Système

Informatique
d’Aide à la
Décision
Moussaoui.B
Université de Bordj Bou Arréridj _
1/ INTRODUCTION
Face aux exigences des clients, à la concurrence et
l’internationalisation des échanges, les décideurs ont besoin d’avoir
une vision globale et claire du système à tout moment, très
rapidement et à l’aide d’outils faciles à utiliser loin des systèmes de
production existants.

Savoir, pour prévoir, afin de pouvoir.

Auguste Comte
Prévoir l’avenir, c’est le déterminer.
Auteur inconnu
2/ Problématique
Quelle entreprise ne voudrait pas :
o Fidéliser ses clients en les identifiant mieux : leur
proposer les produits ou services susceptibles de les
intéresser ?
o Maîtriser les risques qu’elle prend ?
o Optimiser ses activités ?
o Exploiter intelligemment les données stockées ?
o Avoir plus d’information que ses concurrents ?
o Anticiper (prévoir) ?
3/ Historique
 4 / Pour Qui ?
Comme cela peut se deviner, les décideurs sont les principaux
utilisateurs des systèmes décisionnels. Les décideurs sont
généralement des « marketeurs » ou analystes en général. Ces
derniers établissent généralement des plans marketing qui leur
permettent de mieux cibler leurs clients, de les fidéliser etc. Et pour
cela, ils ont besoin d'indicateurs et des données résumées de leurs
activités (ils n'ont souvent besoin de détail que pour des cas
spécifiques). Par exemple, contrairement aux systèmes relationnels
(ou base gestion) où les utilisateurs chercheront à connaître leurs
transactions pour faire un bilan, les systèmes décisionnels quant à
eux cherchent plutôt à donner un aperçu global pour connaître les
tendances des clients (d'où l'opposition des deux modes [quantitatif
contre qualitatif]).
Initiation au décisionnel www.developpez.com
5/ Définition
La décision 

En consultant le petit Larousse, la décision est définie

comme étant « l’action de décider après délibération ».
Par ailleurs, Marchais-Roubellat défini la décision «
comme une sélection d’une intention d’acte par un
acteur ». Cette définition met en évidence le rôle
important qu’exerce l’acteur pour la prise de décision et
le fait que le résultat d’une décision soit un acte.
Les niveaux de décision :
 
La décision est classée en trois niveaux :
 
· Le niveau Stratégique concerne les décisions prises dans un horizon à long terme
(plus de 5 ans). Les décisions sont prises par le plus haut niveau hiérarchique
(Direction Générale, l’état). Les modèles analytiques sont utilisés dans ce niveau de
décision.
 
· Le niveau Tactique concerne les décisions prises dans un horizon à moyen terme. Il
décrit le plan de production global. La simulation est très utilisée du fait de la
complexité des systèmes.
 
· Le niveau Opérationnel concerne les décisions prises dans un horizon à court
terme. Ce niveau concerne le plan détaillé (ordonnancement, allocation de tâches.etc.)
des modèles physiques doivent être intégrés dans ce niveau. La simulation est là
encore très exploitée pour valider les modèles et les heuristiques.
But d’un SIAD

Le SIAD est un outil d’observation et de description

qui vise, à partir de données de gestion et/ou de
statistiques, à donner aux managers d’une entreprise
les moyens d’identifier des alertes de gestion, de
suivre l’évolution de l’activité et de disposer d’outils
d’investigation de sujets ou phénomènes particuliers.
Il ne fournit pas les explications ni les commentaires
qui relèvent d’une phase de travail postérieure à
l’observation.
OLTP
OLTP ( On Line Transaction Processing) est le modèle utilisé par les SGBD. Le
mode de travail est transactionnel. L'objectif est de pouvoir insérer, modifier et
interroger rapidement et en sécurité la base. Ces actions doivent pourvoir être
effectuées très rapidement par de nombreux utilisateurs simultanément.
Chaque transaction travail sur de faibles quantités d'informations, et toujours sur
les versions les plus récentes des données.

