Université Mohammed Premier école Supérieure de Technologie OUJDA Département génie informatique Licence professionnelle en informatique décisionnelle Conception d’un système d’aide à la décision aux compagnes marketing et commerciales Rapport de Stage Professionnel LIEU DE STAGE : EVA FACTORY, OUJDA A GENCE DE M ARKETING D IGITAL ET DE L 'I NGÉNIERIE I NFORMATIQUE Réalisé par : • LATRECHE Hicham • SOUIDI Hanane Encadré par : • FIKRI Zakaria Année universitaire 2021/2022 Remerciements Premièrement et avant toute chose, nous rendons grâce à Dieu le tout puissant pour toutes les vertus qu’il nous offre jour après jour, et pour nous avoir permis de suivre le chemin du savoir. Ce modeste travail n’aurait pas pu voir le jour sans l’aide, la contribution et le soutien de plusieurs personnes. Nous voudrions leur rendre ici un hommage. En premier lieu, nous remercions les composantes de la société Eva Factory qui n’ont épargné aucun effort pour nous aider et nous diriger durant la réalisation de ce modeste travail Nous remercions les membres du jury pour leurs attentions et intérêts portés envers notre travail. Merci de nous avoir honorés de votre présence. Enfin, nous remercions l'ensemble des enseignants du département génie l’informatique et toute personne qui a contribué de près ou de loin à l'élaboration de ce projet. Page 1 Dédicaces Notre projet n’aura pas vu le jour sans ceux qui nous ont aidés par leurs patiences leurs encouragements et nous ont soutenus dans chacun de nos instants de faiblesse ; Nous dédions ce modeste travail A nos familles qui sont la source de notre motivation et notre espoir Sans leur extrême attention, leurs sacrifices et leurs encouragements tout au long de nos études, nous ne serons pas ce que nous sommes devenus aujourd’hui. J’espère qu’ils puissent trouver dans ce modeste travail un témoignage de respect et d’affection envers eux en espérant que ça soit à la hauteur de leurs attentes A nos amis et nos collègues Pour leur support et pour tous les bons moments qu’nous avons vécus ensemble. J’espère que notre amitié durera éternellement A nos enseignants Nous tenons également à remercier tous les enseignants de l’Ecole supérieure de technologie d’Oujda, et plus précisément les enseignants de la filière Informatique Décisionnelle niveau licence professionnelle et la filière informatique de gestion qui nous ont laissé mener une tâche aussi importante que sensible. Page 2 Table des matières Table des matières Résume Introduction générale Abréviation CHAPITRE 1 : PRÉSENTATION DU CADRE DE PROJET : ............................................................. 10 INTRODUCTION .................................................................................................................................................. 10 I) Présentation de l’entreprise ........................................................................ 11 1. 2. 3. 4. Eva Factory .............................................................................................................................11 L’état décisionnelle au sein de l’entreprise ........................................................................... 11 Stratégie marketing et commercial de l’entreprise ...................................................................... 12 Problème ................................................................................................................................. 13 II) Présentation du projet ................................................................................. 13 1. 2. 3. Objectifs et intérêt du travail ............................................................................................................... 13 Généralités sur les campagnes marketing et les campagnes commercial ............................................ 14 Planification et Méthodologie de travail.............................................................................................. 15 CONCLUSION ........................................................................................................................................................ 16 CHAPITRE 2 : ANALYSE ET CONCEPTION DU SYSTÈME D’AIDE À LA PRISE DE DÉCISION ........ 17 INTRODUCTION ........................................................................................................................................... 17 I) Les entrepôts de données ............................................................................ 18 1. 2. 3. DWS selon William H.Inmon ............................................................................................................. 18 Intégration des données par l’outil ETL .............................................................................................. 19 Analyse en ligne des données Olap ..................................................................................................... 20 II) Aperçu aux systèmes décisionnels ............................................................. 20 1. 2. 3. DEFINITION EN BI ............................................................................................................................... 20 SYSTEME DECISIONNEL MODERNE ...................................................................................................... 21 TABLEAU DE BORD DE LA BI ............................................................................................................... 22 III) Modélisation : .............................................................................................. 22 1. 2. Table de fait ................................................................................................................................................ 22 Diagramme des cas d'utilisation ................................................................................................................. 24 CONCLUSION ............................................................................................................ 16 CHAPITRE 3 : MISE EN PLACE DU PROJET DÉCISIONNEL ET NAVIGATION DANS LES DONNÉES .......25 INTRODUCTION .......................................................................................................................................25 I)Mise en place du projet décisionnel via Talend ............................................... 26 1. 2. 3. TALEND .............................................................................................................................................. 26 Chargement de data sources sous MySQL et dimension du DW ....................................................... 26 Chargement du fait ............................................................................................................................ 28 II)DATA MINING ................................................................................................... 29 1. 2. 3. Définition ........................................................................................................................................... 29 Analyse d données avec PYTHON ....................................................................................................... 29 Aperçu de NOTEBOOK ....................................................................................................................... 30 CONCLUSION ................................................................................................................................................31 CHAPITRE 4 : IMPLÉMENTATION ET DÉPLOIEMENT DU SYSTÈME .....................................................32 INTRODUCTION .......................................................................................................................................32 Page 3 I)Objectifs et outils de trivial ............................................................................... 26 1. 2. Objectifs ............................................................................................................................................. 33 Outils utiliser ..................................................................................................................................... 33 II)Réalisation du tableau de bord ........................................................................ 35 4. 5. 6. Overview ........................................................................................................................................... 