Plan

Introduction
Le marché du décisionnel
Les entrepôts de
données
Les datamart
Architecture
Alimentation
Modélisation
Les bases
de données
multidimensi
onnelles

Systèmes décisionnels page 1

 Le contexte
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

meilleurs comment
clients? le chiffre
d’affaire a
baissé?

A combien
Quels
s’élèvent mes
Marocains
ventes
consomment
journalières?
beaucoup
de poisson?
Systèmes décisionnels page 2
Le marché du décisionnel

Systèmes décisionnels page 3

Quelques solutions commerciales

Systèmes décisionnels page 4

 Quelques solutions open source

ETL Entrepôt OLAP Reporting Data Mining

de données

Octopus MySql Mondrian Birt Weka

Kettle Postgresql Palo Open Report R-Project
CloverETL Greenplum/Bizgres Jasper Report Orange
Talend JFreeReport Xelopes

Intégré
Pentaho (Kettle, Mondrian, JFreeReport, Weka)
SpagoBI

Systèmes décisionnels page 5

Quelques métiers du décisionnel

Strategic Performance Management

Déterminer et contrôler les indicateurs clé de la performance de
l’entreprise
Finance Intelligence
Planifier, analyser et diffuser l’information financière. Mesurer et
gérer les risques
Human Capital Management (gestion de la relation avec les
employés)
Aligner les stratégies RH, les processus et les
technologies.
Customer Relationship Management (gestion de la relation
client)
Améliorer la connaissance client, identifier et prévoir la rentabilité
client, accroitre l’efficacité du marketing client
Supplier Relationship Management (gestion de la relation
fournisseur)
Classifier et évaluer l’ensemble des fournisseurs. Planifier et piloter la
stratégie Achat.
Systèmes décisionnels page 6
Systèmes décisionnels page 7
Les données utilisables par les décideurs

Données opérationnelles (de production)

Bases de données (Oracle, SQL Server)
Fichiers, …
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

Systèmes décisionnels page 8

Systèmes décisionnels page 9
Problématique

Comment répondre aux demandes des décideurs?

En donnant un accès rapide et simple à l’information stratégique
En donnant du sens aux données

Mettre en place un système d’information dédié aux

applications décisionnelles:
un data warehouse

10

Systèmes décisionnels page 10

Systèmes décisionnels page 11
Domaines d’utilisation des DW

Banque
Risques d’un prêt, prime plus précise
Santé
Épidémiologie
Risque alimentaire
Commerce
Ciblage de clientèle
Déterminer des promotions
Logistique
Adéquation
demande/production
Assurance
Risque lié à un contrat
d’assurance (voiture)
…
12

Systèmes décisionnels page 12

Systèmes décisionnels page 13
Informatique décisionnelle
Le besoin
Les systèmes d'information d'entreprise sont fondés sur des
bases de données relationnelles (OLTP)
=> Stocker des informations fragmentaires et retrouver des
fragments (transaction)
=> Éviter les redondances (normalisation)
=> Objectifs opérationnels
Mais les besoins pour le domaine décisionnel sont
différents
Besoin d'une information agrégée à différents niveaux
(historiques par exemple) mais pas forcément, de tous les
détails
Pas de problème de redondance, la redondance peut même
être recherchée pour améliorer l'efficacité
Idée
On va créer des bases de données spécialisées pour le
décisionnel (OLAP)
Bases de données multidimensionnelles – entrepôts de
données
Systèmes décisionnels page 14
Systèmes décisionnels page 15
Systèmes décisionnels page
e 16
Systèmes décisionnels page 17
Définition d’un DW

W. H. Inmon (1996):
« Le data Warehouse est une collection de données
orientées sujet, intégrées, non volatiles et
historisées, organisées pour le support d’un
processus d’aide à la décision »

Principe: mettre en place une base de données

utilisée à des fins d’analyse

18

Systèmes décisionnels page 18

Systèmes décisionnels page 19
Systèmes décisionnels page 20
 Le processus de prise de décision

Champs d’application des

systèmes décisionnels

Définir le Rassembler Analyser les Établir des Décider

problème les données solutions
données
Temps de prise d’une décision

21

Systèmes décisionnels page 21

Informatique décisionnelle
Architecture classique

ALIMENTATION

Entrepôt de
données

Système
d'information Magasins de Outils décisionnels
opérationnel données Analyse
reporting
data-mining

....

