Raportul proiectului BI

Întreprinderea Shiny

Realizat de :

Kyle XY
 Sumar :

I. Introducere generale
………………………………………….....3
II. Concepte
teoretice
....4
III. Prezentarea instrumentelor
utilizaț i ……………… ……………...11
[Link] de la
soluț ie……………………………………....13
Dificultă ț întâlnite
i
……………………………………..……19
VI. Concluzie………………………………….
…………………………..20
VII. Anexe…………………………………………………
………………...21

2
 I. Introducere generală :

Scopul BI este de a oferi o viziune globală asupra datelor de

compania, pentru a răspunde problemelor acesteia sau, tot
pur și simplu, pentru a-l evalua. Proiectul nostru constă în implementarea
decizional pentru compania Shiny și în principal pentru organizație
de la gestion administrativă.

Prima etapă a acestui proiect BI este de a crea un depozit de date

pentru a avea o viziune globală asupra datelor fiecărui serviciu. În acest scop,
vom realiza mai întâi modelarea MCD a întreprinderii, apoi în
va trece la modelarea datawarehouse-ului.

A doua etapă va fi ETL sau integrarea datelor provenite din

vechea bază de date a companiei. Odată ce depozitul nostru de
datele realizate și completate putem trece la partea de raportare.

A treia etapă se referă la ERP SAP BusinessObject cu care ne

va crea universuri pentru a putea face rapoarte și a ajuta compania
Strălucitor în organizația sa administrativă și în procesul de luare a deciziilor
de decizie.

Acest raport va fi constituit din trei părți; mai întâi vom începe
prin câteva concepte teoretice despre lanțul decizional
eventual părțile ETL, OLAP și Raportare. Apoi, se vor menționa
diferite unelte utilizate pe parcursul proiectului, pentru a finaliza cu
diferite etape ale realizării proiectului.

3
 II. Concepte teoretice

1. Canal BI sau canal decizional

Intelligence de afaceri

Inteligența de afaceri sau BI: Colectarea datelor interne și externe și

transforma-le în informații, analizate de utilizatori, pentru
a lua decizii mai bune și a îmbunătăți performanța
întreprinderea. Business Intelligence oferă o viziune coerentă a
funcționarea organizației :

Asigurarea coerenței între obiectivele strategice și acțiuni

managementul operațional.
Oferiți o viziune prospectivă: măsurați performanța
strategia aleasă și a acționa în consecință.
Modelarea afacerii.

Lanț ul decizional

Elementul de bază al sistemului decizional este data warehouse sau

depozit de date. Este o bază de date sortată, clasată, pentru a
să extragă, grație unor instrumente de restituire și analiză, o informație
strategic.

Implementarea unui sistem decizional constă așadar în recuperarea

datele bazei operaționale a întreprinderii pentru a constitui
datawarehouse (Faza de alimentare) dorită. Ulterior, va fi necesar să
prelucrarea datelor din datawarehouse prin faze de restituire și/sau
analizei.

4
Trebuie să procedăm pe etape pentru a pune în aplicare corect
Depozit de date.

5
 •Interviuri cu utilizatorii / Identificarea nevoilor utilizatorilor :

DataWareHouse este în centrul lanțului decizional, așadar trebuie să-l

conceput cu atenție. O fază preliminară de interviuri cu
utilizatorii sunt necesari, chiar dacă un caiet de sarcini a fost redactat,
afin de evidenția datele care le sunt cu adevărat utile.

•Modelarea DataWareHouse-ului :

După, interviurile cu utilizatorii, datele necesare sunt

connu. Trebuie să le organizăm astfel încât să obținem modele, de tip
steluță sau dublă steluță pentru a putea accesa ușor. Se definește
obiectele pe care utilizatorul le va putea folosi pentru a crea cererile sale și
tablourile sale. În plus, se pun în aplicare cuburile, sisteme de
modelarea datelor multidimensionale pentru a putea gestiona
agregate. Se definesc axe de analiză care pot fi, printre altele,
axa temporală (an, trimestru, lună, săptămână), axa geografică
(continent, țară, regiune, departament, oraș), … și indicatorii.
Analiza multidimensională permite studierea indicatorilor, cum ar fi
cifra de afaceri sau marja, în funcție de diferitele axe.
Avantajul acestui sistem este că putem trece de la un nivel la un altul.
nivel mai detaliat: de la cifra de afaceri pe țară la cifra de afaceri pe
regiune.