OLAP
Les datawarehouses eux reposent sur le système OLAP (On Line Analytical
Processing). Ce système travail en lecture seulement. Les programmes consultent
d'importantes quantités de données pour procéder à des analyses. Les objectifs
principaux sont regrouper, organiser des informations provenant de sources diverses,
les intégrer et les stocker pour donner à l’utilisateur une vue orientée métier,
retrouver et analyser l’information facilement et rapidement. Cela nécessite de
consulter des versions historiques de la base et peut se permettre d'ignorer
temporairement les dernières mises à jour.
Ces bases sont souvent d'un ordre de grandeur nettement supérieur à celle des bases
OLTP, du fait de la conservation de l'historique.
OLAP VS OLTP
ARCHITECTURE
 Restitutions

Hypercubes
SIAD

Tableaux
Entrepôt

Sas

Traitements
Applications

Silos d’échange

BD des applications
Types d’architectures1

1/ L’architecture réelle :
Le SGBD décisionnel est séparé du système de production. Une
collecte périodique s’effectue depuis les bases opérationnelles.
Les informations sont nettoyées, transformées et préparées à la prise
de décision afin de les rendre lisibles et compréhensibles.
Ce système pose des problèmes de coût de stockage et d’accès à
l’information en temps réel mais reste indispensable en cas
d’inadaptation des données de production aux besoins décisionnels.

1: Les Systèmes Décisionnels(Rapport du Projet système d’information valeur TP B1 19777)

M. Hervé Chastel Melle Laurence Gaillard M. Manuel De Lavallée M. Jean-Luc Fauc
Types d’architectures (suite…)

2/l’architecture virtuelle

L’utilisateur accède directement aux données opérationnelles

rendues visibles par des interfaces. Cependant, des problèmes de
partage d’information sans perturber les systèmes opérants se
posent. De plus, la gestion d’un historique n’est pas forcément
prévue. Le temps d’accès à une information est long car les
processus de transformation et d’intégration sont alors
déclenchés.
Types d’architectures (suite…)

L’architecture Remote :
Mélange des deux concepts précédents.

Les données détaillées sont présentes dans les bases de

production, on y accède par des Middleware ou Gateway.
Par contre, les données agrégées sont stockées sur place,
permettant ainsi une réponse rapide aux requêtes des utilisateurs.
 Typologie des décisions de Simon
Pour étudier comment les dirigeants de l’entreprise prennent des
décision, Simon (1960) propose une typologie des décisions :

 Décision programmables : décision répétitives et routinières, et

une procédure a été définie pour les effectuer, évitant ainsi
d’avoir à les reconsidérer chaque fois qu’elles se présentent.

 Décision non programmables : il n’a pas été possible de

définir une procédure spécifique pour les effectuer ; soit du fait
qu’elles sont nouvelles, non structurées, inhabituelles, …
En fait il y a un continuum
Activités managériales et types de décisions
La décision Programmable Moderne
Le jugement
La RO
Les heuristiques
L’intuition
La routine
La simulation
Méthodes et techniques de prises de décision
Exemples de décision par niveau d’activité managériale
 La typologie des outils décisionnels

Les EIS ( Executive Information Systems ):

