Rabaa Youssef Douss – 2021/2022 1

Introduction au Business Inteligence 2021-2022

Objectifs du cours
 Saisir l’importance de la gestion des données en entreprise pour
une meilleure prise de décision
 Différencier un Système d’information opérationnel d’un SI
décisionnel
 Maîtriser les différents éléments (étapes) d’un système BI :
• Collecte et consolidation de données hétérogènes dans des entrepôts
(ETL-DWH)
• Modélisation multidimensionnelle (OLAP cubes)
Prérequis
 Connaissances en Bases de données, Systèmes d’information

Activité
 Travaux dirigés pour l’élaboration de modèles d’entrepôt de
données et l’exploration multidimensionnelle (OLAP)
Volume horaire
 15h Cours + 6h TDs avec potentiellement des TPs (on avisera)

2
Introduction au Business Inteligence 2021-2022
 • Contextes économique et informationnel actuel
• Pilotage de l'entreprise et BI
• Définition du BI et objectifs
• Historique du BI
• Problématique du BI
• Processus BI et métiers
• Domaines d’application

3
Introduction au Business Inteligence 2021-2022
  Contexte économique :
• Mondialisation de l'économie, ouverture de nouveaux marchés
• Concurrence toujours plus accrue
• Besoin dʼinformations pour prises de décisions de plus en plus rapides
 Contexte informationnel :
• Décentralisation des données vers les utilisateurs
• Difficulté d'accès à l'information qui est en trop grande quantité
• Un enjeu stratégique d'entreprise : Les informations, une source de
revenu et de compétitivité
 Contexte informatique :
• Puissance de calcul croissante
• Capacité de stockage croissante
• Bases de données de plus en plus importantes
• SGBD de plus en plus performants (parallélisme, …)
• Ouverture sur le Web, Cloud etc…

4
Introduction au Business Inteligence 2021-2022
 • Contextes économique et informationnel actuel
• Pilotage de l'entreprise et BI
• Définition du BI et objectifs
• Historique du BI
• Problématique du BI
• Processus BI et métiers
• Domaines d’application

5
Introduction au Business Inteligence 2021-2022
 Le pilotage d'une entreprise dépend de ses objectifs stratégiques
Ce pilotage doit prendre en considération :
• Une organisation de plus en plus orientée clients
• Des cycles conception/fabrication de plus en plus courts
• De nouveau canaux de distribution notamment les ventes en ligne
• L'exigence d'internationalisation (qualité produit, conformité aux
normes ISO etc)

Dans ce contexte, l'entreprise se doit :

• d'anticiper les besoins des clients,
• de contrôler l'intégrité et la qualité des flux de gestion
• d’évaluer la performance des différentes entités la composant

6
Introduction au Business Inteligence 2021-2022
 Etude IDC - Microsoft 2014

7
Introduction au Business Inteligence 2021-2022
 8
Etude IDC - Microsoft 2014
Introduction au Business Inteligence 2021-2022
  Besoin: prise de décisions stratégiques et tactiques
 Pourquoi: besoin de réactivité
 Qui: les décideurs (non informaticiens)
 Comment: répondre aux demandes d’analyse des données,
dégager des informations qualitatives nouvelles
Qui sont mes Pourquoi et comment le
meilleurs clients? chiffre d’affaire a baissé?

Quels citoyens
A combien s’élèvent mes
consomment le plus
ventes journalières en Q1?
de poissons? 9
Introduction au Business Inteligence 2021-2022
Les données utilisables par les décideurs
 Données opérationnelles (de production)
 Bases de données (Oracle, SQL Server)
 Fichiers de tout genre…
 Paye, gestion des RH, gestion des commandes…

 Caractéristiques de ces données:

