École Supérieure Privée de Management de Tunis

Esprit School of Business

RAPPORT DE STAGE
en vue de l’obtention du diplôme de Licence Fondamentale en
Informatique de Gestion (option Systèmes d’Information Décisionnels)

Soutenu le : … Juillet 2020

Réalisé par : Tagorti Nada

« Conception et mise en place d’un système

d’aide à la décision pour la société STIR »
Mars– Juin 2020

Maître de stage : Mr Oufensou Beligh

Encadrant académique : Mr Marzouki Bilel

Année universitaire 2019/2020

 Nom & Prénom Date et Signature
Le 30\06\2020
Maître de stage Oufensou Beligh

Encadrant
académique Marzouki Bilel Marzouki Bilel
 Dédicace

Je dédie ce travail :

A mes chers parents :

Dont leurs sacrifices et leurs soutiens m’ont permis de vivre ce jour.

Les mots me manquent pour exprimer le profond amour que je vous porte.

Tous mes sentiments de reconnaissance pour vous.

A mon très cher fiancé :

Reçois à travers ce travail tout mon respect, ma gratitude et mon sincère atta-
chement.

A mes frères :

Que le travail soit le témoignage de ma profonde affectation.

A tous mes amis,

A toute ma famille,

A tous ce que j’aime :

Qu’ils trouvent ici, l’expression de mes sincères remerciements.

 Remerciement

Au terme de ce travail, je tiens à remercier tout d’abord Dieu qui m’a donné non
seulement le courage mais aussi la force et la patience de réaliser ce travail.

Aussi, j’adresse tous mes remercîments à Mr Toumi Mhamed Directeur des res-
sources humaines de m’avoir donné la chance de poursuivre mon projet de fin
d’étude au sein de la société STIR.

Je remercie mon maître de stage au sein du STIR Mr Oufensou Beligh pour avoir
assuré l’encadrement de ce projet.

Je tiens aussi à remercier mon encadrant académique Mr Marzouki Bilel pour son
aide, sa bienveillance et ses remarques pertinentes qui m’ont permis d’améliorer
mon projet.

Je remercie vivement mes chers amies Benkacem Nadia et Ouerheni Syrine pour
leur aide gracieux et leur disponibilité.

Un grand merci pour toute ma famille et à toute personne ayant contribué du pré
ou du loin au bon déroulement de ce stage.
Table des matières

1 Introduction générale 1
1.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Cadre du projet : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.3 Objectifs du projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.4 Problématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.5 Organisation du rapport . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Cadre générale du projet : Présentation générale 5

2.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Présentation de l’organisme d’accueil : . . . . . . . . . . . . . . . . . . . . . . . 6

2.3 Définition de l’industrie de raffinage et mission de la STIR : . . . . . . . . . . . 6

2.4 Historique : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5 Organigramme : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.6 Présentation du sujet : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.6.1 Cadre du projet : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.6.2 Problématiques : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.7 Objectifs du projet et solution proposée : . . . . . . . . . . . . . . . . . . . . . . 9

2.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3 De l’informationnel au décisionnel 11

3.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2 L’information : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Les systèmes décisionnels : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3.4 L’entrepôt de données : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

 3.5 Démarche méthodologique : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3.6 Extraction et changement des données : . . . . . . . . . . . . . . . . . . . . . . . 15

3.7 Optimisation physique : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.7.1 Conception et traitement des agrégations : . . . . . . . . . . . . . . . . . 16

3.7.2 Partitionnement : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.7.3 DataMart : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.8 La modélisation dimensionnelle : . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3.8.1 Modèle en étoile : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3.8.2 Modèle en flocon : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.8.3 Modèle en constellation : . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

4 Sprint 0 : Analyse et spécification des besoins 22

4.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

4.2 Méthodologie : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.3 Etude de l’existant : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.4 Présentation de l’application gestion des mouvements de produits : . . . . . . . 24

4.5 Spécification de l’application STIREX : . . . . . . . . . . . . . . . . . . . . . . . 25

4.5.1 Gestion des ventes : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.5.2 Gestion des importations : . . . . . . . . . . . . . . . . . . . . . . . . . . 26

4.5.3 Gestion financière : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

4.6 Etudes des besoins décisionnels : . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.6.1 Les besoins fonctionnels : . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

4.6.2 Les besoins non fonctionnels : . . . . . . . . . . . . . . . . . . . . . . . . 28

4.7 Choix des outils de travail : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.7.1 Sql Server Integration Services (SSIS) : . . . . . . . . . . . . . . . . . . . 28

4.7.2 Sql Server Analysis Services (SSAS) : . . . . . . . . . . . . . . . . . . . . 29

4.7.3 Tableau Desktop : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

5 Sprint 1 : Préparation des données et modélisation 30

 5.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

5.2 Extraction des données : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

5.3 Compréhension et organisation des donnés : . . . . . . . . . . . . . . . . . . . . 34
5.4 Nettoyage des données : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

5.5 La modélisation dimensionnelle : . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

5.5.1 Volet Vente : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.5.2 Volet Importation : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

5.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

6 Sprint 2 : Intégration des données 46

6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

6.2 Création de la base : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

6.3 Intégration des données : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.4 Création du modèle : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

6.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

7 Sprint 3 : Implémentation et réalisation 60

7.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

7.2 Création du tableau de bord : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

7.2.1 L’activité « Vente » : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7.2.2 Activité « Importations » : . . . . . . . . . . . . . . . . . . . . . . . . . . 65

7.3 Développement de l’interface : . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

7.4 Conclusion : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

Conclusion générale 70
Table des figures

2.1 Organigramme de l’entreprise STIR . . . . . . . . . . . . . . . . . . . . . . . . . 8

3.1 Architecture de l’entrepôt de données . . . . . . . . . . . . . . . . . . . . . . . 14

3.2 Système d’alimentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3.3 Agrégation des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.4 Partitionnement simple en mois . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.5 Partitionnement détaillé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.6 Data Mart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3.7 Modèle en étoile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.8 Modèle en flocon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

3.9 Modèle en constellation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

4.1 Le processus Scrum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

5.1 Ficher de la base d’extension .dmp . . . . . . . . . . . . . . . . . . . . . . . . . 31

5.2 Création de l’utilisateur avec Run Sql command line . . . . . . . . . . . . . . . 32
5.3 Importation des données via la commande IMP . . . . . . . . . . . . . . . . . . 32

5.4 Métadonnée générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

5.5 Transformation des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.6 Tableau structuré « Produit.csv » . . . . . . . . . . . . . . . . . . . . . . . . . 34

5.7 Nettoyage des données avec python . . . . . . . . . . . . . . . . . . . . . . . . . 35

5.8 Dimension Temps de l’activité « Vente » . . . . . . . . . . . . . . . . . . . . . . 37
5.9 Dimension Origine de l’activité « Vente » . . . . . . . . . . . . . . . . . . . . . 37

5.10 Dimension Client de l’activité « Vente » . . . . . . . . . . . . . . . . . . . . . . 38

5.11 Dimension Transaction de l’activité « Vente » . . . . . . . . . . . . . . . . . . . 38
5.12 Table de fait « vente » . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

5.13 - Modèle en étoile de l’activité « vente » : . . . . . . . . . . . . . . . . . . . . . 40

5.14 Dimension Temps de l’activité « Importations » . . . . . . . . . . . . . . . . . . 41
5.15 Dimension Produit de l’activité « Importations » . . . . . . . . . . . . . . . . . 41

5.16 Dimension Pays de l’activité « Importations » . . . . . . . . . . . . . . . . . . . 42

5.17 Dimension Fournisseur de l’activité « Importations » . . . . . . . . . . . . . . . 43
5.18 Table de fait « Importations » . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

5.19 Modèle en étoile de l’activité « Importations » . . . . . . . . . . . . . . . . . . 44

6.1 Connexion au serveur SQL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

6.2 Création d’une nouvelle base de données « DWH » . . . . . . . . . . . . . . . . 48
6.3 Création d’une dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