•Constituirea Data Mart:

Odată ce DataWareHouse-ul este creat, se poate pune în aplicare un sistem de

Raportare și analiză pentru diferite servicii: unul pentru serviciu
Finanțator, unul pentru serviciul de marketing, unul pentru serviciul clienți, ...
va construi astfel prin serviciu un „mini” DataWareHouse care
va conține doar datele utilizate în cadrul serviciului (nu se
garde că mesele necesare). Acest „mini” DataWareHouse este
apelat DataMart care oferă o viziune departamentală sau de afaceri a
Date. Se construiește în același mod în care se pune în aplicare un
DataWareHouse, adică un DataMart se compune din mai multe
mese organizate cât mai simplu posibil. Se va regăsi o sau
mai multe tabele de fapte în centru de unde pornesc diferite axe
analiză.

Etapele unui proiect decizional

Ca orice proiect, un proiect decizional se descompune în trei mari

etape

Identificarea proiectului
La concepție
Dezvoltarea

6
Identificarea reprezintă pre-proiectul, studiul preliminar în care se
defini perimetrul proiectului, fezabilitatea acestuia, provocările sale și unde ne aflăm
stabilește programul de urmat și caietul de sarcini. În urma acestor
premise, se intră în analiza sau concepția proiectului.

Concep ț ia include specifica ț iile func ț ionale ș i

specificații detaliate. Fiecare este foarte orientat decizional. În
specificații funcționale, în urma interviurilor cu utilizatorii, întâlnim
modelarea cu definirea axelor și indicatorilor și o primă
tentative de punere în aplicare a modelului decizional. Specificațiile
detaliate sunt mai orientate tehnic. Acolo se regăsesc procedurile
d'alimentație, o machetă, definiția detaliată a tablourilor de bord
și la redactarea caietului de rețete. Am adăugat o parte "alegere"
unelte" care ni s-a părut interesantă ca preludiu la realizare.

Realizarea sau desfăș urarea include, aș a cum sunt definite în lanț

decizională, faza de alimentare, faza de restituire și/sau
faza de analiză.

2. ETL (Extrage-Transformă-Încărcare)

Extrage-Transformă-Încarcă cunoscut sub le termeni ETL (sau

uneori : datapumping). El se referă a unui
tehnologie informaticăintergiciellepermițând a efectua des
sincronizări masive de informații dintr-o bază de date către
o altă. Conform contextului, vom traduce prin „alimentare”,
« extraction », « transformation », « constitution » ou « conversion »,
adesea combinate.

Ea este bazată pe conectori care servesc la exportarea sau importarea...

date în aplicații (Ex : conector OracletuSAP...),
transformatoare care manipulează datele (agregări, filtre,
conversii...), și potriviri (mapări). Scopul este
integrarea companiei prin datele sale.

La origine, soluțiile ETL au apărut pentru încărcarea regulată

de date agregate îndepozite de date(sau datawarehouse),
înainte de a se diversifica către celelalte domenii software. Aceste soluții
sunt folosite pe scară largă în lumea bancară și financiară, și în
dezvoltare în industrie.

În prezent, există trei categorii de unelte ETL:

7
 •Bazat pe motor: transformările sunt executate pe un server
ETL, dispunând în general de un referențial. Acest tip de instrument
dispune de un motor de transformare;

•Bază de date încorporată: transformările sunt integrate în

BD ;

•Generatoare de coduri :transformările sunt concepute și un cod este

generat. Acest cod este implementabil independent de baza de
date.

