SlideShare uma empresa Scribd logo
1 de 110
Baixar para ler offline
Business Intelligence
(Informatique Décisionnelle)
Aziz DAROUICHI
FST-UCA
Mail to: pr.azizdarouichi@gmail.com
1
Historique de l'aide à la décision
Introduction à l’aide à la décision
Étapes de prise de décision
Processus décisionnel
Définition du Business Intelligence
Pourquoi construire un système décisionnel ?
A qui s'adresse l'informatique décisionnelle ?
Bénéfices pour les entreprises
Métriques d’aide à la décision
Chaîne décisionnelle
Architecture du Business Intelligence
Utilisation des systèmes décisionnels
Influence du cloud computing et Big Data
Métiers du BI
Suites BI Open source
Q & A
Historique de l'aide à la décision
Introduction à l’aide à la décision
Étapes de prise de décision
Processus décisionnel
Définition du Business Intelligence
Pourquoi construire un système décisionnel ?
A qui s'adresse l'informatique décisionnelle ?
Bénéfices pour les entreprises
Métriques d’aide à la décision
Chaîne décisionnelle
Architecture du Business Intelligence
Utilisation des systèmes décisionnels
Influence du cloud computing et Big Data
Métiers du BI
Suites BI Open source
Q & A
Partie 1: Introduction au Business Intelligence
2
Historique de l'aide à la décision
3
Expérience individuelle,
Le savoir,
L'expérience des conseillers,
L'expérience des décideurs, ainsi que sur l'analyse historique.
Historique de l'aide à la décision
4
Au xxe siècle, des outils mathématiques sont introduits:
la théorie des probabilités:
En mathématiques, la théorie des probabilités est l'étude
des phénomènes caractérisés par le hasard et l'incertitude.
Elle forme avec la statistique les deux sciences du
hasard qui sont partie intégrante des mathématiques.
5
Au xxe siècle, des outils mathématiques sont introduits:
la théorie des graphes (ordonnancement):
La théorie des graphes est la discipline mathématique et
informatique qui étudie les graphes, lesquels sont des
modèles abstraits de dessins de réseaux reliant des objets.
Ces modèles sont constitués par la donnée de « points »,
appelés des sommets, et de « liens » entre ces points ; ces
liens sont souvent symétriques (les graphes sont alors
dits non orientés) et sont appelés des arêtes.
La théorie de l'ordonnancement: l'ordonnancement,
consiste à décider dans quel ordre exécuter les tâches, c'est-
à-dire quelle tâche se fera avant une autre. C'est un domaine
de la recherche opérationnelle.
Historique de l'aide à la décision
6
Au xxe siècle, des outils mathématiques sont introduits:
la théorie des graphes:
Historique de l'aide à la décision
7
Au xxe siècle, des outils mathématiques sont introduits:
la recherche opérationnelle:
Pour résumer, la discipline des méthodes scientifiques,
telles que les mathématiques ou encore
l’informatique utilisables pour élaborer de meilleures
décisions.
Historique de l'aide à la décision
8
Au xxe siècle, des outils mathématiques sont introduits:
les arbres de décisions:
Un arbre de décision est un outil d'aide à
la décision représentant un ensemble de choix sous la
forme graphique d'un arbre.
Les différentes décisions possibles sont situées aux extrémités
des branches (les « feuilles » de l'arbre), et sont atteints en
fonction de décisions prises à chaque étape.
L'arbre de décision est un outil utilisé dans des domaines
variés tels que la sécurité, le data mining (fouille de
données), la médecine, etc. Il a l'avantage d'être lisible et
rapide à exécuter. Il s'agit de plus d'une représentation
calculable automatiquement par des algorithmes
d'apprentissage supervisé.
…
Historique de l'aide à la décision
9
Apparition des systèmes informatiques d'aide à la décision
Systèmes d'Aide à la Décision (DSS):
Les systèmes d’aide à la décision (DSS) sont destinés à faciliter
les prises de décision au niveau de l’entreprise.
Un système d'aide à la décision bien conçu est un logiciel
interactif qui aide les décideurs à dégager des informations utiles
à partir de données brutes, de documents, de connaissances
personnelles et de modèles métier, afin d’identifier et résoudre
des incidents et prendre des décisions.
Business Intelligence (ETL, OLAP, et DW).
Internet,
Big Data, cloud computing, IoT,…
Historique de l'aide à la décision
Introduction à l’aide à la décision
10
Exemple:
Un touriste souhaite programmer son prochain déplacement afin de se
rendre sur son lieu de vacances. Le calcul de son itinéraire repose sur
l'analyse de la carte qui lui permet d'envisager les différents trajets
possibles. Et comme il a le choix, il faut aussi qu’il spécifie le critère à
retenir : est-ce le plus rapide qu’il cherche ou celui passant par le plus
de lieux touristiques ?
Cet exemple met en évidence un problème qui consiste à sélectionner
une décision parmi un ensemble de décisions possibles, de manière à
optimiser un certain critère.
Ce type de problème de décision est un problème d'optimisation.
Un problème est une question que l'on se pose.
Analyser le problème, c'est préciser clairement :
ce que l'on veut faire : le type de décision,
ce que l'on peut faire : les décisions possibles,
comment on choisit : le critère de sélection.
11
Si on représente :
une décision par " " : représente un chemin,
l'ensemble des décisions possibles par : peut être par
exemple l'ensemble des parcours qui vous intéresse ou
l'ensemble des menus possibles,
le critère par une application qui à une décision associe son
évaluation ( ) :
• ( ) représente la longueur du parcours .
• la forme très générale d'un problème d'optimisation est :
min
∈
( )
Introduction à l’aide à la décision
12
L’aide à la décision est l’ensemble des techniques permettant,
pour une personne donnée, d’opter pour la meilleure prise
de décision possible. L’aide à la décision est principalement
utilisée dans des domaines tels que la finance et la banque,
l’informatique ou la politique.
L'informatique décisionnelle ou Business intelligence (BI)
couvre un ensemble de technologies et d'outils qui permettent de
traiter une somme importante d'informations pour, à la fin du
processus, présenter aux décideurs des indicateurs fiables et
pertinents.
Introduction à l’aide à la décision
Aide à la Décision: Mise en situation
13
Besoin des entreprises
accéder à toutes les données de l’entreprise
regrouper les informations disséminées
analyser et prendre des décisions rapidement
Exemples d’applications concernées
Grande distribution : marketing, maintenance, …
Bancaire : suivi des clients, gestion de portefeuilles,…
Télécommunications : pannes, fraudes, mobiles, …
Commercial, marketing : amélioration du ciblage et du coût des
campagnes de communication, de recrutement et de fidélisation des clients.
Administration, finances : analyse de la marge et des coûts, contrôle de
gestion et reporting, simulations et prévisions, évaluation budgétaire.
14
Le chiffre d’affaires (CA) a baissé en octobre. Pour y remédier,
des décisions sont à prendre. Mais pour prendre la bonne décision,
il faut savoir:
Pourquoi le chiffre d’affaires a-t-il baissé?
Comment a-t-il baissé?
Dans quelle gamme de produits ?
Dans quels pays, quelles régions ?
Dans le portefeuille de clientèle de quels commerciaux
Dans quel segment de distribution ?
N’avait-on pas une baisse semblable en octobre chaque année ?
Aide à la Décision: Mise en situation
La prise de décision
15
Une décision est le résultat d'un processus comportant le choix
conscient entre plusieurs solutions, en vue d'atteindre un objectif.
L'efficacité des services d'une entreprise dépend de la qualité de
ses décisions.
Améliorer l'habilité à prendre des décisions, c'est faire usage des
ressources dont dispose l'entreprise.
Étapes de prise de décision
Définir le problème
Construire un modèle
Identifier et évaluer les solutions possibles
Comparer, choisir et recommander une solution potentielle au
problème
Processus décisionnel
17
Peut être découpé en cinq étapes
1. Définir le problème
2. Rassembler les faits et données
3. Evaluer et interpréter les faits et données
4. Etablir plusieurs solutions
5. Choisir une solution (décider)
Processus décisionnel de Simon
From SHARDA, RAMESH; DELEN, DURSUN; TURBAN, EFRAIM, BUSINESS
INTELLIGENCE AND ANALYTICS: SYSTEMS FOR DECISION SUPPORT, 10th
Edition, © 2015. Used by permission of Pearson Education, Inc., New York, NY.
All Rights Reserved.
18
Business Intelligence
19
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
20
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)
Business Intelligence
21
Définition 3:
Un ensemble des outils et méthodes informatiques permettant de
prendre des décisions dans de bonnes conditions.
Business Intelligence
22
Définition 4:
L’informatique décisionnelle désigne les moyens, les outils et les méthodes
qui permettent de collecter, consolider, modéliser et restituer les données,
matérielles ou immatérielles, d’une entreprise en vue d’offrir une aide à la
décision et de permettre aux responsables de la stratégie d’entreprise d’avoir
une vue d’ensemble de l’activité traitée.
Ce type d’application utilise en règle générale un entrepôt de données (ou
data warehouse en anglais) pour stocker des données transverses provenant de
plusieurs sources hétérogènes et fait appel à des traitements par lots pour la
collecte de ces informations.
Source: Wikipédia
Business Intelligence
23
Définition 5:
Un SID (système d’information décisionnel) est un système
permettant aux utilisateurs de l’entreprise de disposer d’informations
pertinentes et d’outils d’analyse puissants pour les aider à prendre les
bonnes décisions au bon moment. (Bill Inmon)
Business Intelligence
24
En conclusion:
C’est le processus d’exploitation des données de l’entreprise dirigé
par la technologie dans le but de faciliter la prise de décision.
Business Intelligence
Pourquoi construire un système décisionnel?
25
Objectifs et enjeux
1. Servir une information considérée comme stratégique.
2. Définir un référentiel.
3. Gagner du temps dans la prise de décision
4. Les besoins justifiant un système décisionnel.
5. Les principaux défis des projets décisionnels.
1. Servir une information considérée comme stratégique
26
Un des actifs les plus importants des sociétés, c’est leur capital
d’informations qu’elles collectent au jour le jour.
Généralement, la plupart de ces informations sont inaccessibles, ou
réparties dans une multitude de systèmes.
Le Système d'Information Décisionnel (SID) résulte d’un processus
qui consiste à extraire les données à partir des systèmes opérationnels
et d’autres sources externes à l’entreprise, de les transformer en
information de pilotage et de les rendre accessibles aux utilisateurs.
La Base Décisionnelle est aujourd’hui reconnue comme un actif
stratégique par beaucoup d’entreprises.
Pourquoi construire un système décisionnel?
2. Définir un référentiel
27
L’information existante est souvent très riche mais il est difficile
d’avoir une vision globale homogène et cohérente des
informations manipulées par l’ensemble des départements.
Il n’est pas facile d’accéder directement à l’information
nécessaire : il existe des données multi-sources utilisant des
supports différents (papier, ERP, CRM, base de données, fichiers
Excel,…).
Pourquoi construire un système décisionnel?
2. Définir un référentiel
28
Avoir une définition commune des indicateurs de l’entreprise.
En effet en alignant son organisation autour d’un ensemble
unique et cohérent d’indicateurs clés (KPI) et de mesures, on
définit un référentiel commun d’analyse. Les données de
gestion peuvent avoir des significations différentes selon
l’utilisation qui en est faite, exemples : la marge, le CA. Mais le
reporting de Direction Générale n’accepte qu’un seul sens à une
valeur restituée.
L’objectif est bien de créer une vue unique dans l’entreprise
pour vos données comptables, clients ou de production.
Pourquoi construire un système décisionnel?
3. Gagner du temps dans la prise de décision
29
En définissant un système décisionnel, vous automatisez le
traitement de vos données dans l’entreprise.
Les utilisateurs de la data ne passent plus ainsi leur temps à
créer des tableaux de bords. Ils deviennent plus performant et
plus rapide dans l’analyse et dans la prise de décision.
Nombreux outils de dataviz facilitent le partage de la donnée de
l’entreprise.
Les prises de décisions sont plus rapides et plus éclairées.
Pourquoi construire un système décisionnel?
4. Les besoins justifiant un système décisionnel
30
Meilleur accès aux données
Amélioration de la qualité des informations.
Intégration des données provenant de systèmes différents.
Définition commune des informations.
Meilleur accès aux données historiques.
Donner aux collaborateurs les informations dont ils ont besoin
Pourquoi construire un système décisionnel?
5. Les principaux défis d’un système décisionnel
31
Compréhension des besoins utilisateurs:
Comprendre les besoins des utilisateurs est indispensable pour la réussite d’un
projet.