6.4 Création d’un projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

6.5 Configuration des connexions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.6 Chargement de la dimension « Fournisseur » . . . . . . . . . . . . . . . . . . . 50

6.7 Configuration du fichier source et la migration des données . . . . . . . . . . . . 51

6.8 Exécution du package « dimension fournisseur » . . . . . . . . . . . . . . . . . 51
6.9 Exécution du package « fact vente» . . . . . . . . . . . . . . . . . . . . . . . . 52

6.10 Vérification de l’insertion des données dans la base . . . . . . . . . . . . . . . . 52

6.11 Relation entre deux tables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.12 Diagramme « vente » . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

6.13 Diagramme « importations » . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

6.14 Création d’un projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
6.15 Sélection des tables à partir de la base de données . . . . . . . . . . . . . . . . 56

6.16 Sélection des mesures des cubes . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

6.17 Modèle du cube de l’activité « vente » . . . . . . . . . . . . . . . . . . . . . . . 58
6.18 Modèle du cube de l’activité « importations » . . . . . . . . . . . . . . . . . . . 59

7.1 Importation des données à partir du SSMS . . . . . . . . . . . . . . . . . . . . 61

7.2 Tableau de suivi de la quantité des produits vendus à l’étranger par type de
transaction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7.3 Tableau de suivi de la quantité des produits vendus en Tunisie par type de
transaction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
7.4 Tableau de suivi de la valeur de la vente des produits par client et origine . . . 64

7.5 Tableau de suivi de la valeur de vente des produits dans une période . . . . . . 64
7.6 Tableau de suivi de la valeur des produits importés par pays et produit . . . . . 65
7.7 Tableau de suivi de la quantité des produits importés par fournisseur . . . . . . 65

7.8 Tableau de suivi de la quantité des produits importés dans une période . . . . . 66
7.9 Diagramme de cas d’utilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
7.10 Diagramme de séquence pour l’administrateur : . . . . . . . . . . . . . . . . . . 67

7.11 Diagramme de séquence pour l’utilisateur : . . . . . . . . . . . . . . . . . . . . 68

7.12 Code source : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
7.13 L’interface de connexion : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Liste des tableaux

5.1 Tableau descriptif de la dimension « Temps_V » . . . . . . . . . . . . . . . . . 37

5.2 Tableau descriptif de la dimension « Origine » . . . . . . . . . . . . . . . . . . 37

5.3 Tableau descriptif de la dimension « Client » . . . . . . . . . . . . . . . . . . . 38

5.4 Tableau descriptif de la dimension «Transaction . . . . . . . . . . . . . . . . . . 39
5.5 Tableau descriptif de la table de fait « Vente » . . . . . . . . . . . . . . . . . . . 39

5.6 Tableau descriptif de la dimension « Temps_I» . . . . . . . . . . . . . . . . . . 41

5.7 Tableau descriptif de la dimension « Produit» . . . . . . . . . . . . . . . . . . . 42
5.8 Tableau descriptif de la dimension « Pays» . . . . . . . . . . . . . . . . . . . . 42

5.9 Tableau descriptif de la dimension « fournisseur » . . . . . . . . . . . . . . . . . 43

5.10 Tableau descriptif de la table de fait « Importations » . . . . . . . . . . . . . . . 44
Chapitre 1

Introduction générale

1
1.1 Introduction :

Le marché est un environnement très complexe et concurrentiel dans lequel la

majorité des entreprises opèrent. Ce climat oblige les entreprises à surveiller le
marché de très près afin de ne pas être abandonnées par les concurrents, ce qui
nécessite de répondre le plus rapidement possible aux attentes du marché des
clients et de leurs partenaires.

Pour y répondre, l’entreprise doit collecter, traiter, analyser les données de son
environnement pour faire des prédictions. Mais l’information produite par l’entre-
prise est surabondante, non organisée et éparpillée dans des multiples systèmes
opérationnels hétérogènes dite base de données gérées par les SGBD (Système
de Gestion de Base de Données). Les SGBD sont des systèmes dont le mode de
fonctionnement est transactionnel (OLTP On-line Transaction Processing), qui est
restreint, voire inaptes à fournir de telles informations et qui offre donc un soutien
considérable pour la prise de décision.

Aujourd’hui, les systèmes décisionnels sont apparus pour aider les décideurs des
entreprises à prendre la bonne décision. A cette fin, ces systèmes utilisent un large
éventail de technologies et de méthodes, dont les « entrepôts de données » (Data
warehouse) qui représentent l’élément principal pour la définition d’un système
décisionnel efficace.

1.2 Cadre du projet :

Le projet s’inscrit dans le cadre de l’obtention de : « La licence fondamentale

en informatique de gestion parcours Systèmes d’information décisionnel (SID) »,
les étudiants de l’ESB sont tenus à réaliser un projet de fin d’études effectué au
sein d’une institution ou d’une entreprise. Ce stage a duré au moins 16 semaines à
partir du second semestre de l’année universitaire 2019-2020.

Le projet consiste à conception et la mise en place d’un système d’aide à la décision

pour étudier deux activités « vente » et « importations » pour la société STIR.
Durant cette période, on a mis en pratique toutes les compétences acquises pendant
trois ans d’études universitaires et des moyens humains et logistiques.

2
Ce projet est réalisé par : Mme. Nada Tagorti
Notre travail, réalisé au sein du STIR.

Le travail a été encadré par mon enseignant à ESB Mr. Bilel Marzouki et par Mr.
Oufensou Beligh maitre de stage à STIR.
L’objectif principal de ce programme étant la digitalisation, la facilité de prise la
décision ...

1.3 Objectifs du projet

L’objectif principal de ce programme étant la digitalisation et la facilité de prise la

décision par la mise en place d’un système d’information cohérant et intégré avec
une collection de données thématiques, intégrées, non volatiles et historiées afin
d’étudier la gestion de vente et des importations.

1.4 Problématiques

Quatre caractéristiques de l’entrepôt de données ont des effets déterminants sur

la démarche du projet :

1. Les évolutions technologiques.

2. Le lien implicite à la stratégie de l’entreprise.

3. Une logique d’amélioration continue

4. Un niveau de maturité différent selon les entreprises.

1.5 Organisation du rapport

Le présent rapport est organisé en 7 grandes parties :

— Cadre générale du projet : Premier chapitre qui est une présentation générale présentant
le sujet et l’organisme au sein duquel a été réalisé ce travail.
— Introduction au BI : Deuxième chapitre qui présente une étude théorique du passage de
l’informationnel au décisionnel.
— Sprint 0 : Analyse et spécification des besoins : Troisième chapitre qui sera consacré à
l’identification des choix de la méthode de gestion et des outils du travail et à l’étude

3
 préalable où sera présentée la problématique, la critique de l’existant et les objectifs du
nouveau système
— Sprint 1 : préparation des données et modélisation : Quatrième chapitre qui présente les
phases d’extraction, compréhension, organisation, nettoyage des données et l’établisse-
ment des modèles physiques.
— Sprint 2 : Intégration des données : Cinquième chapitre qui a comme but la combinaison
des données pour les rendre plus exploitable et plus utiles.
— Sprint 3 : Implémentation et réalisation : Sixième chapitre qui expose l’établissement
des tableaux de bord.
— Conclusion générale : Une évaluation de ce travail sera présentée.

4
Chapitre 2

Cadre générale du projet :

Présentation générale

5
2.1 Introduction :

La présentation du sujet est la première étape dans un projet. Elle consiste

à présenter le travail demandé, les différents problèmes posés par le sujet aussi
bien de point de vue organisationnel que technique et la démarche à adopter pour
résoudre ces problèmes et mener à bien le projet.

