Intelligence in Action:

Driving Business Growth

with BI
BI

DR-ING.NEDYA BOUFARES
PLAN:

Introduction Conclusion

2
Dr-Ing.Nedya Boufares
Introduction Générale

BI

3
Dr-Ing.Nedya Boufares
Le savoir, c’est le pouvoir
–Sir Francis Bacon–

“On ne peut pas gérer/améliorer ce que l’on

ne sait pas mesurer” ,W. Edwards Deming

4
Dr-Ing.Nedya Boufares
Introduction

Vente?
Client? Achat? Employé?
Produit? CA?

5
Dr-Ing.Nedya Boufares
 Problématique:
• Quelle est la marge générée par ce groupe de produits ?
• Est-ce que les remises font augmenter les ventes ?
• Quels sont les commerciaux qui font le plus de ventes ?
• Quels sont les commerciaux qui performent le mieux par pays, sexe, âge, salaire ?
• Quels groupes de clients sont identifiés ?
• Quels sont les clients les plus rentables ?
• Quels fournisseurs proposent des produits rentables?
• Quelle est la moyenne et l’écart-type du chiffre d'affaires ?
• Quelles sont les variables qui expliquent le mieux l’importance du chiffre d'affaires ?

6
Dr-Ing.Nedya Boufares
Constat

Information non
Données stockées consolidée

Différents
niveaux Outils d’analyse
personnel
Dr-Ing.Nedya Boufares
7
Pourquoi la prise de décision est si difficile?
Processus de la décision humaine :
Je suis en train de transpirer:

● s'il fait chaud dehors==> c'est normal ==> je vais me mettre au frais
● s'il ne fait pas chaud==> j'ai de la fièvre ==> je vais chez le médecin

Processus de la décision dans une entreprise :

> Evaluer un chiffre par rapport à un objectif spécifique.
> Surveiller le progrès d'un indicateur au fil du temps.
> Agréger des données provenant de divers systèmes pour obtenir une information à valeur ajoutée.

une information isolée possède peu de valeur, elle n'aura de sens que
comparée à d'autres informations 8
Dr-Ing.Nedya Boufares
01
Qu'est-ce que le Business
Intelligence ?
(IA)

9
Dr-Ing.Nedya Boufares
(BI) =
Business
Intelligence
10
Dr-Ing.Nedya Boufares
Business Intelligence : Définitions
1. BI : “Terme générique qui englobe les applications, l'infrastructure, les outils et les meilleures
pratiques permettant l'accès et l'analyse de l'information afin d'améliorer et d'optimiser les
décisions et les performances.” Howard Dresner

2. BI : “Un ensemble de stratégies et de technologies utilisées par les entreprises pour l'analyse
des données d'informations commerciales.” Wikipedia

3. BI : “Un processus axé sur la technologie pour analyser les données et fournir des informations
exploitables qui aident les cadres, les gestionnaires et les travailleurs à prendre des décisions
commerciales éclairées”. TechTarget

11
Dr-Ing.Nedya Boufares
Evolution de l’informatique dans les entreprises

Années Années Années Années

70 80 90 2000

Informatique Informatique Informatique

Informatique
opérationnelle opérationnelle Décisionnelle
de Gestion centralisée décentralisée (BI)

12
Dr-Ing.Nedya Boufares
Evolution de la Business Intelligence

https://www.openmindt.com
13
Dr-Ing.Nedya Boufares
02
BI : Les objectifs

(IA)

14
Dr-Ing.Nedya Boufares
Les objectifs d’un processus BI

Amélioration de
Prise de décision la performance
éclairée financière

Collaboration
et partage des Objectifs Planification
et prévisions
information

Analyse Suivi des

indicateurs clés
concurrentielle
de performance

15
Dr-Ing.Nedya Boufares
Les enjeux d’un processus BI
(a) Qualité des données :
Les données doivent être exactes, complètes, cohérentes et fiables pour garantir des résultats
précis et pertinents

(b) Intégration des données :

L'enjeu consiste à intégrer ces données provenant de diverses sources, telles que les bases de
données, les fichiers plats, les applications cloud, etc.

(c) Confidentialité des données :

Le BI implique la manipulation et l'analyse de données sensibles et stratégiques pour une
entreprise 16
Dr-Ing.Nedya Boufares
Les enjeux d’un process BI
(d) Scalabilité et performance :
Le volume de données utilisées dans les initiatives de BI peut être très important, ce qui pose
des défis en termes de scalabilité et de performance.