Les analyser et les décrire n’est pas une tâche aisée, exprimer un concept
capable de satisfaire à ces attentes l’est encore moins.
Intégrité des données, c'est-à-dire la cohérence, la fiabilité, et la
pertinence des données.
Coût des alimentations en données
Pourquoi construire un système décisionnel?
5. Les principaux défis d’un système décisionnel.
32
Définition du périmètre du projet:
Le périmètre du projet correspond à la délimitation précise du projet.
Concernant un projet lié aux Systèmes d’Information (mise en place d'un nouvel
ERP, évolution d'un SI en fonction d'une nouvelle organisation ...), le périmètre
total est l’identification et le recensement des applications/modules impactés
par le projet.
Le projet peut être ensuite subdivisé en sous-projets possédant chacun son propre
périmètre.
Performance du système:
« ... est performance du projet tout ce qui, et seulement ce qui, contribue à
atteindre les objectifs du projet ».
Pour assurer la recherche de performance il faut prendre en compte trois
facteurs qui entrent dans la composition du triangle d'or de la performance :
• L'efficience
• L'efficacité
• La compétence
Pourquoi construire un système décisionnel?
5. Les principaux défis d’un système décisionnel.
33
Règles de gestion commune:
Les règles de gestion (ou règles métiers, ou « business rules » en
anglais) sont des déclarations de haut niveau structurées, qui
permettent de contraindre, contrôler et influencer un aspect
du métier.
Ces règles peuvent diminuer ou augmenter l'impact de risque, et
encore prendre des décisions rationnelles.
Une règle de gestion permet d'influencer une prise de décision.
L'objectif est de disposer de règles claires, c'est-à-dire non
ambiguës et compréhensibles par tous, notamment par les non
informaticiens.
Pourquoi construire un système décisionnel?
34
Le but du BI est d'aider à la prise de décision et de permettre des
analyses précises, complexes et de grandes envergure dans les
entreprises.
Les systèmes décisionnels permettent de générer de la
connaissance à partir des données produites par les systèmes
opérationnels (comme les bases de données relationnelles).
Le BI permet de connaître les tendances des clients pour ainsi
bien anticiper les réactions de ses derniers. Il permet donc de
fidéliser les clients.
Pourquoi construire un système décisionnel?
35
La mise en place d’un BI a pour objectif de faciliter le décideur
dans son processus de prise de décision.
L’informatique permet d’accélérer drastiquement le temps de
rassemblement des faits et données et leur interprétation
C’est un ensemble d’outils qui ne remplace en aucun cas le
décideur.
Le BI ne s'adresse ni aux informaticiens ni aux statisticiens.
A qui s'adresse le Business Intelligence ?
36
Le BI s'adresse aux décideurs. Ces derniers utilisent les solutions
de BI pour mieux comprendre le fonctionnement actuel de
l'activité et d'anticiper des actions pour un pilotage éclairé de
l'entreprise.
Le système décisionnel a pour objet d’aider les décideurs à
effectuer des choix pertinents à partir de données historiques.
A qui s'adresse le Business Intelligence ?
37
Business Intelligence :
quels bénéfices pour les entreprises ?
38
Accélérer et améliorer la prise de décision,
Optimiser les processus internes,
Augmenter l’efficience d’exploitation,
Générer de nouveaux revenus,
Améliorer la satisfaction des clients, des fournisseurs et des employés,
Prendre l’avantage sur la concurrence.
Les systèmes BI aident également les entreprises à identifier les
tendances du marché et à repérer les problèmes qui doivent être résolus.
Bénéfices pour les entreprises
39
Métriques d’aide à la décision
Concepts clefs
40
Donnée
Information
Connaissance
Sagesse
Concepts clefs : Donnée
41
Donnée:
Résultat direct d’une mesure ou d’une observation
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
Donnée
Concepts clefs : Information
42
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 lié à une augmentation
temporaire de la charge de travail
Donnée
Information
Concepts clefs : Connaissance
43
Connaissance:
Résultat d’une réflexion sur les informations analysées
Se base sur les expériences, les idées, valeurs, avis des
personnes consultées
Exemple
Le gestionnaire de changement peut établir une corrélation
entre l’arrivée des nouveaux prestataires et l’augmentation du
nombre d’incidents en ayant connaissance de certains
éléments
Donnée
Information
Connaissance
Concepts clefs : Sagesse
44
Sagesse:
État 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 top manager de l’organisation prend des décisions à long
terme et des décisions stratégiques pour l’organisation
informatique.
Donnée
Information
Connaissance
Sagesse
Illustration d’un reporting imprécis
45
En fait, l’important est dans la variation
46
Mais une information peut en cacher
une autre…47
48
Chaîne Décisionnelle
La chaîne décisionnelle
49
Les 5 grandes étapes:
Planification Collecte Stockage Distribution Restitution
Planification
50
Définition de la planification de projet
C’est l’activité qui consiste à déterminer et à ordonnancer les tâches du
projet, à estimer leurs charges et, à déterminer les profils et ressources
nécessaires à leur réalisation.
L’outil requis est le planning.
Les objectifs du planning sont les suivants :
déterminer si les objectifs sont réalisés ou dépassés
suivre et communiquer l’avancement du projet
affecter les ressources aux tâches
Le respect de ce planning décidera de la réussite ou non du projet, de
votre image auprès de votre client, et de la santé financière de votre
société.
Planification Collecte Stockage Distribution Restitution
51
Pour mettre en place une plate-forme décisionnelle d'entreprise
intégrée, la première étape est donc la planification de ce projet.
La planification de projet est une étape clé dans la gestion d’un
projet. C’est le moment crucial où va se décider le découpage et
la répartition des tâches, les besoins en ressources et la date
prévisionnelle de fin.
Un tel projet nécessite une administration solide.
Exemple: les ressources humaines
Un responsable peut voir le salaire des personnes de son équipe.
Mais ne peut pas voir celui de son chef.
Nécessité d'une stratégie de sécurité rigoureuse.
Planification Collecte Stockage Distribution RestitutionPlanification
Collecte des données
52
Sources : les informations utiles aux décideurs peuvent être stockées
sur des sites de natures diverses (sites web, BDR, fichiers, ERP, SAP,
autre système opérationnel). Les langages de codification, les
structures de données sont généralement hétérogènes, ce qui rend
délicate l’extraction des données en vue d’alimenter le data
warehouse (entrepôt de données).
La collecte s’effectue à partir de données appelées : données
sources. Ces données peuvent se présenter sous différents formats.
Il peut s’agir de fichiers "plats" (fichiers CSV avec séparateurs,
fichiers XML, fichiers ASCII...) mais aussi de SGBDs (export de
base MySQL, PostgreSQL, IBM DB2, ORACLE...).
Planification Collecte Stockage Distribution Restitution
53
Ces sources de données sont donc en général hétérogènes c’est
pourquoi il va falloir passer par une phase dites d’intégration pour
pouvoir les manipuler avant de les stocker dans notre système
d’aide à la décision.
La collecte des données est assuré par des outils ETL (Extract,
Transform, Load) permettant de récupérer les données quelque
soient leurs sources et les systèmes qui les supportent.
Planification Collecte Stockage Distribution Restitution
Collecte des données
54
ETL Process
ETL : Extract, Transform, Load
ETL est un processus de data warehousing chargé de retirer des données des
systèmes sources et de les placer dans un data warehouse (entrepôt de
données).
ETL implique les trois phases suivantes :
Extraction des données à partir d’une ou plusieurs sources de données hétérogènes
et disparates : fichiers, base de données, applications, …
Transformation des données: il s’agit de donner une présentation homogène et
fiable pour l’analyse à l’aide de nettoyage, alignement, filtrage, calcul, suppression
des doublons,…
Chargement des données dans la banque de données de destination, i.e. data
warehouse.
La phase d’ETL est ici incontournable car elle conditionne et influence la
qualité du projet par la suite.
Planification Collecte Stockage Distribution Restitution
Collecte des données
ETL process
55
Planification Collecte Stockage Distribution Restitution
ETL process
56
Planification Collecte Stockage Distribution Restitution
ETL tools
Business Intelligence
57
Solutions existantes:
Planification Collecte Stockage Distribution Restitution
ETL tools
58
Solutions existantes open source:
Planification Collecte Stockage Distribution Restitution
59
Solutions retenues open source:
Planification Collecte Stockage Distribution Restitution
ETL tools
Stockage
60
Cette zone de données est le lieu où les données sont organisées,
stockées et offertes aux requêtes des utilisateurs, aux
programmes de reporting et autres applications d’analyses.
Plusieurs manières de stocker les données dans des bases de
données spécialisées : Data warehouse et Data mart.
Chacune ayant ses avantages et ses inconvénients.
L'administrateur DW pourra notamment choisir entre : DDS
(Dimensional Data Store), les schémas en : étoile, flocon…
Planification Collecte Stockage Distribution Restitution
Distribution de données
61
La fonction de diffusion a pour objectif de mettre les données à la
disposition des utilisateurs. Elle permet la gestion de droits d’accès selon
les schémas correspondant au profil ou au métier de chacun.
L’objectif principal de la diffusion est de segmenter les données
collectées en contextes cohérents, simples à utiliser et qui correspondent
à une activité particulière. Chaque contexte peut correspondre à un
Datamart, il est modélisable sous la forme d’un hyper cube et peut être
mis à disposition des utilisateurs via un outil OLAP.
Le mot OLAP (On-Line Analytical Processing), désigne l’ensemble des
technologies permettant le calcul et l’analyse de données commerciales
ou de production, fondée sur des requêtes structurées suivant des critères
combinés, appelés dimensions.
Planification Collecte Stockage Distribution Restitution
62
Les outils OLAP disponibles :
Planification Collecte Stockage Distribution Restitution
Distribution de données
Restitution
63
La fonction d’exploitation ou de restitution se charge de présenter
les informations aux utilisateurs permettant la mise en place de
tableaux de bord qui présentent les indicateurs clés de gestion.
La génération de tableau de bord, est la partie émergée de l'iceberg :
l'informatique décisionnelle.
Les outils de restitution permettent aux analystes de manipuler les
données contenues dans les entrepôts, éditer des rapports et naviguer
dans les cubes.
C'est la partie que voient la plupart des utilisateurs.
Planification Collecte Stockage Distribution Restitution
Business Intelligence
64
Data visualisation/Visualisation de données
Planification Collecte Stockage Distribution Restitution
Restitution
65
Ce sont généralement de jolies interfaces intuitives permettant à un
utilisateur lambda, en fonction de ses droits, de consulter des rapports,
des tableaux de bord, de les annoter, voire de les créer lui-même.
C’est dans cette phase que les différents outils de restitution vont
intervenir. Nous trouverons des :
outils de requêtage,
outils de reporting,
portails d’accès à des tableaux de bord,
outils de navigation dans des cubes ou hypercubes multidimensionnels,
outils de statistiques,
data mining
Planification Collecte Stockage Distribution Restitution
Restitution
66
Outils de restitution
Planification Collecte Stockage Distribution Restitution
Restitution
Outils de Restitution
67
Outils de Reporting et de Requêtage
Le principe du reporting est d'agréger et de synthétiser des
données nombreuses et complexes sous forme d'indicateurs, de
tableaux, de graphiques permettant d'en avoir une appréhension
globale et simplifiée.
Le reporting s'appuie principalement sur les agrégats afin de faire
apparaître des comptages, sommes ou moyennes en fonction de
critères d'analyses.
68
Outils de Reporting et de Requêtage
Les outils de reporting et de requêtes permettent la mise à
disposition de rapports périodiques, préformatés et paramétrables
par les opérationnels.
Ils offrent une couche d’abstraction orientée métier pour faciliter
la création de rapports par les utilisateurs eux-mêmes en
interrogeant le data warehouse grâce à des analyses croisées.
Ils permettent également la production de tableaux de bord avec
des indicateurs de haut niveau pour les managers, synthétisant
différents critères de performance.
Le reporting est généralement récurrent, le même rapport sera
produit à intervalles réguliers pour contrôler les variations des
indicateurs.
Outils de Restitution
69
Outils d’Analyse
Les outils d’analyse OLAP permettent de traiter des données
et de les afficher sous forme de cubes multidimensionnels et de