2.2 Présentation de l’organisme d’accueil :

La société Tunisienne des industries de raffinage STIR, a principalement, pour

objet le raffinage du pétrole brut en vue de la production de carburants et de
combustibles destinés à satisfaire les besoins du marché intérieur, l’importation et
la vente des produits pétroliers aux sociétés de distribution et l’exportation des
surplus dégagés de la production.

La société Tunisienne des industries de raffinage est considérée comme étant l’un
des principaux piliers de la croissance économique et sociale du pays. Elle fournit
en effet, des produits pétroliers pour un montant qui a atteint 1600 MD au titre
de l’année 2004, soit 80%de la consommation finale nationale d’hydrocarbures.

La société Tunisienne des industries de raffinage est créée le 10 juin 19360 après
une convention signée par le groupe italien ENI. Elle devient entièrement tuni-
sienne le 3 août 1975 après le rachat de la participation étrangère.

Le siège social et l’usine sont situés dans la délégation de ZARZOUNA à 1 Km

du sus Bizerte et 62 Km du nord de Tunis. Elle couvre une superficie de majorité
de ses expéditions et réceptions.

2.3 Définition de l’industrie de raffinage et mission de la

STIR :

C’est une industrie de transformation dynamique. Elle permet de produire à

partir du pétrole brut un éventail de produits commerciaux (Essence super sans

6
plomb, Gasoil 50, Pétrole lampant, Virgin NAPHTA. . . ).

L’industrie de raffinage évolue constamment pour satisfaire la demande qualitative

et quantitative du marché de l’énergie.

2.4 Historique :

— 1961 : Démarrage de la construction par la société Italienne SNAM PROGETTI.

— 1963 : Entrée en production.
— 1975 : Rachat de la participation étrangère par l’Etat Tunisien
— 1979 :La capacité nominale de la raffinerie est portée de 1000000 à 1500000 T/an suie
au REVAMPING de l’unité de distillation primaire.
— 1984 : Revamping du platforming dont la capacité est passée de 150000 à 220000 T/an.
— 1989 : Dégoulottage de l’unité de distillation primaire dans le cadre d’un programme de
maîtrise et d’économie d’énergie portant la capacité de raffinage à 1700.000 T/an.
— 1996 : Augmentation de la capacité de l’unité de reforming catalytique à 240.000 T/an
suite à l’installation d’un échangeur à plaques en plus d’une section de Recontactage.
— 1999 : Prise en charge totale par la STIR de l’activité importation pour satisfaire tous
les besoins du pays en produits pétroliers raffinés.
— 2001 : Certification du système Assurance Qualité de la STIR pour la production et la
commercialisation selon le référentiel ISO 9001.
— 2007 : Mise en conformité des activités de laboratoire de la STIR par rapport à la norme
internationale ISO 17025.
— 2010 : Réhabilitation de l’unité Topping.
— 2012 : Signature du contrat de construction d’un nouveau parc GPL sous tatus.

2.5 Organigramme :

Le personnel de la STIR est constitué de 700 employés répartis sur 5 directions

avec un taux d’encadrement équivaux à 18% représenté par la figure 2.1

7
 Figure 2.1 – Organigramme de l’entreprise STIR

2.6 Présentation du sujet :

2.6.1 Cadre du projet :

Notre travail consiste à analyser, concevoir et développer un environnement

facilitant la prise de décision aux utilisateurs d’un système d’aide à la décision
digitale pour la société STIR.

Ce système est représenté par un entrepôt de donnée (Data Warehouse) qui est
un ensemble de données organisées pour la prise de décisions qui consiste à étudier
les deux activités « vente » et « importations ».

2.6.2 Problématiques :

Quatre caractéristiques de l’entrepôt de données ont des effets déterminants sur

la démarche du projet :

• Les évolutions technologiques : Aujourd’hui un système d’information peut se

construire par l’intégration d’un certain nombre de composants, chacun pouvant
être choisi par rapport à son contexte d’utilisation. Comme les solutions logicielles
ne sont plus monolithiques, chaque entreprise a l’opportunité de définir son archi-
tecture, et non plus d’adapter le problème à telle technologie du marché.

• Le lien implicite à la stratégie de l’entreprise : un système d’information peut se

construire par l’intégration d’un certain nombre de composants, chacun pouvant

8
être choisi par rapport à son contexte d’utilisation. Comme les solutions logicielles
ne sont plus monolithiques, chaque entreprise a l’opportunité de définir son archi-
tecture, et non plus d’adapter le problème à telle technologie du marché. L’objectif
de l’entrepôt de donnée s’exprime souvent en terme purement métier comme fidé-
liser la clientèle.

• Une logique d’amélioration continue : Un entrepôt de données une fois construit

doit évoluer en fonction des demandes des utilisateurs ou des nouveaux objectifs
de l’entreprise, et se situe donc dans une logique d’amélioration imprévisible et
fréquente.

• Un niveau de maturité différent selon les entreprises : Pour certaines, l’entrepôt

de données est dans la continuité de leur acquis en décisionnel qui leur permet de
disposer déjà d’une organisation et de méthodes éprouvées, alors que pour d’autres,
il s’agit d’un domaine encore méconnu.

2.7 Objectifs du projet et solution proposée :

L’objectif du nouveau système est de mettre en œuvre un système d’aide à la

décision afin de pouvoir étudier les deux activités « vente » et « importations ».

Pour atteindre cet objectif, nous proposons un cadre, qui pourra servie de base
à une appropriation par rapport au contexte de l’entreprise. Ce cadre part des
principes suivants :

• L’objectif de mettre en place un système d’information cohérant et intégré avec

une collection de données thématiques, intégrées, non volatiles et historiées pour
la prise de décision.

• Ce système doit évoluer avec les besoins des utilisateurs et du système d’infor-
mation.

9
2.8 Conclusion

Dans ce chapitre, j’ai mis l’accent sur la présentation de la société d’accueil, j’ai
exposé mon sujet avec une présentation générale du nouveau système.

Dans le chapitre suivant, je vais analyser et spécifier les différents besoins.

Ensuite, j’estime la définition d’un entrepôt de donnée et des ces composants ce

qui va m’aider tout au long du projet.

10
Chapitre 3

De l’informationnel au
décisionnel

11
3.1 Introduction :

L’information représente un capital immatériel et sa bonne gestion est un facteur

clé de la réussite de toute entreprise. Les systèmes d’information sont conçus pour
soutenir l’exécution des activités organisationnelles. Ils sont construits à partir des
exigences des métiers et des processus définis par l’entreprise afin de stocker, traiter
et communiquer les informations.

Avec l’augmentation des capacités de stockage, ces dernières années, nous avons
assisté à une augmentation importante des moyens de génération et de collection
des données. Afin d’extraire des connaissances à haute valeur ajoutée, il est néces-
saire d’interpréter et d’analyser ces données.

L’entreprise se tourne vers l’information décisionnelle en se basant sur la clarté

de l’environnement de l’entreprise.

3.2 L’information :

Dans tous les domaines d’activité et dans toutes les entreprises, l’information est
devenue le « nerf de la guerre ». Avoir des informations utiles devant les concur-
rents, et savoir les rendre disponibles à ceux qui prennent les décisions de l’entre-
prise, sont des éléments qui permettent de faire la différence.

Il y a peu de temps, l’information pertinente était réservée à une élite.

Aujourd’hui, tout le monde a accès à l’information et les entreprises veulent que

nous soyons des décideurs capables de filtrer, transformer, fournir et diffuser des
informations pertinentes pour obtenir des connaissances. Par conséquent, il est
nécessaire d’informatiser les outils et les systèmes qui peuvent fournir une aide
continue aux décideurs.

12
3.3 Les systèmes décisionnels :

La valeur d’un entrepôt de données se représente par l’instoration d’une infor-

mation décisionnelle au sein de l’entreprise pour permettre en fonction de l’infor-
mation disponible de décider et d’anticiper sur le marché.