Systèmes décisionnels page 22

Datamart
Sous-ensemble d’un entrepôt de données
Destiné à répondre aux besoins d’un secteur ou
d’une fonction particulière de l’entreprise
Point de vue spécifique selon des critères
métiers

Datamarts du
service Marketing

Datamart du
DW de l’entreprise service Ressources
Humaines 23

Systèmes décisionnels page 23

Intérêt des datamart

Nouvel environnement structuré et formaté en fonction

des besoins d’un métier ou d’un usage particulier
Moins de données que DW
Plus facile à comprendre, à manipuler
Amélioration des temps de réponse
Utilisateurs plus ciblés: DM plus
facile à définir

24

Systèmes décisionnels page 24

 Architecture générale

Zone de
Zone de préparation Zone de stockage présentation
E
C
X
Transformations: H
Data Requêtes
T Nettoyage A
warehouse Rapports
Standardisation Visualisation
R R
… Data Mining
A …
G
C de
Sources Datamart
E
données
T
I M

O E 25

Systèmes décisionnels page 25

Informatique décisionnelle

Alimentation – ETL (Extract, Transform and Load)

Filtrage
On ne sélectionne que certaines données
Correction des erreurs
On vérifie la qualité des données, la cohérence des
identifiants...
Historisation des données
Étiquetage des données avec des dates, mémorisation sur
des durées souvent assez longues
Agrégation
Les données ne sont pas conservées avec un niveau trop fin
de détail pour gagner en efficacité

Systèmes décisionnels page 26

Aperçu d’un ETL

27

Systèmes décisionnels page 27

Les 4 caractéristiques des data warehouse

1- Données orientées sujet:

Regroupe les informations des différents métiers
Ne tiens pas compte de l’organisation fonctionnelle des
données

Ass. Vie Ass. Ass. Santé

Auto
Client
Police

Systèmes décisionnels page 28

Les 4 caractéristiques des data warehouse

2- Données intégrées:
Normalisation des données
Définition d’un référentiel unique

h,f

1,0 h,f

homme, femme

GBP
EUR
CHF

USD

29

Systèmes décisionnels page 29

 Les 4 caractéristiques des data warehouse

3- Données non volatiles

Traçabilité des informations et des décisions prises
Copie des données de production

Bases de production Entrepôts de données Ajout

Suppression

Accès

Modification Chargement

30

Systèmes décisionnels page 30

 Les 4 caractéristiques des data warehouse

4- Données datées
Les données persistent dans le temps
Mise en place d’un référentiel temps

Image de la base en Mai 2015 Image de la base en Juillet 2016

Répertoire Répertoire
Base de Nom Ville Nom Ville
production Omari Casa Omari Rabat
Jamali Agadir Jamali Agadir

Calendrier Répertoire
Entrepôt Code Année Mois Code Année Mois
de 1 2015 Mai
2005 1 Omari Casa
données
2 2016 Juillet 1 Jamali Agadir
2 Omari Rabat

Systèmes décisionnels page 31

 SGBD et DW

Service Service Service

OLTP: On-Line commercial Financier
Transactional BD prod BD prod livraison
Processing BD prod
Clientèle

H
I
Data Warehouse
S
OLAP: On-Line
Analitical T
Clientèle
Processing
O
32
R
Systèmes décisionnels pageI32
OLTP VS DW

OLTP DW
Orienté transaction Orienté analyse
Orienté application Orienté sujet
Données courantes Données historisées
Données détaillées Données agrégées
Données évolutives Données statiques
Utilisateurs nombreux, Utilisateurs peu nombreux, manager
administrateurs/opérationnels
Temps d’exécution: court Temps d’exécution: long

