Introduction

Le business intelligent (BI) est un sujet au carrefour des SI,des métiers et de

la DG.Domaine en plein d’évolution, la BI peut faire l’objet d’approche très

différente d’une entreprise a l’autre.Elle a pour objectif d’aider les dirigeants dans

leur prise de décision et dans l’analyse de performance de leur entreprise.

En raison de la multiplicité des approches, de la diversité des offres coté

fournisseurs et des besoins coté clients,

2.Présentation de la business intelligente

2.1Contexte

Aujourd’hui,dans un contexte ou les sources d’information sont

éclatée,volumineuses et complexe ,il y a un réel besoin de consolider et d’analyser

ces dernières pour pouvoir avoir une vision globale et optimiser le patrimoine

informationnel de l’entreprise .L’objectif de la BI est de créer, à partir des données

de l’entreprise mais aussi externe à celle-ci ,l’information et le savoir aident les

membres de l’entreprise, des cadres dirigeants aux opérationnels ,dans leur

pilotage.

De récentes études montrent que la BI est l’une des préoccupations principales

au seins des DSI de grandes entreprises . En effet,dans le contexte actuel de crise

et d’hyper-concurence,la BI représente une opportunité pour les entreprises

d’optimiser le pilotage de leurs activités, et d’anticiper sur les évolutions du

marché, des comportements des clients/consommateurs,...les domaines

d’utilisations de la BI touchent la plupart des métiers de l’entreprise:Finance,

Marketing,Logistique et Ressources humaines .

2.2 Definition de la BI

La Business Intelligence en sigle BI aussi nommée DSS Décision Support System

ou encore ID pour l’informatique Décisionnelle désigne les moyens ,les outils et

les méthodes qui permettent de collecter,consolider,modéliser et restituer les

données ,matérielle ou immatérielles,d’une entreprise en vue d ‘offrir une aide à

la décision et permettre aux responsables de la stratégie d’entreprise d’avoir une

vue d’ensemble de l’activité traitée1 .

3. Architecture d’une solution BI

FIGURE 1-L’architecture d’une solution BI2

L'architecture d'une solution Business Intelligence (BI) est essentielle pour mettre

en place une plateforme décisionnelle efficace et évolutive. Elle comprend

plusieurs éléments clés tels que les sources de données, le processus

ETL/ETC ,sources de stockage( l'entrepôt de données, Data Mart), les

modèles sémantique BI (Fait,Dimensions,Mesure) et les rapports.

1Chaîne YouTube du Larry Masangu

2 Le Cours du prof
Sources des données ou Data Sources: sont constitués: des SGBD relationnels

et d’autre systèmes qui contiennent les données d’exploitation (fichiers Excel,XML

,texte,web,etc,);

Processus ETL (Extract Transform Load)/ETC (Extraction Transformation et

Chargement) est un ensemble de composants (logiciels,scripts,librairies,etc.)nous

permettant d’extraire ,de nettoyer ,de transformer les données provenant des

diverses sources données et de les charger ou les rafraîchir dans l’entrepôt de

données;

Sources de stockage ou Data Storage:

Entrepôt de données(Data Warehouse): ensemble de données thématiques

cohérentes, évoluant, dans le temps,fiables,sur lequel les dirigeants fondent leur

processus de décision. C’est l’élément centrale de l’informatique décisionnelle. En

effet, l'entrepôt de données est actuellement le meilleur moyen pour modéliser

l’information pour des fins d’analyses;

Data Mart(magasin des données): Étant donné que les Data Warehouse sont

en générale,très volumineux et très complexes à concevoir,il a été décidé de les

diviser en bouchées plus faciles à créer et à entretenir .On peut faire des divisions

par fonction (un Data Mart pour les ventes ,pour les commandes, pour les

ressources humaine) ou par sous-ensemble organisationnel (un Data Mart par

succursale);

Modèles sémantique BI:

Fait: ce sur quoi va porter l’analyse. Ce sont des tables qui contiennent des

informations opérationnelles et qui relatent la vie de l’entreprise ,un Fait est tout

ce qu’on voudra analyser;

Dimension: ce sont les axes(critères) avec les quels on veut faire l’analyses

(évaluer,quantifier,qualifier) des faits;

Mesure: est le résultat d’opérations d4agrégation sur les données ,exemple:Coûts

des travaux.3

4. Système décisionnel (OLAP)

OLAP (Online Analytical Processing) est une technologie de base de données

optimisée pour l'interrogation, l'analyse et la création de rapports, contrairement

aux bases de données OLTP (Online Transactional Processing) qui traitent les

transactions. Les données OLAP sont agrégées en structures

multidimensionnelles appelées cubes, permettant une analyse sophistiquée et

une visualisation des données hiérarchisées. Cette technologie offre un accès

rapide aux données pour des rapports interactifs et des analyses

multidimensionnelles, facilitant ainsi la prise de décision et la planification

stratégique au sein des organisations4 56

.