Dans un entrepôt de donnée, deux forces externes doivent être prises en compte :
la compétition et la personnalisation. Dans le cadre, l’aspect compétition est traité
par l’intégration dans le système décisionnel de données externes saisies ou ache-
tées caractérisant le marché et la concurrence. La personnalisation est la tendance
actuelle. Son objectif est de laisser une impression unique à chaque client.

3.4 L’entrepôt de données :

L’entrepôt de données joue un rôle stratégique dans la vie d’une entreprise. Il

stocke des données pertinentes aux besoins de prise de décision en provenance des
systèmes opérationnels de l’entreprise et d’autres sources externes.

Un datawarehouse (entrepôt de données) est un serveur informatique dans lequel

on trouve un ensemble volumineux des données combinées à partir des différentes
sources de renseignement d’une entreprise (notamment les bases de données in-
ternes) (voir Figure 3.1).

13
 Figure 3.1 – Architecture de l’entrepôt de données

Avant d’être chargée dans l’entrepôt de données, l’information doit être extraite,
nettoyée et préparée (comme la montre la Figure 3.2).

Figure 3.2 – Système d’alimentation

Ces phases d’alimentation sont généralement très complexes.

14
 Une fois intégrée, l’information doit être présentée de manière compréhensible
par l’utilisateur. Cette vue orientée utilisateur est également appelée vue business,
vue métier ou orientation sujet.

Deux problèmes dérivent de cette orientation vers l’utilisateur final. Le premier

concerne la définition sémantique des données stockées dans l’entrepôt de données.

Le second concerne la mise en œuvre de la structuration physique particulière

des données. Le système doit être accessible par tous les outils d’accès et de visua-
lisation de l’utilisateur final.

3.5 Démarche méthodologique :

La modélisation des données est un point fondamental dans la construction de

l’entrepôt de données. Un modèle mal adapté aux besoins des utilisateurs deviendra
en effet assez vite inexploitable.

La construction du modèle est d’autant plus critique qu’aujourd’hui aucune mé-

thode miracle n’existe et que peu d’outils sont même d’aider le concepteur dans sa
tâche.

3.6 Extraction et changement des données :

Suite à la phase du conception du datawarehouse, on commence à l’alimenter.

Ce régime s’appelle le processus ETL « Extarct-Transform-Load » qui est divisé

en 3 étapes comme suit :

1. Extraction des données : C’est la première étape du processus d’alimentation qui consite
à trier des données provenant de nombreuses sources. Elle est périodique et répétée.

2. Conversion des données : Deuxième étape du processus ETL qui permet de structurer,
transformer et convertir les données. C’est la tâche la plus diificile car nous devons
résumer les données dans un format significatif et utile pour les activités des entreprises.

3. Chargement des données : La dernière étape qui consiste à disposer les données nettoyées
dans l’entrepôt de données. Elle peut être longue au cas où les données sont volumineuses.

15
 L’objectif d’ETL est de préparer des données pour l’analyse.

3.7 Optimisation physique :

Que l’on mettre en place un modèle relationnel « classique », normalisé ou non,

ou bien un modèle dérivé de l’étoile, il existe deux types d’optimisations physiques
particulièrement adaptées au monde décisionnel.

Ces optimisations sont :

— Le stockage physique des agrégations.
— Le partitionnement ou fragmentation physique des tables selon un critère de recherche.

3.7.1 Conception et traitement des agrégations :

La première étape d’une politique d’optimisation des performances est la défini-

tion d’agrégations. Les requêtes faisant appel à des données agrégées forment 80%
des demandes effectuées dans un système décisionnel. La construction des tables
agrégées permet de leur donner des temps de réponse immédiats.

Si la base est modélisée avec des approches de type étoile ou flocon, la gestion de
ces agrégations est simplifiée puisque les éléments susceptibles d’être agrégés, sont
regroupés physiquement dans des tables de faits. Ce type de tables est difficile à
manipuler. Il faut en effet choisir les tables les mieux adaptées à notre demande,
celles où les informations sont les plus agrégées.

Les outils OLAP servent généralement à créer et à gérer les données de synthèse.
Ces données de synthèse sont généralement générées pour satisfaire les requêtes
les plus fréquentes de l’entrepôt de données. Le stockage de données pré-agrégées
améliore les performances des requêtes et réduit la charge imposée à l’entrepôt de
données (voir Figure 3.3).

16
 Figure 3.3 – Agrégation des données

3.7.2 Partitionnement :

Figure 3.4 – Partitionnement simple en mois

Le partitionnement consiste à découper une table volumineuse en fonction de la

valeur d’un ensemble de colonnes. Prenons l’exemple de la gestion des crédits, si
ceux-ci se répartissent équitablement tout au long de l’année, il est possible de
fractionner la table sur le critère « mois ». On obtiendra ainsi 1 2 tables, chacune
1 2 fois plus petite que la table d’origine (Voir figure 3.4).

17
 Figure 3.5 – Partitionnement détaillé

Le partitionnement évite de créer un index sur une table très volumineuse. En

effet, si l’utilisateur demande les crédits de Janvier, seule une petite table va être
sollicitée et les temps de réponses seront meilleurs (voir la figure 3.5).

3.7.3 DataMart :

Figure 3.6 – Data Mart

Les DataMarts sont des sous-ensemble fonctionnellement cohérant du DataWare-

house qui restitue des informations ciblées sur un métier spécifique, constituant un
ensemble d’indicateur dédiés, nécessaires à la prise de données. Il peut constituer

18
un premier niveau d’agrégation des données à des fins d’optimisation des restitu-
tions (voir Figure 3.6).

3.8 La modélisation dimensionnelle :

On utilise les DataWarehouse afin d’adapter des systèmes décisionnelles. Pour

bien répondre aux objectifs, il est nécessaire d’utiliser des modèles de données
simples et faciles à comprendre qui permet le traitement du sujet d’analyse comme
un cube à plusieurs dimensions et la fourniture de vues ou d’analyses en tranches
selon différents axes.

3.8.1 Modèle en étoile :

Figure 3.7 – Modèle en étoile

C’est un modèle qui se compose d’une seule table de fait dont laquelle on trouve
les mesures (sur quoi va porter l’analyse) et plusieurs tables de dimensions qu’on
peut les appeler les axes d’analyses permettant d’étudier les données. (Voir Figure
3.7).

19
3.8.2 Modèle en flocon :

Figure 3.8 – Modèle en flocon

Il rassemble au modèle en étoile où on trouve une seule table de fait contenant

les données quantitatives et des tables de dimensions contenant les données qua-
litatives, sauf que ces derniers sont des tables décomposées avec des données hié-
rarchiques. ( Voir Figure 3.8).

3.8.3 Modèle en constellation :

Figure 3.9 – Modèle en constellation

Dans ce dernier modèle, la chose qui diffère des autres modèles, c’est qu’il comporte
plusieurs tables de fait reliées à des tables de dimensions (Voir figure 3.9).

20
3.9 Conclusion

Au cours de ce chapitre, j’ai mis l’accent sur le concept du datawarehouse et sa

modélisation dimentionnelle qui ont assuré le passage d’un système informationnel
à un système décisionnel.

21
Chapitre 4

Sprint 0 : Analyse et
spécification des besoins

22
4.1 Introduction :

Ce chapitre est destiné à définir les orientations favorables à mon stage ainsi à
présenter et analyser les besoins de la société.

4.2 Méthodologie :

Pour bien gérer et augmenter les chances de succès de mon projet, je vais suivre
la méthodologie de gestion du travail Scrum.

Figure 4.1 – Le processus Scrum

C’est une méthodologie agile orientée projet informatique dont les ressources
sont régulièrement actualisées. Le principe de base étant d’être toujours prêt à
réorienter le projet au fil de son avancement (Voir figure 4.1).

Les grandes étapes de la méthode Scrum sont :

- Le Product Backlog : Le Product Owner rencontre le client et analyse don besoin.

