MASTÈRE PROFESSIONNEL

EN INGENIERIE DE
DEVELOPPEMENT IN
FORMATIQUE ROBOTIQUE
ET INTELLIGENCE
ARTIFICIELLE
(MPIDIRIA)
Mme Imen AMMARI
Institut Supérieur des Etudes Technologiques de Radès
Higher Institute of Technological Studies of Rades (ISET Radès)
Imen.Ammari@isetr.rnu.tn

Imen AMMARI 1
Année universitaire : 2022/2023
 Leçon 1
Introduction aux Systèmes d’Information Décisionnels

Imen AMMARI 2
Objectifs
L’étudiant devra :

Acquérir une bonne connaissance des Systèmes

d’Information Décisionnels.

Comprendre les notions de base liés à un

entrepôt de données ( ou Data Warehouse )

Maîtriser les étapes du processus liés à une

architecture d’entrepôt de données ( ou Data
Warehouse ).

Imen AMMARI 3
Leçon 1 : Introduction aux Systèmes d’Information Décisionnels
Séance 3

Objectif général :
A la fin de cette séance, l’étudiant sera capable de définir les concepts d’un data warehouse
et d’un data mart. De plus, il est amené à faire l’analogie entre une base de données et un
data warehouse, d’une part, et l’analogie entre un data mart et un data warehouse, d’autre
part.
Objectifs spécifiques :

• Définir un data warehouse.

• Enumérer les différentes caractéristiques des données d’un data warehouse.
• Comprendre et établir l’analogie entre un data warehouse et une base de données.
• Comprendre et établir l’analogie entre un data warehouse et un data mart.

Imen AMMARI 4
Architecture d’un Système Décisionnel

Entrepôt
de données

Imen AMMARI 5
 Définition d’un entrepôt de données
(Data Warehouse)

« 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 »[Bill Inmon,1996]

Imen AMMARI 6
 Définition d’un Data Warehouse
Données Orientée Sujet (1)

• Le DW est organisé autour des sujets ayant un intérêt majeur pour

l’entreprise

Exemples de sujets d’intérêts :

Le client, le produit, le réseau de distribution, etc,

• Les données d’un DW sont organisées par thème, par opposition à celles
des SI transactionnelles qui sont généralement organisées par processus
fonctionnels.

• Disposer de l’ensemble des informations utiles sur un sujet le plus souvent

transversal aux structures fonctionnelles et organisationnelles de
l’entreprise.
Imen AMMARI 7
 Définition d’un DW
Données Orientée Sujet (2)

• Permettre à l’entreprise de développer son système décisionnel de manière

progressive, sujet après sujet.

• L’intégration des différents sujets dans une structure unique est nécessaire
car les informations communes à plusieurs sujets ne doivent pas être
dupliquées autant de fois qu’il y a d’applications d’aide à la décision.
Exemples :
Le sujet client pourra être intégré dans :
• un système décisionnel à caractère marketing,
• un deuxième orienté vers l’administration des ventes et
• un troisième à des fins d’analyse financière.
Imen AMMARI 8
 Définition d’un DW
Données intégrées (1)

• Les données proviennent de plusieurs sources hétérogènes.

• Avant d’être intégrer au sein du DW, elles doivent être mise en

forme et unifiées afin d’assurer la cohérence.
Imen AMMARI 9
Définition d’un DW
Données intégrées (2)

Imen AMMARI 10
 Définition d’un DW
Données historisées (1)

• 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
Prénom Ville Prénom Ville
Base de
production Achraf Bizerte Achraf Tunis
Noussair Bardo Noussair Sousse

Calendrier Code Prénom Ville

Entrepôt Code Année Mois 1 Achraf Bizerte
de 1 2005 Mai 1 Noussair Bardo
données 2 2006 Juillet 2 Achraf Tunis
2 Noussair Sousse

Imen AMMARI
11
 Définition d’un DW
Données historisées (2)

• Dans un système de production :

✓ La donnée est mise à jour lors de chaque nouvelle transaction.
✓ Une mise à jour remplace l’ancienne valeur,
✓ La finalité est de représenter un fait à un instant T.