 Distribuées: systèmes éparpillés
 Hétérogènes: systèmes et structures de données différents
 Détaillées: organisation des données selon les processus
fonctionnels, données surabondantes pour l’analyse
 Peu/pas adaptées à l’analyse : les requêtes lourdes peuvent
bloquer le système transactionnel
 Volatiles: pas d’historisation systématique
10
Introduction au Business Inteligence 2021-2022
Comment répondre aux demandes des décideurs?
 En donnant un accès rapide et simple à l’information stratégique
⇒Hors BD opérationnel donc
 En donnant du sens aux données : Nettoyage et structuration

Mettre en place un système d’information dédié aux

applications décisionnelles
 Le processus de prise de décision
Analyser Établir
Définir le Rassembler
les des Décider
problème les données
données solutions

Temps de prise d’une décision

Champs d’application des
systèmes décisionnels
11
Introduction au Business Inteligence 2021-2022
 Outils informatiques pour le pilotage de l’entreprise
Outils d'analyse :
 Constituer et mettre à jour, à partir de diverses sources, des réservoirs
de grande quantités de données historisées et multidimensionnelles, …
 Extraire selon divers critères des sous-ensembles de données de tels
réservoirs
 Analyser ces données selon différents axes, identifier les tendances, les
corrélations, faire de la prévision (Data Mining)
Outils de veille stratégique, de recherche d'information :
 Issus de « l'intelligence économique » (Competitive Intelligence), ces
outils ont pour finalité de recueillir des informations sur le marché et
chez la concurrence
 Collecter sur le Web d'importante quantité de données, filtrer et extraire
les informations pertinentes pour analyse

Outils relevant de l'informatique Décisionnelle (ID)

ou Business Intelligence (BI),
12
Introduction au Business Inteligence 2021-2022
 • Contextes économique et informationnel actuel
• Pilotage de l'entreprise et BI
• Définition du BI et objectifs
• Historique du BI
• Problématique du BI
• Processus BI et métiers
• Domaines d’application

13
Introduction au Business Inteligence 2021-2022
Définition
LʼInformatique Décisionnelle (ID) ou Business Intelligence (BI), est
l'informatique à l'usage des décideurs et des dirigeants pour obtenir
une connaissance approfondie de l'entreprise, définir et soutenir leurs
stratégies d’affaires (pilotage de l’entreprises).
Objectifs
• Acquérir un avantage concurrentiel,
• Améliorer la performance de l'entreprise, la rentabilité
• Répondre plus rapidement aux changements,
• et de façon générale créer de la valeur ajoutée

Soutenir le processus décisionnel de l’entreprise

14
Introduction au Business Inteligence 2021-2022
 Pyramide BI

Sagesse
Connaissance
Information
Data

Big Data

Soutenir le processus décisionnel de l’entreprise

15
Introduction au Business Inteligence 2021-2022
 • Contextes économique et informationnel actuel
• Pilotage de l'entreprise et BI
• Définition du BI et objectifs
• Historique du BI
• Problématique du BI
• Processus BI et métiers
• Domaines d’application

16
Introduction au Business Inteligence 2021-2022
1st Generation - Traditional analytics (query and reporting)
Années 70-90 : débuts de l’Informatique Décisionnelle :
 Développement d'outils d'édition de rapports, de statistiques,
exploitant les BD opérationnelles
 Développement de petits systèmes d'aide à la décision à base de
tableurs (simulation budgétaire, …)
 Développement de systèmes experts (règles), conçus à l’aide de la
collecte de connaissance d'un ou plusieurs experts
 Développement de systèmes spécifiques d'aide à la décision :
basés sur des techniques de Recherche Opérationnelle (RO), la
simulation, l'optimisation, …

⇒ Systèmes en général mal intégrés au

SI opérationnel
17
Introduction au Business Inteligence 2021-2022
2nd Generation - Traditional generation
Années 90 - 2000 : essor du BI
Technologie informatique permettant le développement d’Entrepôts de
Données (Data Warehouse)
Nouveaux algorithmes :

 souvent issus des statistiques et de lʼIA, permettant d'extraire des

informations à partir de données brutes
 l'extraction d'informations nouvelles ou cachées, de connaissances à
partir de données regroupées dans des logiciels de Fouille de données
(Data Mining)

