Академический Документы
Профессиональный Документы
Культура Документы
2015-2016-- O. Boussaid
12/11/2015
La Business Intelligence ( BI )
Ere de l'information .
2015-2016-- O. Boussaid
Donnes
Informations
Connaissances
Dcisions
12/11/2015
Types d e d onnes
q Donnes
dtailles
c ourantes
rplication
des
donnes
oprationnelles
(des
s ystmes
transactionnels)
q Donnes
dtailles
anciennes
idem
mais
plus
ges
(parfois
archives)
q Donnes
faiblement
agrges
pour
mieux
rpondre
aux
questions
des
gestionnaires
quilibre
entre
dtails
et
agrgats
quels
attributs
doivent
tre
agrgs?
Avec
quelle
unit
de
temps?
Sym
bole
Valeur
Observation
Octet
Octet
KiloOctet
Ko
1 0 00 (1024)
MegaOctet
Mo
10 6
5
Mo
:
un
morceau
de
m usique
500
Mo
:un
CD-Rom
GigaOctet
Go
10 9
1
G o
:
1
film
de
2
heures
500
Go
un
HD
de
PC
TeraOctet
To
10 12
PetaOctet
Po
10 15
ExaOctet
Eo
10 18
ZettaOctet
Zo
10 21
YottaOctet
Yo
10 24
12/11/2015
De la d onne laction
De la d onne laction
Processus de BI
12/11/2015
De la d onne laction
Cycle de la BI
Orientation : Gestion
BD
Fournisseurs
Flux de
donnes
externes
Orientation : Pilotage
BD
Clients
BD
Compta
Entrept de
Donnes
BD
DRH
BD
Magasins
BD
Marketing
BD
Produits
2015-2016-- O. Boussaid
12/11/2015
La Business Intelligence ( BI )
Un systme d 'information d cisionnel (S.I.D.) est un
ensemble de donnes organis de faon spcifique, appropri
la prise de dcision.
Pilotage de l'entreprise
2015-2016
-- O.
Boussaid
La Business Intelligence ( BI )
12/11/2015
Business Intelligence ( BI )
q Business
Intelligence
(BI)
:
S.I.A.D.
(D.S.S.)
Requtage
et
Reporting
Analyse
en
ligne
( OLAP)
Analyses
s tatistique,
P rvisions
et
D ata
mining
Mission
critique
faisant
p artie
intgrale
d es
activits
d 'une
entreprise
ou
p eut
tre
occasionnelle
p our
rpondre
u ne
d emande
p articulire
A
lchelle
dune
entreprise,
ou
locales
u ne
d ivision,
u n
d partement,
ou
d 'un
p rojet
Inities
de
faon
centrale
ou
la
d emande
dun
u tilisateur
2015-2016-- O.
Boussaid
La Business Intelligence ( BI )
Besoin a ccru d e d onnes d 'horizons multiples e t d ivers : rorganisation d u
SI ractivit ncessaire
Les systmes de gestion sont ddis aux mtiers ; tandis que les
systmes dcisionnels sont ddis au pilotage de l'entreprise
L'entreprise ne doit pas seulement avoir une vue verticale de ses mtiers
(Systme de gestion) mais une vue transversale (Systme Dcisionnel)
2015-2016-- O. Boussaid
12/11/2015
(Data Warehousing)
2015-2016-- O.
Boussaid
Architecture Dcisionnelle
Data
Mining
Entrept de donnes
E
T
L
Mta
donnes
OLAP
Analyses
statistiques
Data
Marts
Bases
de
production
OLAP
Reporting
Administrateur
2015-2016-- O. Boussaid
12/11/2015
Architecture Dcisionnelle
Data
Mining
Entrept de donnes
E
T
L
Mta
donnes
OLAP
Analyses
statistiques
Data
Marts
Bases
de
production
OLAP
Reporting
Administrateur
2015-2016-- O. Boussaid
Phase Structuration
Phase OLAP
Data Mining
Entrept de donnes
E
T
L
Mta
donnes
OLAP
Analyses
statistiques
Data
Marts
Bases
de
production
Administrateur
2015-2016-- O.
Boussaid
OLAP
Reporting
12/11/2015
v Phase ETL
Travail technique.
Techniques d'alimentation :
Chargement des donnes dans l'ED ;
Frquences de rafrachissement :
par d es a pplications sur les sources d e d onnes e t l'ED ;
par d es serveurs d e rplication d u SGBD o u p ar d es o utils
spcialiss.
2015-2016-- O.