naviguer dans les différentes dimensions.
Cet agencement des données permet d’obtenir immédiatement
plusieurs représentations d’un même résultat, en une seule
requête sous une approche descendante des niveaux agrégés
vers les niveaux détaillés (Drill-down, Roll-up).
Voici la liste des opérations OLAP :
Slice / Dice
Drill down / Roll up
Pivot / Rotate
…
Outils de Restitution
70
Outils d’Analyse
Analyse OLAP
Outils de Restitution
71
Data Mining
Les outils de Datamining offrent une analyse plus poussée des
données historisées permettant de découvrir des connaissances
cachées dans les données comme la détection de corrélations et
de tendances, l’établissement de typologies et de segmentations
ou encore des prévisions.
Le Datamining est basé sur des algorithmes statistiques et
mathématiques, et sur des hypothèses métier.
Outils de Restitution
72
Data Mining
Logiciels:
Langages de programmation :
Interfaces graphiques :
Mixtes :
Outils de Restitution
Architecture d’un système décisionnel
73
Collecte des
données
Stockage des
données
Distribution des
données
Présentation des
données
74
Architecture d’un système décisionnel
75
Architecture d’un système décisionnel
L’alimentation est la part la plus importante
d’un projet BI
76
Pourquoi les alimentations sont-elles difficiles?
77
Sur le plan des données
Sources diverses et disparates;
Sources sur différentes plateformes et OS;
Qualité de données douteuse et changeante dans le temps;
Incohérence entre les différentes sources;
Données dans un format difficilement interprétable ou ambigu.
Définir un langage commun
Localiser les données utiles dans les systèmes sources
Harmoniser les nomenclatures
78
Sur le plan technique
Structure des systèmes sources changeante dans le temps;
Applications utilisant des BDs et autres technologies obsolètes
Les règles d’alimentation changent sans cesse
Développements modulaires, auto-documentés, et traçabilité
des données
Temps de chargement compatibles avec la fenêtre
d'exploitation
Pourquoi les alimentations sont-elles difficiles?
Risques et facteurs de succès
79
L’implication des utilisateurs est indispensable
80
Utilisation des systèmes décisionnels
Les principaux risques d'un projet décisionnel
81
Orientation technologique du projet, plutôt qu’utilisateur
Mise en cause de la fiabilité et/ou cohérence des informations
Alimentations trop longues et irrégulières
Outils et architecture technique inadaptés
Fraîcheur insuffisante des informations
Qualité de données incertaine dans les sources de données
Difficile de construire un data warehouse évolutif (scalable)
Pas d’administrateur du système
Quelques facteurs clefs de succès
82
Pour la conduite de projet :
Adopter une démarche incrémentale avec des objectifs précis et
quantifiés à l’avance
Miser dès le départ sur un socle informatique stable, puis
coordonner des itérations courtes avec des résultats tangibles
Dans la conception fonctionnelle :
Préférer des états figés mais utiles à des analyses libres mais
compliquées
Raisonner en flux amont-aval et en échanges transverses entre
utilisateurs
83
Dans la mise en œuvre technique :
S’assurer de l’évolutivité de la solution technique
Privilégier les solutions paramétrables par un administrateur
fonctionnel
Insérer dans la recette technique des tests de montée en charge
Pour la prise en compte des impacts organisationnels :
Préparer le changement et l’insérer dans le plan de projet,
Fonder et associer le plus tôt possible le futur administrateur du
système.
Quelques facteurs clefs de succès
Utilisations du système décisionnel
84
Domaine Applications clés
Banque Risques d’un prêt,
Prime plus précise
Assurance Risque lié à un contrat d’assurance
Évaluation des risques, conception des produits,
détection des fraudes
Santé Épidémiologie,
Risque alimentaire
Commerce Ciblage de clientèle,
Déterminer des promotions
85
Domaine Applications clés
Télécommunications Pannes, fraudes, mobiles,
Retenue des clients, conception du
réseau
Compagnie aérienne Gestion des rendements,
Évaluation d'itinéraire
Retail (Vente au
détail)
Marketing cible, gestion de la chaîne
d'approvisionnement
Utilisations du système décisionnel
86
Domaine Applications clés
Logistique Adéquation demande/production
Analyse des fournisseurs, anticipation des
commandes et des stocks,
Pilotage des achats
RH Suivi de l’évolution des compétences, du
recrutement,
Analyse de la masse salariale, anticipation des
rotations de personnel, gestion de la pyramide
des âges
Production Optimisation des coûts de production,
Contrôle des coûts
Marketing, Finance,
Mailing,…
Utilisations du système décisionnel
Influence du cloud computing
Réduit les compétences locales pour acquérir des technologies et gérer un
entrepôt de données
Économies d'échelle pour les petites organisations
Amélioration de scalabilité
Des coûts variables plus élevés mais des coûts fixes plus bas
87
Modèles de services Cloud
Infrastructure
(IaaS)
Platform
(PaaS)
Application
(SaaS)
Cloud Vendor
Infrastructure
User
Organization
Development
88
Modèles de services Cloud
Principaux acteurs DWaaS
89
Big Data: modèle 5V
90
Métiers du BI
• Recommend technology solutions
• Define user interfaces
• Collaborate with business analysts and DW managers
DW Analyst
• Design, develop, and maintain data warehouses
• Ensure conformance to enterprise standards
• Develop and implement data integration procedures
DW Manager
• Develop data analysis and reporting solutions
• Mine and analyze data from multiple sources
• Communicate results to management
• Prepare data (reduction and missing values)
BI Analyst
• Document data elements
• Use reporting tools
• Collaborate with business analysts and data architects
• Develop data extraction procedures
Data Analyst
91
Consultant BI
• Analyser les besoins fonctionnels et techniques,
• Définir l’architecture,
• Développer l’ensemble des processus d’intégration,
• Accompagner le client tout au long de la réalisation du projet.
Tendances salariales (USA)
Job Title 2013 2014 % Change
DB manager $101,750 – $140,750 $107,750 – $149,000 5.9%
DB developer $80,500 – $128,250 $92,000 – $134,500 5.5%
Data analyst $64,250 – $96,000 $67,750 – $101,000 5.3%
DW manager $108,750 – $145,750 $115,250 – $154,250 5.9%
DW analyst $93,500 – $126,500 $99,000 – $133,750 5.8%
BI analyst $94,250 – $132,500 $101,250 – $142,250 7.4%
92
Tendances salariales (Europe)
Job Title Country 2013 2014
DBA Germany €40,000 – €55,000 €40,000 – €60,000
Business Analyst Germany €55,000 – €85,000 €55,000 – €85,000
DBA London £55,000 – £85,000 £55,000 – £80,000
Database
developer
£55,000 – £85,000 £60,000 – £85,000
DBA France €50,000 – €90,000 €50,000 – €70,000
DBA Australia $75,000 – $125,000 $75,000 – $125,000
Business analyst Australia $80,000 – $120,000 $80,000 – $120,000
93
Percentiles de Tendances salariales (USA) en 2018
Job Title 25th Percentile Midpoint 75th Percentile
DB manager $107,000 $127,000 $152,250
DB developer $97,950 $116,000 $139,000
Data analyst $81,000 $96,000 $115,000
DW manager/architect $110,00 $130,000 $156,000
DW analyst $75,250 $93,500 $117,000
BI analyst $83,750 $104,000 $130,250
94
Percentiles de Tendances salariales (Canada) en 2018
Job Title 25th Percentile Midpoint 75th Percentile
DB manager $95,250 $120,000 $143,500
DB developer $93,550 $104,000 $130,000
Data analyst $55,250 $62,500 $83,250
DW manager/architect $95,750 $115,000 $137,750
DW analyst $71,500 $90,000 $113,250
BI analyst $73,250 $93,500 $107,250
95
96
Suites BI Open source
La suite décisionnelle JasperSoft
97
Historique de JasperSoft
2001: Jaspersoft a vu le jour suite au besoin grandissant pour un
développeur Java à Bucarest (Teodor Danciu) d'intégrer une
fonction de création de rapports dans une application.
2002: Un utilisateur du nouveeau-né JasperReports exprime à
son tour le besoin d'améliorer sa méthode de conception de
rapports. Giulio Toffoli développe un projet immédiatement
soutenu par la communauté JasperReports.
2004: les deux fondateurs décident de créer une entreprise à San
Francisco. Jaspersoft voit le jour.
Mai 2018: Sortie de la version TIBCO Jaspersoft 7.1.0
98
Présentation de JasperSoft
Jaspersoft a été développé par Tibco Software, spécialiste depuis
près de 20 ans du développement d’outils d’analyse et de prise de
décision en temps réel.
Jaspersoft est aujourd’hui la plateforme Open Source de Business
Intelligence la plus utilisée au monde grâce à son architecture
flexible et à ses fonctionnalités complètes:
reporting,
tableaux de bord,
requêtes ad-hoc,
analyses OLAP ,
et intégration de données.
La suite décisionnelle JasperSoft
99
Fonctionnalités
Reporting
Tableaux de bord
Analyses
Intégration de données
Plateforme décisionnelle
La suite décisionnelle JasperSoft
100
Avantages
Les avantages clés de la plateforme décisionnelle sont :
des fonctionnalités complètes de reporting, de tableaux de bord et
d’analyse faciles à utiliser,
une architecture Web flexible facile à intégrer à une autre
application,
un modèle de licence abordable pour toucher plus d’utilisateurs à
moindre coût.
les produits Jaspersoft BI sont disponibles en trois éditions
Community, Professional et Entreprise pour répondre aux
exigences variées des entreprises en terme de fonctionnalités ou
performances.
La suite décisionnelle JasperSoft
101
Avantages
Analyse Big Data: Grâce à sa capacité d’accès en temps réel à
Hadoop, MongoDB, Cassandra et aux principaux systèmes de
bases de données analytiques, Jaspersoft se connecte à un
environnement Big Data pour créer les rapports et les analyses
dont votre entreprise a besoin.
Analyse Cloud: Les solutions décisionnelles cloud offrent aux
entreprises la possibilité d’apporter une réponse aux besoins ad
hoc imprévus ou à la nécessité de configurer rapidement un
environnement de démonstration de faisabilité.
Analyse mobile: Conçu dans un environnement Cloud et doté
d’une vaste panoplie d’interfaces de programmation (API),
Jaspersoft Open Source permet de créer des applications
décisionnelles mobiles natives Android et iOS.
La suite décisionnelle JasperSoft
102
Avantages
Embedded BI ou BI embarqué consiste à intégrer des rapports,
des tableaux de bord et des vues analytiques dans une application.
Les informations sont généralement affichées et gérées par une
plateforme de BI et sont placées directement dans l'interface
utilisateur de l'application afin d'améliorer le contexte et la
convivialité des données. L'utilisation d'une plateforme de BI
intégrée fournit des rapports et des analyses de pointe, sans le
temps et les coûts liés à la création de celle-ci.
L’interface utilisateur peut être adaptée à l’univers graphique de
votre entreprise au moyen de thèmes et de feuilles de style (css).
JasperReports Server constitue le cœur de la suite décisionnelle
Jaspersoft.
La suite décisionnelle JasperSoft
103
Produits
La suite décisionnelle Jaspersoft est composée des cinq éléments
suivants :
JasperReports Library
Jaspersoft Studio
JasperReports Server
Jaspersoft ETL
Jaspersoft OLAP
La suite décisionnelle JasperSoft
104
Architecture Jaspersoft
La suite décisionnelle JasperSoft
105
Les leaders utilisent JasperSoft comme:
La suite décisionnelle JasperSoft
La suite décisionnelle Pentaho
106
Historique de Pentaho
2004: Pentaho, édité par une société indépendante fondée en
2004, est une suite BI qui permet la distribution de fonctionnalités
et documents décisionnels à un grand nombre de personnes..
2015: Pentaho a été racheté par Hitachi Data Systems (HDS) en
2015.
19 septembre 2017: Pentaho a rejoint Hitachi Vantara, une
nouvelle société qui unifie les activités de Pentaho, Hitachi Data
Systems et Hitachi Insight Group (Iot platform Lumada).
2017: Pentaho 8 est sorti par Hitachi Vantara.
29 août 2019: sorti de la dernière version Pentaho 8.3 par
Hitachi Vantara.
107
Fonctionnalités
Reporting,
Tableaux de bord,
Analyse ad hoc,
Analyse multidimensionnelle (OLAP),
Intégration de données,
Machine learning,
Analyse Cloud,
Analyse Big Data,
IA,
IoT,
Data Mining.
La suite décisionnelle Pentaho
108
Les leaders utilisent Pentaho comme:
La suite décisionnelle Pentaho
Q & A
109
Bibliographie
110
Michael Mannino, Business School, University of Colorado Denver: « Data Warehouse Concepts,
Design, and Data Integration ».
Jahangir Karimi, Information Systems University of Colorado Denver: «Business Intelligence
Concepts, Tools, and Applications ».
Lilia Sfaxi, « Introduction à l’Informatique Décisionnelle » - Cours
Smile, Open Source Solutions :« Décisionnel, le meilleur des solutions open-source », Livre blanc
https://www.jaspersoft.com/fr
https://community.jaspersoft.com/
https://www.hitachivantara.com/go/pentaho.html
https://community.hitachivantara.com/s/pentaho
https://forums.pentaho.com/
https://support.pentaho.com/hc/en-us/categories/200888603
https://www.cs.waikato.ac.nz/ml/weka/
http://eric.univ-lyon2.fr/~ricco/tanagra/fr/tanagra.html
https://rapidminer.com/
https://orange.biolab.si/

