BI : Enjeux, modèles et

architecture

Jalal TAJEDDINE
La Problématique

Je n’ai pas un problème

de manque de données…

… Mon problème est de

pouvoir disposer de la
bonne information au bon
moment pour être en
mesure de prendre la
meilleure décision.

Slide 2
Business Intelligence: Une Définition

La Business intelligence est un ensemble de moyens,

des outils et des méthodes qui permettent de collecter,
consolider, modéliser et restituer les données d’une
entreprise en vue d’offrir une aide à la décision et de
permettre aux responsables d’avoir une vue
d’ensemble de l’activité traitée.

Slide 3
La Mission de la Business intelligence

“Libérer la Puissance de
l’Information pour Améliorer la
Performance des
Organisations”

Slide 4
Idées Reçues…

Idée reçue n°1

“Mon ERP fait déjà tout cela !”

Les ERP n’intègrent pas une vue unique et ne permettent pas de

consolider des systèmes

Ils ne proposent pas des analyses guidées, des règles et alertes

Ils ne gèrent pas le suivi des métriques et des objectifs et ne
proposent pas des dashboards ou reporting analytiques.

ERP = Transactionnel, BI = Décisionnel

Slide 5
Idées Reçues…

Idée reçue n°2

“Avec Excel, je couvre tous mes besoins d’analyse”

Pas simple d’accéder aux données à partir d’Excel

Des milliers de feuilles XLS non reliées entre elles

Plusieurs versions de la vérité

Aucun responsable de la qualité des données

Slide 6
Caractéristique de la BI

Possibilité de poser une grande variété de questions au

système, certaines prévisibles et planifiées comme des
tableaux de bord et d'autres imprévisibles.

Permettre à l'utilisateur d'effectuer les requêtes qu'il

souhaite, par lui-même, sans l'intervention du service
informatique.

Rapidité d’accès à l’information:

 Utile
 Synthétique et détaillée
 Et fiable …

Slide 7
Caractéristique de la BI

Les transferts de données du système opérationnel Vers le

système décisionnel seront réguliers avec une périodicité
bien choisie.

Approche « métier » et non outil.

Ergonomie « parlante » Utile.

Slide 8
Le cercle vertueux de l’information

Slide 9
Fonctions de la BI

Tout système d'information décisionnel (SI) assure quatre

fonctions:

Collecte
Intégration
Diffusion
Présentation des données

À ces quatre fonctions s'ajoute une fonction de contrôle du SID

lio même (L’administration).

Slide 10
Fonctions de la BI : Collecte

La collecte des données (parfois appelée data pumping) est

l'ensemble des tâches consistant à détecter, à sélectionner, à
extraire et à filtrer les données brutes issues des systèmes
opérationnels.

Elle s'appuie notamment sur des outils d'ETL (Extract-

Transform-Load) pour extraction, transformation et chargement
de données

Slide 11
Fonctions de la BI : Intégration

L’intégration des données, c'est-à-dire leur regroupement en un

ensemble technique, logique et sémantique homogène
approprié aux besoins de l'organisation.

Elle consiste à concentrer les données collectées dans un

espace unifié, dont le socle informatique essentiel est l'entrepôt
de données.

Il permet aux applications décisionnelles de bénéficier d'une

source d'information commune, homogène, normalisée et
fiable, susceptible de masquer la diversité de l'origine des
données.

Slide 12
Fonctions de la BI : Diffusion

La diffusion, ou la distribution d'informations élaborées à partir

des données dans des contextes appropriés « Des métiers » .

Elle met les données à la disposition des utilisateurs, selon des

schémas correspondant au profil ou au métier de chacun pour
leur affranchir de toute connaissance technique, comme le
langage SQL, pour accéder aux données

Slide 13
Fonctions de la BI : Présentation

Cette quatrième fonction, la plus visible pour l'utilisateur, régit

les conditions d'accès de l'utilisateur aux informations.

Elle assure le fonctionnement du poste de travail, l’analyse des

données à travers des requêtes, la visualisation des résultats
sous une forme ou une autre « Reporting, Dashboard, …).