Componentele ETL

Transformarea este cea mai complexă sarcină și care necesită

multe reflecții. Iată caracteristicile principale ale
transformare
Curățarea datelor
Standardizarea datelor.
Conformitatea datelor.
- gestionul tabelelor de fapt
- gestionarea dimensiunilor
afectările cheilor de substituție (surrogate key)
gestionarea evoluției lente (dimensiune care se schimbă lent)
- gestionul faptelor care sosesc târziu (fapt sosit târziu)…

Feedbackul se referă la următoarele două aspecte:

- Informarea sistemului sursă cu privire la rezultatul extragerii: succes, eșec,
data ultimei extrageri
-Transmite informații către sistemele sursă (uneori și la
l'ODS). Exemplul cel mai frecvent citat este cel în care depozitul de date
după analiza fluxurilor de click-uri din experiența de navigare a unui client
(Pe care o recunoaștem după adresa sa IP) returnează informații către
sisteme operationale cu scopul de a afisa cele mai
apropiate!

8
 Extracția datelor este prima etapă în sistemele
ETL. Aceasta permite citirea datelor din sistemele sursă.
În funcție de natura acestor sisteme sursă, extracția poate dovedi a fi
critic și foarte exigent în sensul în care trebuie realizat cât mai
rapid, adesea și făcând exploatare minimă a resurselor
sistemului sursă. În general, extragerile sunt lansate noaptea
durant ceea ce numim o Fereastră de Extracție pe care ne-am stabilit
De acord. Complexitatea extragerii nu este în proces.
de lectură, dar mai ales în respectul feronatului de extragere. Este
din această cauză, se efectuează rar transformări în timpul
de extracție, pe de o parte. Pe de altă parte, încercăm la maximum
de a extrage doar datele utile și pentru a face acest lucru am putea
a se înțelege cu responsabilul sistemului sursă pentru a adăuga fie
un flag sau încă date în fiecare dintre tabelele extrase, la
mai puțin două date: Data creării înregistrării în
tabelul și data actualizării. De asemenea, pentru a nu pierde niște
datele ca urmare a problemelor de extragere, este important să
a se asigura că sistemul sursă nu șterge datele înainte de
depozitul nu le-a extras

Încărcarea în sistemele ETL este o sursă de multe

de confuzie, în funcție de situație, aceasta permite:
-a încărca datele în depozitul de date care este teoretic
destinația ultimă a datelor;
- sau de a le încărca în cube de date.

3. Modelare OLAP :

OLAP

OLAP înseamnă «Procesare Analitică Online». Modelul OLAP va fi acela

data warehouse-ul. Va fi construit pentru a permite analize precise
și pertinente. Mai mulți termeni legați de OLAP au fost inventați:
-R. OLAP : OLAP rela ț ional
-M. OLAP : OLAP multidimensional
-H. OLAP : OLAP hibrid
R. OLAP este cel mai ușor și cel mai ieftin de implementat. Este
cu toate acestea, mai puțin performant în timpul fazelor de analiză și de calcule. În
efect, implică multe îmbinări, și prin urmare, tratamentele sunt
plus consistente.

Le M OLAP este mai dificil și mai scump de implementat. Cu toate acestea, se

se regăsește după cu tratamente mult mai puțin grele și, așadar,
cu mult mai performant decât pentru R. OLAP.

9
Le H. OLAP, în cele din urmă, este o soluție hibridă între cele două, care caută
un compromis bun cost/performanță.

Aceste trei noțiuni se regăsesc în special în timpul dezvoltării

soluții. Acestea depind de software și hardware. În timpul modelării, ne
ne interesează doar să concepem o modelare orientată decizional.
indiferent de instrumentele utilizate ulterior.

Model de bază

Este de la el că se va construi modelarea OLAP. Este vorba despre un

modelul clasic de date care trebuie să fie conținut în
datawarehouse. Modelele bazelor de date sursă sunt
necesare pentru a putea cunoaște care sunt datele disponibile. El
trebuie de asemenea să le corelăm între ele.Într-adevăr, două situații sunt
frecvente atunci când mai multe surse sunt cruzate :
-Datele având acela ș i nume au semnifica ț ii diferite
-Datele cu denumiri diferite sunt strict
identice.
Pentru a putea stabili modelul de bază, trebuie să fi fost bine înțeles
care sunt datele utile și cum sunt definite.

