data Integration
pour alimenter les tables de la base BIAT.

Durant cette phase, nous avons créé des jobs comme montrés dans la figure. En effet, nous
disposons d’un job pour exécuter l’ODS, 6 jobs pour exécuter les tables de dimensions et 1
job pour exécuter la table de faits.

La figure ci-dessous montre les jobs qu’on a créé.

Figure 7: Les jobs

Nous commençons par présenter des exemples d’alimentation de l’ODS. Ensuite, nous
présenterons des exemples d’alimentation des tables de dimensions et enfin des exemples
d’alimentation des tables de faits.

1. Alimentation de l’ODS

L’ODS est une étape intermédiaire dans laquelle les données sont stockées avant
d’être transformées et chargées dans le Datawarehouse. Selon notre projet, nous allons
extraire les données des systèmes sources et nous allons les stocker dans l’ODS sans faire
de transformations ensuite nous allons les charger dans le Datawarehouse.

L’objectif de l’ODS est d’alléger le travail et ne pas travailler directement sur les
systèmes sources car on risque de les alourdir.

18
 La figure ci-dessous présente l’exécution de flux de contrôle de l’ODS_OPERATION.

Figure 8: Travail d'alimentation de l’ODS_DAV2016

Fichier_Source : C’est un composant de type tFileInputDelimited. Nous l’avons utilisé pour

extraire les données d’un fichier texte nommée « dav2016 ».

TMap : Après le chargement des données source, ce composant de type «tMap » nous a
permis de mapper les colonnes nécessaires .

Dav2016 : C’est un composant de type «tDBOutput» avec lequel nous définissons la

connexion avec la table de la base destinataire « dav2016 ».

2. Alimentation des tables de dimensions

 Exemple d’alimentation de la dimension marché :

Figure 9: Travail d'alimentation de la table de dimension marché

Transformation : C’est un composant de type tDBInput. On l’a utilisé pour extraire les
données de la table «transformation » qui appartient à la base de données BIAT.

Map : Après le chargement des données source, ce composant de type «tMap » nous a
permis de mapper les colonnes nécessaires .

Filtre : Ce composant de type « tFiler » nous a permis de filtrer les colonnes qui ont le nom
du marché vide.

Dim_marche: C’est un composant de type «tDBOutput» avec lequel nous définissons la

connexion avec la table de la base destinataire « dim_marche ».

 Exemple de l’alimentation de la sous dimension segment :

19
 Figure 10: Travail d'alimentation de la dimension segment

Transformation : C’est un composant de type tDBInput. On l’a utilisé pour extraire les
données de la table « transformation » qui appartient à la base de données BIAT.

Dim_marche : C’est un composant de type tDBInput. On l’a utilisé pour pour récupérer la
clé primaire de la table «Dim_marche ».

Map : Après le chargement des données source, ce composant de type «tMap » nous a
permis de mapper les colonnes nécessaires et faire la jointure avec la dimension marché
(la clé primaire de la table « dim_marché » sera considéré comme clé étrangère dans la
table « dim _segment »).

Filtre : Ce composant de type « tFilter » nous a permis de filtrer les colonnes qui ont le
nom du segment vide.

Dim_segment : C’est un composant de type «tDBOutput» avec lequel nous définissons la

connexion avec la table de la base destinataire « dim_segment ».

3. Alimentation des tables de faits

20
 Figure 11: Travail d'alimentation de la table de fait FACT_DAV_2016

Transformation : C’est un composant de type tDBInput. On l’a utilisé pour extraire les
données de la table « transformation » qui appartient à la base de données BIAT.

Dim_marche, dim_custcptt2, dim_date_situation, dim_ntype : Ce sont des composants

de type tDBInput. On les a utilisés pour extraire les clés primaires des différentes tables.

Map : Ce composant de type «tMap » nous a permis de mapper les colonnes nécessaires
et faire la jointure avec les différents dimensions pour récupérer et rajouter les clés
primaires dans la table de fait (les clés primaires des dimensions seront considérées
comme des clés étrangères dans la table de fait).

Filtre : Ce composant de type « tFiler » nous a permis de filtrer les colonnes qui ont l’id du
marché égal à ‘0’.

Fact_dav2016 : C’est un composant de type «tDBOutput» qui permet de charger les

données de la table de fait en correspondance avec les dimensions de la base avant de les
transférer à la table de fait «Fact_dav2016 ».

III. Phase de restitution

Lorsque nous avons terminé les transformations nécessaires sur les données et une
fois nous les avons stockés au niveau de l’entrepôt de données, la phase suivante sera la
restitution.