Boussaid
v Phase Structuration
Il s'agit de dfinir la finalit de l'ED :
2015-2016-- O. Boussaid
10
12/11/2015
2015-2016-- O. Boussaid
v Phase OLAP
C'est le but du processus d'entreposage des donnes.
Elle conditionne le choix de l'architecture de l'ED et de sa
construction.
2015-2016-- O. Boussaid
11
12/11/2015
2015-2016-- O. Boussaid
v OLAP
Nigel Pendse a uteur d e OLAP Report (www.olapreport.com/fasmi.htm) rcapitule la
dfinition d e l'OLAP e n cinq mots :
2015-2016-- O. Boussaid
12
12/11/2015
v Phase OLAP
Les combinaisons possibles des dimensions, avec les mesures qui en
dcoulent, f orment les faits. I l est possible d'appliquer des fonctions agrgatives
(somme, moyenne, mdiane, etc.) pour obtenir les mesures partir des donnes
transactionnelles ou de mesures de membres de niveau infrieur.
Ainsi, on peut c alculer une v aleur pour un f ait c aractris par les membres d'une
dimension du niveau hirarchique infrieur qui s 'agrgent v ers un membre d'un
niveau s uprieur (ex. la population du Canada est la s omme de la population de chacune de ses
provinces ).
2015-2016-- O. Boussaid
v Phase OLAP
2015-2016-- O. Boussaid
13
12/11/2015
Le DWH est orient sujets : les donnes c ollectes doivent tre orientes
''mtier'' et donc t ries par t hme
Le DWH est c ompos de donnes intgres : un ' 'nettoyage'' pralable des
donnes est ncessaire dans un s ouci de rationalisation et de normalisation
Les donnes du DWH sont non volatiles : une donne entre dans l'entrept
l'est pour de bon et n'a pas v ocation tre s upprime ;
Les donnes du DWH doivent tre historises, donc dates
2015-2016-- O.
Boussaid
14
12/11/2015
DSc1
DSc3
Data
et
Metadata
Storage
Area
DWH
DSc2
DSc4
DScn
End
User
Presentation
Tools
O.D.S.
DM1
DM2
DM3
2015-2016-- O. Boussaid
15
12/11/2015
Staging area
: C'est une zone tem poraire qui sert stocker l es donnes extraites des
systmes sourc es. C'est l que s'effec tuent les diffrentes transformati ons : le nettoyage des
donnes, l e merge, la standardis ation, le dduplication des donnes . Les donnes dans le
staging area sont dtruites une fois le chargement des data-marts termin.
Data warehouse
Zone prsentation
2015-2016-- O. Boussaid
L'Entreprise Data warehouse : Les donnes de l'ODS sont transfres vers le DWH.
Ce dernier est central (d'o son appellation Entreprise Data Warehouse (EDW)). Il contient
toutes les donnes de l'entreprise.
Les Data marts dpendants : Ils peuvent tre aliments soit de l'EDW soit de l'ODS.
La zone prsentation : Une fois les donnes charges dans le Data warehouse
et les
Data marts dpendants, les utilisateurs peuvent y accder pour excuter leurs requtes Ad
hoc, programmer les rapports, analyser et visualiser l'information
2015-2016-- O. Boussaid
16
12/11/2015
Un ODS peut s ervir de s taging area pour alimenter un DW, c ependant c ela ne doit
pas tre s a raison d'tre.
2015-2016-- O. Boussaid
DSc1
DSc3
Bases
multidimensionnelles
DM1
DSc2
DSc4
DScn
DWH
O.D.S.
End
User
Presentation
Tools
DM3
DM2
Cubes
OLAP
2015-2016-- O. Boussaid
17
12/11/2015
2015-2016-- O. Boussaid
18
12/11/2015
2015-2016-- O. Boussaid
2015-2016-- O. Boussaid
19
12/11/2015
Commence par concevoir un modle de donnes de l'entreprise en mme temps que les
modles spcifiques.
Cre un modle normalis d'entreprise de haut niveau ; gnre les modles des premiers
data-marts.
Charge les data-marts avec les donnes atomiques en utilisant un staging area
temporaire.
Les modles des data-marts sont composs d'un ou plusieurs star schmas.
Utilise un outil ETL pour charger les data-marts et pour changer les mtadata avec ces
derniers.
Charge le DW partir des data-marts lorsqu'il y'a besoin de faire des requtes travers
plusieurs data-marts en mme temps.
2015-2016-- O.
Boussaid
2015-2016-- O. Boussaid
20
12/11/2015
2015-2016-- O. Boussaid
2015-2016-- O. Boussaid
21
12/11/2015
2015-2016-- O. Boussaid
22