(e) Évolution technologique :

Le domaine du BI est en constante évolution, avec de nouvelles technologies, des tendances
émergentes et des innovations constantes.

(f) Complexité des données :

Les données utilisées dans le cadre du BI peuvent être complexes et variées.
17
Dr-Ing.Nedya Boufares
03
Les étapes d’un projet BI

(IA)

18
Dr-Ing.Nedya Boufares
Les étapes d’un projet BI
04
L’analyse des
La restitution
03 données
des données

La collecte 02 L’intégration
des données
des données

01

19
Dr-Ing.Nedya Boufares
Architecture d’un projet BI

https://www.universitylib.com/informatique-decisionnelle-integration-de-donnees/

20
Dr-Ing.Nedya Boufares
1. Collecte des données
> Compréhension des besoins : La collecte des données commence par une étape de
compréhension des besoins. Il est crucial de collaborer avec les parties prenantes et
les utilisateurs finaux pour comprendre leurs objectifs, leurs exigences et les questions
auxquelles ils cherchent à répondre

> Identification des sources de données : Une fois que les besoins ont été identifiés,
il est nécessaire de déterminer les sources de données pertinentes. Les sources de
données peuvent être variées, telles que des bases de données transactionnelles, des
fichiers plats, des applications métier, des médias sociaux, des capteurs, etc

> Évaluation de la qualité des données : Avant d’intégrer les données, il est
essentiel d'évaluer leur qualité. Cela implique de vérifier la fiabilité, la précision et la
cohérence des données.
21
Dr-Ing.Nedya Boufares
2. Intégration des données : ETL

01
Extract
02
Transform
03
Load

Une fois que les sources Après l'extraction des Une fois que les données
de données sont données, il est souvent sont transformées, elles
identifiées, il faut nécessaire de les doivent être chargées
transformer pour les dans une base de
extraire les données de
rendre cohérentes et données ou un entrepôt
ces sources. exploitables de données dédié 22
3. Restitution des données
● Même s’il demande un fort engagement métier, un projet BI reste un projet de
développement (i.e : Analyse, Conception & Réalisation).

● La phase d’analyse est primordiale Souvent précédée d’une phase d’audit

● Le livrable est la modélisation d’un DataWarehouse C’est l’élément clé de la solution

Description des Faits (ce que j’analyse) et des Dimensions (sur quels axes)

https://galaktika-soft.com/

23
Dr-Ing.Nedya Boufares
Data WareHouse (DWH)
Data WareHouse = Entrepôt de données = Base de données décisionnelles

Définition – Bill Inmonn –

● Le Data Warehouse est une collection de données orientées sujet, intégrées, non volatiles
et historisées, organisées pour la prise de décision.

● C'est est une vision centralisée et universelle de toutes les informations de l'entreprise. C'est
une structure (comme une base de données) qui a pour but, contrairement aux bases de
données, de regrouper les données de l'entreprise pour des fins analytiques et pour aider à
la décision stratégique.
24
Dr-Ing.Nedya Boufares
Caractéristiques d'un D'WH:
– Données Orientées Sujets –
Le DW est orienté sujets, ce qui signifie que les données collectées doivent être orientées
métier, et donc triées par thème

25
Dr-Ing.Nedya Boufares
Caractéristiques d'un D'WH:
– Données Intégrées –
Le DW est composé de données intégrées, c'est à dire qu’un « nettoyage » préalable des
données est nécessaire dans un souci de rationalisation et de normalisation.

26
Dr-Ing.Nedya Boufares
Caractéristiques d'un D'WH:
– Données Orientées Sujets –
● Les données du DW sont non volatiles, ce qui signifie qu’une donnée entrée dans
l’entrepôt l’est pour de bon et n’a pas vocation à être supprimée.
● Les données du DW doivent être historisées, donc datées

27
Dr-Ing.Nedya Boufares
Conception d’un DWH (1/2 )
● Les données sont organisées par sujets majeurs:
> Clients, produits, ventes, …

● Sujet = faits + dimensions

> Collecte les données utiles sur un sujet
–Exemple: ventes
> Synthétise une vue simple des événements à analyser
– Exemple: Ventes (N°, produit, période, magasin, )
> Détaille la vue selon les dimensions
– Exemple: Produits(IDprod, description, couleur, taille, …)
Magasins(IDmag, nom, ville, dept, pays)
Periodes(IDper, année, trimestre, mois, jour) 28
Conception d’un DWH (2/2)
TABLE DE FAIT TABLE DE DIMENSION

