Chapitre1: Introduction
l’Informatique Decisionnelle
Add a short description
Plan:
1. Problématique
2. Solution BI
3. Différence entre AI et BI
4. Le processus BI
5. L’architecture du système BI
6. Les technologies de la BI
Problématique
Quantité des Organisation
Analyse Decision
données des données
Automatiser le Manque La complexité de Basée sur
processus de d'infrastructure l'analyse de l’intuition
collecte de adapté ett données
données l'incompatibilité augmente avec la
des systèmes taille
Solution
Définition de l’informatique décisionnelle
L'information décisionnelle est l'informatique à l'usage des
décideurs et dirigeants des entreprises. Elle désigne les moyens
,les outils et les méthodes qui permettent de collecter,
consolider, modéliser et de restituer les données d'une
entreprises en vue d'offrir une aide à la décision et de permettre
à un décideur d'avoir une vue d'ensemble de l'activité.
AI vs BI
INTELLIGENCE BUSINESS
ARTTIFICIELLE INTELLIGENCE
Systèmes (programmes Systèmes qui aident les
informatiques) utilisateurs dans la prise
permettant de prendre de décision.
des décisions.
Le processus
BI
Achitecture globale d’un
systeme BI
Technologies de la BI
ETL (EXTRACTION, TRANSFORMATION, CHARGEMENT)
C'est une technologie qui permet à partir de diverses sources de données
d'extraire de l'information, de faire des transformations afin de nettoyer les
données et de charger des données utiles dans un entrepôt de données
(Data Warehouse: DWH).
Exemple d'outils: éditeurs / solutions
Microsoft / SQL Server Integration Services (SSIS)
Oracle / Oracle Warehouse Builder (OWB)
Talend / Open Studio
Cognos - IBM / Cognos DecisionStream (Data Manager)
Technologies de la BI
DATA WAREHOUSE
Le terme Entrepôt de données (ou base de données décisionnelle, où encore
data Warehouse) désigne une base de données utilisée pour collecter,
ordonner, journaliser et stocker des informations provenant de base de
données opérationnelles et fournir ainsi un support à l'aide à la décision en
entreprise
Le Data Warehouse est alimenté en données depuis les bases de production grâce
notamment aux outils d'ETL (Extract Transform Load)
Caractéristiques d’un data warehouse
Orienté sujet Intégré Non volatile Historisé
Les données sont Les données sont Read-Only Les données sont
organisées par normalisées. horodatées
thème
Technologies de la BI
DATAMART
Le terme Datamart (magasin de données) désigne un sous- ensemble du
Data Warehouse contenant les données du datawarehouse pour un secteur
particulier de l'entreprise (département, direction, service, gamme de
produit, etc.). On parle ainsi par exemple de Datamart Marketing, Datamart
Commercial, …
Un Data Warehouse peut contenir plusieurs Datamarts
Plutôt que de viser l'universalité des thèmes, le Datamart se focalise sur un sujet, un
thème ou un métier
Technologies de la BI
OLAP: ON LINE ANALYTICAL PROCESSING
C’est une Technologie utilisant des structures multidimensionnelles pour
offrir un accès rapide aux données en vue d’une analyse.
Les fonctions OLAP permettent, à partir des entrepôts de données,
d'analyser l’activité de l'entreprise grâce à des statistiques : moyennes
mobiles, coefficients de corrélation, valeurs cumulées.…
L'élément principal de l’infrastructure OLAP est le cube.
C'est en fait une base de données multidimensionnelle, qui permet l’analyse de ces
données .
Technologies de la BI
OUTILS SQL SERVER POUR BI
SQL Server Integration Services (SSIS), qui permet d'intégrer des données
provenant de différentes sources pour les ranger dans un entrepôt
central (Data Warehouse).
SQL Server Analysis Services (SSAS), qui permet d'analyser les données,
agrégées lors de SSIS, grâce à des fonctions d'analyse
multidimensionnelle.
SQL Server Reporting Services (SSRS), qui permet de créer, gérer et
publier des rapports résultant des analyses réalisées lors de SSAS.
Chapitre2: Conception d’un
entrepôt de données
Add a short description
Data warehouse
Le Data Warchouse est une
collection de données
orientées sujet, intégrées, non
volatiles et historisées,
organisées pour le support
d’un processus d'aide à la
décision.
ORIENTÉES SUJET DONÉES INTÉGRÉES
DONÉES NON VOLATILES
Base de données relationelles vs entrepot de
données
OLTP
OLTP (ON-LINE TRANSACTION PROCESSING)
Le systeme est caractérisé par un grand nombre de transactions qui sont
enligne (INSERT, UPDATE, DELETE).
L'accent principal pour les systèmes OLTP est mis sur le traitement des
requêtes très rapide, le maintien de l'intégrité des données dans des
environnements multiutilisateur et une efficacité mesurée par le nombre
de transactions par seconde.
Dans une base de données OLTP il ya des données qui sont détaillées et
d’autres actuelles, et le schéma utilisé dans les bases de données
transactionnelles est le modèle de l'entité- association .
OLTP
MODELE ENTITE / ASSOCIATION
OLTP
DE E/A AU RELATIONNEL
Règle 1 : Entité non faible
OLTP
DE E/A AU RELATIONNEL
Règle 2 : Relation 1-N
OLTP
DE E/A AU RELATIONNEL
Règle 2 : Relation 1-N
OLTP
DE E/A AU RELATIONNEL
Règle 3 : Relation N-N
OLTP
DE E/A AU RELATIONNEL
Règle 3 : Relation N-N
OLTP
DE E/A AU RELATIONNEL
Règle 4 : Entité Faible
Exercice SQL
OLAP
OLAP (ON-LINE ANALYTICAL PROCESSING)
Le système est caractérisé relativement par un faible nombre de
transactions.
Les requêtes sont souvent très complexes et impliquent des agrégations.
Pour les systèmes OLAP le temps de réponse est une mesure de
l'efficacité.
Dans la base de données OLAP les données sont stockées d'une façon
agrégées (historisées) suivant des schémas multidimensionnels
(généralement schéma en étoile)
OLAP
MODELE DIMENSIONNEL
Il se compose de deux types principaux de tables :
Les tables de faits, qui contiennent les mesures numériques à analyser
(comme les ventes, les revenus)
Les tables de dimensions, qui fournissent le contexte des faits (par
exemple, le temps, les produits, les clients).
Ce modèle est conçu pour être simple et rapide pour les requêtes
analytiques, notamment avec des techniques comme les cubes OLAP.
OLAP
SCHEMA EN ETOILE
OLAP
SCHEMA EN FLOCON DE NEIGE
OLAP
SCHEMA EN CONSTELLATION
OLAP
REPRESENTATION MULTI-DIMENSIONNELLE
OLAP vs OLTP
Exercice DW