18
Introduction au Business Inteligence 2021-2022
3rd Generation - Advanced analytics Rules, predictive analytics and
realtime data mining Stream analytics
Changement profond des Systèmes BI : Nouvelle génération possède des
caractéristiques communes correspondant aux grandes tendances du moment
 Adapté au Cloud : Possibilités de partage dynamique des ressources par
différentes entités + élasticité́ d’utilisation des ressources matérielles en
fonction des besoins de l’application
 Multi-devices : Outils qui nativement se reconfigure en fonction des devices
(et non qui s’adapte simplement aux écrans de dimensions réduites)
 Prédictif : L’utilisation d’algorithmes prédictifs

 Big Data Ready

Power BI de Microsoft, QlikSense, ORACLE Analytics Cloud , Google BigQuery,
19
Introduction au Business Inteligence 2021-2022
 • Contextes économique et informationnel actuel
• Pilotage de l'entreprise et BI
• Définition du BI et objectifs
• Historique du BI
• Problématique du BI
• Processus BI et métiers
• Domaines d’application

20
Introduction au Business Inteligence 2021-2022
1. Modèles de BD opérationnelles complexes et inutilisables :
 souvent difficiles à comprendre
 ne concerne pas un objectif unique d'affaire
2. Données des BD opérationnelles :
 identiques dans différentes BD : même concept souvent défini différemment
 adaptées pour les systèmes opérationnels (comptabilité, facturation, …), pas pour
l'analyse des fonctions d'affaires
 de mauvaise qualité : données manquantes, données imprécises, …
 volatiles : supprimées périodiquement dans les systèmes opérationnels (6 mois)
modification des données au fil du temps – pas d’information historique
3. Autres données hétérogènes :
 Fichiers .txt , Excel, services web etc…
 Données quantitatives, texte, image, etc... (données multimodales)
 Données bruitées, données fausses

21
Introduction au Business Inteligence 2021-2022
 • Contextes économique et informationnel actuel
• Pilotage de l'entreprise et BI
• Définition du BI et objectifs
• Historique du BI
• Problématique du BI
• Processus BI et métiers
• Domaines d’application

22
Introduction au Business Inteligence 2021-2022
Le BI est constitué d’un ensemble de processus, d'outils et de
technologies pour transformer les données de l'entreprise en
informations exactes et à jour dans l’objectif de soutenir des processus
décisionnels :
 Data Warehousing (DW) : Stockage de l’information
 On-Line Analytical Processing (OLAP) : Création de vue
multidimensionnelle
 Data Mining (DM) et visualisation de données (VIS)
 Analyse des décisions (what-if)
 Customer Relationship Management (CRM)

23
Introduction au Business Inteligence 2021-2022
 24
Introduction au Business Inteligence 2021-2022
Collecter Traiter et Analyser Décider / Prédire
Structuration et consolidation Modélisation multidimensionnelle
et analyse

Metadata
Intégration

E Data- Prise de
T warehouse
L décision
Hypercube
Base multi -
dimensionnelle

Bases de
production Datamarts Outils de Prédiction /
simulation
Data Sources Data Storage OLAP Engine Front End Tools
25
Introduction au Business Inteligence 2021-2022
3 Métiers:
 Data Integrator Combiner des informations hétérogènes venants de sources
différentes
 Data Analyst Inspection, nettoyage, transformation et modélisation des
données. Le Data Mining est une forme particulière de Data Analysis centrée
sur la modélisation et l'extraction de connaissances à partir de données.
En lien étroit avec la Data Vizualisation (Rendre la donnée compréhensible)
 Data Scientist dispose de compétences de haut niveau en matière :
• d'analyse de données, en combinant à la fois les méthodes
statistiques, d'autres connaissances telles que la linguistique, la
sémantique, utiles notamment pour travailler sur des données non
structurées,
• bonne compréhension du métier sur lequel il travaille, pour la mise
en œuvre d’une démarche d'analyse itérative. 26
Introduction au Business Inteligence 2021-2022
 • Contextes économique et informationnel actuel
• Pilotage de l'entreprise et BI
• Définition du BI et objectifs
• Historique du BI
• Problématique du BI
• Processus BI et métiers
• Domaines d’application