• un composant essentiel d'un • un composant central d'un

SERVICES
entrepôt de données
entrepôt de données
• enregistre les mesures • permet de filtrer, regrouper et
agréger les données
numériques
• joue un rôle essentiel dans
• utilise des clés étrangères
l'exploration et l'exploitation
• permet l'agrégation et
des données d'un data
l'analyse des donnée
warehouse

29
Dr-Ing.Nedya Boufares
Modélisation d’un DWH
Modèle en étoile

30
Dr-Ing.Nedya Boufares
Modélisation d’un DWH
Modèle en flocon

31
Dr-Ing.Nedya Boufares
Modélisation d’un DWH
Modèle en constellation

32
Dr-Ing.Nedya Boufares
BDTransactionnelle VS BDDécisionnelle
Caractéristiques OLTP OLAP

Utilisation SGBD (base de production) Datawarehouse

Opération typique Mise à jour Analyse

Type d'accès Lecture écriture Lecture

Niveau d'analyse Elémentaire Global

Quantité d'information Faible Importante

échangées

Orientation Ligne Multidimension

Taille BD Faible (max qq GB) Importante (pouvant aller à

plusieurs TB).

Ancienneté des données Récente Historique 33

4. Analyse & Reporting
● L'étape d'analyse (Tableau de Bord) et de reporting est cruciale dans un projet
de Business Intelligence (BI).
● Elle vise à explorer et à comprendre les données afin de générer des
informations pertinentes pour la prise de décision.

Objectifs :

● Analyser les données pour identifier les tendances, les modèles et les relations.
● Extraire des informations significatives à partir des données brutes.
● Créer des tableaux de bord et des rapports pour visualiser les résultats.

Avantages :

● Prise de décision éclairée : Les informations générées permettent de prendre des

décisions basées sur des faits et des données tangibles.
● Découverte de nouvelles opportunités : L'analyse des données peut révéler des
opportunités commerciales inexploitées ou des pistes d'amélioration. 34
04
BI : Les outils

BI

35
Dr-Ing.Nedya Boufares
La chaîne décisionnelle simple d’un projet BI
DWH
● Oracle Database
● Microsoft SQL Server
COLLECTE
> SGBD (Oracle, MySQL) ● IBM Db2
> Fichiers Plats (Excel, CSV,...) ● SAP HANA
> Logiciels (ERP,CRM,...) ● Snowflake

01 02 03 04
ETL Reporting

● Talend Data Integration ● Tableau

● Informatica PowerCenter ● Microsoft Power BI
● Microsoft SQL Server Integration Services ● QlikView
● IBM InfoSphere DataStage ● MicroStrategy
● Oracle Data Integrator (ODI) ● Looker
● Pentaho DI ● SAP Crystal Reports
● IBM Cognos Analytics 36
Dr-Ing.Nedya Boufares
TOP 10 ntreprises BI

https://www.fortunebusinessinsights.com

37
Dr-Ing.Nedya Boufares
Importance de la préparation des données

Dresden wisdom of crowds: Bi Study (2020)

38
Dr-Ing.Nedya Boufares
Meilleurs IAAS/ Vendeurs BI

Dresden wisdom of crowds: Bi Study (2020)

39
Dr-Ing.Nedya Boufares
Poly Digital (MP)

40
Poly Digital (MP)

41
Poly Digital (MP)

42
Poly Digital (MP)

43
Poly Digital (MP)

44
Poly Digital (MP)

45
Poly Digital (MP)

46
Poly Digital (MP)

47
Poly Digital (MP)

48
Poly Digital (MP)

49
Poly Digital (MP)

50
Poly Digital (MP)

51
Poly Digital (Certifications)

DA-100 Analyzing
Data Analytics

P O
Data with Microsoft
Power BI

AWS Academy
Data Analytics
lab-series L Y PL-900 Power
Platform
Fundamentals

52
Dr-Ing.Nedya Boufares
Conclusion

KPI BIG DATA

Cube BI IA

OLAP
Data Mart

53
Dr-Ing.Nedya Boufares
Merci

Avez-vous des questions ?

nedya.boufares@polytecsousse.tn

54
Dr-Ing.Nedya Boufares