Il identifie toutes les fonctionnalités dont le produit devra être composé dans celui
qui s’appelle le Producrt Backlog.

23
Ce « cahier des charges » n’est pas fixé pour toujours et pourra évoluer en fonction
des besoins du client. L’équipe décide de ce qu’elle peut faire et dans quel ordre le
faire.

- Le Sprint : La méthode Scrum se caractérise par une répartition de chacune des

tâches à faire. L’équipe trie les fonctionnalités et tâches qu’elle répartie dans des
Sprint.

Et pendant ce cycle, l’équipe s’occupera par exemple uniquement de coder une

fonctionnalité du produit qu’elle devra livrer à la fin du cycle.

4.3 Etude de l’existant :

Cette étude vise à prendre connaissance dans le détail du domaine dont on souhaite
améliorer le fonctionnement et à recenser l’ensemble des objectifs qu’on poursuit
concernant ce domaine dont le but de préparer la conception d’une solution.

4.4 Présentation de l’application gestion des mouvements

de produits :

L’application de gestion des mouvements de produits (STIREX) offre des fonctions

pour une gestion efficace de toute la chaîne des processus, depuis la prise des
commandes jusqu’au paiement.

STIREX regroupe tous les informations liées à l’importation, livraison et l’exporta-

tion des produits pétroliers (les transactions, les navires, les clients, les fournisseurs,
les certificats des camions, les ports, les lignes. . . ).

24
4.5 Spécification de l’application STIREX :

4.5.1 Gestion des ventes :

Quotidiennement et avant de lancer les opérations de chargements, le service

laboratoire communique au service mouvement de produits la liste des réservoirs
de vente et les densités des produits correspondantes, informations indispensables
pour le calcul des quantités livrées, suite à des analyses des échantillons.

La gestion de vente se réalise via voies terre, mer et pipe.

* Expéditions voie terre :

Le module de gestion des expéditions voie terre gère les sorties des produits finis
de la raffinerie via les camions citernes.

Le chargement étant effectué sur deux méthodes :

— Chargement au volume pour les produits blancs.
— Chargement au poids pour le Fuel et le GPL.

A la fin du chargement un bulletin de livraison (BL) sera édité en quatre exem-

plaires.

* Expéditions voie mer :

Le module de gestion des expéditions voie mer gère les sorties des produits finis
de la raffinerie à travers les navires pour un ou plusieurs clients.

Plusieurs documents doivent être prêts avant le chargement comme la déclaration

douanière, déclaration pour prévention de pollution, l’ordre de chargement.

Après le chargement l’inspecteur doit rédiger un rapport « Mesure des creux » sur
les caractéristiques des produits et les compartiments du bateau. Ensuite l’agence
maritime envoie le tableau de temps pour signaler les retards s’il existe.

25
En fin un BL sera édité en quatre exemplaires.

* Expéditions voie pipe :

Le module de gestion des expéditions voie pipe gère les sorties des produits finis
de la raffinerie à travers le pipeline SOTRAPIL.

A la fin du chargement un certificat de qualité sera envoyé par la STIR à la

SOTRAPIL pour confirmation à la quantité envoyée et réceptionnée. Et une fois
signé, établissement d’un BL.

4.5.2 Gestion des importations :

Ce module prend en charge les opérations d’importation des produits pétrolières

suite à des contrats annuels pour importer des quantités globales. Ce contrat sera
réparti sous forme des programmations mensuelle.

L’importation des cargaisons suit deux phases :

— Chargement : le fournisseur désigne un inspecteur agréé pour vérifier la conformité des
quantités et de qualité par rapport au contrat.
— Déchargement : à l’arrivage du bateau citerne, la STIR et le fournisseur désigne un
inspecteur pour contrôler les quantités à bord et à terre.

Les clients s’approvisionnent en fonction de leurs localisations à différents ports

de déchargement.

4.5.3 Gestion financière :

Dans ce module on gère toutes les opérations financières à deux sources d’infor-
mations : les transactions de ventes de la STIR et les activités d’importations.

Les factures sont réalisées selon les quantités facturées dans le BL et la liste des
prix. En effet ce dernier est déterminé selon le produit, la transaction de vente, le
type de transaction, l’origine. . .

26
4.6 Etudes des besoins décisionnels :

L’étude des besoins décisionnels est l’étape préalable commune à tout projet de
développement d’un système d’aide à la décision. Elle consiste à déterminer les
besoins de l’entreprise auxquels le projet doit répondre et ceci pour les différents
modules de la gestion des mouvements produits et donc de déterminer les différents
indicateurs du système décisionnel.

Pour recenser les besoins décisionnels, on doit premièrement étudier la base des
données. Ensuite, étudier les attentes des responsables de STIR en spécifiant leurs
besoins et les tâches attendues par l’application décisionnelle de STIREX.

Ainsi on a pu dégager les besoins suivants :

4.6.1 Les besoins fonctionnels :

Comme j’ai cité précédemment, ce projet a pour but d’établir une application
décisionnelle au sein du STIR tout en conférant au décideur un support fiable
pour une meilleure prise de décision pour cela on doit :
— Etudier la base de données existante STIREX.
— Etudier les rapports d’analyse existant spécifiant les besoins des décideurs.

Après l’analyse des besoins et l’étude de la base, on doit organiser les données :
— Selon plusieurs dimensions.
— Selon différents niveaux de détail.
— En ensemble.

Cette analyse multidimensionnelle permet d’obtenir des informations déjà agrégées

selon les besoins des utilisateurs et engendrer la simplicité et la rapidité d’accès.

Avec cette organisation, nous serons capables de :

— Construire le modèle conceptuel de l’entrepôt des données selon une structure simple
pour faciliter les tâches.

27
* Gestion de vente :

— Mesurer la vente des produits par origine, transaction, type-transaction.

— Valoriser les ventes par client et origine. Calculer la valeur de vente dans un période
(mois, trimestre, semestre, année. . . ).

* Gestion des importations :

— Valoriser les importations par pays, produit.

— Déterminer les importations par fournisseur.
— Déterminer les importations par période (mois, trimestre, semestre, année. . . ).

4.6.2 Les besoins non fonctionnels :

A part les besoins fondamentaux, notre système doit répondre aux critères sui-
vants :
— L’ergonomie des interfaces.
— La facilité d’utlisation.
— L’extensibilité.
— La rapidité
— La sécurité

4.7 Choix des outils de travail :

Afin de mieux résoudre les problèmes et atteindre l’objectif du projet, j’ai choisi
les outils SSIS, SSAS, SSMS et Tableau Desktop pour la gestion des phases de mon
projet.

4.7.1 Sql Server Integration Services (SSIS) :

Dans un projet décisionnel, SSIS est le premier service à entrer en action, car il
gère l’extraction et l’enregistrement des données en dehors de l’outil de production.
Il joue donc le rôle d’un ETL (Extract, Transform and Load) et y ajoute toute
une série d’outils pour monitorer la performance des processus d’extraction et de
transformation de la donnée.

28
Ces données sont alors stockées dans un DataWarehouse fondé sur la technologie
SQL Server.

4.7.2 Sql Server Analysis Services (SSAS) :

SSAS est un moteur OLAP (Online Analytical Processing) d’exploration de don-

nées pour les applications décisionnelles, qui intègre également des fonctionnalités
de Datamining. Grâce à SSIS, vos données sont stockées dans une base de données
isolée des outils qui les produisent.

Mais cela ne suffit pas, car pour un utilisateur lambda la donnée brute reste
inexploitable. Il faut la transformer en agrégat, y associer des dimensions pour
que l’on arrive à quelques choses d’utile. Un exemple d’agrégat et des dimensions
associées : à partir des logs de tracking de votre web analytics, en sortir un nombre
de visites par période, par univers du site, par typologie de clients. Et ne pas passer
3 heures à attendre que les données brutes moulinent. Et bien appliquer des règles
de calcul et en restituer rapidement les données sont les fonctionnalités de SSAS.

