Académique Documents
Professionnel Documents
Culture Documents
data visualisation
pour l’entreprise
syllabus
syllabus
M.5.3.3. Projet BI
4
syllabus
syllabus
Meilleure pratique
A explorer
Extra Credit
6
objectifs du cours
Connaissances académiques:
• Rappeler les notions de base de conception d’un DWH
• Comprendre les principes de la Business Intelligence et du Reporting/
Dashboarding
• Comprendre les techniques de visualisations des données et leur
application dans la création des Dashboards
Compétences pratiques:
• Pouvoir utiliser la suite BI Microsoft pour implémenter la chaîne
décisionnelle (continuation des compétences acquises lors du cours
Datawarehousing)
7
objectifs du cours
Compétences d’ingénierie:
agenda
DataWarehouse
• Références:
๏ Developing a Data Warehouse for the Healthcare Enterprise:
• KFSH&RC dans sa taille actuelle a deux sites majeurs, 1 400 lits et une base
multinationale de plus de 14 000 salariés.
• Nombre annuel moyen de patients référencés: plus de 44 500 patients dont ~60 %
sont acceptés pour traitement.
• Durée moyenne du séjour: 10,52 jours, taux d'occupation des lits: 89 % et l'hôpital
traite plus de 829 000 visites ambulatoires par an
12
agenda
DataWarehouse
data warehousing
Définitions
Pourquoi un Data
warehouse?
14
data warehousing
Définitions
DataWarehouse
• Les systèmes OLTP (OnLine Transaction Processing) sont utiles pour gérer les
données opérationnelles de l’entreprise (collecte et traitement des données relatives
aux processus métiers : vente, production, finance etc.)
Données ≠ Information
• Besoins d’aide à la décision : données agrégées (ad hoc queries, drill-down, slicing/
dicing…)
data warehousing
Définitions
Qu’est-ce qu’un
Data warehouse?
16
data warehousing
Définitions
DataWarehouse
Un DataWarehouse est:
• Thématique: Finance, commercial, stock etc.
• Intégrée: Sources hétérogènes à multiples formats intégrées
• Non volatile: Read-only, pas d’update de données (opérations load, retrieve)
• Historisé (Time - variant): données horodatées, visualisation de l’évolution
dans le temps
W. H. Innmon, Building the DataWarehouse , 1991
17
data warehousing
Définitions
DataWarehouse
• Datamart remplit les mêmes fonctions qu'un Datawarehouse, mais est conçu pour
les besoins d'une seule équipe ou unité commerciale (e.g. ventes ou RH). Un datamart
est plus petit et plus ciblé, et il a tendance à servir un seul sujet.
• ODS est un magasin intermédiaire utilisé pour intégrer des données en temps réel ou
quasi-réel provenant de plusieurs sources en vue d'opérations supplémentaires sur
les données.
18
data warehousing
Mise en place d’un DataWarehouse
Les méthodologies de mise en place d’un DataWarehouse ont des tâches communes:
• Spécification des besoins métiers (interviews, brainstorming, Joint
Application Design (JAD)* sessions…)
• Conception de l’architecture : 4 couches architecturaux: Informations,
données, technologies, produits
• Implémentation
• Déploiement
R. Sherman - Business Intelligence Guidebook From Data Integration to Analytics JAD sessions
19
data warehousing
Mise en place d’un DataWarehouse
• Besoins en données:
• Data profiling
• Intput de la modélisation des données, ETL, et outils BI
20
data warehousing
Mise en place d’un DataWarehouse
Source: thedatastudio
21
data warehousing
Mise en place d’un DataWarehouse
Source: Microsoft
22
data warehousing
Mise en place d’un DataWarehouse
• Besoins techniques:
• Standards en infrastructure
• Orientations technologiques