Mais conteúdo relacionado

Mais procurados

La Business Intelligence
La Business Intelligence La Business Intelligence
La Business Intelligence Khchaf Mouna
 
Introduction à la Business Intelligence
Introduction à la Business Intelligence Introduction à la Business Intelligence
Introduction à la Business Intelligence Cynapsys It Hotspot
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleLilia Sfaxi
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligences.poles
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1Amal Abid
 
Conception datawarehouse
Conception datawarehouseConception datawarehouse
Conception datawarehouseHassane Dkhissi
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesLilia Sfaxi
 
Mise en place d'un Data Warehouse
Mise en place d'un Data WarehouseMise en place d'un Data Warehouse
Mise en place d'un Data WarehouseAbderrahmane Filali
 
exercices business intelligence
exercices business intelligence exercices business intelligence
exercices business intelligence Yassine Badri
 
Conception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseConception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseAbderrahmane Filali
 
Etat de l’art approche et outils BI
Etat de l’art approche et outils BIEtat de l’art approche et outils BI
Etat de l’art approche et outils BISaid Sadik
 
PFE BI - INPT
PFE BI - INPTPFE BI - INPT
PFE BI - INPTriyadadva
 
Les systèmes d'information et tableau de bord
Les systèmes d'information et tableau de bordLes systèmes d'information et tableau de bord
Les systèmes d'information et tableau de bordTayssirLimem
 

Mais procurados (20)

Le processus ETL (Extraction, Transformation, Chargement)
Le processus ETL (Extraction, Transformation, Chargement)Le processus ETL (Extraction, Transformation, Chargement)
Le processus ETL (Extraction, Transformation, Chargement)
 
La Business Intelligence
La Business Intelligence La Business Intelligence
La Business Intelligence
 
Introduction à la Business Intelligence
Introduction à la Business Intelligence Introduction à la Business Intelligence
Introduction à la Business Intelligence
 
Cours datamining
Cours dataminingCours datamining
Cours datamining
 
Présentation bi 1.0
Présentation bi 1.0Présentation bi 1.0
Présentation bi 1.0
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation Multidimensionnelle
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1
 
Conception datawarehouse
Conception datawarehouseConception datawarehouse
Conception datawarehouse
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
 
Big data
Big dataBig data
Big data
 
Big data
Big dataBig data
Big data
 
Mise en place d'un Data Warehouse
Mise en place d'un Data WarehouseMise en place d'un Data Warehouse
Mise en place d'un Data Warehouse
 
Resume de BI
Resume de BIResume de BI
Resume de BI
 
exercices business intelligence
exercices business intelligence exercices business intelligence
exercices business intelligence
 
Pfe
PfePfe
Pfe
 
Conception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseConception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data Warehouse
 
Etat de l’art approche et outils BI
Etat de l’art approche et outils BIEtat de l’art approche et outils BI
Etat de l’art approche et outils BI
 
PFE BI - INPT
PFE BI - INPTPFE BI - INPT
PFE BI - INPT
 
Les systèmes d'information et tableau de bord
Les systèmes d'information et tableau de bordLes systèmes d'information et tableau de bord
Les systèmes d'information et tableau de bord
 

Semelhante a Partie1BI-DW2019

Data Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big DataData Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big DataVincent Lagorce
 
Introduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdfIntroduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdfamarasidibeavm
 
Cours systême d'intelligence marketing
Cours systême d'intelligence marketingCours systême d'intelligence marketing
Cours systême d'intelligence marketingJean Roger Mably
 
6bestpracticeseffectivedashboards loc fr-fr
6bestpracticeseffectivedashboards loc fr-fr6bestpracticeseffectivedashboards loc fr-fr
6bestpracticeseffectivedashboards loc fr-frHeger Ben Meriem
 
Competitic - Surveillez votre marché et vos concurrents avec internet - numer...
Competitic - Surveillez votre marché et vos concurrents avec internet - numer...Competitic - Surveillez votre marché et vos concurrents avec internet - numer...
Competitic - Surveillez votre marché et vos concurrents avec internet - numer...COMPETITIC
 
STRATEGIE DE DEVELOPPEMENT ET STRATEGIE DE L'INFORMATION
STRATEGIE DE DEVELOPPEMENT ET STRATEGIE DE L'INFORMATIONSTRATEGIE DE DEVELOPPEMENT ET STRATEGIE DE L'INFORMATION
STRATEGIE DE DEVELOPPEMENT ET STRATEGIE DE L'INFORMATIONDominique Odyliane
 
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdf
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdfChap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdf
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdfIbrahimBenhadhria
 
Competitic simplifiez le pilotage de votre entreprise avec la business inte...
Competitic   simplifiez le pilotage de votre entreprise avec la business inte...Competitic   simplifiez le pilotage de votre entreprise avec la business inte...
Competitic simplifiez le pilotage de votre entreprise avec la business inte...COMPETITIC
 
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic  2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic COMPETITIC
 
La data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeurLa data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeurMicrosoft Ideas
 
Cartographie de l'information.pptx
Cartographie de l'information.pptxCartographie de l'information.pptx
Cartographie de l'information.pptxHajar Bouchriha
 
Propos sur les si décisionnels.
Propos sur les si décisionnels.Propos sur les si décisionnels.
Propos sur les si décisionnels.Michel Bruley
 
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !Camp de Bases (Webedia Data Services)
 
La data dans tous ses états - Aline Deschamps
La data dans tous ses états - Aline DeschampsLa data dans tous ses états - Aline Deschamps
La data dans tous ses états - Aline DeschampsAline Deschamps
 

Semelhante a Partie1BI-DW2019 (20)

Data Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big DataData Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big Data
 
Introduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdfIntroduction au datamining partiel 1.pdf
Introduction au datamining partiel 1.pdf
 
Cours systême d'intelligence marketing
Cours systême d'intelligence marketingCours systême d'intelligence marketing
Cours systême d'intelligence marketing
 
La datavisualisation
La datavisualisationLa datavisualisation
La datavisualisation
 
6bestpracticeseffectivedashboards loc fr-fr
6bestpracticeseffectivedashboards loc fr-fr6bestpracticeseffectivedashboards loc fr-fr
6bestpracticeseffectivedashboards loc fr-fr
 
Competitic - Surveillez votre marché et vos concurrents avec internet - numer...
Competitic - Surveillez votre marché et vos concurrents avec internet - numer...Competitic - Surveillez votre marché et vos concurrents avec internet - numer...
Competitic - Surveillez votre marché et vos concurrents avec internet - numer...
 
STRATEGIE DE DEVELOPPEMENT ET STRATEGIE DE L'INFORMATION
STRATEGIE DE DEVELOPPEMENT ET STRATEGIE DE L'INFORMATIONSTRATEGIE DE DEVELOPPEMENT ET STRATEGIE DE L'INFORMATION
STRATEGIE DE DEVELOPPEMENT ET STRATEGIE DE L'INFORMATION
 
Introduction au Big data
Introduction au Big data Introduction au Big data
Introduction au Big data
 
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdf
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdfChap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdf
Chap1et2-IntroED (2 aaaaaaaaaaaaaaaa).pdf
 
SI_MCC_2020_21.pptx
SI_MCC_2020_21.pptxSI_MCC_2020_21.pptx
SI_MCC_2020_21.pptx
 
Diapo - SI.ppt
Diapo - SI.pptDiapo - SI.ppt
Diapo - SI.ppt
 
Competitic simplifiez le pilotage de votre entreprise avec la business inte...
Competitic   simplifiez le pilotage de votre entreprise avec la business inte...Competitic   simplifiez le pilotage de votre entreprise avec la business inte...
Competitic simplifiez le pilotage de votre entreprise avec la business inte...
 