• Le processus décisionnel consiste à analyser des tendances :

Exemples : plutôt de savoir que le client X a acheté tel Produit tel jour, il est beaucoup
plus intéressant de constater que :
✓ Ce client consomme davantage.
✓ Le produit qu’il a acheté se vend mieux dans la période.

• Le concept d’historisation permet :

✓ La prise de décision en se basant sur l’extrapolation d’une expérience vécue
dans le passé.
✓ Le mesure d’impact d’une décision par comparaison de la situation avant et
après la mise en application de cette décision.

Imen AMMARI
12
 Définition d’un DW
Données non volatiles

• Conséquence du processus d’historisation

Exemples : Une même requête effectuée à trois mois
d’intervalle en précisant la date de référence de
l’information recherchée donnera le même résultat.

• Dans un système de production, l’information est

volatile ; la donnée est régulièrement mise à jour.

Imen AMMARI
13
 Les classes de données d’un DW

1 2 3

Les données détaillées Les données agrégées Les méta-données

Les données provenant des Elles correspondent à des Il s'agit « de données

systèmes de production sont éléments d'analyse sur les données ».
intégrées à ce niveau. représentatifs des besoins
des utilisateurs.

Imen AMMARI 14
 Data Warehouse vs Base de Données
Critère Système de production DW

Niveau de détail des Très détaillé Synthétique, parfois détaillé

informations

Utilisateurs Une ou quelques fonctions Plusieurs fonctions de

de l’entreprise l’entreprise

Données figées Non- évolution en temps Oui

réel

Historique Non Oui

Opérations sur les données Ajout/MAJ/consultation Consultation uniquement

Imen AMMARI 15
 Définition d’un Data Mart
Un Data Mart (magasin de données) est :
• Une vue partielle du DW mais orientée métier.
• Un sous-ensemble du DW contenant des informations se
rapportant à un secteur d’activité particulier de l’entreprise.

Data Mart du
service Marketing

Data Mart du service

Ressources
DW de l’entreprise Humaines
Imen AMMARI 16
 Data Warehouse vs Data Mart (1)

Data Warehouse Data Mart

Cible utilisateur Toute l’entreprise Département

SQL type serveur SQL milieu de gamme,

Base de données bases
d’entreprise multidimensionnelles

Modèles de données A l’échelle de l’entreprise Département

Sources de données Multiples Quelques unes

Taille Centaine de GO et plus Une à 2 dizaines de GO

Imen AMMARI 17
 Data Warehouse vs Data Mart (2)
Nombre Data Warehouse Data Mart
Un entrepôt de données Un magasin de données
Nombre d’éléments à modéliser par projet par analyse ou restitution

Période de rétention
Période de Rétention Définie largement
spécifique

La plus fine possible

(Granularité des données La plus fine du besoin
Granularité
en entrée, des d’analyse
transactions)
Extrait de l’entrepôt des
Stockage de toutes les
Rôle données de restitution et
données d’analyse
d’analyse
Imen AMMARI 18
 Data Warehouse vs Data Mart (2)
• Magasins de données
sont des sous
ensembles de
l’entrepôt
• L’ensemble de
magasins de données
ne représente pas
forcément l’entrepôt
• Entrepôt de données
est susceptible de
contenir plus de
données

Imen AMMARI 19
 Conclusion
• Entrepôt de données
(datawarehouse)
➢ Exhaustivité des données de
l’entreprise au format décisionnel
(périmètre large, fine granularité)
➢ Son rôle est de stocker toutes les
données susceptibles de servir à
une restitution ou analyse
Imen AMMARI
• Magasin de données (Datamart)
➢ Partie des données de l’entreprise au
format décisionnel (périmètre
restreint et une granularité modérée)
en adéquation avec les besoins d’une
analyse ou restitution
➢ Son rôle est de préparer des données
pour répondre de manière optimale à
une restitution ou analyse
20