27
Introduction au Business Inteligence 2021-2022
Domaines concernés
 commercial, financier, transport, télécommunications, santé,
services, ...
Applications
 gestion de la relation client
 gestion de commandes, de stocks
 prévisions de ventes
 définition de profil utilisateur
 analyse de transactions bancaires
 détection de fraudes
 …

28
Introduction au Business Inteligence 2021-2022
 BI touche la plupart des Métiers de l'entreprise:
Réduction des coûts, prévision de la production,
Production gestion des stocks, contrôle de la qualité

CRM, Connaissance de la clientèle: analyses

Marketing, comportementales
commercial Marketing direct, études de marché, implantation
de nouveaux magasins, prévision des ventes

Ressources Gestions des salariés / carrières, des ressources

Direction générale Satisfaction des employés, caractéristiques de
humaines l’employé loyal, recherche de profil
Pilotage de l’activité,
tableaux de bord
Pilotage financier, assurance-actuariat, gestion
Finance bancaire ex : diminuer les créances douteuses

Optimisation de la gestion des stocks, suivi des

Logistique livraisons

Recherche Essais cliniques, innovation de produits

29
Introduction au Business Inteligence 2021-2022
Domaine bancaire
 Regroupement d’informations relatives à un client pour une demande
de crédit
 Commercialisation d'un nouveau produit : Mailing ciblés rapidement
élaborées à partir de toutes les informations disponibles sur un client
 Recherche de fraudes sur les cartes de crédit : Mémorisation des
mouvements et contrôles à posteriori => détecter les comportements
suspects
 Echanges d'actions et de conseils de courtages
 Déterminer des tendances de marchées grâce à :
 la mémorisation de l'historique
 une exploitation par des outils décisionnels avancées

30
Introduction au Business Inteligence 2021-2022
Grande distribution
 Regroupement d'informations sur les ventes => analyse du comportement
(produits à succès, suivi des modes, habitudes d'achats, préférences des
clients par secteur géographique)
 Mise en évidence des règles de consommation grâce au Datamining
 Cas d'école : Explo(r|it)ation du panier de la ménagère : connaître les
produits achetés en même temps

 Impacts :
 Augmentation des ventes grâce à un marketing ciblé
 Amélioration des taux de rotation de stocks
 Elimination des produits obsolètes définition des rabais, remises,
ristournes, promotions, meilleure négociation des achats
31
Introduction au Business Inteligence 2021-2022
Télécommunications
Grande masse de données :
 Plusieurs mois de descriptions détaillées des appels
 Pour chaque appel : appelant, appelé, heure et durée

Exploitation de ces données pour :

 analyser le trafic
 mieux cerner les besoins des clients
 classer les clients par catégories
 comprendre le comportement des clients (changement
d'opérateurs, besoins)
 proposer de nouvelles offres adaptées aux habitudes des clients

32
Introduction au Business Inteligence 2021-2022
Assurance et pharmacie
Domaines très demandeurs de techniques décisionnelles pour
 Déterminer le facteur de risque d'un assuré
 Meilleure connaissance des clients, détection de rejets, ciblage du
marketing, etc
 Détecter l'impact d'un médicament, ses effets indésirables, etc.