Slide 14
Fonctions de la BI : Administration

L’administration gère le dictionnaire de données et le

processus d'alimentation de bout en bout, car le système
d’information décisionnel doit être lui-même piloté.

C'est la fonction transversale qui supervise la bonne exécution

de toutes les autres. Elle pilote le processus de mise à jour des
données, la documentation sur les données (les méta
données), la sécurité (Droit d’accès aux DW, couches
sémantique, rapports, …), les sauvegardes et la gestion des
incidents.

Slide 15
Fonctions de la BI : Remarque

En pratique, les fonctions de collecte et d'intégration sont

étroitement liées entre elles, et sont généralement associées
au data warehouse.

De même, diffusion et présentation sont des fonctions

fortement "orientées sujet", tournées vers l'utilisateur et son
métier, manipulant des contenus à forte valeur ajoutée
informationnelle et non des données brutes; elles sont donc
fortement imbriquées logiquement et techniquement

Slide 16
Quelques apports de la BI

La Business Intelligence permet d’apporter des réponses à

plusieurs questions primordiales :

« Quels sont les bons clients qui vont nous quitter ? »

« Quels sont les produits les plus vendus et les moins vendus ? »

« Quelle est la qualité du service de notre centre d’appel ? »

« Quelles sont les corrélations entre produits vendus ? »

« Quelle est la performance de mes vendeurs ? »

Slide 17
Le BI dans le cycle de décision

Slide 18
Business Intelligence : Schéma global

Slide 19
Data Warehouse : Définition

« Le data Warehouse est une collection de données orientées

sujet, non volatiles, historisées, détaillées et agrégées,
organisées pour le support d’un processus d’aide à la décision
»

Principe : Mettre en place une base de données dédiées pour

les analyses.

Slide 20
Data Warehouse : Orienté sujet

Chaque information est rattaché au « sujet » métier qu’elle

décrit
Regroupe les informations des différents métiers

Slide 21
Data Warehouse : Datée et historisée

Les données persistent dans le temps

Mise en place d’un référentiel temps

Slide 22
Data Warehouse : Données non volatiles

Traçabilité des informations et des décisions prises

Copie des données de production

Slide 23
Data Warehouse : Agrégées et détaillées

Synthèse et simplification de la réalité

Précision des indicateurs et confiance utilisateurs

Slide 24
L’évolution du système décisionnel dans le temps

Slide 25
Les DATAMARTs

Sous-ensemble d’un entrepôt de données

Destiné à répondre aux besoins d’un secteur ou d’une

fonction particulière de l’entreprise. Exemple :
 Datamart Commercial
 Datamart Financier
 Télécom: (Prepaid, Postpaid, B2B, Géolocalisation, ADSL, GSM,…)

Alimentation à partir du Data Warehouse

Point de vue spécifique selon des critères métiers

Slide 26
Du DATAMART vers DATA WAREHOUSE

Les plus des DATAMART dépendants

 Itération du Data Warehouse
 Sécurité et performance

Les risques des DATAMARTs indépendants

 Incohérence des modèles
 Duplication des flux d’alimentation
 Utilisation de technologie hétérogènes
 Maintenance et administration réparties

Slide 27
Du DATAMART vers DATA WAREHOUSE

Slide 28
Modélisation dimensionnelle : Définition

La modélisation consiste à transformer les données sources

en structures logiques décisionnelles finalisées.

La modélisation dimensionnelle diffère de la modélisation

entité/relation.

C’est la seule technique fiable permettant de fournir des

données aux utilisateurs finaux dans le cadre d’un système
décisionnel.