Model în Fulgi ș i în Stea

Odată ce modelul de bază este stabilit, va trebui să-l retravaim într-o

optică mai decizională. Vom modifica utilizând diferite
procese

Schimbarea locului unor elemente

Eliminarea elementelor care nu sunt utile
Duplicarea elementelor atunci când este necesar
Și altele.

Odată ce modificările sunt efectuate, ne uităm dacă putem răspunde la

toate cererile. De exemplu: este posibil să se ofere toate
vânzările unui magazin într-o săptămână pentru directorul financiar? Acestea sunt
la toate aceste întrebări, la care utilizatorii au nevoie să aibă răspunsuri
răspunsuri, la care trebuie să poți răspunde. Dacă modelul nu permite
de a regăsi datele necesare pentru răspunsuri, trebuie să regândim
modificări. Această verificare trebuie efectuată cu meticulozitate, deoarece
nu este odată ce datawarehouse-ul este pus în aplicare că va trebui să ne dăm seama
între timp, o cerere nu poate fi satisfăcută.
Este important să reținem că nu există o soluție unică
dar mai multe soluții logice. În general, fiecare are avantajele sale
și dezavantajele sale. Așadar, trebuie să ne bazăm bine pe ceea ce este cel mai
important pentru client.
În centru, va trebui să găsim tabela (tabelele) de fapte. Este cea care conține
informațiile care vor fi exploatate. De exemplu, vânzări pentru
o rețea de hipermarketuri. Clasic, această masă conține

10
niveluri de detaliu cele mai scăzute posibile. În exemplul nostru anterior,
aceasta ar putea fi vânzările unui produs, într-un magazin dat, la o
ora precisă.
Există două mari familii de modele: cele în flocon și cele în
stele.

Model în Stea

Un model în stea se caracterizează prin prezența ramurilor în jurul

tabela de fapte. (în exemplul nostru vânzările). Ramurile nu sunt
necesar echilibrate, așa că nu trebuie să căutăm cu orice preț să avem
un model bine simetric.
Model în Fulgi

Un model în floare se caracterizează prin prezența ramurilor care se

dédouble. Acolo din nou, scopul nu este de a obține o formă estetică
perfectă, dar să ai ceva relevant.
Putem de asemenea să ne întâlnim cu modele în dublu stea sau dublu
flocon. În aceste cazuri, nu vom avea una, ci două tabele de fapte legate.
În timpul modelării OLAP, trebuie să ne amintim că nu există
soluție unică. Ce este important este să fie coerent, logic și
adaptat proiectului. Un model care permite răspunsul la întrebările
utilizatori și care este performant în termeni de calcul este un model bun.

Multidimensional

Odată ce modelul OLAP este stabilit, se pot adesea identifica mai multe
dimensiuni. În mod normal, ar trebui să regăsim marile axe funcționale
du projte. Fiecare dimensiune va constitui un ax de analiză. Acest lucru va permite
de a agrega datele pentru a avea o viziune de ansamblu sintetică, sau
de a descinde în nivelele de detaliu pentru a obține o vedere mai fină.

Le multidimensional oferă astfel viziuni la diferite nivele "de

zoom ». Acesta permite astfel efectuarea de analize precise ale oricărei
ce număr.

4. Raportare

Instrumentele de restituire sau de pilotare sunt scopul lanțului

decizională, sunt folosite de utilizatori care nu cunosc
în mod necesar, informatica decizională. Așadar, acestea sunt instrumente de
Raportarea este destul de ușor de preluat și de utilizat.

Mijloace de restituire
Instrumentele de interogare sunt generatoare de cod SQL: „Analiză
Apoi, Întrebare ». Există două tipuri de utilizatori :

11
 Utilizatorii care creează rapoartele: ei pot, sau nu, să cunoască
informatica decizională. Au acces la universuri și cuburi. Ei
manipulent, de la interfața solicitantului, obiectele conținute
în clasele pentru a crea diverse tabele. Ei compun rapoarte
pe care le pot difuza, ulterior, persoanelor interesate.