33
Introduction au Business Inteligence 2021-2022
 Q1: Le 11 Octobre 2019, trouver les 5 produits les plus vendus
pour chaque sous-catégorie de produits qui représente plus de
20% des ventes dans sa catégorie de produits

 Q2: En date du 15 Décembre 2018, déterminer la priorité

d'expédition (shipping priority) et de revenu brut potentiel
(potential gross revenue) des commandes qui ont les 10 plus
grandes recettes brutes (largest gross revenues) parmi les
commandes qui n'avaient pas encore été expédiées. On ne
considère seulement que les commandes du segment du
marché du livre.
Requêtes souvent complexes
34
Introduction au Business Inteligence 2021-2022
 • Systèmes d'information opérationnels : SGBD Op. et OLTP
• Nouveaux besoins : DWH et OLAP
• SI Décisionnels

35
Introduction au Business Inteligence 2021-2022
 Supportent en général une ou plusieurs grandes fonctions de l'entreprise :
Production, marketing, commercial, ressources humaines, finance, etc …
 Parfois intégrés dans un ERP (Enterprise Resource Planning) et s'appuient sur
des SGBD traditionnels (Oracle, DB2, …) pour gérer des BD
«opérationnelles» ou de «production»
 Permettent des processus de traitement en ligne des données – OLTP (On
line Transactionnal Processing) : Interactifs, Concurrents, Nombreux,
Répétitifs, Structurés, Simples
 Ces processus OLTP concernent :
 La mise à jour de données
 Un nombre restreint d'enregistrements
 Des données précises et à jour

Exemple : un supermarché ENREGISTRANT ses ventes

36
Introduction au Business Inteligence 2021-2022
 • Systèmes d'information opérationnels : SGBD Op. et OLTP
• Nouveaux besoins : DWH et OLAP
• SI Décisionnels

37
Introduction au Business Inteligence 2021-2022
Prendre de « bonnes décisions » : accéder en temps réel aux data de l'entreprise,
les traiter, extraire l'information pertinente, par exemple pour savoir :
 Résultats des ventes par gamme de produit et par région pour l'année X
 Evolution des chiffres d'affaires par type de magasin et par période
 Comment qualifier les acheteurs de mon produit X ?

Nouvelles attentes des SI décisionnelles :

 Considérer des quantités de données historisées très importantes (Tera, Peta
octets), organisées selon différentes dimensions (temps, espace
géographique, gammes produit, …)
 Passer du traitement en ligne des données (OLTP) à l'analyse en ligne de ces
données (On Line Analysis Processing - OLAP) selon différentes dimensions
⇒Construire des indicateurs indispensables au pilotage de
l'entreprise et prendre les décisions nécessaires
38
Introduction au Business Inteligence 2021-2022
L'informatique opérationnelle ne peut satisfaire ces besoins :
 BDs opérationnelles ne permettent d’utiliser que les données actuellement
stockés => Analyses historiques impossibles à cause des MAJ.
Or pour la prise de décision, les données historiques sont très importantes
 Utilisation des BD en mode multi-utilisateurs : implique des opérations de
verrouillage des données et donc des problèmes de performance car les
requêtes analytiques demandent l’accès à de très grands nombre de tuples
simultanément (enregistrements).
 Exécution de requêtes complexes avec jointures multiples) pour l’analyse
=> problème de temps de réponse
× Processus d'entreposage des données mal adapté
× Analyse en ligne des données très limitée n’offrant pas
suffisamment de « vues »
 Recours au BI pour l'élaboration de SI Décisionnels et
d’entrepôts ou Datawarehouses 39
Introduction au Business Inteligence 2021-2022
 • Systèmes d'information opérationnels : SGBD Op. et OLTP
• Nouveaux besoins : DWH et OLAP
• SI Décisionnels

40
Introduction au Business Inteligence 2021-2022
 • Système permettant de mesurer un/des phénomènes à analyser.
• Outils : SGBD, ETL, outils d’interrogation, d’analyse, de restitution
("reporting"), fouilles de données…
Collecte de Intégration Diffusion Présentation
données : ETL
Metadata
Intégration

E Data-
T Prise de
warehouse
L décision

Hypercube
Base multi -
dimensionnelle Outils de
Prédiction /
Bases de simulation
production Datamarts
Data Sources Data Storage OLAP Engine Front End Tools
41
Introduction au Business Inteligence 2021-2022
 • Collecte de données
• Intégration
• Diffusion
• Présentation