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic  2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic
 
La data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeurLa data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeur
 
Cartographie de l'information.pptx
Cartographie de l'information.pptxCartographie de l'information.pptx
Cartographie de l'information.pptx
 
Propos sur les si décisionnels.
Propos sur les si décisionnels.Propos sur les si décisionnels.
Propos sur les si décisionnels.
 
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !
 
La data dans tous ses états - Aline Deschamps
La data dans tous ses états - Aline DeschampsLa data dans tous ses états - Aline Deschamps
La data dans tous ses états - Aline Deschamps
 
Presentation BI Consult
Presentation BI ConsultPresentation BI Consult
Presentation BI Consult
 
Conférence big data
Conférence big dataConférence big data
Conférence big data
 

Mais de Aziz Darouichi

Chapitre 2: String en Java
Chapitre 2:  String en JavaChapitre 2:  String en Java
Chapitre 2: String en JavaAziz Darouichi
 
Chapitre 11: Expression Lambda et Référence de méthode en Java
Chapitre 11: Expression Lambda et Référence de méthode en JavaChapitre 11: Expression Lambda et Référence de méthode en Java
Chapitre 11: Expression Lambda et Référence de méthode en JavaAziz Darouichi
 
Chapitre8: Collections et Enumerations En Java
Chapitre8: Collections et Enumerations En JavaChapitre8: Collections et Enumerations En Java
Chapitre8: Collections et Enumerations En JavaAziz Darouichi
 
Chap 6 : classes et interfaces
Chap 6 : classes et interfacesChap 6 : classes et interfaces
Chap 6 : classes et interfacesAziz Darouichi
 
Chapitre2fonctionscppv2019
Chapitre2fonctionscppv2019Chapitre2fonctionscppv2019
Chapitre2fonctionscppv2019Aziz Darouichi
 
Chapitre3TableauxEnCppV2019
Chapitre3TableauxEnCppV2019Chapitre3TableauxEnCppV2019
Chapitre3TableauxEnCppV2019Aziz Darouichi
 
Chap1V2019: Cours en C++
Chap1V2019: Cours en C++Chap1V2019: Cours en C++
Chap1V2019: Cours en C++Aziz Darouichi
 
Chapitre1: Langage Python
Chapitre1: Langage PythonChapitre1: Langage Python
Chapitre1: Langage PythonAziz Darouichi
 
Chapitre5: Classes et objets
Chapitre5: Classes et objetsChapitre5: Classes et objets
Chapitre5: Classes et objetsAziz Darouichi
 
Chapitre6: Surcharge des opérateurs
Chapitre6:  Surcharge des opérateursChapitre6:  Surcharge des opérateurs
Chapitre6: Surcharge des opérateursAziz Darouichi
 
Chapitre4: Pointeurs et références
Chapitre4: Pointeurs et références Chapitre4: Pointeurs et références
Chapitre4: Pointeurs et références Aziz Darouichi
 
Cours Visual Basic.NET
Cours Visual Basic.NETCours Visual Basic.NET
Cours Visual Basic.NETAziz Darouichi
 

Mais de Aziz Darouichi (16)

Chapitre 2: String en Java
Chapitre 2:  String en JavaChapitre 2:  String en Java
Chapitre 2: String en Java
 
Chapitre 11: Expression Lambda et Référence de méthode en Java
Chapitre 11: Expression Lambda et Référence de méthode en JavaChapitre 11: Expression Lambda et Référence de méthode en Java
Chapitre 11: Expression Lambda et Référence de méthode en Java
 
Chapitre8: Collections et Enumerations En Java
Chapitre8: Collections et Enumerations En JavaChapitre8: Collections et Enumerations En Java
Chapitre8: Collections et Enumerations En Java
 
Chap 6 : classes et interfaces
Chap 6 : classes et interfacesChap 6 : classes et interfaces
Chap 6 : classes et interfaces
 
Partie3BI-DW-OLAP2019
Partie3BI-DW-OLAP2019Partie3BI-DW-OLAP2019
Partie3BI-DW-OLAP2019
 
Chapitre2fonctionscppv2019
Chapitre2fonctionscppv2019Chapitre2fonctionscppv2019
Chapitre2fonctionscppv2019
 
Chapitre3TableauxEnCppV2019
Chapitre3TableauxEnCppV2019Chapitre3TableauxEnCppV2019
Chapitre3TableauxEnCppV2019
 
Chap1V2019: Cours en C++
Chap1V2019: Cours en C++Chap1V2019: Cours en C++
Chap1V2019: Cours en C++
 
Chapitre1: Langage Python
Chapitre1: Langage PythonChapitre1: Langage Python
Chapitre1: Langage Python
 
Chapitre5: Classes et objets
Chapitre5: Classes et objetsChapitre5: Classes et objets
Chapitre5: Classes et objets
 
Chapitre6: Surcharge des opérateurs
Chapitre6:  Surcharge des opérateursChapitre6:  Surcharge des opérateurs
Chapitre6: Surcharge des opérateurs
 
Chapitre4: Pointeurs et références
Chapitre4: Pointeurs et références Chapitre4: Pointeurs et références
Chapitre4: Pointeurs et références
 
Cours Visual Basic.NET
Cours Visual Basic.NETCours Visual Basic.NET
Cours Visual Basic.NET
 
Chapitre3 tableauxcpp
Chapitre3 tableauxcppChapitre3 tableauxcpp
Chapitre3 tableauxcpp
 
Chap2fonctionscpp
Chap2fonctionscppChap2fonctionscpp
Chap2fonctionscpp
 
Chap1: Cours en C++
Chap1: Cours en C++Chap1: Cours en C++
Chap1: Cours en C++
 

Último

firefly algoriyhm sac a dos step by step .pdf
firefly algoriyhm sac a dos step by step .pdffirefly algoriyhm sac a dos step by step .pdf
firefly algoriyhm sac a dos step by step .pdffirstjob4
 
comprehension de DDMRP dans le domaine de gestion
comprehension de DDMRP dans le domaine de gestioncomprehension de DDMRP dans le domaine de gestion
comprehension de DDMRP dans le domaine de gestionyakinekaidouchi1
 
optimisation logistique MLT_231102_155827.pdf
optimisation logistique  MLT_231102_155827.pdfoptimisation logistique  MLT_231102_155827.pdf
optimisation logistique MLT_231102_155827.pdfSoukainaMounawir
 
conception d'un batiment r+4 comparative de defferente ariante de plancher
conception d'un  batiment  r+4 comparative de defferente ariante de plancherconception d'un  batiment  r+4 comparative de defferente ariante de plancher
conception d'un batiment r+4 comparative de defferente ariante de planchermansouriahlam
 
Présentation_Soirée-Information_ Surverse_Thibert _30 avril 2024
Présentation_Soirée-Information_ Surverse_Thibert _30 avril 2024Présentation_Soirée-Information_ Surverse_Thibert _30 avril 2024
Présentation_Soirée-Information_ Surverse_Thibert _30 avril 2024Ville de Châteauguay
 
Algo II: les files cours + exercices corrigés
Algo II: les files cours + exercices corrigésAlgo II: les files cours + exercices corrigés
Algo II: les files cours + exercices corrigésSana REFAI
 

Último (7)

firefly algoriyhm sac a dos step by step .pdf
firefly algoriyhm sac a dos step by step .pdffirefly algoriyhm sac a dos step by step .pdf
firefly algoriyhm sac a dos step by step .pdf
 
comprehension de DDMRP dans le domaine de gestion
comprehension de DDMRP dans le domaine de gestioncomprehension de DDMRP dans le domaine de gestion
comprehension de DDMRP dans le domaine de gestion
 
optimisation logistique MLT_231102_155827.pdf
optimisation logistique  MLT_231102_155827.pdfoptimisation logistique  MLT_231102_155827.pdf
optimisation logistique MLT_231102_155827.pdf
 
conception d'un batiment r+4 comparative de defferente ariante de plancher
conception d'un  batiment  r+4 comparative de defferente ariante de plancherconception d'un  batiment  r+4 comparative de defferente ariante de plancher
conception d'un batiment r+4 comparative de defferente ariante de plancher
 
Présentation_Soirée-Information_ Surverse_Thibert _30 avril 2024
Présentation_Soirée-Information_ Surverse_Thibert _30 avril 2024Présentation_Soirée-Information_ Surverse_Thibert _30 avril 2024
Présentation_Soirée-Information_ Surverse_Thibert _30 avril 2024
 
Algo II: les files cours + exercices corrigés
Algo II: les files cours + exercices corrigésAlgo II: les files cours + exercices corrigés
Algo II: les files cours + exercices corrigés
 
JTC 2024 Bâtiment et Photovoltaïque.pdf
JTC 2024  Bâtiment et Photovoltaïque.pdfJTC 2024  Bâtiment et Photovoltaïque.pdf
JTC 2024 Bâtiment et Photovoltaïque.pdf
 

