Remerciez-le!

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

DW/DM/BD Introduction : Avec la généralisation de l’informatique dans tous les

DW/DM/BD Introduction : Avec la généralisation de l’informatique dans tous les secteurs d’activité, les entreprises produisent et manipulent de très importants volumes de données électroniques. L’exploitation de ces données dans un but d’analyse et de support à la prise de décision, cette prise de décision est réalisée par les décideurs grâce à des moyens classiques comme requêtes SQL, vues, outils graphiques d’interrogation… Actuellement, les entreprises ont besoin d’outils et de modèles pour la mise en place de systèmes décisionnels comportant des données évolutives. Les nouvelles technologies ; Qu’est-ce qu’un DW : -D’après la définition de BILL Inmon le père de DW, il considère le DW comme "Une collection de données orientées sujet, intégrées, non volatiles et historiées, organisées pour supporter un processus d'aide à la décision ". Il existe 2 type de DW : Magasins de données qu’est le Data Mart et l’Entrepôts de données d’entreprise (EDW). Historique : -A propos L'histoire de l'entrepôt de donnée, il commence par la création des deux termes principale de l'entrepôt de donnée : fait et dimension par General Mills et l'Université Dartmouth en 1960. 1983 - Teradata introduit dans sa base de données managériale un système exclusivement destiné à la prise de décision. 1988 - Barry Devlin et Paul Murphy publient l'article Une architecture pour les systèmes d'information financiers (An architecture for a business and information system) où ils utilisent pour la première fois le terme Datawarehouse. 1990 - Red Brick System crée Red Brick Warehouse, un système spéciquement dédié à la construction de l'entrepôt de données. 1991 - Bill Inmon publie Building the Data Warehouse (Construire l'entrepôt de données). 1995 -Le Data Warehousing Institute, une organisation à but lucratif destinée à promouvoir le Datawarehousing, est fondé. 1996 - Ralph Kimball publie The Data WarehouseToolkit (La boîte à outils de l'entrepôt de données). L’état de l’art : -Le DW d'entreprise a pour périmètre l'ensemble des opérations de l'entreprise qui n’ont pas de fin, car l'entreprise évolue. De nombreux DW possèdent un périmètre fonctionnel limité soit à une application, soit à une activité, soit à une entité juridique... Selon Inmon [Inmon 96] et Lawyer [LAWER-CHOWDHURY 07], il y a deux propriétés essentielles d'un entrepôt, la flexibilité et l'extensibilité. Les questions (besoins) des utilisateurs d'aujourd'hui ne seront pas les mêmes demain. Il faut donc prévoir par la flexibilité la modification des structures et des données dans le temps Selon [SEN-SINHA 05], un entrepôt de données est: orienté-sujet, intégré, variant dans le temps et non volatile. Cette définition est dérivée de celle du créateur du terme «entrepôt de données» monsieur Bill Inmon [Inmon 96]. Un entrepôt de données «orienté-sujet» est compartimenté en sujets principaux, représentant les processus d'affaires majeurs. Selon [GARDNER 98], «un entrepôt de données est un processus, non un produit, qui assemble et gère les données de différentes sources afin de «gagner» une vue d'ensemble détaillée ou en partie de toute l'entreprise». Qu’est-ce qu’un Data mining : le Data Mining est le processus de découverte de nouvelles corrélations, modèles et tendances en analysant une grande quantité de données, en utilisant les technologies de reconnaissance des formes ainsi que d’autres techniques statistiques et mathématique pour découvrir des nouvelles relations entre elles et de les reformuler afin de les rendre plus utilisables de la part de ses propriétaires, et il concerne l'ensemble des secteurs d'activité dès lors qu'il y a des données à analyser et surtout lorsqu'il y a beaucoup de données. Son intérêt comprend que les de grandes quantités de données et au besoin de les transformés en connaissances utiles surtout dans les applications concernant l’analyse du marché, la détection de fraudes, la conservation de client, le contrôle de productions et l’exploration scientifique. L’état de l’art : Depuis des années, plusieurs travaux existent et traitent ce vaste domaine «Data Mining », il est considéré comme le pilé principal pour la prise de la décision, dans ce contexte, on va citer quelques travaux : Le premier article [44] (Mostafa hanoune, Fouzia benabbou,) «modélisation informatique de clients douteux, En utilisant les techniques de datamining », Une telle connaissance pourrait être utilisée pour permettre aux décideurs et responsables stratégiques de prendre des décisions adéquates. L'article (Bruno Agard, Andrew Kusiak,) «Exploration des bases de données industrielles à l'aide du data mining - perspectives », considere aue le DM comme un processus de résolution dédié aux problèmes industriels a été plus particulièrement présenté. Qu’est-ce qu’une Big DATA : Avec le développement des nouvelles technologies, d’internet et des réseaux sociaux, la production de données numériques est en croissance