Utilizatorii, care reîmprospătează periodic rapoartele, nu au

deci nu au acces la univers și nu manipulează nicio dată. Ei
analizează informațiile pe care le prezintă rapoartele. Adesea
Acești utilizatori nu cunosc informatica decizională.

Rapoartele sunt compuse dintr-un sau mai multe elemente: din tabele,
diagrame (curbe, grafice circolare, ...) în 2D sau 3D, zone de text, imagini.

III. Prezentarea instrumentelor utilizate:

PowerAMC :

PowerAMC este o soluție robustă de modelare a sistemelor

informații pe care le putem folosi cu toată simplitatea. PowerAMC este un
asamblarea uneltelor susține un număr mare de tehnici de
modelare standard: modelare Merise (Date și Tratare)
Modelare UML special armonizată cu logica aplicațiilor
și Modelarea Proceselor de Afaceri dedicată celor care nu sunt informaticieni
pentru a le facilita exprimarea nevoilor. Oferă un mediu
vizual foarte inteligent și foarte ușor de gestionat. În sfârșit, un reper de Întreprindere
este prezentat ca opțiune pentru o gestionare integrată și controlată a
totalitatea metadatelor.

PowerAMC oferă un set de instrumente pentru crearea directă a

structuri de SGBD-R pentru mai mult de 45 de motoare de pe piață, retro-
concepție și coordonare.

Pentru cazul nostru, vom folosi PowerAMC pentru proiectarea MPD-ului, apoi ...
generarea bazei de date de producție și DataWarhouse de
compania Shyny.

12
MySQL

Am folosit Sistemul de Gestionare a Bazelor de Date MySQL care

este un sistem de gestion a bazelor de date (SGBD). Este distribuit
sub o licență dublă GPL și proprietară. Face parte din software-urile de
gestionarea bazelor de date cele mai utilizate din lume, atât de către mare
public (aplicații web în principal) că de profesioniști, în
concurență cu Oracle, Informix și Microsoft SQL Server.

Talend Open Studio :

Talend Open Studio este o soluție open source puternică și versatilă

pentru integrarea datelor, este vorba de un ETL (Extract –Transform
-Încărcare). Ce tip de instrument permite realizarea fluxurilor, într-un mod vizual,
în principal cu ajutorul mouse-ului. Devine astfel posibil să faci prin
exemple o unire între un tabel Excel, un fișier CSV, un fișier
XML, o bază de date MySQL și înregistrarea rezultatului într-o
baza SQL Server.

Talend Open Studio este capabil să genereze un flux sub formă de o

aplicație în Java sau în Perl.

Talend Open Studio se bazează pe Eclipse, ceea ce poate explica relativitatea sa

o greutate. Prin urmare, este necesară o mașină relativ puternică.
revanșă, se descurcă la fel de bine atât pe Windows cât și pe Linux.

Poate îmbunătăți eficiența designului locului de muncă al integrării datelor

datorită unui mediu de dezvoltare grafic ușor de utilizat
care permite o desfășurare rapidă și reduce costurile de întreținere cu
conectori preconstruiți pentru toate sursele și sistemele țintă,
și care suportă toate tipurile de operațiuni de integrare a datelor, a
migrarea datelor și sincronizarea datelor.

Am folosit Talend Open Studio pentru a beneficia de aceste avantaje

cine sunt: gratuit, importanța comunității Talend, are
conectori cu mai multe sisteme și simplitatea sa.
SAP Business Objects :

Suita Business Objects este compusă din cinci module principale:

-CMS: numit și referință. Acest modul conține bazele de

informații care permit administrarea drepturilor utilizatorilor și a diferitelor
spații de stocare a documentelor. CMS-ul conține uneltele de
gestiunea drepturilor de acces și gestionarea referinței documentelor
universuri.

-Infoview: este un portal de difuzare a rapoartelor. Permite

de a automatiza actualizarea rapoartelor și distribuția acestora. Această distribuție
se poate face fie prin trimiterea documentelor pe care utilizatorul le va putea
rafinare lui însuși.

