Systèmes d’informations Décisionnels

Master: Business Analytics

Chapitre 1:   Introduction à l’informatique décisionnelle

Dr. Bilel Marzouki

Dr. Fatma Siala Kallel

2022/2023
Déroulement du cours

 Cours : 3 heures par semaine/14 semaines (Cours appliqué )

 TP : Rapports à remettre après chaque fin de TP

 Projet BI : Présentation ( soutenance) + Application + Rapport

 Moyenne = 40% CC + 60% Examen

Supports de cours

Le data warehouse : Guide de conduite de projet, R. Kimball, L. Reeves,

M. Ross, W. Thornthwaite, Eyrolles, 576 pages
Entrepôts de données , Ralph Kimball et Margy Ross, Vuibert   2ème édition, 464 pages

Mastering Data Warehouse Design, Claudia Imhoff, Jonathan G. Geiger, Nicholas Galemmo, John Wiley
456 pages (anglais)
Plan

Chapitre 1 : Introduction à l’informatique décisionnelle

Chapitre 2 : Entrepôt de données
Chapitre 3 : Cube OLAP
Chapitre 4 : Notions Business Intelligence
Chapitre 5: ETL avec pratique
Chapitre 6 : Data visualisation
Chapitre 1 : Introduction à l’informatique décisionnelle
 Plan du chapitre

1- Définition d’un système décisionnel

2- Pourquoi construire un système décisionnel?
3- Comprendre le processus de prise de décision
4-Un système opérationnel Vs Un système décisionnel
Définition d’un système décisionnel
 Définition 1

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.

Source : Gartner
 Définition 2

Un ensemble de solutions informatiques

permettant l’analyse des données de
l’entreprise, afin d’en dégager les
informations qualitatives nouvelles qui vont
fonder des décisions, qu’elles soient tactiques
ou stratégiques.
Source : Smile (Open Source Solutions)
 Déclinaisons métiers du Décisionnel

•SPM: Strategic Performance Management

Déterminer et contrôler les indicateurs clé de la performance de l’entreprise.

•FI: Finance Intelligence

Planifier, analyser et diffuser l’information financière. Mesurer et gérer les risques.
 Déclinaisons métiers du Décisionnel
•HCM: Human Capital Management
Aligner les stratégies RH, les processus et les technologies.

•CRM: Customer Relationship Management

Améliorer la connaissance client, Identifier et prévoir la rentabilité client, Accroître l’efficacité du
marketing client.

•SRM: Supplier Relationship Management

Classifier et évaluer l’ensemble des fournisseurs. Planifier et piloter la stratégie Achat.
 Domaine d’application

•Mailing: Amélioration du taux de réponse..

•Banque, Assurance: Déterminer les profils client Risque d'un Prêt, Prime plus

précise ..

•Commerce: Ciblage de clientèle, déterminer les promotions..

• Logistique: Adéquation demande/production..

• Santé: Epidémiologie (VIH, Amiante, …)..

• Econométrie: Prédiction de trafic autoroutier..

• Ressources Humaines: Adéquation activité/personnel..

Pourquoi construire un système décisionnel?
Quels sont les résultats des VENTES Par gamme de produit, Par grade
de vendeur, Par région et Par magasin de la deuxième semaine du
mois de septembre de l’année dernière ?
Les systèmes d’information de production ne répondent pas aux
questions des décideurs citées auparavant vu que :

1- Les sources de données sont trop complexes(BD, Fichiers…).

2- Les requêtes sont coûteuses.
3- Le système opérationnel ne peut pas être interrompu
4- Pas de traçabilité de données.
5- Les données de l’entreprise sont éparpillées.
Comprendre le processus de prise de décision
Concepts Cléfs
 Donnée

- Résultat direct d’une mesure

- Peut être collectée par un outil de mesure ou être présente
dans une base de données
- Ne permet pas de prendre de décision sur une action à lancer

 Exemple

- Le mois dernier, on a enregistré 1217 incidents au centre de services

- 10 nouveaux prestataires ont été employés à la direction informatique
 Information