Systèmes décisionnels page 33

Informatique décisionnelle
Structure des bases de données multidimensionnelles
Exemple
La société « Roulez jeunesse » installée à Tarbes a construit une
base de données (relationnelle) pour suivre l'évolution de ses
ventes de rollers
Mois Modèle Nombre Total HT
Janvier 2006 Roller Junior 5 150,00 €
Janvier 2006 Roller Découverte 5 150,00 €
Février 2006 Roller Junior 3 93,00 €
Mars 2006 Roller Freeride 2 400,00 €

Pour analyser les résultats, on peut utiliser des tableaux

Les Mois en ligne
Les Modèles en colonnes
Soit le Nombre, soit le Total HT comme valeurs dans les cellules
=> 2 états de base

Systèmes décisionnels page 34

Informatique décisionnelle
La société « Roulez jeunesse » est en pleine expansion et
plusieurs magasins sont créés, il faut adapter la base de
données

Mois Modèle Magasin Nombre Total HT

Avril 2006 Roller Junior Tarbes 7 210,00 €
Avril 2006 Roller Découverte Agadir 5 150,00 €
Mai 2006 Roller Junior Agadir 3 93,00 €
Mai 2006 Roller Freeride Tarbes 2 400,00 €

Désormais, on peut croiser

pour chaque Modèle donné, Mois et Demande
pour chaque Magasin, Mois et Modèle
pour chaque Mois, Magasin et Modèle
et les deux mesures Nombre et Total HT
=> 6 états de base

Systèmes décisionnels page 35

Dimensions et faits
On peut imaginer que la société affine ses études en
ajoutant des informations comme la pointure, la couleur, la
marque... des rollers
Les informations deviennent alors très difficiles à appréhender
Il faut alors envisager de passer à une vision multidimensionnelle
de la base de données

Modèle Magasin
id_Modèle id_Magas in
Descriptif Ventes Des criptif
Nombre Adresse
Total HT
Dimension
Fait (ensemble de
(ensemble positions)
Mois de mesures)
id_Mois
Nom_mois
Année

Systèmes décisionnels page 36

Cube décisionnel
« Cube » décisionnel pour la mesure Total HT

Modèle

Magasin

Avril 2006 210

Mois

Systèmes décisionnels page 37

Hiérarchie sur les dimensions
Dans notre exemple, nous avons étudié les ventes
par mois
On peut souhaiter l'étudier sur des durées
différentes telles que par trimestre, par an...
On va définir une dimension « Temps » constitué
d'une hiérarchie à plusieurs niveaux
Mois
Trimestre
Année

Systèmes décisionnels page 38

Hiérarchie sur les dimensions

Modèle Magasin
id_Modèle id_Magas in
Descriptif Ventes Des criptif
Nombre Adresse
Total HT

Mois
id_Mois
Nom_mois

Trimestre
id_Trim
Nom_trim
Hiérarchie sur la Année
dimension « Temps » id_Année
Nom_année

Systèmes décisionnels page 39

Hiérarchies sur les dimensions

Modèle Modèle

Magasin Magasin

Avril 210 2016 ???

2016

Temps.Mois Temps.Année

Remarque
Il est possible de définir plusieurs hiérarchies pour une seule
dimension
Systèmes décisionnels page 40
Modélisation des DW

Nouvelle méthode de conception autour des concepts

métiers
Ne pas normaliser au maximum
Introduction de nouveaux types de table:
Table de faits
Table de dimensions
Introduction de nouveaux modèles:
Modèle en étoile
Modèle en flocon
Modèle en constellation

Systèmes décisionnels page 41

Table de faits
Table principale du modèle dimensionnel
Contient les données observables (les faits) sur le sujet
étudié selon divers axes d’analyse (les dimensions)

Table de faits des ventes

Clé date (CE)
Clés étrangères
vers les Clé produit (CE)
dimensions Clé magasin (CE)
Quantité vendue
Coût
Faits
Montant des
ventes

Systèmes décisionnels page 42

Table de faits (suite)