Pour cela, SSAS génère des cubes, qui pré-calculent quand vous dormez vos
indicateurs et leurs dimensions associées.

4.7.3 Tableau Desktop :

Le tableau est considéré comme la référence en matière d’analytique visuelle où

s’effectue l’analyse des données. Grâce à son interface facile à utiliser, cet outil a
révolutionné le secteur de la BI.

4.8 Conclusion

Dans ce chapitre, j’ai identifié les outils avec lesquelles je vais exécuter les dif-
férentes tâches de mon projet, ainsi j’ai présenté l’application qui comporte les
données utiles pour la réalisation du projet et les besoins de l’entreprise.

Dans le chapitre suivant, je vais évoquer la première phase de la méthode Scrum

qui est « Préparation des données et modélisation »

29
Chapitre 5

Sprint 1 : Préparation des

données et modélisation

30
5.1 Introduction :

Cette phase est consacrée à la conception et la configuration de l’entrepôt de

données le plus approprié pour répondre au mieux aux besoins déjà mentionnés.

5.2 Extraction des données :

Le processus de préparation de données commence par la recherche des données

les plus utiles.

Figure 5.1 – Ficher de la base d’extension .dmp

Ces données proviennent de la base de l’application STIREX.

L’importation du fichier « STIREX.dmp » (voir Figure 5.1 ) dans oracle sql deve-
loper a été faite via la commande IMP sous l’utilisateur « test » crée ( Voir Figure
5.2 , Figure 5.3 ).

C’est un type de fichier de système contenant des données et des logs liés au
système d’exploitation Windows.

31
 Figure 5.2 – Création de l’utilisateur avec Run Sql command line

Figure 5.3 – Importation des données via la commande IMP

Une fois l’importation est réussie, j’ai essayé de prendre les tables qui seront
utiles (RG_PRODUIT, RG_FOURNISSEUR, RG_CLIENT, IMP_CONTRAT,
IMP_BL_FRN_LIGNE, IMP_BL_FRN, FINANCE
_FACTURE_DECADE_LIGNE, RG_TRANSACTION, FINANCE
_FACTURE_DECADE_ENTETE) pour le développement de différentes statis-
tiques et indicatrices du tableau de bord.

32
 Figure 5.4 – Métadonnée générale

Globalement, ce modèle contient un nombre de table plus restreint, chaque table

étant associée à un sujet d’intérêt (Voir Figure 5.4).

33
 Figure 5.5 – Transformation des données

Maintenant, ma base est bien placée sous Oracle Sql Developer, donc il est temps
pour commencer à exporter les tables qui répondent à l’objectif fixé vers des fichiers
Excel en utilisant des requêtes SQL pour bien trier les données dont j’ai besoin
(Voir Figure 5.5).

5.3 Compréhension et organisation des donnés :

Figure 5.6 – Tableau structuré « Produit.csv »

Au cours de cette phase, j’ai dédoublonner, agréger, fusionner et filtrer les données
via le logiciel tableur Microsoft EXCEL.

34
 Cette phase m’a permis de se familiariser avec les données et d’avoir des tableaux
bien structurés pour bien gérer et analyser les données de façon sure et simple
(Voir Figure 5.6).

5.4 Nettoyage des données :

Généralement le nettoyage des données est l’étape la plus longue du processus

de préparation de données, mais cela est essentiel car il garantit que toutes les
données utilisées pour l’analyse sont de grande.

Figure 5.7 – Nettoyage des données avec python

Avec le langage de programmation python, j’ai pu supprimer les valeurs inutiles,

remplacer les colonnes vides par « 0 » et ajouter les valeurs manquantes à travers
l’environnement Jypyter (Voir Figure 5.7).

35
5.5 La modélisation dimensionnelle :

La modélisation dimensionnelle part du principe que l’objectif majeur d’un sys-

tème décisionnel est l’analyse de la performance. Cette performance peut se ma-
térialiser au travers d’un ensemble d’indicateurs.

Le temps, dimension que l’on trouve quasi systématiquement dans toutes les
applications, permettra ainsi de suivre l’évolution des montants des ventes par
trimestre, par année, sur des périodes définies. De même, il sera intéressant de
ventiler ce montant par transaction, par type-transaction, par produit, par origine,
par fournisseur qui sont dont autant de dimensions d’analyse pertinente pour cet
indicateur.

La technique de modélisation utilisée est la modélisation en étoile qui se compose

d’une seule table de fait et plusieurs dimensions.

5.5.1 Volet Vente :

Présentation de l’activité vente :

« La vente est la cession d’un bien ou d’un service en échange d’une somme
d’argent convenue entre le vendeur, celui qui cède le bien ou le service, et l’acheteur,
celui qui paie »

* Les dimensions participantes du modèle :

- Dimension Temps :

La dimension Temps est l’une des dimensions de la base qui est nécessaire dans
tous les projets décisionnels (Voir Figure 5.8).

36
 Figure 5.8 – Dimension Temps de l’activité « Vente »

Détails
Désignation
Clé primaire de la dimension Temps_V
id_temps
La Date du facture
DATE_FACTURE
Mois de la date du facture
mois
Année de la date du facture
anné
Trimestre de la date du facture
trimestre
Semestre de la date du facture
semestre

Table 5.1 – Tableau descriptif de la dimension « Temps_V »

Dimension Origine :

Figure 5.9 – Dimension Origine de l’activité « Vente »

Clé primaire de la dimension origine

ido rigine
Origine du produit
ORIGINE

Table 5.2 – Tableau descriptif de la dimension « Origine »

37
- Dimension Client :

Figure 5.10 – Dimension Client de l’activité « Vente »

Détails
Désignation
Clé primaire de la dimension client
id_client
Code du client
CODE_CLIENT
Libellé du client
LIB_CLIENT
Le nom du client
NOM_CLIENT
Code du pays du client
CODE_PAYS

Table 5.3 – Tableau descriptif de la dimension « Client »

Figure 5.11 – Dimension Transaction de l’activité « Vente »

38
 Détails
Désignation
Clé primaire de la dimension transaction
id_trans
Code du transaction
CODE_TRANS
Libellé de transaction
LIB_TRANS
Abréviation du nom de la transaction
AB_TRANS

Table 5.4 – Tableau descriptif de la dimension «Transaction

- La table de fait participante du modèle :

Figure 5.12 – Table de fait « vente »

Détails
Désignation
Clé étrangère de la dimension temps_V
id_temps_V
Clé étrangère de la dimension client
id_client
Clé étrangère de la dimension transaction
id_trans
Clé étrangère de la dimension origine
id_origine
Code de l’état
CODE_ETAT
Volume des produits
M3
Quantité des produits
TON
Montant final de vente
MONTANT

Table 5.5 – Tableau descriptif de la table de fait « Vente »

39
*Le modèle en étoile de l’activité vente :

Figure 5.13 – - Modèle en étoile de l’activité « vente » :

En réponse aux besoins décisionnels voulus par le module de gestion des ventes,
j’ai pu dégager le modèle en étoile, qui possède comme table de fait la table vente
qui regroupe tous les indicateurs partageant le même ensemble de dimensions(Voir
Figure 5.13).