42
Introduction au Business Inteligence 2021-2022
 Evolution des SI opérationnels vers SI décisionnels implique de
séparer : BD Transactionnelle (BD Opérationnel) de BD décisionnelle
Collecte de Intégration Diffusion Présentation
données : ETL
Metadata
Intégration

E Data- Prise de
T
L warehouse décision

Hypercube
Base multi -
dimensionnelle Outils de
Prédiction /
Bases de simulation
production Datamarts
Front End Tools 43
Data Sources Data Storage OLAP Engine
Introduction au Business Inteligence 2021-2022
  Définition : La fonction collecte recouvre l'ensemble des tâches
consistant à détecter, sélectionner, extraire et filtrer les données
brutes issues des environnements pertinents compte tenu du
périmètre couvert par le SI Décisionnel.
 Hétérogénéité des sources de données :
Plusieurs types de sources : fichiers plats, fichiers Excel, base de
données (DB2, Oracle, SQL Server, etc.), services web, etc…
 Plusieurs natures d'informations
 Données quantitatives, qualitatives, texte, image,
 Flux de données
 Données bruitées, données fausses

44
Introduction au Business Inteligence 2021-2022
 La fonction de collecte s'appuie habituellement sur des outils
d’ETL = Extract, Tranform, Load
 Processus:
 Extract: Extraire les données de sources hétérogènes
 Transform: Transformation des données pour les stocker dans un
datawarehouse
 Load: Chargement des données dans le datawarehouse

 Les logiciels d'ETL sont des intergiciels = des logiciels dont le but
est de faire passer des données entre plusieurs logiciels.
 Les ETL sont basées sur un ensemble de connecteurs permettant
la gestion de différentes sources de données

45
Introduction au Business Inteligence 2021-2022
Plusieurs logiciels sur le marché permettant d’effectuer de l'ETL sous
forme de programmes "graphiques". Ils sont intégrés dans des suites de BI.

•SAP Data Services

•Talend Open Studio & Integration Suite
•SQL Server Integration Services (SSIS)
•IBM Information Server (Datastage)
•SAS Data Management
•Elixir Repertoire for Data ETL
•QlikView Expressor
•Oracle Warehouse Builder (OWB)
•IBI Data Migrator
•IBM Infosphere Warehouse Edition
•Oracle Data Integrator (ODI)
•Pentaho Data Integration (PDI)
•Adeptia Integration Server

46
Introduction au Business Inteligence 2021-2022
 • Collecte de données
• Intégration
• Diffusion
• Présentation

47
Introduction au Business Inteligence 2021-2022
Définition L’intégration consiste à concentrer les données collectées dans
un espace unifié, dont le socle informatique essentiel est le DWH.
Les DWH sont physiquement séparés des BD opérationnels
Collecte de Intégration Diffusion Présentation
données : ETL Intégration Metadata