Slide 29
Focus sur la modélisation E/R

La modélisation entité/relation est adaptée aux système

OLTP.
Vise à éliminer les redondances
Adaptée aux transactions
Gère le présent et néglige le passé

Slide 30
Exemple de modèle opérationnel

Un stratège, dans le cadre d’une démarche d’optimisation logistique,

souhaite connaître :

le volume des ventes d’une certaine catégorie de produits réalisés auprès des clients
d’une région pour lesquelles les livraisons auraient été effectuées à partir des entrepôts
d’un site géographique

Slide 31
Constat

Le besoin opérationnel est détaché de la culture

décisionnelle

Difficultés de navigation.
 Informations noyées dans la masse
 Informations encapsulées dans les traitements
 Modèle cyclique : résultats différents selon le chemin choisi

Performances
 Jointures multiples
 Pas d’agrégations

Slide 32
Le modèle E/R et les systèmes décisionnels

Il faut l’éviter dans les systèmes décisionnels !!

Le modèle E/R n’est pas interrogeable par voie logicielle

L’adoption d’un modèle E/R pour un système décisionnel

aura des conséquences catastrophiques au niveau des
performances.

Slide 33
Modélisation dimensionnelle : Qualification

On peut définir quatre axes de qualification d’un modèle de

données dimensionnelle :

Slide 34
Schéma opérationnel Vs Schéma décisionnel
CATEGORIE_CLIENT
1.n
Code_categorie_client NUMBER <pk>
1.1
Categorie_client VARCHAR(20)
TYPE_CLIENT
Code_type_client NUMBER <pk> LIVRAISON
Code_categorie_client NUMBER <fk> 1.1 Code_livraision NUMBER <pk> 1.1
Type_client VARCHAR(20) Code_client NUMBER <fk>
...
1.1 Date_livraision DATE
... 1.n
1.n 1.1
CLIENT LIGNE_LIVRAISON
Code_client NUMBER <pk> Code_entrepot NUMBER <fk1>
REGION VILLE Code_ville NUMBER <fk1> Code_livraision NUMBER <fk2>
1.n Code_commercial NUMBER <fk2> Date_livraison DATE
Code_région NUMBER <pk> Code_ville NUMBER <pk> 1.n
1.1 Code_pays NUMBER <fk> Code_région NUMBER <fk> Code_type_client NUMBER <fk3> ...
1.1 1.1 Nom 1.1
Région VARCHAR(20) Ville VARCHAR(20) VARCHAR(20)
... ... Prénom VARCHAR(20)
Date_naissance DATE 1.n
1.n 1.n
1.1
PAYS 1.1 ENTREPOT
Code_pays NUMBER <pk> COMMANDE Code_entrepot NUMBER <pk>
Pays VARCHAR(20) 1.1 Entrepot VARCHAR(50)
Code_commande NUMBER <pk>
AGENCE COMMERCIAL Code_client NUMBER <fk1>
1.1
1.1 Code_agence NUMBER Code_commercial NUMBER <pk> Code_commercial NUMBER <fk2>
<pk> 1.n Code_agence NUMBER <fk> Date_commande DATE
Code_site NUMBER <fk> ...
Agence VARCHAR(20) Nom_commercial VARCHAR(20) 1.1
... ...

1.n
1.n LIGNE_COMMANDE
SITE Code_commande NUMBER <fk1>
Code_site NUMBER <pk> Code_produit NUMBER <fk2>
Site VARCHAR(20) 1.n Prix NUMBER
Quantité NUMBER
Montant NUMBER
1.n ...

1.1 PRODUIT
Code_produit NUMBER <pk>
Code_gamme NUMBER <fk>
1.n Designation VARCHAR(20)
...
CATEGORIE GAMME
1.n 1.1
Code_categorie NUMBER <pk> Code_gamme NUMBER <pk>
Categorie VARCHAR(20) Code_categorie NUMBER <fk>
Gamme VARCHAR(20)
...
Slide 35
Schéma opérationnel Vs Schéma décisionnel