5.5.2 Volet Importation :

Présentation de l’activité Importation :

« Une importation désigne l’entrée de marchandises dans un pays à la suite de

l’achat de ces dernières auprès d’un agent économique établi à l’étranger »

*Les dimensions participantes du modèle :

-Dimension Temps :

40
 Figure 5.14 – Dimension Temps de l’activité « Importations »

Détails
Désignation
Clé primaire de la dimension Temps_I
id_temps
La Date du Bon de livraison
DATE_BL
Mois de la date du bon de livraison
Mois
Année de la date du bon de livraison
Année
Trimestre de la date du bon de livraison
Trimestre
Semestre de la date du bon de livraison
Semestre

Table 5.6 – Tableau descriptif de la dimension « Temps_I»

-Dimension Produit :

Figure 5.15 – Dimension Produit de l’activité « Importations »

41
 Détails
Désignation
Clé primaire de la dimension produit
id_produit
Code du produit
CODE_PRODUIT
Libellé du produit
LIB_PRODUIT
Abréviation du nom du produit
AB_PRODUIT
Unité du produit
UNIT_PRODUIT

Table 5.7 – Tableau descriptif de la dimension « Produit»

- Dimension Pays :

Figure 5.16 – Dimension Pays de l’activité « Importations »

Détails
Désignation
Clé primaire de la dimension pays
id_pays
CODEP AY S
Code du pays
LIB_PAYS
Libellé du pays

Table 5.8 – Tableau descriptif de la dimension « Pays»

42
- Dimension Fournisseur :

Figure 5.17 – Dimension Fournisseur de l’activité « Importations »

Détails
Désignation
Clé primaire de la dimension fournisseur
id_fournisseur
Code du fournisseur
CODE_FOURNISSEUR
Libellé du fournisseur
LIB_ FOURNISSEUR
Code de la ville du fournisseur
CODE_VILLE
Code du pays du fournisseur
CODE_PAYS

Table 5.9 – Tableau descriptif de la dimension « fournisseur »

- La table de fait participante du modèle :

Figure 5.18 – Table de fait « Importations »

43
 Détails
Désignation
Clé étrangère de la dimension temps_I
id_temps
Clé étrangère de la dimension fournisseur
id_fournisseur
Clé étrangère de la dimension pays
id_pays
Clé étrangère de la dimension produit
id_produit
Quantité du produit facturée
QTE_FACT
Montant final du produit
MONTANT_FINAL

Table 5.10 – Tableau descriptif de la table de fait « Importations »

*Le modèle en étoile de l’activité importation :

Figure 5.19 – Modèle en étoile de l’activité « Importations »

Au centre du modèle en étoile de gestion des Importations, nous trouvons la table

des faits Importation. L’identifiant de cette table est une clé multiple composée de
la concaténation des clés de chacune des dimensions d’analyse, ainsi une importa-
tion est identifiée par la dimension temps, fournisseur, produit et pays (Voir Figure
5.19).

44
5.6 Conclusion

Après avoir définir le méta donné générale, organiser, nettoyer, structurer les don-
nées et établir les modèles dimensionnels je vais alors entamer le chapitre suivant
tous les phases d’intégration des données.

45
Chapitre 6

Sprint 2 : Intégration des

données

46
6.1 Introduction

Pour réaliser et mettre en œuvre la solution, il est nécessaire de recourir les outils
SSIS, SSMS et SSAS.

Le but de ce chapitre est de décrire les phases de création de la base, d’intégration

des données et de création du modèle.

6.2 Création de la base :

Pour créer la base, il faudra passer par différentes étapes.

Figure 6.1 – Connexion au serveur SQL

La première étape consiste à se connecter à Sql Sever Management Services

(SSMS) (Voir Figure 6.1).

La deuxième étape est la création d’une nouvelle base de données (Voir Figure
6.2).

47
 Figure 6.2 – Création d’une nouvelle base de données « DWH »

Une base de données ne peut stocker les données que si je crée une structure
pour les données.

Figure 6.3 – Création d’une dimension

C’est pour cela une fois la base est créée, j’ai commencé à créer les dimensions
qui vont contenir les informations nécessaires à l’analyse où je dois identifier les
clés primaires et les types des attributs associés aux dimensions (Voir Figure 6.3).

48
6.3 Intégration des données :

L’intégration des données c’est l’étape qui suit la création de la base.

Dans mon cas et pour le cas du STIR, cette étape a été faite à travers SQL
Server Integration Studio (SSIS) pour pouvoir intégrer et migrer les données dans
les tables correspondantes.

Pour réussir cette phase, je dois passer par plusieurs étapes comme suit :

Figure 6.4 – Création d’un projet

• Etape 1 : Création d’un nouveau projet SSIS (Voir Figure 6.4)

• Etape 2 : Ajouter et Configurer le gestionnaire de connexions OLE DB (Voir

Figure 6.5).

49
 Figure 6.5 – Configuration des connexions

Figure 6.6 – Chargement de la dimension « Fournisseur »

• Etape 3 : Ajouter une tâche de flux de données au package (Voir Figure 6.6).

50
 Figure 6.7 – Configuration du fichier source et la migration des données

• Etape 4 : Ajouter et configurer la source du fichier plat, les transformations de

recherche ainsi la destination OLE DB (Voir Figure 6.7).

Figure 6.8 – Exécution du package « dimension fournisseur »

• Etape 5 : Teste du package crée (Voir Figures 6.8, 6.9).

51
 Figure 6.9 – Exécution du package « fact vente»

Figure 6.10 – Vérification de l’insertion des données dans la base

• Etape 6 : Vérification de l’insertion des données dans la base (Voir Figure 6.10).

Toutes ces étapes sont répétées pour les différentes dimensions et tables de fait.

52
 Figure 6.11 – Relation entre deux tables

Il ne me reste qu’à créer les relations nécessaires entre les tables de fait et les
dimensions correspondantes où j’ai identifié les clés étrangères des tables de fait
pour garantir la cohérence des données (Voir Figure 6.11).

Après avoir vérifié l’insertion de toutes les données, j’ai pu afficher les diagrammes
qui représentent le modèle en étoile des deux activités « vente » et « Importations
» (Voir Figure 6.12, Figure 6.13).

53
Figure 6.12 – Diagramme « vente »

54
 Figure 6.13 – Diagramme « importations »

6.4 Création du modèle :

Lorsque l’étape de préparation des données est terminée, j’ai commencé à construire
les deux cubes via le service d’analyse Sql Server Analysis Services (SSAS). Pour
cela il faudra passer différentes étapes.

La première étape est la création du projet qui va stocker le cube, c’est une
fonctionnalité du Microsoft qui m’a permis de créer mon modèle multidimensionnel
ainsi que l’exploration des données (Voir figure 6.14).

55
 Figure 6.14 – Création d’un projet

Figure 6.15 – Sélection des tables à partir de la base de données

Après avoir créé le projet, la deuxième étape consiste à sélectionner la table de

faits et les dimensions (Voir figure 6.15).

56
 Figure 6.16 – Sélection des mesures des cubes

Dans la figure 6.16, j’ai sélectionné les mesures nécessaires pour le cube ainsi les
dimensions sur lesquelles l’analyse va s’effectuer.

J’ai répété ces dernières étapes deux fois pour avoir finalement les deux cubes
qui concernent les deux activités « vente » et « importations » (Voir Figure 6.17,
Figure 6.18).

57
Figure 6.17 – Modèle du cube de l’activité « vente »

58
 Figure 6.18 – Modèle du cube de l’activité « importations »

6.5 Conclusion

Au cours de la troisième phase de la méthodologie Scrum, j’ai pu créer ma base

de données, intégrer les données, ressortir les diagrammes et créer les deux cubes
avec les mesures et les dimensions nécessaires pour les utiliser la phase suivante.

59
Chapitre 7

Sprint 3 : Implémentation
et réalisation

60
7.1 Introduction :

Au cours de cette phase et en utilisant la base de données, je vais construire des

tableaux de bord dans lesquelles je vais analyser les données pour assurer la bonne
gestion des deux activités déjà citées.

7.2 Création du tableau de bord :

Un tableau de bord est loin d’être un instrument aussi simple qu’il paraît. C’est
un instrument de pilotage et non de contrôle. Il sert donc à prendre des décisions
orientées selon la stratégie poursuivie.

Dans mon cas, la création a été effectué avec l’outil d’analyse et de visualisation
de données Tableau Desktop où j’ai réussi à analyser les informations et en tirer
des conclusions.