-Designer: este instrumentul care permite realizarea universurilor. Universurile sunt

interfețe care permit traducerea unei baze de date în termeni
comprensibile pentru utilizatori.

-Desktop intelligence sau DESKI: este editorul de interogări. Acest editor

este clientul greu al BO, trebuie să se instaleze direct pe un post
utilizator pentru a fi folosit.

-Web intelligence sau WEBI: este de asemenea un editor de cereri. Acesta

este versiunea client ușor. Funcționează cu un simplu browser de internet.

Am folosit doar cele două module Designer pentru a crea

univers și inteligență Desktop pentru generarea rapoartelor.

IV. Realizarea soluț iei:

Realizarea soluției a trecut prin trei faze:

Modelarea și generarea Datawarehouse-ului.

ETL.
Analiza datelor.

1-Faza iniț ială: Modelare ș i generare a depozitului de date

cu PowerAMC :

Crearea unui model fizic de date MPD: pentru

modela structura fizică generală a depozitului de date, în
ține cont de considerațiile software sau de constrângerile
se referă la stocarea datelor.
Pentru aceasta, trebuie să începem prin crearea unui nou model:
Fiș ier -> Nou model -> Model fizic de date.

14
Apoi trebuie să alegem diagrama fizică așa cum este indicat în
la figura următoare :

Observație: este necesar să alegeți tipul de SGBD din lista de

bas, în cazul nostru am ales Mysql 5.0.

Desenaț i modelul fizic de date MPD:

PowerAMC furnizează o paletă MPD care poate fi ancorată oriunde
în spațiul de lucru, ea oferă un set de instrumente care
permit comandarea principalelor funcționalități
necesare pentru a construi și a modifica MPD.
După alegerea dimensiunilor și diferitelor măsuri care vor fi
reprezentate de depozitul nostru de date, am obținut modelul
următorul

Am ales trei măsuri :

cifra de afaceri = cantitatea vândută * prețul.
solvabilitatea, care permite să se decidă dacă clientul este capabil să
a rambursa factura având în vedere limita de credit.
- termenul de expediere, care măsoară timpul necesar pentru expediere
o comandă definită.

15
 Aceste măsuri fac apel la dimensiunile următoare: D_Client,
D_Produs
Şi la dimensiunea D_Commande.
Pentru fiecare dimensiune am definit atributele care vor fi utile
pentru calculul măsurilor tabelului de fapte și analiza care va fi
detaliată în a treia fază.
Generarea scriptului pentru data warehouse:
PowerAMC oferă posibilitatea de a genera o bază de date
direct dintr-un MPD sau genera un script care va fi prin
suita executată în mediu SGBD. În cazul nostru, am
alege a doua opțiune, adică, generează un script SQL.
Pentru aceasta, am procedat astfel:
SGBD -> Generaț i baza de date.
După aceea, în tab-ul General, am indicat în câmpul
« repertoriu » calea dosarului unde dorim să salvăm
scriptul așa cum arată figura următoare:

Acest proces generează un fișier .sql în dosarul indicat.

Am importat acest script într-o bază de date Mysql pe server

localhost.

2-A doua etapă: ETL cu Talend Open Studio:

Talend permite recuperarea datelor din mai multe surse diferite,

de a le transforma și de a le reîncărca într-un depozit de date
central.

16
Este vorba despre a alimenta toate coloanele dimensiunilor și cele ale
masă de fapte.

Definiț ia conexiunilor la bazele de date:

Am definit conexiunile la bazele de date: baza „shyny”

sursa și depozitul de date.

Pentru aceasta, un clic dreapta pe "Conexiuni DB" în meniul din dreapta apoi
pe "Creează o conexiune".

Crearea locurilor de muncă:

Am creat un job pentru a alimenta fiecare dimensiune a depozitului de date.