Partie1BI-DW2019

  • 1. Business Intelligence (Informatique Décisionnelle) Aziz DAROUICHI FST-UCA Mail to: pr.azizdarouichi@gmail.com 1
  • 2. Historique de l'aide à la décision Introduction à l’aide à la décision Étapes de prise de décision Processus décisionnel Définition du Business Intelligence Pourquoi construire un système décisionnel ? A qui s'adresse l'informatique décisionnelle ? Bénéfices pour les entreprises Métriques d’aide à la décision Chaîne décisionnelle Architecture du Business Intelligence Utilisation des systèmes décisionnels Influence du cloud computing et Big Data Métiers du BI Suites BI Open source Q & A Historique de l'aide à la décision Introduction à l’aide à la décision Étapes de prise de décision Processus décisionnel Définition du Business Intelligence Pourquoi construire un système décisionnel ? A qui s'adresse l'informatique décisionnelle ? Bénéfices pour les entreprises Métriques d’aide à la décision Chaîne décisionnelle Architecture du Business Intelligence Utilisation des systèmes décisionnels Influence du cloud computing et Big Data Métiers du BI Suites BI Open source Q & A Partie 1: Introduction au Business Intelligence 2
  • 3. Historique de l'aide à la décision 3 Expérience individuelle, Le savoir, L'expérience des conseillers, L'expérience des décideurs, ainsi que sur l'analyse historique.
  • 4. Historique de l'aide à la décision 4 Au xxe siècle, des outils mathématiques sont introduits: la théorie des probabilités: En mathématiques, la théorie des probabilités est l'étude des phénomènes caractérisés par le hasard et l'incertitude. Elle forme avec la statistique les deux sciences du hasard qui sont partie intégrante des mathématiques.
  • 5. 5 Au xxe siècle, des outils mathématiques sont introduits: la théorie des graphes (ordonnancement): La théorie des graphes est la discipline mathématique et informatique qui étudie les graphes, lesquels sont des modèles abstraits de dessins de réseaux reliant des objets. Ces modèles sont constitués par la donnée de « points », appelés des sommets, et de « liens » entre ces points ; ces liens sont souvent symétriques (les graphes sont alors dits non orientés) et sont appelés des arêtes. La théorie de l'ordonnancement: l'ordonnancement, consiste à décider dans quel ordre exécuter les tâches, c'est- à-dire quelle tâche se fera avant une autre. C'est un domaine de la recherche opérationnelle. Historique de l'aide à la décision
  • 6. 6 Au xxe siècle, des outils mathématiques sont introduits: la théorie des graphes: Historique de l'aide à la décision
  • 7. 7 Au xxe siècle, des outils mathématiques sont introduits: la recherche opérationnelle: Pour résumer, la discipline des méthodes scientifiques, telles que les mathématiques ou encore l’informatique utilisables pour élaborer de meilleures décisions. Historique de l'aide à la décision
  • 8. 8 Au xxe siècle, des outils mathématiques sont introduits: les arbres de décisions: Un arbre de décision est un outil d'aide à la décision représentant un ensemble de choix sous la forme graphique d'un arbre. Les différentes décisions possibles sont situées aux extrémités des branches (les « feuilles » de l'arbre), et sont atteints en fonction de décisions prises à chaque étape. L'arbre de décision est un outil utilisé dans des domaines variés tels que la sécurité, le data mining (fouille de données), la médecine, etc. Il a l'avantage d'être lisible et rapide à exécuter. Il s'agit de plus d'une représentation calculable automatiquement par des algorithmes d'apprentissage supervisé. … Historique de l'aide à la décision
  • 9. 9 Apparition des systèmes informatiques d'aide à la décision Systèmes d'Aide à la Décision (DSS): Les systèmes d’aide à la décision (DSS) sont destinés à faciliter les prises de décision au niveau de l’entreprise. Un système d'aide à la décision bien conçu est un logiciel interactif qui aide les décideurs à dégager des informations utiles à partir de données brutes, de documents, de connaissances personnelles et de modèles métier, afin d’identifier et résoudre des incidents et prendre des décisions. Business Intelligence (ETL, OLAP, et DW). Internet, Big Data, cloud computing, IoT,… Historique de l'aide à la décision
  • 10. Introduction à l’aide à la décision 10 Exemple: Un touriste souhaite programmer son prochain déplacement afin de se rendre sur son lieu de vacances. Le calcul de son itinéraire repose sur l'analyse de la carte qui lui permet d'envisager les différents trajets possibles. Et comme il a le choix, il faut aussi qu’il spécifie le critère à retenir : est-ce le plus rapide qu’il cherche ou celui passant par le plus de lieux touristiques ? Cet exemple met en évidence un problème qui consiste à sélectionner une décision parmi un ensemble de décisions possibles, de manière à optimiser un certain critère. Ce type de problème de décision est un problème d'optimisation. Un problème est une question que l'on se pose. Analyser le problème, c'est préciser clairement : ce que l'on veut faire : le type de décision, ce que l'on peut faire : les décisions possibles, comment on choisit : le critère de sélection.
  • 11. 11 Si on représente : une décision par " " : représente un chemin, l'ensemble des décisions possibles par : peut être par exemple l'ensemble des parcours qui vous intéresse ou l'ensemble des menus possibles, le critère par une application qui à une décision associe son évaluation ( ) : • ( ) représente la longueur du parcours . • la forme très générale d'un problème d'optimisation est : min ∈ ( ) Introduction à l’aide à la décision
  • 12. 12 L’aide à la décision est l’ensemble des techniques permettant, pour une personne donnée, d’opter pour la meilleure prise de décision possible. L’aide à la décision est principalement utilisée dans des domaines tels que la finance et la banque, l’informatique ou la politique. L'informatique décisionnelle ou Business intelligence (BI) couvre un ensemble de technologies et d'outils qui permettent de traiter une somme importante d'informations pour, à la fin du processus, présenter aux décideurs des indicateurs fiables et pertinents. Introduction à l’aide à la décision
  • 13. Aide à la Décision: Mise en situation 13 Besoin des entreprises accéder à toutes les données de l’entreprise regrouper les informations disséminées analyser et prendre des décisions rapidement Exemples d’applications concernées Grande distribution : marketing, maintenance, … Bancaire : suivi des clients, gestion de portefeuilles,… Télécommunications : pannes, fraudes, mobiles, … Commercial, marketing : amélioration du ciblage et du coût des campagnes de communication, de recrutement et de fidélisation des clients. Administration, finances : analyse de la marge et des coûts, contrôle de gestion et reporting, simulations et prévisions, évaluation budgétaire.
  • 14. 14 Le chiffre d’affaires (CA) a baissé en octobre. Pour y remédier, des décisions sont à prendre. Mais pour prendre la bonne décision, il faut savoir: Pourquoi le chiffre d’affaires a-t-il baissé? Comment a-t-il baissé? Dans quelle gamme de produits ? Dans quels pays, quelles régions ? Dans le portefeuille de clientèle de quels commerciaux Dans quel segment de distribution ? N’avait-on pas une baisse semblable en octobre chaque année ? Aide à la Décision: Mise en situation
  • 15. La prise de décision 15 Une décision est le résultat d'un processus comportant le choix conscient entre plusieurs solutions, en vue d'atteindre un objectif. L'efficacité des services d'une entreprise dépend de la qualité de ses décisions. Améliorer l'habilité à prendre des décisions, c'est faire usage des ressources dont dispose l'entreprise.
  • 16. Étapes de prise de décision Définir le problème Construire un modèle Identifier et évaluer les solutions possibles Comparer, choisir et recommander une solution potentielle au problème
  • 17. Processus décisionnel 17 Peut être découpé en cinq étapes 1. Définir le problème 2. Rassembler les faits et données 3. Evaluer et interpréter les faits et données 4. Etablir plusieurs solutions 5. Choisir une solution (décider)
  • 18. Processus décisionnel de Simon From SHARDA, RAMESH; DELEN, DURSUN; TURBAN, EFRAIM, BUSINESS INTELLIGENCE AND ANALYTICS: SYSTEMS FOR DECISION SUPPORT, 10th Edition, © 2015. Used by permission of Pearson Education, Inc., New York, NY. All Rights Reserved. 18
  • 19. Business Intelligence 19 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
  • 20. 20 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) Business Intelligence
  • 21. 21 Définition 3: Un ensemble des outils et méthodes informatiques permettant de prendre des décisions dans de bonnes conditions. Business Intelligence
  • 22. 22 Définition 4: L’informatique décisionnelle désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données, matérielles ou immatérielles, d’une entreprise en vue d’offrir une aide à la décision et de permettre aux responsables de la stratégie d’entreprise d’avoir une vue d’ensemble de l’activité traitée. Ce type d’application utilise en règle générale un entrepôt de données (ou data warehouse en anglais) pour stocker des données transverses provenant de plusieurs sources hétérogènes et fait appel à des traitements par lots pour la collecte de ces informations. Source: Wikipédia Business Intelligence
  • 23. 23 Définition 5: Un SID (système d’information décisionnel) est un système permettant aux utilisateurs de l’entreprise de disposer d’informations pertinentes et d’outils d’analyse puissants pour les aider à prendre les bonnes décisions au bon moment. (Bill Inmon) Business Intelligence
  • 24. 24 En conclusion: C’est le processus d’exploitation des données de l’entreprise dirigé par la technologie dans le but de faciliter la prise de décision. Business Intelligence
  • 25. Pourquoi construire un système décisionnel? 25 Objectifs et enjeux 1. Servir une information considérée comme stratégique. 2. Définir un référentiel. 3. Gagner du temps dans la prise de décision 4. Les besoins justifiant un système décisionnel. 5. Les principaux défis des projets décisionnels.
  • 26. 1. Servir une information considérée comme stratégique 26 Un des actifs les plus importants des sociétés, c’est leur capital d’informations qu’elles collectent au jour le jour. Généralement, la plupart de ces informations sont inaccessibles, ou réparties dans une multitude de systèmes. Le Système d'Information Décisionnel (SID) résulte d’un processus qui consiste à extraire les données à partir des systèmes opérationnels et d’autres sources externes à l’entreprise, de les transformer en information de pilotage et de les rendre accessibles aux utilisateurs. La Base Décisionnelle est aujourd’hui reconnue comme un actif stratégique par beaucoup d’entreprises. Pourquoi construire un système décisionnel?
  • 27. 2. Définir un référentiel 27 L’information existante est souvent très riche mais il est difficile d’avoir une vision globale homogène et cohérente des informations manipulées par l’ensemble des départements. Il n’est pas facile d’accéder directement à l’information nécessaire : il existe des données multi-sources utilisant des supports différents (papier, ERP, CRM, base de données, fichiers Excel,…). Pourquoi construire un système décisionnel?
  • 28. 2. Définir un référentiel 28 Avoir une définition commune des indicateurs de l’entreprise. En effet en alignant son organisation autour d’un ensemble unique et cohérent d’indicateurs clés (KPI) et de mesures, on définit un référentiel commun d’analyse. Les données de gestion peuvent avoir des significations différentes selon l’utilisation qui en est faite, exemples : la marge, le CA. Mais le reporting de Direction Générale n’accepte qu’un seul sens à une valeur restituée. L’objectif est bien de créer une vue unique dans l’entreprise pour vos données comptables, clients ou de production. Pourquoi construire un système décisionnel?
  • 29. 3. Gagner du temps dans la prise de décision 29 En définissant un système décisionnel, vous automatisez le traitement de vos données dans l’entreprise. Les utilisateurs de la data ne passent plus ainsi leur temps à créer des tableaux de bords. Ils deviennent plus performant et plus rapide dans l’analyse et dans la prise de décision. Nombreux outils de dataviz facilitent le partage de la donnée de l’entreprise. Les prises de décisions sont plus rapides et plus éclairées. Pourquoi construire un système décisionnel?
  • 30. 4. Les besoins justifiant un système décisionnel 30 Meilleur accès aux données Amélioration de la qualité des informations. Intégration des données provenant de systèmes différents. Définition commune des informations. Meilleur accès aux données historiques. Donner aux collaborateurs les informations dont ils ont besoin Pourquoi construire un système décisionnel?