E Data-
T Prise de
warehouse
L décision

Hypercube
Base multi -
dimensionnelle Outils de
Prédiction /
Bases de simulation
production Datamarts
Front End Tools 48
Data Sources Data Storage OLAP Engine
Introduction au Business Inteligence 2021-2022
 Centralisation par ETL => structuration et nettoyage pour stockage
dans DWH.
 Etape faite par l’ETL grâce à un connecteur permettant l’écriture
dans DWH
 Durant cette étape :
• Calculs et agrégations communs à l'ensemble du SID.
• Pré-traitements facilitant l’accès aux données du DWH par les
outils d'analyse.
 Le nettoyage et filtrage des données : redondances etc..
 La validation des données
 La synchronisation
 La certification
 Un espace de stockage « intermédiaire » est créé pour cette étape
d’intégration: Staging Area ou ODS (Operational Data Store).
49
Introduction au Business Inteligence 2021-2022
Staging Area :
 Zone de stockage intermédiaire utilisée pour le traitement des données
pendant le processus ETL et étape d’intégration.
 Zone de transit de l’information entre les sources de données et le DWH.
 Contenu effacé avant d'exécuter un processus ETL ou immédiatement après
l'achèvement réussi d'un processus ETL.
 D’autres architectures de zone de transit conçues pour conserver des
données pendant de longues périodes à des fins d'archivage, dépannage, ou
synchronisation différée ODS
Operational Data Store
 Centraliser les données afin de faciliter l'intégration. (données brutes)
 Destiné à contenir des données de niveau fin (prix ou montant d'une vente),
en opposition aux données agrégées du DWH.
 Pour des fins de traitement temps réel (mise à jour plus fréquente que DWH)
50
Introduction au Business Inteligence 2021-2022
 • Collecte de données
• Intégration
• Diffusion
• Présentation

51
Introduction au Business Inteligence 2021-2022
 Définition Restituer les données et en proposer un accès aisé en prenant
en compte chaque profil et besoin métier, d’où l’existence des datamarts
ou magasins de données.
Collecte de données : ETL Intégration Diffusion Présentation

Metadata
Intégration

E Data- Prise de
T warehouse
L décision

Hypercube
Base multi -
dimensionnelle
Outils de
Prédiction /
Bases de simulation
production
Datamarts
Data Sources Data Storage OLAP Engine Front End Tools 52
Introduction au Business Inteligence 2021-2022
 Datamart : Entrepôt de données dédié à un métier de l’entreprise
pour des raisons d’accessibilité, de facilité d’utilisation ou de
performance. Sous-ensemble du DWH.
 Données y sont multidimensionnelles : modélisables sous la forme
d'un hypercube et peut donc être mise à disposition via un outil
OLAP.
 Données équivalentes à celles du DWH mais représentées de façon
adaptée aux besoins spécifiques de la fonction et/ou du domaine
utilisateur.
 Implémentation physique ou logique :
Exemple : créer un DM dédié au service Marketing ou Commercial.
Le DM peut avoir une implémentation physique (cube) ou n’être qu’une
vue logique des données relatives au service Marketing.

53
Introduction au Business Inteligence 2021-2022
 DataWarehouse Datamart
Spécifiques à l’application
Indépendant de
Application du système d’aide à la
l’application/métier.
décision, au métier, dpt.
Type de système Centralisé Décentralisé
Facilité de construction Difficile à construire Simple à construire
Les données sont
Utilisation de la Les données sont
légèrement
dénormalisation fortement dénormalisées.
dénormalisées.
Détaillée, Historisée, Résumé la plupart du
Forme de données
résumée, dénormalisée temps
Flexible, Orienté données, Restrictif, orienté projet,
Autres caractéristiques
long-terme, grande taille court-terme, petite taille

54
Introduction au Business Inteligence 2021-2022
 • Collecte de données
• Intégration
• Diffusion
• Présentation

55
Introduction au Business Inteligence 2021-2022
La dernière phase concerne la restitution des résultats, on distingue à
ce niveau plusieurs types d’outils : Reporting et requêtes, Analyse
(OLAP), Datamining, Création de tableau de bord (Dashboard)
Collecte de Intégration Diffusion Présentation
données : ETL
Metadata
Intégration

Data-
E Prise de
T warehou
L se décision
Hypercube
Base multi -
dimensionnelle Outils de
Prédiction /
Bases de
simulation
production Datamarts
Data Sources Data Storage OLAP Engine Front End Tools
56
Introduction au Business Inteligence 2021-2022
Caractéristiques des processus d'analyse en ligne – OLAP :
 Interactifs
 Concurrents (par opposition aux BDs op.)
 Peu nombreux
 Non prévisibles
 Complexes : réponses aux requête des décideurs

Les processus OLAP concernent :