În fila „Referință” facem clic dreapta pe „Jobs”, apoi

dă clic pe « Crează un loc de muncă »

17
 Pentru fiecare Job, glisăm tabelele sursă și le definim ca
ce « tMysqlInput » și tabelul de dimensiune ca
« tMysqlOutput ».
În fila „Paletă” alegem componenta „tMap”, o...
glisează-l și îl depune în „Designerul” jobului.
Instrumentul tMap permite maparea, adică legarea atributelor tabelelor.
sursa și ținta direct sau prin aplicarea unor operațiuni
pe aceste atribute, așa cum se întâmplă cu tabela de fapte.

După înregistrarea locului de muncă, lansăm execuția cu butonul

« executați job » ceea ce permite alimentarea tabelelor țintă.

3-Faza a treia: Analiza datelor cu SAP Business

Obiect:

Este vorba despre reprezentarea informațiilor relevante și a indicatorilor care

pot ajuta managerii să ia decizii. Aceste informații
trebuie să fie prezentate într-o manieră vizibilă și clară, de exemplu sub
forme de tablă, de grafic sau histogramă ...

SAP BusinessObjects este un set de instrumente care permit generarea de

rapoarte de referință ușor de utilizat prin intermediul a două module: Designer
și inteligență desktop.

Crearea universului :

Am creat un univers care permite controlul drepturilor de acces pentru

utilizatori diferiți.

18
Sub SAP BO, am accesat modulul Designer, am început cu
crearea unui univers și inserarea informațiilor relevante despre acest univers, apoi
am ales depozitul nostru de date

Am ales drivere ODBC MySQL deoarece baza de date este creată sub
Mysql 5.0. Pentru a testa conexiunea, este suficient să faceți clic pe testare în fereastră
se va afișa pentru a ne indica dacă conexiunea este bine realizată sau nu.

Apoi am ales mesele cu care vom lucra și vom efectua

cererile (selectați apoi adăugați).

Pentru a reuși cererile, am proiectat indicatorii (acestea sunt

parametrii cantitativi ai unităților de măsură a performanței).

Pentru a indica că un câmp este un indicator, este suficient să-l selectați apoi
clic dreapta proprietăți obiect proprietăți și după aceea bifează butonul radio
indicator.

Am legat fiecare dimensiune la tabela de fapt și am ajustat diferitele

cardinalități.

19
Pentru condițiile și cererile din bara de unelte, alegem
instrumente Intelligence de birou după alegerea universului pe care l-am creat deja.

Apoi, este suficient să glisați câmpurile pe care doriți să le afișați în partea

« Obiectele rezultatului » și cererile din partea « condiții »

După aceea, este suficient să dai clic pe « executați » pentru a genera raportul.

De asemenea, putem genera grafice pentru mai multă lizibilitate.

20
Găsiți în anexă toate rapoartele pe care le-am realizat.

Dificultă ț i întâmpinate:
Principalele probleme pe care le-am întâmpinat în timpul acestui proiect
concernaient :

Concepția DW ne-a luat mult timp.

alegerea dimensiunilor, precum și KPI-urile.
Încărcarea DW-ului cu ETL, în special îmbinările,
funcții pe Talend.
Lipsă de documentație.
Instalarea SAP BO a fost puțin dificilă.
Timpul de instalare al SAP BO este important.
Dificultate în crearea unei conexiuni ODBC pe o mașină cu 64 de biți.
Dificultate de a lucra cu Designer în modul enterprise.

21
VI. CONCLUZIE

În acest proiect am aplicat toată lanț ul BI pe

întreprinderea „Shiny”. Această muncă facilitează pentru
manageri de a lua decizii bune prin a se
bazat pe experienț a clientului.
Acest proiect s-a dovedit a fi foarte îmbogăț itor în
măsură în care a constat într-o abordare concretă a
metier de inginer în Business Intelligence. Într-adevăr,
preluarea iniț iativei, respectarea termenelor ș i munca
în echipă vor fi aspectele esenț iale ale viitorului nostru
meserie.
Se estimează că acest proiect a fost un succes în sensul
că acum ș tim să folosim diferitele software-uri
ș i uneltele BI care au fost puse la dispoziț ie pentru a conduce
proiectul este bine.

22