Fait:
Ce que l’on souhaite mesurer
Quantités vendues, montant des ventes…
Contient les clés étrangères des axes d’analyse (dimension)
Date, produit, magasin
Trois types de faits:
Additif
Semi additif
Non additif

44

Systèmes décisionnels page 43

Typologie des faits

Additif: additionnable suivant toutes les dimensions

Quantités vendues, chiffre d’affaire
Peut être le résultat d’un calcul:
Bénéfice = montant
vente – coût

Semi additif: additionnable

suivant certaines dimensions
Solde d’un compte bancaire:
Pas de sens d’additionner sur les dates car cela
représente des instantanés d’un niveau
Σ sur les comptes: on connaît ce que nous
possédons en banque

Non additif: fait non additionnable quelque soit la

dimension
Systèmes décisionnels page 44
Table de dimension
Axe d’analyse selon lequel vont être étudiées les données
observables (faits)
Contient le détail sur les faits

Dimension produit

Clé de substitution Clé produit (CP)

Code produit
Description du produit
Famille du produits
Attributs de la Marque
dimension Emballage
Poids

Systèmes décisionnels page 45

Table de dimension (suite)

Dimension = axe d’analyse

Client, produit, période de temps…
Contient souvent un grand nombre de colonnes
L’ensemble des informations descriptives des faits
Contient en général beaucoup moins d’enregistrements
qu’une table de faits

Systèmes décisionnels page 46

La dimension Temps
Commune à l’ensemble du
DW
Reliée à toute table de Dimension Temps
faits Clé temps (CP)
Jour
Mois
Trimestre
Semestre
Année
Num_jour_dans_année
Num_semaine_ds_année

Systèmes décisionnels page 47

Granularité d’une dimension

Une dimension contient des membres organisés en

hiérarchie :
Chacun des membres appartient à un niveau hiérarchique (ou
niveau de granularité) particulier
Granularité d’une dimension : nombre de niveaux
hiérarchiques
Temps :
année – semestre – trimestre - mois

Systèmes décisionnels page 48

Évolution des dimensions
Dimensions à évolution lente
Dimensions à évolution rapide

Systèmes décisionnels page 49

Évolution des dimensions

Dimensions à évolution lente

Un client peut se marier, avoir des enfants…
Un produit peut changer de noms ou de formulation:
« Raider » en « Twix »
« yaourt à la vanille » en « yaourt saveur
vanille »
Gestion de la situation, 3 solutions:
Écrasement de l’ancienne valeur
Versionnement
Valeur d’origine / valeur courante
Dimensions à évolution rapide

Systèmes décisionnels page 50

 Dimensions à évolution lente (1/3)

Écrasement de l’ancienne valeur :

Correction des informations erronées
Avantage:
Facile à mettre en œuvre
Inconvénients:
Perte de la trace des valeurs antérieures des attributs
Perte de la cause de l’évolution dans les faits mesurés

Clé produit Description du produit Groupe de produits

12345 Intelli-Kids Logiciel
Jeux éducatifs

Systèmes décisionnels page 51

 Dimensions à évolution lente (2/3)

Ajout d’un nouvel enregistrement:

Utilisation d’une clé de substitution
Avantages:
Permet de suivre l’évolution des attributs
Permet de segmenter la table de faits en fonction de l’historique
Inconvénient:
Accroit le volume de la table

Clé produit Description du produit Groupe de produits

12345 Intelli-Kids Logiciel
25963 Intelli- Jeux éducatifs
KidsSystèmes décisionnels page 52
 Dimensions à évolution lente (3/3)

Ajout d’un nouvel attribut:

Valeur origine/valeur courante

Avantages:
Avoir deux visions simultanées des données :
Voir les données récentes avec l’ancien attribut
Voir les données anciennes avec le nouvel attribut
Voir les données comme si le changement n’avait pas eu lieu

Inconvénient:
Inadapté pour suivre plusieurs valeurs d’attributs
intermédiaires

Clé produit Description du Groupe de Nouveau groupe

produit produits de produits
12345 Intelli-Kids Logiciel Jeux éducatifs

Systèmes décisionnels page 53

Évolution des dimensions

Dimensions à évolution lente

Dimensions à évolution rapide
Subit des changements très fréquents (tous les mois) dont
on veut préserver l’historique
Solution: isoler les attributs qui changent rapidement