 L'exploitation des données
 Un nombre d'enregistrement très important
 Des données consolidées et synthétiques Hypercube
 Exploration et analyse de données historiques, etc… OLAP
Exemple : un supermarché ANALYSANT l'ensemble de ses ventes 57
Introduction au Business Inteligence 2021-2022
 DW-OLAP : représentation des données sous forme multidimensionnelle : Cube

tuple

Produit est au centre de la représentation Vente est au centre de la représentation

Et si on ajoutait une autre colonne date? => Tableau 3D
58
Introduction au Business Inteligence 2021-2022
 Cube: représentation des données sous forme multidimensionnelle

59
Introduction au Business Inteligence 2021-2022
Caractéristiques OLTP OLAP
Applications Production Aide à la décision
Utilisateurs Département professionnel IT Transversal (entreprise)
Nombres Milliers Centaines (Décideur non IT)
Données Normalisées, non agrégées Dénormalisées, agrégées
Relationnelles Multidimensionnelles
Accès Lecture/écriture Lecture
Requêtes Simples, nombreuses, Complexes, peu
régulières, prévisibles, nombreuses, irrégulières,
répétitives non prévisibles
Nb tuples invoqués par Dizaines Millions
requête (moyenne)
Taille des données 100 MB à 1 GB 1GB à 1TB
Ancienneté des Récentes, mises à jour Historique
données
60
Introduction au Business Inteligence 2021-2022
Datamining ou Fouille de données
 Recherche de la connaissance sous forme de modèles de comportement
caché dans les données : Extraction de connaissance à partir de données
(Knowledge Discovery from Data - KDD)
 Domaine à l'intersection de l'intelligence artificielle (IA) , des statistiques,
de l'analyse de données et des BDs
 Techniques de fouille traditionnelles : issues de la statistique descriptive
et de l'analyse de données
 Nouvelles techniques de fouille : l'induction d'arbre de décision, les
algorithmes génétiques, les réseaux de neurones profonds, …
 Tendance vers une intégration croissante de ces techniques de fouille
dans les entrepôts de données (notamment dans l'offre commerciale)

61
Introduction au Business Inteligence 2021-2022
Dashboard
Pentaho

62
Introduction au Business Inteligence 2021-2022
 Entrepôt de données (Data Warehouse) :
• Récolte, stocke et gère efficacement de gros volumes de données pour la prise
de décision
• Assure un regroupement homogène et exploitable de données hétérogènes,
très nombreuses et distribuées
• Modélisation multidimensionnelle (Hypercube) de données grâce au
stockage dans Datamarts
 Analyse en ligne des données (OLAP)
• Données organisées selon plusieurs axes d'analyse et selon différents niveaux de
détail pour un objectif / métier particulier
• Traitements permettant de changer interactivement de points de vue, de de
niveau de détail, et effectuer les opérations OLTP classiques
• Analyse rendue possible grâce à la modélisation multidimensionnelle
 Fouille de données (Data Mining):
• Extraction automatique de connaissances (propriétés cachées) dans de grands
volumes de données => Connaissances valides, nouvelles, compréhensibles,
pertinentes et implicites
63
Introduction au Business Inteligence 2021-2022
 Intégration Diffusion Présentation
Collecte de
données : ETL
Metadata

Intégration
E Data-
T Prise de
warehouse
L décision

Hypercube
Base multi -
dimensionnelle Outils de
Prédiction /
Bases de simulation
production Datamarts
Data Sources Data Storage OLAP Engine Front End Tools

0 1 2 3
Sources externes Entrepôt OLAP Front-ends
BD BD Relationnelle Reporting
(DWH/Datamart)
Modélisation
Fichiers HTML relationnelle BD Data Mining
Multidimensionnelle
Modélisation (Hypercube)
Fichiers plats Outils statistiques 64
multidimensionnelle
Introduction au Images, etc..
Business Inteligence Combinaison des 2 … 2021-2022
 Processus ETL et modélisation d’un entrepôt de données

65
Introduction au Business Inteligence 2021-2022