Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Chap1 bi Chapitre Business Intelligence Introduction CPlan ? Dé ?nitions Problématique ? L ? état de l ? art du décisionnel ? Les entrepôts de données Data Warehouse ? Les datamarts ? Fouille de données Data Mining ? Architecture d ? un Data Warehouse ? M

Chapitre Business Intelligence Introduction CPlan ? Dé ?nitions Problématique ? L ? état de l ? art du décisionnel ? Les entrepôts de données Data Warehouse ? Les datamarts ? Fouille de données Data Mining ? Architecture d ? un Data Warehouse ? Modélisation d ? un DW ? Alimentation d ? un DW ? Les bases de données multidimensionnelles CDé ?nitions ? Business Intelligence L ? informatique décisionnelle ? Processus technologique qui ?? Analyse les données ?? Présente des informations exploitables par les dirigeants les cadres commerciaux ? ?? Prendre les bonnes ou meilleures décisions CDé ?nitions ? Outils ? Applications ? Méthodologies ?? ? Collecter ? Préparer ? Prendre des décisions CProblématique Contexte ? Besoin ? Pourquoi ? Qui ? Comment CProblématique Contexte ? Besoin Prise de décision stratégique ? Pourquoi Besoin de réactivité ? Qui Utilisé par les décideurs et analystes ? Comment répondre aux demandes d ? analyse des données dégager des informations qualitatives nouvelles CQui sont mes meilleurs clients Quels Tunisens consomment beaucoup de poisson Pourquoi et comment le chi ?re d ? a ?aire a baissé A combien s ? élèvent mes ventes journalières CDatawarehouse Dé ?nition ? Base de Données dédiée au stockage de Données ? Alimentée depuis une Base de production ? Grace aux outils ETL Extract Transform Load CBesoin des entreprises ? accéder à toutes les données de l ? entreprise ? regrouper les informations disséminées ? Analyser et prendre des décisions rapidement Règle d ? or Construire un DWH à partir des besoins des clients et non pas à partir des Données CExemples d'applications concernées ? Grande distribution marketing maintenance ?? produits à succès modes habitudes d ? achat ?? préférences par secteurs géographiques ? Bancaire suivi des clients gestion de portefeuilles ?? mailing ciblés pour le marketing ? Télécommunications pannes fraudes mobiles ?? classi ?cation des clients détection fraudes fuites de clients CObjectifs décisionnels Historisation Conserver ne pas e ?acer Centralisation Achats Ventes RH DWH Analyser mieux comprendre ce qui se passe C CLes étapes Préparation ETL Extract Transform Load ?? Extraction ?? Nettoyage ?? Stockage ? Archivage format CSV ? Historisation Comparer avec les chi ?res de l ? année dernière CMétaphore du restaurant En cuisine Préparer transformer Caractéristiques Rigueur et constance C Présentation ?? Analyse ?? Reporting Métaphore du restaurant A la salle à manger Consommer Caractéristiques Beau et bon CLe décisionnel Mesurer ?? Température ?? Temps ?? Distance Les dimensions les attributs ?? Quand O? C Faits fact Exemple Les ventes Table de faits Ventes Date Magasin Pdt D M X D M Y Quantité PU CProblématique ? Les dimensions ont des attributs La date D ?? Date ?? Jour ?? Jour de la semaine ?? Mois ?? Trimestre ?? Année CProblématique ? Les dimensions sont réutilisables On retrouve les mêmes produits ?? Achats ?? Ventes ?? Inventaire Les Données se conjuguent au pluriel CLes données utilisables par les décideurs ? Données opérationnelles de production ?? Bases de données Oracle SQL Server ?? Fichiers ? ??