  • 31. 5. Les principaux défis d’un système décisionnel 31 Compréhension des besoins utilisateurs: Comprendre les besoins des utilisateurs est indispensable pour la réussite d’un projet. Les analyser et les décrire n’est pas une tâche aisée, exprimer un concept capable de satisfaire à ces attentes l’est encore moins. Intégrité des données, c'est-à-dire la cohérence, la fiabilité, et la pertinence des données. Coût des alimentations en données Pourquoi construire un système décisionnel?
  • 32. 5. Les principaux défis d’un système décisionnel. 32 Définition du périmètre du projet: Le périmètre du projet correspond à la délimitation précise du projet. Concernant un projet lié aux Systèmes d’Information (mise en place d'un nouvel ERP, évolution d'un SI en fonction d'une nouvelle organisation ...), le périmètre total est l’identification et le recensement des applications/modules impactés par le projet. Le projet peut être ensuite subdivisé en sous-projets possédant chacun son propre périmètre. Performance du système: « ... est performance du projet tout ce qui, et seulement ce qui, contribue à atteindre les objectifs du projet ». Pour assurer la recherche de performance il faut prendre en compte trois facteurs qui entrent dans la composition du triangle d'or de la performance : • L'efficience • L'efficacité • La compétence Pourquoi construire un système décisionnel?
  • 33. 5. Les principaux défis d’un système décisionnel. 33 Règles de gestion commune: Les règles de gestion (ou règles métiers, ou « business rules » en anglais) sont des déclarations de haut niveau structurées, qui permettent de contraindre, contrôler et influencer un aspect du métier. Ces règles peuvent diminuer ou augmenter l'impact de risque, et encore prendre des décisions rationnelles. Une règle de gestion permet d'influencer une prise de décision. L'objectif est de disposer de règles claires, c'est-à-dire non ambiguës et compréhensibles par tous, notamment par les non informaticiens. Pourquoi construire un système décisionnel?
  • 34. 34 Le but du BI est d'aider à la prise de décision et de permettre des analyses précises, complexes et de grandes envergure dans les entreprises. Les systèmes décisionnels permettent de générer de la connaissance à partir des données produites par les systèmes opérationnels (comme les bases de données relationnelles). Le BI permet de connaître les tendances des clients pour ainsi bien anticiper les réactions de ses derniers. Il permet donc de fidéliser les clients. Pourquoi construire un système décisionnel?
  • 35. 35 La mise en place d’un BI a pour objectif de faciliter le décideur dans son processus de prise de décision. L’informatique permet d’accélérer drastiquement le temps de rassemblement des faits et données et leur interprétation C’est un ensemble d’outils qui ne remplace en aucun cas le décideur. Le BI ne s'adresse ni aux informaticiens ni aux statisticiens. A qui s'adresse le Business Intelligence ?
  • 36. 36 Le BI s'adresse aux décideurs. Ces derniers utilisent les solutions de BI pour mieux comprendre le fonctionnement actuel de l'activité et d'anticiper des actions pour un pilotage éclairé de l'entreprise. Le système décisionnel a pour objet d’aider les décideurs à effectuer des choix pertinents à partir de données historiques. A qui s'adresse le Business Intelligence ?
  • 37. 37 Business Intelligence : quels bénéfices pour les entreprises ?
  • 38. 38 Accélérer et améliorer la prise de décision, Optimiser les processus internes, Augmenter l’efficience d’exploitation, Générer de nouveaux revenus, Améliorer la satisfaction des clients, des fournisseurs et des employés, Prendre l’avantage sur la concurrence. Les systèmes BI aident également les entreprises à identifier les tendances du marché et à repérer les problèmes qui doivent être résolus. Bénéfices pour les entreprises
  • 41. Concepts clefs : Donnée 41 Donnée: Résultat direct d’une mesure ou d’une observation 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 Donnée
  • 42. Concepts clefs : Information 42 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 lié à une augmentation temporaire de la charge de travail Donnée Information
  • 43. Concepts clefs : Connaissance 43 Connaissance: Résultat d’une réflexion sur les informations analysées Se base sur les expériences, les idées, valeurs, avis des personnes consultées Exemple Le gestionnaire de changement peut établir une corrélation entre l’arrivée des nouveaux prestataires et l’augmentation du nombre d’incidents en ayant connaissance de certains éléments Donnée Information Connaissance
  • 44. Concepts clefs : Sagesse 44 Sagesse: État 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 top manager de l’organisation prend des décisions à long terme et des décisions stratégiques pour l’organisation informatique. Donnée Information Connaissance Sagesse
  • 46. En fait, l’important est dans la variation 46
  • 47. Mais une information peut en cacher une autre…47
  • 49. La chaîne décisionnelle 49 Les 5 grandes étapes: Planification Collecte Stockage Distribution Restitution
  • 50. Planification 50 Définition de la planification de projet C’est l’activité qui consiste à déterminer et à ordonnancer les tâches du projet, à estimer leurs charges et, à déterminer les profils et ressources nécessaires à leur réalisation. L’outil requis est le planning. Les objectifs du planning sont les suivants : déterminer si les objectifs sont réalisés ou dépassés suivre et communiquer l’avancement du projet affecter les ressources aux tâches Le respect de ce planning décidera de la réussite ou non du projet, de votre image auprès de votre client, et de la santé financière de votre société. Planification Collecte Stockage Distribution Restitution
  • 51. 51 Pour mettre en place une plate-forme décisionnelle d'entreprise intégrée, la première étape est donc la planification de ce projet. La planification de projet est une étape clé dans la gestion d’un projet. C’est le moment crucial où va se décider le découpage et la répartition des tâches, les besoins en ressources et la date prévisionnelle de fin. Un tel projet nécessite une administration solide. Exemple: les ressources humaines Un responsable peut voir le salaire des personnes de son équipe. Mais ne peut pas voir celui de son chef. Nécessité d'une stratégie de sécurité rigoureuse. Planification Collecte Stockage Distribution RestitutionPlanification
  • 52. Collecte des données 52 Sources : les informations utiles aux décideurs peuvent être stockées sur des sites de natures diverses (sites web, BDR, fichiers, ERP, SAP, autre système opérationnel). Les langages de codification, les structures de données sont généralement hétérogènes, ce qui rend délicate l’extraction des données en vue d’alimenter le data warehouse (entrepôt de données). La collecte s’effectue à partir de données appelées : données sources. Ces données peuvent se présenter sous différents formats. Il peut s’agir de fichiers "plats" (fichiers CSV avec séparateurs, fichiers XML, fichiers ASCII...) mais aussi de SGBDs (export de base MySQL, PostgreSQL, IBM DB2, ORACLE...). Planification Collecte Stockage Distribution Restitution
  • 53. 53 Ces sources de données sont donc en général hétérogènes c’est pourquoi il va falloir passer par une phase dites d’intégration pour pouvoir les manipuler avant de les stocker dans notre système d’aide à la décision. La collecte des données est assuré par des outils ETL (Extract, Transform, Load) permettant de récupérer les données quelque soient leurs sources et les systèmes qui les supportent. Planification Collecte Stockage Distribution Restitution Collecte des données
  • 54. 54 ETL Process ETL : Extract, Transform, Load ETL est un processus de data warehousing chargé de retirer des données des systèmes sources et de les placer dans un data warehouse (entrepôt de données). ETL implique les trois phases suivantes : Extraction des données à partir d’une ou plusieurs sources de données hétérogènes et disparates : fichiers, base de données, applications, … Transformation des données: il s’agit de donner une présentation homogène et fiable pour l’analyse à l’aide de nettoyage, alignement, filtrage, calcul, suppression des doublons,… Chargement des données dans la banque de données de destination, i.e. data warehouse. La phase d’ETL est ici incontournable car elle conditionne et influence la qualité du projet par la suite. Planification Collecte Stockage Distribution Restitution Collecte des données
  • 55. ETL process 55 Planification Collecte Stockage Distribution Restitution
  • 56. ETL process 56 Planification Collecte Stockage Distribution Restitution
  • 57. ETL tools Business Intelligence 57 Solutions existantes: Planification Collecte Stockage Distribution Restitution
  • 58. ETL tools 58 Solutions existantes open source: Planification Collecte Stockage Distribution Restitution
  • 59. 59 Solutions retenues open source: Planification Collecte Stockage Distribution Restitution ETL tools
  • 60. Stockage 60 Cette zone de données est le lieu où les données sont organisées, stockées et offertes aux requêtes des utilisateurs, aux programmes de reporting et autres applications d’analyses. Plusieurs manières de stocker les données dans des bases de données spécialisées : Data warehouse et Data mart. Chacune ayant ses avantages et ses inconvénients. L'administrateur DW pourra notamment choisir entre : DDS (Dimensional Data Store), les schémas en : étoile, flocon… Planification Collecte Stockage Distribution Restitution
  • 61. Distribution de données 61 La fonction de diffusion a pour objectif de mettre les données à la disposition des utilisateurs. Elle permet la gestion de droits d’accès selon les schémas correspondant au profil ou au métier de chacun. L’objectif principal de la diffusion est de segmenter les données collectées en contextes cohérents, simples à utiliser et qui correspondent à une activité particulière. Chaque contexte peut correspondre à un Datamart, il est modélisable sous la forme d’un hyper cube et peut être mis à disposition des utilisateurs via un outil OLAP. Le mot OLAP (On-Line Analytical Processing), désigne l’ensemble des technologies permettant le calcul et l’analyse de données commerciales ou de production, fondée sur des requêtes structurées suivant des critères combinés, appelés dimensions. Planification Collecte Stockage Distribution Restitution
  • 62. 62 Les outils OLAP disponibles : Planification Collecte Stockage Distribution Restitution Distribution de données
  • 63. Restitution 63 La fonction d’exploitation ou de restitution se charge de présenter les informations aux utilisateurs permettant la mise en place de tableaux de bord qui présentent les indicateurs clés de gestion. La génération de tableau de bord, est la partie émergée de l'iceberg : l'informatique décisionnelle. Les outils de restitution permettent aux analystes de manipuler les données contenues dans les entrepôts, éditer des rapports et naviguer dans les cubes. C'est la partie que voient la plupart des utilisateurs. Planification Collecte Stockage Distribution Restitution
  • 64. Business Intelligence 64 Data visualisation/Visualisation de données Planification Collecte Stockage Distribution Restitution Restitution
  • 65. 65 Ce sont généralement de jolies interfaces intuitives permettant à un utilisateur lambda, en fonction de ses droits, de consulter des rapports, des tableaux de bord, de les annoter, voire de les créer lui-même. C’est dans cette phase que les différents outils de restitution vont intervenir. Nous trouverons des : outils de requêtage, outils de reporting, portails d’accès à des tableaux de bord, outils de navigation dans des cubes ou hypercubes multidimensionnels, outils de statistiques, data mining Planification Collecte Stockage Distribution Restitution Restitution
  • 66. 66 Outils de restitution Planification Collecte Stockage Distribution Restitution Restitution
  • 67. Outils de Restitution 67 Outils de Reporting et de Requêtage Le principe du reporting est d'agréger et de synthétiser des données nombreuses et complexes sous forme d'indicateurs, de tableaux, de graphiques permettant d'en avoir une appréhension globale et simplifiée. Le reporting s'appuie principalement sur les agrégats afin de faire apparaître des comptages, sommes ou moyennes en fonction de critères d'analyses.
  • 68. 68 Outils de Reporting et de Requêtage Les outils de reporting et de requêtes permettent la mise à disposition de rapports périodiques, préformatés et paramétrables par les opérationnels. Ils offrent une couche d’abstraction orientée métier pour faciliter la création de rapports par les utilisateurs eux-mêmes en interrogeant le data warehouse grâce à des analyses croisées. Ils permettent également la production de tableaux de bord avec des indicateurs de haut niveau pour les managers, synthétisant différents critères de performance. Le reporting est généralement récurrent, le même rapport sera produit à intervalles réguliers pour contrôler les variations des indicateurs. Outils de Restitution