Ou:

Un système de traitement de données multidimensionnel utilisé par le data

Warehouse pour répondre à des requêtes plus complexes. Sous principe:

Dans une base de données OLAP, les données sont organisées par dimension

selon un principe de dimensions correspondant aux axes de recherche des

utilisateurs.Cette structure est sous forme de cube de données. Cette

3Chaîne YouTube du Larry Masangu

4https://support.microsoft.com/fr-fr/office/

5https://aws.amazon.com/fr

6https://www.oracle.com/fr
représentation multidimensionnelle permet de faire des requêtes plus complexes

afin de faire des analyses selon plusieurs axes.7

4.1 Vue multidimensionnelle OLAP:

FIGURE 2- Cube de RUBIK.8

FIGURE 3- Cube de données de 3 axes .9

7 Le Cours du prof
8 Le Cours du prof
9 Le Cours du prof
 10
FIGURE 4- Cube de données du vente .

4.2 Opérations OLAP:

Les principales opérations OLAP sur :

 Le contenu :

Opérations de forage

Roll-up ( forage vers le haut):

Représente les données à un niveau de granularité supérieur selon la hiérarchie

11
de la dimension désirée agréger selon une dimension .exemple: Ville-→Pays

10 Le Cours du prof
11Chaîne YouTube du Larry Masangu
 FIGURE 5 -opérations OLAP Roll-up.12

Drill-down(forage vers le bas):

Inverse du Roll-up,représente les données à un niveau de granularité inférieur

détailler selon une dimension .Exemple: Quarter --->Mois 13

14
FIGURE 6-opérations OLAP Driil-Down .

 La structure:

Opération de sélection et Projection

12 Le Cours de Prof
13Chaîne YouTube du Larry Masangu
14 Le Cours de Prof
 Slide(Projection): Tranche du cube obtenue par prédicats selon une

dimension.

15
FIGURE 7 – opération OLAP Slice.

Dice( Sélection): Projection selon un axe ,sorte de cumuls de sélection.Permet de

combiner des découpes de différentes dimensions pour créer un sous-cube de

données.

FIGURE 8-Opération OLAP Dice.

15 Le Cour du prof
 Slice ,Dice:

Exemple:

FIGURE 8- Opérations OLAP Slice,Dice .16

 La structure du Cube :

Rotation (Pivot): Tourne le cube pour visualiser une face différente.Permet

de changer la perspective d'analyse en échangeant les axes du cube OLAP.

FIGURE 8- opération OLAP Pivot.17

16Le Cour du prof

17 Le Cour du Prof
 Switch:Le switch change l'orientation de la vue, basculant les axes de ligne en

colonne et vice versa. Cela peut être utile pour visualiser les données sous un

angle différent.

FIGURE 9 -Opération OLAP Switch.18

Split (Décomposition):Cette opération divise une cellule de données agrégée en

plusieurs cellules basées sur une dimension spécifiée. Par exemple, si vous avez

une cellule agrégée pour les ventes totales d'un produit pour une année donnée,

le fractionnement peut diviser cette valeur en ventes mensuelles pour cette

année.

FIGURE 10- Opération OLAP Split.19

18 Le Cour du Prof
19 Le Cours du Prof
  Opération entre les Cubes:

Jointure: En OLAP, les jointures sont souvent utilisées pour combiner des

données provenant de différentes dimensions ou cubes. Plutôt que de fusionner

des enregistrements individuels comme dans les bases de données relationnelles,

les jointures en OLAP consistent à combiner des données multidimensionnelles

en fonction de la relation entre les dimensions. Par exemple, une jointure peut

être utilisée pour combiner les données de ventes avec les données de clients

basées sur une dimension commune comme la région.

FIGURE 11- Opération OLAP Jointure.20

Union: En OLAP, l'opération d'union n'est pas aussi courante que dans les

bases de données relationnelles. Cependant, elle peut être utilisée pour combiner

les données provenant de cubes différents, généralement lorsque les dimensions

et les mesures sont similaires entre les cubes. L'union permet de regrouper les

données de plusieurs cubes en un seul ensemble de résultats, ce qui peut être

utile pour l'analyse comparative ou pour combiner des données provenant de

différentes sources.

20 Le Cour du Prof
 FIGURE 12 -Opération OLAP Union.21

21 Le Cours de Prof