Remerciez-le!

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

Plan Introduction Le marché du décisionnel Les entrepôts de données Les datamar

Plan Introduction Le marché du décisionnel Les entrepôts de données Les datamart Architecture Alimentation Modélisation Les bases de données multidimensi onnelles page 1 Systèmes décisionnels Le contexte Besoin: prise de décisions stratégiques et tactiques Pourquoi: besoin de réactivité Qui: les décideurs (non informaticiens) Comment: répondre aux demandes d’analyse des données, dégager des informations qualitatives nouvelles Qui sont mes meilleurs clients? A combien s’élèvent mes ventes journalières? Quels Marocains consomment beaucoup de poisson? Pourquoi et comment le chiffre d’affaire a baissé? Systèmes décisionnels page 2 Le marché du décisionnel Systèmes décisionnels page 3 Quelques solutions commerciales Systèmes décisionnels page 4 Quelques solutions open source Intégré Pentaho (Kettle, Mondrian, JFreeReport, Weka) SpagoBI ETL Entrepôt de données OLAP Reporting Data Mining Octopus MySql Mondrian Birt Weka Kettle Postgresql Palo Open Report R-Project CloverETL Greenplum/Bizgres Jasper Report Orange Talend JFreeReport Xelopes Systèmes décisionnels page 5 Quelques métiers du décisionnel Strategic Performance Management Déterminer et contrôler les indicateurs clé de la performance de l’entreprise Finance Intelligence Planifier, analyser et diffuser l’information financière. Mesurer et gérer les risques Human Capital Management (gestion de la relation avec les employés) Aligner les stratégies RH, les processus et les technologies. Customer Relationship Management (gestion de la relation client) Améliorer la connaissance client, identifier et prévoir la rentabilité client, accroitre l’efficacité du marketing client Supplier Relationship Management (gestion de la relation fournisseur) Classifier et évaluer l’ensemble des fournisseurs. Planifier et piloter la stratégie Achat. Systèmes décisionnels page 6 Systèmes décisionnels page 7 Les données utilisables par les décideurs Données opérationnelles (de production) Bases de données (Oracle, SQL Server) Fichiers, … Paye, gestion des RH, gestion des commandes… Caractéristiques de ces données: Distribuées: systèmes éparpillés Hétérogènes: systèmes et structures de données différents Détaillées: organisation des données selon les processus fonctionnels, données surabondantes pour l’analyse Peu/pas adaptées à l’analyse : les requêtes lourdes peuvent bloquer le système transactionnel Volatiles: pas d’historisation systématique Systèmes décisionnels page 8 Systèmes décisionnels page 9 10 Problématique Comment répondre aux demandes des décideurs? En donnant un accès rapide et simple à l’information stratégique En donnant du sens aux données Mettre en place un système d’information dédié aux applications décisionnelles: un data warehouse Systèmes décisionnels page 10 Systèmes décisionnels page 11 12 Domaines d’utilisation des DW Banque Risques d’un prêt, prime plus précise Santé Épidémiologie Risque alimentaire Commerce Ciblage de clientèle Déterminer des promotions Logistique Adéquation demande/production Assurance Risque lié à un contrat d’assurance (voiture) … Systèmes décisionnels page 12 Systèmes décisionnels page 13 Informatique décisionnelle Le besoin Les systèmes d'information d'entreprise sont fondés sur des bases de données relationnelles (OLTP) => Stocker des informations fragmentaires et retrouver des fragments (transaction) => Éviter les redondances (normalisation) => Objectifs opérationnels Mais les besoins pour le domaine décisionnel sont différents Besoin d'une information agrégée à différents niveaux (historiques par exemple) mais pas forcément, de tous les détails Pas de problème de redondance, la redondance peut même être recherchée pour améliorer l'efficacité Idée On va créer des bases de données spécialisées pour le décisionnel (OLAP) Bases de données multidimensionnelles – entrepôts de données Systèmes décisionnels page 14 Systèmes décisionnels page 15 e 16 Systèmes décisionnels page 16 Systèmes décisionnels page 17 18 Définition d’un DW W. H. Inmon (1996): « Le data Warehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d’un processus d’aide à la décision » Principe: mettre en place une base de données utilisée à des fins d’analyse Systèmes décisionnels page 18 Systèmes décisionnels page 19 Systèmes décisionnels page 20 21 Le processus de prise de décision Temps de prise d’une décision Définir le problème Rassembler les données Analyser les données Établir des solutions Décider Champs d’application des systèmes décisionnels Systèmes décisionnels page 21 Architecture classique Informatique décisionnelle Système d'information opérationnel Entrepôt de données ALIMENTATION Magasins de données Outils décisionnels Analyse reporting data-mining Systèmes décisionnels page 22 .... 