constante. L’expression « Big Data » désigne la grande masse des données numériques produites par les entreprises et les particuliers dont les caractéristiques (volume, variété, vitesse ou vélocité) requièrent des outils informatiques de stockage et d’analyse spécifiques de plus en plus sophistiqués. L’état de l’art : Dans la littérature, il existe peu de travaux consacrés au sujet de la transformation organisationnelle qu’implique le Big Data. Les auteurs ayant traité cette question abordent le sujet sous différents angles. -Brynjolfsson et McAfee (2012) parlent de data driven business concernant les transformations des modes de prise de décision des managers. Il est question de prendre des décisions en se basant sur les analyses et les données du Big Data, et moins sur l’intuition. -Davenport (2014) souligne la nécessité de s’adapter aux changements des processus technologiques, du management, et de la culture de l’entreprise. Par exemple pour le traitement des données du Big Data, l’auteur note le besoin de recruter de nouveaux profils, des data-scientist, capables d’analyser, développer des applications à partir de ces grandes masses de données, et communiquer des résultats. Pour Vossen (2014) note qu’il n’est pas nécessaire de mettre en place une architecture spécifique aux besoins du Big Data. L’auteur préconise dans ce cas, de mobiliser les nouvelles solutions technologiques disponibles sur le marché. Les transformations liées à cette technologie Transformer la relation client : La relation client peut connaitre des transformations très importantes. Grâce aux capteurs intégrés dans le produit en service, mais également grâce à l’analyse des données massives issues des réseaux sociaux et de l’internet, il est désormais possible de connaitre les besoins, les propriétés et l’altitude de nos clients : ce qu’ils aiment ou pas dans notre produit, leur façon de l’utiliser, les caractéristiques de consommation par zone géographique, etc. Conséquence de cette évolution : le développement produit peut être adapté de façon continue en intégrant dans le design ces "boucles de rétroaction clients". La refonte de l’organisation : Les nouvelles technologies favorisent l’autonomisation des employés, en leur permettant de prendre les bonnes décisions au moment convenable à travers des habiletés prédictives. Pour cela, celles-ci s’appuient sur des bases de connaissances contenant l’intégralité des événements du passé. La conséquence directe de cette "autonomisation des employés" couplée à "l’augmentation des équipements" est une anatomie de l’organisation avec une diminution constante du besoin d’un « cadre intermédiaire » cette couche de management dont l’activité repose essentiellement sur l’analyse et la décision. Cette technologie favorise le croisement de données inter-domaines, conduisant par là même à une transversalisation et une désilotisation de l’organisation. Une transformation des métiers : Les nouvelles applications de l’intelligence artificielle vont transformer l’accès au savoir et à l’économie. Certaines compétences intellectuelles seront « mécanisées » et d’autres vont gagner en valeur, notamment celles où les humains gardent un avantage certain sur les machines aussi loin que l’on puisse voir : les activités créatives et créatrices, l’art, la science et la technique, mais aussi toutes les activités liées aux relations entre les personnes... Alors il y a toujours la peur que la machine remplace l’humain, mais dans les faits, c’est la combinaison (homme / machine) qui est la plus efficace et cela va probablement continuer dans le futur, et Il ne faut pas voir l’apparition de machines intelligentes comme un remplacement, mais comme un levier de démultiplication de notre intelligence. La sécurité des entreprises : Nous avons vu que la révolution des technologies implique de nombreux avantages et bienfaits : Mais implique des défis pour les organisations qui souhaitent entrer dans la tendance des données. Alors ces technologies présente-t-il des risques ? Et selon Mayer-Schönberger et Cukier, dans leur ouvrage (2013), écrivent que nous vivons dans un monde où «Nous sommes constamment sous surveillance, Le débat sur l'utilisation des données numériques donne lieu à beaucoup de fantasmes, autour de l'espionnage des individus. En fait, le vrai problème est celui de la privatisation de ces données. Avant même l’avènement d’Internet, des firmes spécialisées comme Equifax, Experian et Acxiom collectaient, mettaient sous forme de tableaux et fournissaient l’accès à des informations personnelles pour des centaines de millions de personnes dans le monde entier, contient des entreprises des organisations … Internet a rendu le pistage plus facile, moins cher et plus utile. Et les agences gouvernementales nous espionne, Si l’ère d’Internet a menacé notre vie privée, le Big Data la met-il encore plus en danger ? Voilà des questions qui font plutôt froid dans le dos… C’était le premier risque du Big Data pour les libertés individuelles, alors le Big Data pourrait mettre en uploads/Management/ exam-si-data.pdf