58

Systèmes décisionnels page 54

Dimensions à évolution rapide
Changements fréquents des attributs dont on veut garder
l’historique
Clients pour une compagnie d’assurance
Isoler les attributs qui évoluent vite

Systèmes décisionnels page 55

 Dimensions à évolution rapide (suite)

Dim client
Clé_client Faits
Dim client Faits
Nom Clé_client
Clé_client Clé_client
Prénom
… Clé_démo
Nom
Adresse g
Prénom
Date_naissance
Adresse
…
Date_nais
…
Revenus Dim_démographique
Niveau_étude Clé_démog
Nb_enfants Revenus
Statut_marital Niveau_étude
Profil_financier
Nb_enfants
Profil_achat
Statut_marital
Profil_financier
Profil_achat

Systèmes décisionnels page 56

 Les types de modèles

Modèle en étoile Modèle en flocon

Systèmes décisionnels page 57

Modèle en étoile

Une table de fait centrale et des dimensions

Les dimensions n’ont pas de liaison entre elles
Avantages:
Facilité de navigation
Nombre de jointures limité
Inconvénients:
Redondance dans les
dimensions
Toutes les dimensions ne
concernent pas les
mesures

Systèmes décisionnels page 58

 Modèle en étoile

Dimension Temps
ID temps
année
mois
jour Dimension produit
… ID produit
Dimension Magasin
ID magasin nom
code
Table de faits Achat prix
description
ID client poids
ville
ID temps groupe
surface
ID magasin famille
…
ID région …
ID produit
Dimension Region Quantité achetée Dimension Client
ID région Montant des achats ID client
pays nom
description prénom
district vente
…. adresse
…
Systèmes décisionnels page 59
 Modèle en flocon
Dimension produit
Dimension Temps ID produit
ID temps ID
annee groupe
mois nom
jour code
Dimension Magasin … prix Dimension groupe
ID magasin poids ID groupe
description … ID
ville Table de faits Achat
famille
surface ID client
nom
… ID temps
…
ID magasin
Dimension Region ID région
ID région Dimension Famille
ID produit
ID division vente ID
Quantité achetée famille
pays Montant des achats
description nom
…. …
Dimension Client
Dimension
ID client
Division vente
nom
ID division vente
prénom
description
…15/
Systèmes décisionnels R-RAHA adresse
& L. Geneste page 67
60
Représentation tabulaire (exemple)

Don
Sub Bud
Type public privé asso ...
Région (Subvention, Taxe)
MP (250,25) (200,70) ...
Aquitaine ...
Languedoc ...
Géo

Temps.année=2006

Systèmes décisionnels page 61

 OLTP VS OLAP

Produits Pays
Produit oranges
Espagne
PK id_produit poires
Libellé pommes Allemagne
Famille

Achat France
PK id_achat
FK id_client
id_produit

client Quantité Vente de

janvier avril pommes en
PK id_client
Allemagne
Nom février
Temps en avril
adresse

Systèmes décisionnels page 62

 Manipulation des données
multidimensionnelles
Opération agissant sur la structure
Tranchage (slicing): consiste à ne travailler que sur une
tranche du cube. Une des dimensions est alors réduite à une
seule valeur

05 06 07 06
Œuf Idf 220 265 284 Œuf Idf 265
Ain 225 245 240 Ain 245
Viande Idf 163 152 145 Viande Idf 152
Ain 187 174 184 Ain 174

74
 Manipulation des données
multidimensionnelles
Opération agissant sur la structure
Extraction d’un bloc de données (dicing): ne travailler que sous
un sous-cube

05 06 07
Œuf Idf 220 265 284 05 06 07
Ain 225 245 240 Œuf Idf 220 265 284
Viande Idf 163 152 145 Ain 225 245 240
Ain 187 174 184

64

Systèmes décisionnels