23 Datamart Sous-ensemble d’un entrepôt de données Destiné à répondre aux besoins d’un secteur ou d’une fonction particulière de l’entreprise Point de vue spécifique selon des critères métiers Datamarts du service Marketing Systèmes décisionnels page 23 Datamart du service Ressources Humaines DW de l’entreprise Intérêt des datamart Nouvel environnement structuré et formaté en fonction des besoins d’un métier ou d’un usage particulier Moins de données que DW Plus facile à comprendre, à manipuler Amélioration des temps de réponse Utilisateurs plus ciblés: DM plus facile à définir 24 Systèmes décisionnels page 24 page 24 Architecture générale Data warehouse Requêtes Rapports Visualisation Data Mining … Sources de données Transformations: Nettoyage Standardisation … Zone de préparation Zone de présentation Datamart C H A R G E M E N Zone de stockage E X T R A C T I O N 25 Systèmes décisionnels page 25 Systèmes décisionnels page 25 Alimentation – ETL (Extract, Transform and Load) Filtrage On ne sélectionne que certaines données Correction des erreurs On vérifie la qualité des données, la cohérence des identifiants... Historisation des données Étiquetage des données avec des dates, mémorisation sur des durées souvent assez longues Agrégation Les données ne sont pas conservées avec un niveau trop fin de détail pour gagner en efficacité Systèmes décisionnels page 26 Informatique décisionnelle 27 Aperçu d’un ETL Systèmes décisionnels page 27 Les 4 caractéristiques des data warehouse 1- Données orientées sujet: Regroupe les informations des différents métiers Ne tiens pas compte de l’organisation fonctionnelle des données Ass. Vie Ass. Auto Ass. Santé Client Police Systèmes décisionnels page 28 Les 4 caractéristiques des data warehouse 2- Données intégrées: Normalisation des données Définition d’un référentiel unique h,f 1,0 h,f homme, femme GBP CHF USD EUR 29 Systèmes décisionnels page 29 page 29 Les 4 caractéristiques des data warehouse Modification Chargement 3- Données non volatiles Traçabilité des informations et des décisions prises Copie des données de production Bases de production Entrepôts de données Ajout Suppression Accès 30 Systèmes décisionnels page 30 page 30 Les 4 caractéristiques des data warehouse 4- Données datées Les données persistent dans le temps Mise en place d’un référentiel temps Nom Ville Omari Casa Jamali Agadir Nom Ville Omari Rabat Jamali Agadir Image de la base en Mai 2015 Code Année Mois 1 2005 Mai Base de production Entrepôt de données Calendrier Systèmes décisionnels page 31 Code Année Mois 1 Omari Casa 1 Jamali Agadir Répertoire Image de la base en Juillet 2016 Répertoire Répertoire Code Année Mois 1 2015 Mai 2 2016 Juillet Code Année Mois 1 Omari Casa 1 Jamali Agadir 2 Omari Rabat 32 SGBD et DW Service commercial BD prod Service Financier BD prod Service livraison BD prod Clientèle Data Warehouse Clientèle H I S T O R I OLTP: On-Line Transactional Processing OLAP: On-Line Analitical Processing Systèmes décisionnels page 32 OLTP VS DW Systèmes décisionnels page 33 OLTP DW Orienté transaction Orienté analyse Orienté application Orienté sujet Données courantes Données historisées Données détaillées Données agrégées Données évolutives Données statiques Utilisateurs nombreux, administrateurs/opérationnels Utilisateurs peu nombreux, manager Temps d’exécution: court Temps d’exécution: long Structure des bases de données multidimensionnelles Exemple La société « Roulez jeunesse » installée à Tarbes a construit une base de données (relationnelle) pour suivre l'évolution de ses ventes de rollers Pour analyser les résultats, on peut utiliser des tableaux Les Mois en ligne Les Modèles en colonnes Soit le Nombre, soit le Total HT comme valeurs dans les cellules => 2 états de base Systèmes décisionnels page 34 Informatique décisionnelle Mois Modèle Nombre Total HT Janvier 2006 Roller Junior 5 150,00 € Janvier 2006 Roller Découverte 5 150,00 € Février 2006 Roller Junior 3 93,00 € Mars 2006 Roller Freeride 2 400,00 € La société « Roulez jeunesse » est en pleine expansion et plusieurs magasins sont créés, il faut adapter la base de données Désormais, on peut croiser pour chaque Modèle donné, Mois et Demande pour chaque Magasin, Mois et Modèle pour chaque Mois, Magasin et Modèle et les deux mesures Nombre et Total HT => 6 états de base Systèmes décisionnels page 35 Informatique décisionnelle Mois Modèle Magasin Nombre Total HT Avril 2006 Roller Junior Tarbes 7 210,00 € Avril 2006 Roller Découverte Agadir 5 150,00 € Mai 2006 Roller Junior Agadir 3 93,00 € Mai 2006 Roller Freeride Tarbes 2 400,00 € On peut imaginer que la société affine ses études en ajoutant des informations comme la pointure, la couleur, la marque... des rollers Les informations deviennent alors très difficiles à appréhender Il faut alors envisager de passer à une vision multidimensionnelle de la base de données Dimensions et faits Modèle id_Modèle Descriptif Magasin id_Magas in Des criptif Adresse Mois id_Mois Nom_mois Année V entes Nombre T otal HT Dimension (ensemble de positions) Systèmes décisionnels page 36 Fait (ensemble de mesures) Cube décisionnel Magasin « Cube » décisionnel pour la mesure Total HT Modèle Mois Avril 2006 210 Systèmes décisionnels page 37 Hiérarchie sur les dimensions Dans notre exemple, nous avons étudié les ventes par mois On peut souhaiter l'étudier sur des durées différentes telles que par trimestre, par an... On va définir une dimension « Temps » constitué d'une hiérarchie à plusieurs niveaux Mois Trimestre Année Systèmes uploads/Finance/cours-decisio.pdf