- Donnée à laquelle un sens et une interprétation ont été donnés

- Permet au responsable de prendre une décision sur une action

 Exemple

- Le mois dernier, on a enregistré une augmentation de 240%

du Nombre d’incidents par rapport au mois précédent

- L’emploi des 10 prestataires est liés à une augmentation

temporaire de la charge de travail
 Connaissance

- Résultat d’une réflexion sur les informations analysées

- Se base sur les expériences, les idées, valeurs, avis des personnes consultées

 Exemple

Les gestionnaires du changement peut établir une corrélation entre l’arrivée des
nouveaux Prestataires et l’augmentation du nombre d’incidents en ayant connaissance de
certains éléments
 Sagesse

- Etat d’esprit général de discernement final sur le contenu et de jugement de bon sens
- Permet de lancer des actions d’adaptation de l’organisation, des personnes,
des processus et outils

 Exemple

-Le responsable sénior de l’organisation prend des décisions à long terme et des
Décisions stratégiques pour l’organisation informatique
 Processus décisionnel

Définition de décision
Une décision est le résultat d’un processus comportant le choix entre
plusieurs solutions en vue d’atteindre un objectif.

Processus de prise de décision

 Système d’aide à la décision

C’est un système qui utilise les données transitant par un système d’information, données
de production le plus souvent, en informations susceptibles d’être exploitées à des fins
décisionnelles.
Il se compose d’une famille d’outils informatiques assurant le fonctionnement de la chaine
de traitement de l’information, se comportant essentiellement de quatre phases :

Alimentation
Modélisation
Analyse
Restitution
 SIAD et SID

Système d’information d’aide à la décision (SIAD)

- Offre toutes les informations nécessaires pour aider

les décideurs à prendre la bonne décision

Système d’information décisionnel

- SIAD + Datamining (ECD) -> offre des prédictions

Les étapes pour construire un système décisionnel

1- Préparation 2- Présentation

Extraction Analyse
Nettoyage Reporting
Stockage
 ETL: Extract, Transform, Load

Extraction des données à partir d’une ou plusieurs sources de données:

fichier, texte, Excel, base de données …

Transformation des données agrégées

Chargement des données dans la banque de données de destination (Datawarehouse)

 La phase d’ETL est incontournable car elle conditionne et influence la qualité du projet par la suite
ETL est une technologie permettant de :

- Effectuer des synchronisations massives des données d’une banque de données

vers une autre

- Extraire, transformer, nettoyer et charger les données entre différents

sources de données hétérogènes
 Analyse

- Regroupement de l’ensemble des techniques de statistique, d’économétrie,

de Data Mining, et de recherche opérationnelle

- Demande souvent des compétences statistiques avancées

- Néanmoins certaines solutions embarquent ces fonctionnalités pré-paramétrées

à des cas de figures bien définies, afin d’offrir leur valeur ajoutée à des personnes fonctionnelles
 Restitution (Reporting)

- La génération de tableau de bord, est la partie émergée de l’iceberg: l’informatique décisionnelle

- C’est la partie que voient la plupart des utilisateurs

- Ce sont généralement de jolies interfaces intuitives permettant à un utilisateur en fonction de

ses droit, de consulter des rapports, des tableaux de bord,
de les annoter, voire de les créer lui-même
 Operational Data Store (ODS) Vs Staging Area (SA)

C’est une base de données conçue pour centraliser les données issues de
Sources hétérogènes, Le modèle d’une base de données (ODS ou SA) est un modèle
Relationnel classique identique au modèle du système de production.

Leurs différences:

Dans le cas du staging area, les données sont detruites directement après avoir été chargées
Dans le datawarehouse mais pas pour l’ODS où les données auront quand même
une durée de vie plus longue
 Opérationnel Vs Décisionnel

Opérationnel
Gère les données de l’entreprise
Processus de mise à jour transactionnel
Modèle relationnel
Données normalisées
Beaucoup d’utilisateurs
Non historiées (MAJ)
Beaucoup de tables
Décisionnel
Analyse les données de l’entreprise
Processus d’analyse des données
Autre modèle
Données dénormalisées
Peu d’utilisateurs
Le temps est fondamental
Peu de tables mais à grande taille