Les EIS mettent en valeur des seuils critiques et
clignotants d’alerte. Ils effectuent surtout des analyses
de tendance pour le lesSIAD:
décideurs ( outils de pilotage ).
L’utilisateur navigue dans la base
Au contraire, par un( système
le SIAD SystèmedeInteractif d’aide à la décision )
zoom avant et arrière et extrait
fournit ainsi le niveau
non seulement de détailpertinente mais aide
l’information
qui l’intéresse. l’analyste à sélectionner l’information à valeur ajoutée. Il va
Par contre, il ne peut posereffectuer
pouvoir une question non prévue.
des simulations et obtenir une réponse aux
problèmes les moins structurés en créant ses propres cubes
multidimensionnels en local.
 Partie 2
L’analyse multidimensionnelle
&
Le concept OLAP
 1- Définition
La
La modélisation
modélisation multidimensionnelle
multidimensionnelle consiste
consiste àà
considérer
considérerununsujet
sujetanalysé
analysécomme
commeun unpoint
pointdans
dansununespace
espace
àà plusieurs
plusieurs dimensions.
dimensions. LesLes données
données sont
sont organisées
organisées dede
manière
manière àà mettre
mettre enen évidence
évidence lele sujet
sujet analysé
analysé etet les
les
différentes perspectives de l'analyse.
différentes perspectives de l'analyse.
EXEMPLE : Considérons les données suivantes.
 1- Modélisation Conceptuelle
Conceptuellement, cette modélisation multidimensionnelle a
donné naissance aux concepts de fait et de dimension [Kimball 1996].

1-1 Concept de fait

Le fait modélise le sujet de l'analyse. Un fait est formé de mesures

correspondant aux informations de l'activité analysée.
 Mesures d’un fait
Les mesures d'un fait sont numériques et généralement
valorisées de manière continue [Kimball 1996]. Les mesures sont
numériques pour permettre de résumer un grand nombre
d'enregistrements en quelques enregistrements (on peut les
additionner, les dénombrer ou bien calculer le minimum, le
maximum ou la moyenne). Les mesures sont valorisées de façon
continue car il est important de ne pas valoriser le fait avec des
valeurs nulles. Elles sont aussi souvent additives ou semi-additives
afin de pouvoir les combiner au moyen d’opérateurs arithmétiques.
 Exemple
Considérons le fait de Vente pouvant être constitué des mesures d'activités
suivantes :
quantité de produits vendus et montant total des ventes. Nous
représenterons le fait par un rectangle englobant les différentes mesures
d'activité qu'il contient. En outre le symbole d'un cube estampille le fait.
1-2 Concept de dimension

Une dimension modélise une perspective de l'analyse. Une

dimension se compose de paramètres correspondant aux
informations faisant varier les mesures de l'activité.

Les dimensions servent à enregistrer les valeurs pour lesquelles

sont analysées les mesures de l'activité. Une dimension est
généralement formée de paramètres (ou attributs) textuels et
discrets. Les paramètres textuels sont utilisés pour restreindre la
portée des requêtes afin de limiter la taille des réponses. Les
paramètres sont discrets, c'est à dire que les valeurs possibles sont
bien déterminées et sont des descripteurs constants.
 Exemple
Poursuivons l'exemple précédent. Le fait peut être analysé
suivant différentes perspectives correspondant à trois dimensions :
la dimension Temps, la dimension Geographie et la dimension
Categorie.
Nous représenterons une dimension par un rectangle englobant les
différents paramètres qu'elle contient. En outre un symbole
représentant trois axes estampille les dimensions pour les distinguer
du fait.
1-3 Niveau d’hiérarchie

Une hiérarchie organise les paramètres d'une dimension selon une

relation "est_plus_fin conformément à leur niveau de détail.

Les paramètres des dimensions sont organisés suivant une

hiérarchie ; les paramètres sont ordonnés par une relation
"est_plus_fin" et notée P1 → P2. Par exemple, pour la dimension
Geographie : Ville → Departement → Region
Ainsi chaque ville appartient à un département qui est situé dans
une région.
1-4 Modèles en étoile, en flocon et en constellation