21
Cette dernière phase technique de notre projet représente l’élément de l’architecture du
système décisionnel le plus important pour l’utilisateur, car il correspond à l’aspect visible
du système.

Notre travail consiste à présenter les données de manière plus intelligible, sous
forme de DASHBOARDS qui aideront d’une manière efficace les décideurs de BIAT à
prendre les bonnes décisions.

1. Dashboard accueil

L’agent BIAT qui va consulter la page d’accueil aura le choix quel Dashboard va-t-il
consulter : le Dashboard d’analyse globale sur le total des montants ou il veut consulter le
Dashboard d’analyse détaillée sur le total des montants

Dans la figure ci-dessous nous représentons le « Dashboard Accueil ».

Figure 12: Dashboard accueil

2. Dashboard analyse globale des dépôts

22
 Figure 13: Dashboard analyse globale dépôts

D’après ce Dashboard, nous remarquons que le taux du montant mis par les
personnes physiques (60.29%) est plus grand que le taux du montant mis par les
petits et moyennes entreprises (18.9 %) et les grandes entreprises (17.58%).
D’autre part, nous remarquons que le mois le plus rentable est décembre.

Pour préciser notre analyse, nous pouvons appliquer un filtre sur le type du
marché, le nom du marché, le segment ainsi que le sous segment et le mois. Ceci doit
permettre aux décideurs de valider ses interprétations et trouver plus de justifications
avant de prendre une décision tactique ou stratégique.

3. Dashboard analyse détaillée des dépôts

23
 Figure 14: Dashboard analyse détaillée des dépôts

D’après ce Dashboard, nous remarquons que le total des montants mis dans les
comptes épargnes (20.000.000 DT) est plus élevé que le total du montants mis par la DAV
et la devise. Aussi grâce à ce Dashboard , on peut visualiser et suivre l’évolution des dépôts
a vus au cours du temps.

Pour préciser notre analyse, nous pouvons aussi appliquer un filtre sur le type du
marché, le nom du marché, le segment ainsi que le sous segment et le mois.

Conclusion
Durant ce chapitre, nous avons détaillé la réalisation de notre projet. Nous avons
commencé par citer les technologies utilisées. Ensuite, nous avons bien défini
l’architecture technique qui se base principalement sur les termes : collecte,
transformation et chargement des données dans le Datawarehouse.
Pour conclure, nous avons présenté les Dashboards de notre solution décisionnelle.

Conclusion Générale
0°

24
 Pour faire face à la concurrence, BIAT cherche à faire évoluer ses services, pour cela il
faut analyser les processus mis en place pour répondre aux besoins de ses clients.

C’est dans cette stratégie que notre projet est élaboré. Il représente en effet une
solution BI qui permet aux gestionnaires et aux directeurs généraux de la banque d’analyser
et avoir des reporting sur l’évolution des dépôts a vus au cours du temps.

En effet, le système décisionnel développé dans le présent travail suit les étapes
suivantes :

• L’extraction, la transformation et le chargement des données dans un

Datawarehouse.

• Le stockage et le traitement des données.

• La présentation des résultats d’une manière synthétique et détaillée à

la fois, selon des axes d'analyse (dimensions) sous forme de tableaux et de
graphiques (histogrammes, courbes...).

Durant la phase de réalisation de ce projet, les objectifs fixés au début ont été
accomplis malgré plusieurs difficultés et contraintes tels que le temps et la complexité de la
structure des données.

Pour une réalisation plus efficace de notre solution décisionnelle, nous avons utilisé
l’outil Talend pour alimenter et extraire les données. Aussi, pour effectuer des différentes
transformations nécessaires et pour charger notre entrepôt de données.

Finalement, nous avons complété la phase de restitution en utilisant l’outil Power BI,
où nous avons développé des tableaux de bords interactifs.

Ce projet nous a offert une grande opportunité pour enrichir nos connaissances
métier ainsi que pour maitriser des processus et des outils BI hautement demandé dans le
marché de travail aujourd’hui tels que Talend et POWER BI.

25
 Également, nous avons acquis des connaissances métiers solides grâce aux échanges
riches avec les employées de la banque internationale arabe de Tunisie qui ont des profils
différents .Nous avons également appris à travailler en groupe et échanger les idées pour
appliquer les bonnes pratiques de la réalisation d’un bon projet.

À la fin de ce projet, une perspective est envisagée qui consiste à ajouter à notre
solution un module de machine Learning afin de l’améliorer et prévoir l’évolution des dépôts
a vus au cours dans le futur.

26