  • 69. 69 Outils d’Analyse Les outils d’analyse OLAP permettent de traiter des données et de les afficher sous forme de cubes multidimensionnels et de naviguer dans les différentes dimensions. Cet agencement des données permet d’obtenir immédiatement plusieurs représentations d’un même résultat, en une seule requête sous une approche descendante des niveaux agrégés vers les niveaux détaillés (Drill-down, Roll-up). Voici la liste des opérations OLAP : Slice / Dice Drill down / Roll up Pivot / Rotate … Outils de Restitution
  • 71. 71 Data Mining Les outils de Datamining offrent une analyse plus poussée des données historisées permettant de découvrir des connaissances cachées dans les données comme la détection de corrélations et de tendances, l’établissement de typologies et de segmentations ou encore des prévisions. Le Datamining est basé sur des algorithmes statistiques et mathématiques, et sur des hypothèses métier. Outils de Restitution
  • 72. 72 Data Mining Logiciels: Langages de programmation : Interfaces graphiques : Mixtes : Outils de Restitution
  • 73. Architecture d’un système décisionnel 73 Collecte des données Stockage des données Distribution des données Présentation des données
  • 76. L’alimentation est la part la plus importante d’un projet BI 76
  • 77. Pourquoi les alimentations sont-elles difficiles? 77 Sur le plan des données Sources diverses et disparates; Sources sur différentes plateformes et OS; Qualité de données douteuse et changeante dans le temps; Incohérence entre les différentes sources; Données dans un format difficilement interprétable ou ambigu. Définir un langage commun Localiser les données utiles dans les systèmes sources Harmoniser les nomenclatures
  • 78. 78 Sur le plan technique Structure des systèmes sources changeante dans le temps; Applications utilisant des BDs et autres technologies obsolètes Les règles d’alimentation changent sans cesse Développements modulaires, auto-documentés, et traçabilité des données Temps de chargement compatibles avec la fenêtre d'exploitation Pourquoi les alimentations sont-elles difficiles?
  • 79. Risques et facteurs de succès 79 L’implication des utilisateurs est indispensable
  • 81. Les principaux risques d'un projet décisionnel 81 Orientation technologique du projet, plutôt qu’utilisateur Mise en cause de la fiabilité et/ou cohérence des informations Alimentations trop longues et irrégulières Outils et architecture technique inadaptés Fraîcheur insuffisante des informations Qualité de données incertaine dans les sources de données Difficile de construire un data warehouse évolutif (scalable) Pas d’administrateur du système
  • 82. Quelques facteurs clefs de succès 82 Pour la conduite de projet : Adopter une démarche incrémentale avec des objectifs précis et quantifiés à l’avance Miser dès le départ sur un socle informatique stable, puis coordonner des itérations courtes avec des résultats tangibles Dans la conception fonctionnelle : Préférer des états figés mais utiles à des analyses libres mais compliquées Raisonner en flux amont-aval et en échanges transverses entre utilisateurs
  • 83. 83 Dans la mise en œuvre technique : S’assurer de l’évolutivité de la solution technique Privilégier les solutions paramétrables par un administrateur fonctionnel Insérer dans la recette technique des tests de montée en charge Pour la prise en compte des impacts organisationnels : Préparer le changement et l’insérer dans le plan de projet, Fonder et associer le plus tôt possible le futur administrateur du système. Quelques facteurs clefs de succès
  • 84. Utilisations du système décisionnel 84 Domaine Applications clés Banque Risques d’un prêt, Prime plus précise Assurance Risque lié à un contrat d’assurance Évaluation des risques, conception des produits, détection des fraudes Santé Épidémiologie, Risque alimentaire Commerce Ciblage de clientèle, Déterminer des promotions
  • 85. 85 Domaine Applications clés Télécommunications Pannes, fraudes, mobiles, Retenue des clients, conception du réseau Compagnie aérienne Gestion des rendements, Évaluation d'itinéraire Retail (Vente au détail) Marketing cible, gestion de la chaîne d'approvisionnement Utilisations du système décisionnel
  • 86. 86 Domaine Applications clés Logistique Adéquation demande/production Analyse des fournisseurs, anticipation des commandes et des stocks, Pilotage des achats RH Suivi de l’évolution des compétences, du recrutement, Analyse de la masse salariale, anticipation des rotations de personnel, gestion de la pyramide des âges Production Optimisation des coûts de production, Contrôle des coûts Marketing, Finance, Mailing,… Utilisations du système décisionnel
  • 87. Influence du cloud computing Réduit les compétences locales pour acquérir des technologies et gérer un entrepôt de données Économies d'échelle pour les petites organisations Amélioration de scalabilité Des coûts variables plus élevés mais des coûts fixes plus bas 87
  • 88. Modèles de services Cloud Infrastructure (IaaS) Platform (PaaS) Application (SaaS) Cloud Vendor Infrastructure User Organization Development 88
  • 89. Modèles de services Cloud Principaux acteurs DWaaS 89
  • 91. Métiers du BI • Recommend technology solutions • Define user interfaces • Collaborate with business analysts and DW managers DW Analyst • Design, develop, and maintain data warehouses • Ensure conformance to enterprise standards • Develop and implement data integration procedures DW Manager • Develop data analysis and reporting solutions • Mine and analyze data from multiple sources • Communicate results to management • Prepare data (reduction and missing values) BI Analyst • Document data elements • Use reporting tools • Collaborate with business analysts and data architects • Develop data extraction procedures Data Analyst 91 Consultant BI • Analyser les besoins fonctionnels et techniques, • Définir l’architecture, • Développer l’ensemble des processus d’intégration, • Accompagner le client tout au long de la réalisation du projet.
  • 92. Tendances salariales (USA) Job Title 2013 2014 % Change DB manager $101,750 – $140,750 $107,750 – $149,000 5.9% DB developer $80,500 – $128,250 $92,000 – $134,500 5.5% Data analyst $64,250 – $96,000 $67,750 – $101,000 5.3% DW manager $108,750 – $145,750 $115,250 – $154,250 5.9% DW analyst $93,500 – $126,500 $99,000 – $133,750 5.8% BI analyst $94,250 – $132,500 $101,250 – $142,250 7.4% 92
  • 93. Tendances salariales (Europe) Job Title Country 2013 2014 DBA Germany €40,000 – €55,000 €40,000 – €60,000 Business Analyst Germany €55,000 – €85,000 €55,000 – €85,000 DBA London £55,000 – £85,000 £55,000 – £80,000 Database developer £55,000 – £85,000 £60,000 – £85,000 DBA France €50,000 – €90,000 €50,000 – €70,000 DBA Australia $75,000 – $125,000 $75,000 – $125,000 Business analyst Australia $80,000 – $120,000 $80,000 – $120,000 93
  • 94. Percentiles de Tendances salariales (USA) en 2018 Job Title 25th Percentile Midpoint 75th Percentile DB manager $107,000 $127,000 $152,250 DB developer $97,950 $116,000 $139,000 Data analyst $81,000 $96,000 $115,000 DW manager/architect $110,00 $130,000 $156,000 DW analyst $75,250 $93,500 $117,000 BI analyst $83,750 $104,000 $130,250 94
  • 95. Percentiles de Tendances salariales (Canada) en 2018 Job Title 25th Percentile Midpoint 75th Percentile DB manager $95,250 $120,000 $143,500 DB developer $93,550 $104,000 $130,000 Data analyst $55,250 $62,500 $83,250 DW manager/architect $95,750 $115,000 $137,750 DW analyst $71,500 $90,000 $113,250 BI analyst $73,250 $93,500 $107,250 95
  • 97. La suite décisionnelle JasperSoft 97 Historique de JasperSoft 2001: Jaspersoft a vu le jour suite au besoin grandissant pour un développeur Java à Bucarest (Teodor Danciu) d'intégrer une fonction de création de rapports dans une application. 2002: Un utilisateur du nouveeau-né JasperReports exprime à son tour le besoin d'améliorer sa méthode de conception de rapports. Giulio Toffoli développe un projet immédiatement soutenu par la communauté JasperReports. 2004: les deux fondateurs décident de créer une entreprise à San Francisco. Jaspersoft voit le jour. Mai 2018: Sortie de la version TIBCO Jaspersoft 7.1.0
  • 98. 98 Présentation de JasperSoft Jaspersoft a été développé par Tibco Software, spécialiste depuis près de 20 ans du développement d’outils d’analyse et de prise de décision en temps réel. Jaspersoft est aujourd’hui la plateforme Open Source de Business Intelligence la plus utilisée au monde grâce à son architecture flexible et à ses fonctionnalités complètes: reporting, tableaux de bord, requêtes ad-hoc, analyses OLAP , et intégration de données. La suite décisionnelle JasperSoft
  • 99. 99 Fonctionnalités Reporting Tableaux de bord Analyses Intégration de données Plateforme décisionnelle La suite décisionnelle JasperSoft
  • 100. 100 Avantages Les avantages clés de la plateforme décisionnelle sont : des fonctionnalités complètes de reporting, de tableaux de bord et d’analyse faciles à utiliser, une architecture Web flexible facile à intégrer à une autre application, un modèle de licence abordable pour toucher plus d’utilisateurs à moindre coût. les produits Jaspersoft BI sont disponibles en trois éditions Community, Professional et Entreprise pour répondre aux exigences variées des entreprises en terme de fonctionnalités ou performances. La suite décisionnelle JasperSoft
  • 101. 101 Avantages Analyse Big Data: Grâce à sa capacité d’accès en temps réel à Hadoop, MongoDB, Cassandra et aux principaux systèmes de bases de données analytiques, Jaspersoft se connecte à un environnement Big Data pour créer les rapports et les analyses dont votre entreprise a besoin. Analyse Cloud: Les solutions décisionnelles cloud offrent aux entreprises la possibilité d’apporter une réponse aux besoins ad hoc imprévus ou à la nécessité de configurer rapidement un environnement de démonstration de faisabilité. Analyse mobile: Conçu dans un environnement Cloud et doté d’une vaste panoplie d’interfaces de programmation (API), Jaspersoft Open Source permet de créer des applications décisionnelles mobiles natives Android et iOS. La suite décisionnelle JasperSoft
  • 102. 102 Avantages Embedded BI ou BI embarqué consiste à intégrer des rapports, des tableaux de bord et des vues analytiques dans une application. Les informations sont généralement affichées et gérées par une plateforme de BI et sont placées directement dans l'interface utilisateur de l'application afin d'améliorer le contexte et la convivialité des données. L'utilisation d'une plateforme de BI intégrée fournit des rapports et des analyses de pointe, sans le temps et les coûts liés à la création de celle-ci. L’interface utilisateur peut être adaptée à l’univers graphique de votre entreprise au moyen de thèmes et de feuilles de style (css). JasperReports Server constitue le cœur de la suite décisionnelle Jaspersoft. La suite décisionnelle JasperSoft
  • 103. 103 Produits La suite décisionnelle Jaspersoft est composée des cinq éléments suivants : JasperReports Library Jaspersoft Studio JasperReports Server Jaspersoft ETL Jaspersoft OLAP La suite décisionnelle JasperSoft
  • 104. 104 Architecture Jaspersoft La suite décisionnelle JasperSoft
  • 105. 105 Les leaders utilisent JasperSoft comme: La suite décisionnelle JasperSoft
  • 106. La suite décisionnelle Pentaho 106 Historique de Pentaho 2004: Pentaho, édité par une société indépendante fondée en 2004, est une suite BI qui permet la distribution de fonctionnalités et documents décisionnels à un grand nombre de personnes.. 2015: Pentaho a été racheté par Hitachi Data Systems (HDS) en 2015. 19 septembre 2017: Pentaho a rejoint Hitachi Vantara, une nouvelle société qui unifie les activités de Pentaho, Hitachi Data Systems et Hitachi Insight Group (Iot platform Lumada). 2017: Pentaho 8 est sorti par Hitachi Vantara. 29 août 2019: sorti de la dernière version Pentaho 8.3 par Hitachi Vantara.
  • 107. 107 Fonctionnalités Reporting, Tableaux de bord, Analyse ad hoc, Analyse multidimensionnelle (OLAP), Intégration de données, Machine learning, Analyse Cloud, Analyse Big Data, IA, IoT, Data Mining. La suite décisionnelle Pentaho
  • 108. 108 Les leaders utilisent Pentaho comme: La suite décisionnelle Pentaho
  • 110. Bibliographie 110 Michael Mannino, Business School, University of Colorado Denver: « Data Warehouse Concepts, Design, and Data Integration ». Jahangir Karimi, Information Systems University of Colorado Denver: «Business Intelligence Concepts, Tools, and Applications ». Lilia Sfaxi, « Introduction à l’Informatique Décisionnelle » - Cours Smile, Open Source Solutions :« Décisionnel, le meilleur des solutions open-source », Livre blanc https://www.jaspersoft.com/fr https://community.jaspersoft.com/ https://www.hitachivantara.com/go/pentaho.html https://community.hitachivantara.com/s/pentaho https://forums.pentaho.com/ https://support.pentaho.com/hc/en-us/categories/200888603 https://www.cs.waikato.ac.nz/ml/weka/ http://eric.univ-lyon2.fr/~ricco/tanagra/fr/tanagra.html https://rapidminer.com/ https://orange.biolab.si/