Figure 7.1 – Importation des données à partir du SSMS

La première étape consiste à importer les bases de données à partir du Sql Server
Management Services (SSMS) et par la suite établir les relations nécessaires entre
les différentes tables de la base (Voir Figure 7.1).

Les dimensions et les mesures sont prêts, il est temps de rejoindre une feuille de
calcul et commencer à étudier les données et faire les calculs qui m’ont assurée la
création des tableaux de bord et m’ont mené à atteindre le but de mon projet.

61
7.2.1 L’activité « Vente » :

Figure 7.2 – Tableau de suivi de la quantité des produits vendus à l’étranger par type de
transaction

Sur cette figure, nous avons représenté la quantité des produits vendues à l‘étranger
par la société STIR en fonction des types de transaction.

62
Figure 7.3 – Tableau de suivi de la quantité des produits vendus en Tunisie par type de
transaction

Dans la figure 7.3, nous avonsreprésenté la quantité des produits vendues en

Tunisie par la société STIR en fonction des types de transaction.

63
 Figure 7.4 – Tableau de suivi de la valeur de la vente des produits par client et origine

Dans la figure 7.4, nous avons représenté la valeur de vente des produits de la
société STIR en fonction des noms des clients et de l’origine.

Figure 7.5 – Tableau de suivi de la valeur de vente des produits dans une période

Dans la figure 7.5, nous avons représenté la valeur de vente des produits de la
société STIR sur une période de (mois, année, trimestre, semestre).

64
7.2.2 Activité « Importations » :

Figure 7.6 – Tableau de suivi de la valeur des produits importés par pays et produit

Dans la figure 7.6, nous avons représenté la valeur des produits importées par la
société STIR en fonction des pays et des libellés des produits.

Figure 7.7 – Tableau de suivi de la quantité des produits importés par fournisseur

Dans la figure 7.7, nous avons représenté la quantité des produits importés par
la société STIR en fonction des noms des fournisseurs.

65
 Figure 7.8 – Tableau de suivi de la quantité des produits importés dans une période

Dans la figure 7.8, nous avons représenté la quantité des produits importées par
la société STIR sur une période de (mois, année, trimestre, semestre).

7.3 Développement de l’interface :

La réalisation d’une application est basée sur plusieurs diagrammes.

Dans notre cas, on est amené à créer deux types de diagrammes.

1. Diagramme de cas d’utilisation : pour représenter les fonctionnalités nécessaires aux

utilisateurs (Voir Figure 7.9)

2. Diagramme de séquence : pour présenter l’enchainement de la phase d’authentification

et les autres interactions entre les acteurs et le système (Voir Figure 7.10, Figure 7.11).

66
 Figure 7.9 – Diagramme de cas d’utilisation

Figure 7.10 – Diagramme de séquence pour l’administrateur :

67
 Figure 7.11 – Diagramme de séquence pour l’utilisateur :

Après, j’ai commencé à coder l’interface de l’application qui consiste à permettre

aux utilisateurs de se connecter avec leurs logins et leurs mots de passe qui sont
enregistrés dans la base donnée (Voir Figure 7.12).

Figure 7.12 – Code source :

Pour réussir cette étape, j’ai utilisé l’éditeur de texte générique « Sublime Text
» et la plateforme de développement Web Wampserver, ainsi les langages de pro-
grammation PHP, HTML et CSS.

68
 Figure 7.13 – L’interface de connexion :

Il nous reste qu’à héberger le tableau dans le serveur pour que les utilisateurs
puissent se connecter à travers l’interface (Voir Figure 7.13).

7.4 Conclusion :

Dans ce chapitre intitulé Implémentation et réalisation, on a présenté les tableaux

de bord ainsi l’interface de l’application qui va aider les décideurs à suivre les
activités de la société STIR.

69
Conclusion générale

Exploiter les données à la disposition de l’entreprise afin de leur donner de la

valeur ajoutée, tel est le défi des entreprises modernes.

Dans ce cadre, et afin de palier à des problèmes récurrents dans le processus de

prise de décision, STIR a lancé un projet pour construire un entrepôt de données
afin d’établir un système de prise de décision efficace. Pour ce faire, j’ai suivi la
méthode Scrum qui m’a permis de réussir toute les tâches de mon projet.

L’étude des besoins a fait ressortir deux sujets d’analyses dignes d’intérêt pour
la société qui sont : vente et importations.

Dans un deuxième temps, la modélisation de la zone de stockage des données s’est

faite grâce aux principes de la modélisation dimensionnelle. Cette modélisation
offre une vision claire et une compréhension intuitive des modèles proposés. J’ai
de ce fait proposé des modèles en étoiles des activités recensées.

Pour la mise en route de la solution, j’ai créé des tableaux de bord qui permettent
aux utilisateurs d’exploiter le système mis en place dans les meilleures conditions
possibles.

Pour finir, ces 4 mois de stage m’ont permis de me placer dans un contexte
professionnel, d’évoluer dans le domaine des systèmes décisionnels et de cumuler
des connaissances diverses dans le langage de programmation Python et la méthode
de gestion du projet Scrum.

70
Webographie

https ://www.saadrachid.net/bi-big-data/modelisation-dun-datawarehouse/
https ://www.slideshare.net/martinkiendrebeogo/rapport-dess-pousga-martin-kiendrebeogo
https ://fr.scribd.com/document/39390704/DW
https ://debitoor.fr/termes-comptables/importation
https ://fr.talend.com/resources/what-is-data-preparation/
https ://www.journaldunet.fr/web-tech/dictionnaire-du-webmastering/1203605-sql-server-
structured-query-language-server-definition-traduction/
https ://reussir-son-crm.fr/definition-ssis-ssas-ssrs
https ://www.itpro.fr/sql-server-analysis-services-ssas/
https ://docs.microsoft.com/fr-fr/sql/integration-services/lesson-1-create-a-project-and-basic-
package-with-ssis ?view=sql-server-ver15
https ://www.piloter.org/mesurer/tableau_de_bord/definition-tableau-de-bord.htm
https ://www.memoireonline.com/07/10/3760/m_Mise-en-oeuvre-dune-solution-de-gestion-
centralisee-de-la-fiche-signaletique-client-FSC-9.html
https ://www.memoireonline.com/11/13/7785/m_Developpementduneapplicationde-contrle-
parental14.html
https ://openclassrooms.com/fr/courses/2035826-debutez-lanalyse-logicielle-avec-uml/2048781-
les-differents-types-de-diagrammes
https ://lipn.univ-paris13.fr/ gerard/uml-s2/uml-cours05.html
https ://fr.slideshare.net/hamzus/document-1295639592
https ://aski.me/emsicloud/uploads/4IIR/BusinessIntelligence
/rapports_pfe/rapportPFE_MaryamOUBAIN.pdf
https ://www.coursehero.com/file/pif47k/III4 Lanavigationdanslesdonn%C3%A9esUnefois-
queleserveurOLAPaconstruitle/
https ://slideplayer.fr/slide/1568249/

71
Résumé :

Dans le cadre de ma formation en licence fondamentale en informatique de gestion

(Option Systèmes D’information Décisionnels SID) et afin d’appliquer les connais-
sances théoriques requises lors de cette formation, je suis amenée à réaliser mon
projet de fin d’études.

La mission principale du projet est la conception et la mise en place d’un système

d’aide à la décision qui concerne deux activités « vente » et « importations » pour
la société STIR.

Le présent rapport synthétise tout le travail que nous avons effectué dans cette
perspective.

Mots-clés :

Entrepôt de données, Fait, Dimension, Business Intelligence, intégration des don-

nées, Scrum.

Abstract :

As a part of my training in fundamental license in business computing (Business

Intelligence Systems Option) and in order to apply our theoretical knowledge, I
am expected to carry out our end of study project.

The main mission of the project is studying, design and implementation of a data
warehouse system for STIR. This report summarizes all the work we have done in
this perspective.

Key words :

Data warehouse, Fact, Dimension, Business Intelligence, data integration, Scrum.

72