DM_CLIENT DM_TEMPS
Id_client NUMBER <pk> Id_temps NUMBER <pk>
Code_client NUMBER Jour VARCHAR(20)
Nom_complet VARCHAR(50) Mois en chiffre NUMBER
TF_COMMANDE
Date_naissance DATE Mois en lettre VARCHAR(20)
Type_client VARCHAR(20) Id_client NUMBER <pk,fk1> Trimestre NUMBER
Categorie_client VARCHAR(20) Id_temps NUMBER <pk,fk2> Année NUMBER
... Id_Axe_Geo NUMBER <pk,fk3> ...
Id_commercial NUMBER <pk,fk4>
Id_produit NUMBER <pk,fk5>
Prix NUMBER
Quantité NUMBER
DM_AXE_GEOGRAPHIE
Chiffre d'affaire NUMBER
Id_Axe_Geo NUMBER <pk> DM_PRODUIT
...
Ville VARCHAR(20) Id_produit NUMBER <pk>
Région VARCHAR(20) Designation_produit VARCHAR(30)
Pays VARCHAR(20) Gamme VARCHAR(20)
... Categorie VARCHAR(20)
TF_LIVRAISON ...
Id_client NUMBER <pk,fk1>
Id_temps NUMBER <pk,fk2>
Id_produit NUMBER <pk,fk3>
Id_entrepot NUMBER <pk,fk4>
Nombre_livraison NUMBER
...
DM_COMMERCIAL DM_ENTREPOT
Id_commercial NUMBER <pk> Id_entrepot NUMBER <pk>
Nom_commercial VARCHAR(20) Entrepot VARCHAR(50)
Agence VARCHAR(30)
Site VARCHAR(30)
...

Slide 36
Théorie du modèle

Une table de fait comporte

 Les identifiants des tables des dimensions

 Les informations numériques objets d’analyse (Mesures, indicateurs,
…)

Les tables de dimension comportent

 Les identifiants
 Les attributs descriptifs de la dimension

Une granularité est définie dans la table de fait par les

identifiants et la date

Slide 37
Avantage du modèle

Slide 38
Exemple pour un suivi des ventes

Slide 39
Exemple pour une analyse des ventes

Slide 40
Exemple pour le pilotage des ventes

Slide 41
Business Objects

Slide 42
Qu’est ce que BusinessObjects Enterprise

BusinessObjects Enterprise est la première suite intégrée

de produits de business intelligence du marché.

Elle permet aux organisations de suivre, comprendre, et

piloter les performances de l’entreprise.

C’est la nouvelle référence du marché de la Business

Intelligence.

Slide 43
Une Plate-Forme BI Complète et Intégrée

Slide 44
Business Objects Designer
La Couche Sémantique : Univers

Objectif
 Affranchir les utilisateurs de toute connaissance technique, comme le langage SQL, pour accéder
aux données
Idée
 Mettre à disposition des Univers (couches sémantiques) contenant des Objets métiers regroupés
dans des Classes thématiques
La question est définie en regroupant les Objets correspondants
Bénéfices
 Les utilisateurs sont autonomes et plus réactifs
 La Direction Informatique doit mettre à disposition l’information et contrôler la sécurité d’accès
Technologie innovante
 Business Objects a déposé un brevet international

Slide 46
Piloter Votre Activité

Visualisation améliorée
 Une compréhension facilitée
 Visibilité, transparence, tendances des
indicateurs clés

Mise en page enrichie

 Plus d’interactivité et de flexibilité dans
le formatage et l’affichage

Slide 47
Représentation Métier des Données

Représentation Structure de la
métier base de données

Finances
Qualité

Ventes

Data Warehouse
Utilisateurs finals
SI

 Le Designer traduit le vocabulaire utilisateur en

correspondance technique.

Slide 48
Notion d'Univers

Couche sémantique entre les Utilisateurs et la base de données

 Présente les données avec
le vocabulaire professionnel
des Utilisateurs

 Exploite la connaissance
contenue dans la structure
de la base de données

VENTES /
MARKETING
Client
Vendeur
Chiffre d’Affaires
Date Commande
Employé Article
Salaire PERSONNEL Prix
Bonus ...
...