A partir du fait et des dimensions, il est possible d'établir une

structure de données simple qui correspond au besoin de la
modélisation multidimensionnelle. Cette structure est constituée du
fait central et des dimensions. Ce modèle représente visuellement
une étoile, on parle de modèle en étoile
 EXEMPLE :
La Figure ci-dessous décrit le schéma en étoile modélisant les analyses des
quantités et des montants des médicaments dans les pharmacies selon trois
dimensions :
 Le temps,
 La catégorie,
 La situation géographique.
 modélisation en flocon (snowflake)

consiste à décomposer les dimensions du modèle en étoile en

sous hiérarchies. La modélisation en flocon est donc une
émanation de la modélisation en étoile ; le fait est conservé et les
dimensions sont éclatées conformément à sa hiérarchie des
paramètres.
 Cette Figure illustre la modélisation en flocon ; nous
décrivons le modèle en étoile de la Figure précédente en
dénormalisant chacune de ces dimensions, formant ainsi une
sorte de flocon.
La Figure illustre la modélisation en constellation ; nous décrivons une constellation
constituée de deux schémas en étoile : l'un correspond aux ventes effectuées dans les
pharmacies et l'autre analyse les prescriptions des médecins.

Les dimensions Temps et Geographie sont partagées par les faits Prescriptions et Vente.
 2- Modélisation Logique
Au niveau logique plusieurs possibilités sont envisageables
pour la modélisation multidimensionnelle. Il est possible
d'utiliser :

- un système de gestion de bases de données (SGBD)

existant tel que les SGBD relationnels (ROLAP) ou bien
les SGBD orientées objet (OOLAP),

- un système de gestion de bases de données

multidimensionnelles (MOLAP).
 2- Modélisation Logique
2-1 ROLAP
- chaque fait correspond à une table, appelée table de fait,
- chaque dimension correspond à une table, appelée table de
dimension.

Ainsi, la table de fait est constituée d'attributs représentant

les mesures d'activité et les attributs clés étrangères de
chacune des tables de dimension. Les tables de dimension
contiennent les paramètres et une clé primaire permettant de
réaliser des jointures avec la table de fait
VENTE(CleTps#, CleGeo#, CleCat#, Quantite, Montant)
TEMPS(CleTps, Annee, Trimestre, Saison, Mois, Jour)
GEOGRAPHIE(CleGeo, Region, Departement, Ville)
CATEGORIE(CleCat, TypeProd, Gamme, NomProd,
Couleur)
2-2 OOLAP
Plus récemment, une autre approche s'appuie sur le paradigme objet ;
on parle de l'approche
OOLAP ("Object On-Line Analytical Processing"). Le modèle
multidimensionnel se traduit
ainsi :
- chaque fait correspond à une classe, appelée classe de fait,
- chaque dimension correspond à une classe, appelée classe de
dimension.
2-3 MOLAP
Consiste à utiliser un système multidimensionnel "pur " qui
gère des structures multidimensionnelles natives ; on parle
de l'approche MOLAP ("Multidimensional On-Line
Analytical Processing").

Cette approche permet de stocker les données de manière

multidimensionnelle. L'intérêt est que les temps d'accès
sont optimisés, mais cette approche nécessite de redéfinir
des opérations pour manipuler ces structures
multidimensionnelles
 OLAP n’est pas une nouvelle technologie mais réunit un ensemble de
nouvelles fonctionnalités décrites par les 12 règles suivantes :

1 - Vue multidimensionnelle
2 - Transparence
3 - Accessabilité
4 - Performance continue dans les restitutions
5 - Architecture Client / Serveur
6 - Dimensions graphiques
7 - Gestion dynamique des matrices creuses
8 - Support multi-utilisateurs
9 - Opérations entre dimensions
10 - Manipulation intuitive des données
11 - Flexibilité des restitutions
12 - Nombre de dimensions et de niveaux de hiérarchie illimités
 Les différentes configurations

Il existe plusieurs configurations OLAP :

MOLAP :
Le cube dimensionnel est pré-calculé et stocké sur le serveur sous forme de matrice.
Ce système facile à manipuler par l’utilisateur nécessite une base
multidimensionnelle.
ROLAP :
L’utilisateur interroge directement la base de données relationnelle. Cette
configuration supporte les gros volumes ( gestion par le SGBDR ) mais n’est pas
facile à manipuler par l’utilisateur ( pas de notion de dimensions, de faits, de vues ... ).