Slide 49
Notion d'Univers

BO fournit à l’utilisateur une représentation intelligente et

facilement compréhensible de son système d’informations
grâce à trois concepts :

 L’Univers :
• Vision partielle ou totale d’une base de données.
• Regroupe l’ensemble des Objets du domaine

 La Classe :
• Regroupement logique d’Objets de même thème

 Le Business Objet ou Objet du métier :

• Elément le plus fin de l’Univers.
• Permet de passer de données brutes à la manipulation d’informations : données
concaténées, agrégées ou calculées.

Slide 50
Notion d'Objet du Métier : le Client ...

Correspondance SQL invisible pour l’Utilisateur

CLIENTS

ID_CLIENT ADRESSE PRENOM_CLI NOM_CLI

Base de VILLE

Données

CLIENTS.PRENOM_CLI, CLIENTS.NOM_CLI

Indépendance complète vis-à-vis du schéma physique

Objet du Métier Client

Il s'agit du Prénom et du Nom du Client.

Slide 51
... et le Chiffre d'Affaires

Correspondance SQL invisible pour l’Utilisateur

LIGNES_COMMANDE ARTICLES

Base de ID_COMM ARTICLE_COMM QUANT

ID_ARTICLE LIB_ARTICLE

données PRIX

SUM ( LIGNES_COMMANDE.QUANT * ARTICLES.PRIX )

Objet du Métier Chiffre

Chiffred’Affaires
d’Affaires
Le Chiffre d’affaires est en euros hors taxes.

Slide 52
Supporte TOUS les Schémas

Schémas de Data warehouse Schémas Schémas en

production avec données en étoile «étoiles
normalisés agrégées multiples»

Génération d'ordres SQL multiples

Contextes
Gestion des agrégats

Slide 53
Business Objects WEB
Intelligence
Un enchaînement naturel des tâches

• Un seul outil pour comprendre et piloter votre activité.

1 - Interrogation 2 - Reporting

3 - Analyse 4 - Partage

Slide 55
1 – Interrogation : répondre à la question Quoi ?

Représentation métier des données

 Transforme la structure technique de la base de données en un
vocabulaire métier utilisateur (couche sémantique brevetée).
Représentation
métier Données
Gestion de l'entreprise
Finance
Ventes

Client
Vendeur
Utilisateurs finals Chiffre d’Affaires Informaticien
Prix

Slide 56
Des objets vers le document

Traitement sur le serveur

Partie prise en
charge par SQL Résultats
BusinessObjects

Représentation Métier

CA
CA Région
Région Produit
Produit Génération
du document
Partie visible par l'utilisateur
autonomie par rapport à l'informatique

Slide 57
Nombre de requêtes illimité

Sémantique dynamique
3 Objets du métier... ... 7 combinaisons
possibles Produit
Produit
Client
Client
Chiffre
Chiffre d’Affaires
d’Affaires Chiffre
Chiffre d’Affaires
d’Affaires
Client
Client Client
Client Produit
Produit

Produit Chiffre
Chiffre d’Affaires
d’Affaires Produit
Produit
Produit
Chiffre
Chiffre d’Affaires
d’Affaires Client
Client
Chiffre
Chiffre d’Affaires
d’Affaires Client
Client Produit
Produit

12 objets 4 095 requêtes

50 objets plus de 1 000 000 000 requêtes

 L’utilisateur peut combiner les objets à sa guise.
 BusinessObjects dépasse les limites du SQL

Slide 58
Interface de requête homogène

Objets
disponibles

Informations
demandées

Restrictions

Périmètre
d’analyse

Slide 59
2 – Reporting : des documents professionnels

Générateur de rapports très puissant pouvant contenir des

données d’origines différentes
SGBD Relationnels

Serveurs OLAP

Fichiers personnels
(Excel, dBase...)

Allie
facilité d'utilisation
richesse fonctionnelle
Combinaison
placement libre
structure d'état

Slide 60
3 - Analyse

Du « Quoi ? » au « Pourquoi ? » en un clic de souris.

Slide 61
Analyse multi-dimensionnelle

Comprendre les résultats d’un niveau global à un

niveau plus détaillé.

Slide 62
4 - Partager

XI
Acrobat Reader Microsoft Excel Portail E-mail

Slide 63
Démonstration technique