35 Marketing........................................................................................................................................... 35 CommerceE ........................................................................................................................................ 36 II)Intégration des tableaux de bord dans la platform ...................................... 36 1. 2. Défusion des rapports et des tableaux de bord .................................................................................. 37 Quelque fonctionnalisées de la Platform............................................................................................ 38 CONCLUSION ................................................................................................................................................40 Conclusion générale .....................................................................................................................42 Référence .....................................................................................................................................41 Page 4 Liste des figures 1. F IGURE 1 : Logigramme d’activité d’Eva Factory ........................................................................ 11 2. F IGURE 2 : Entonnoir Marketing ................................................................................................ 12 3. F IGURE 3 : Sprint ...................................................................................................................... 14 4. F IGURE 4 : Diagramme de Gantt ................................................................................................ 15 5. F IGURE 5 : Caractéristique de DW.............................................................................................. 17 6. F IGURE 6 : Intégration des données ............................................................................................ 18 7. F IGURE 7 : Réponse d’un system décisionnel .............................................................................. 19 8. F IGURE 8 : System d’aide à la prise de décision moderne ............................................................. 20 9. F IGURE 9 : MySQL Workbench ................................................................................................. 21 10. F IGURE 10 : Table de fait........................................................................................................... 22 11. F IGURE 11 : Cas d’utilisation décideur ........................................................................................ 23 12. F IGURE 12 : Cas d’utilisation utilisateur ..................................................................................... 23 13. F IGURE 13 : Talend ................................................................................................................... 25 14. F IGURE 14 : Schéma relationnel ................................................................................................. 26 15. F IGURE 16 : Chargement de démentions commercial ................................................................... 26 16. F IGURE 16 : Chargement de démentions Marketing ..................................................................... 27 17. F IGURE 17 : Alimentation des démentions et table de fait ............................................................. 27 18. F IGURE 18 : Data mining Q&A .................................................................................................. 28 19. F IGURE 19 : Python &Google Colab ........................................................................................... 29 20. F IGURE 20 : Aperçu de Notebook ............................................................................................... 30 21. F IGURE 21 : Les étapes de power Bi ........................................................................................... 32 22. F IGURE 22 : Power Bi ............................................................................................................... 33 23. F IGURE 23 : Accueil de l’interface web ....................................................................................... 33 24. F IGURE 24 : HTML CSS JS PHP SQL ........................................................................................ 34 25. F IGURE 25 : Tableau de bord des opérations général ........................................................................ 26. F IGURE 26 : Tableau de bord Marketing ..................................................................................... 35 27. F IGURE 27 : Tableau de bord Commerce..................................................................................... 35 28. F IGURE 28 : Ajouter un tableau de bord ...................................................................................... 36 29. F IGURE 29: Dasbhbard publier sur le web ................................................................................. 37 30. F IGURE 30 : Navigation dans le Dashboard ................................................................................ 38 31. F IGURE 31 : Résulta de navigation.............................................................................................. 38 32. F IGURE 32 : Navigation par domaine .......................................................................................... 39 33. F IGURE 33 : Destination du lien ................................................................................................. 39 Page 5 Abréviations BI: « Business intelligence » Ensemble de données consolidées qui permet la prise de décision. DW : « Data Warehouse » C’est la base de données central appelé Entrepôt de donnée. ETL : « Extract, Transform and Load » Extraction transformation et chargement. OLAP : « On-Line Analytical Processing » Analyse en ligne des données. KPI : « Key Performance Indicator » Indicateur Clé de Performance (ICP); il permet de bien piloter et de mesurer l'efficacité d'une campagne marketing. CSV : « Comma separated values » est le fichier de base des données recueillies, c’est valeurs séparées par des virgules. Ads : est le terme informel désignant une publicité (“advertisement”). Mots-clés Système, Décisionnel, D’aide, Campagnes, Prise De Décisions, Data, Data Marketing, Data Integration, Business Intelligence, Data Warehouse, Talend, Power Bi, Dashboard, Start-Up, E-marketing, Data Analytique, ETL, Esb, Olap, Extra Data, Transform Data, Load Data, social media marketing, Reporting Page 6 Résumé La thématique principale de ce travail se fait dans le cadre du mémoire de stage de fin d’étude afin d’obtenir notre diplôme de licence professionnelle en informatique décisionnelle qui concerne la conception d’un système d’aide à la prise des décisions aux campagnes marketing et commerciales dans les entreprises. Afin de bien comprendre les concepts, nous avons effectués un état des lieux qui nous a permis de comprendre le système décisionnel de de déceler ces limites. Pour pallier à ces limites, nous avons fixé comme objectif : la réalisation d'un système qui aidera à obtenir les résultats finaux voulus, et par la suite nous avons implémenté un cahier de charge qui passe par une analyse du système existant, une conception de la zone d’entreposage, par une implémentation et un déploiement de l’entrepôt des données. Pour éviter l’effet tunnel, nous nous sommes appuyés sur l’une des méthodes de gestion des projets les plus utilisés du moment qui est la méthode agile tout en découpant les sprints selon le principe SMART. Tout ceci va se faire en suivant les règles éditées par les deux pères fondateurs de l’entrepôt de données : William H. Inmon l’inventeur du concept et Ralph Kimball. Une fois l’entrepôt de données construites, nous avons fait une analyse de données en utilisant Python pour tirer les indicateurs de performance KPI des compagnes marketing et commerciales à partir des données précédentes ; afin de présenter ces KPIs dans la partie d’usage des outils de Reporting comme PowerBI. Page 7 Introduction générale Dans un paysage encombré de concurrence, une stratégie marketing forte est cruciale pour se démarquer de la foule. Il ne suffit plus d'avoir simplement le meilleur produit ou service sur le marché, il faut aussi toucher le bon client et l’en convaincre. Ce n'est pas une nouvelle. En fait, il y a de fortes chances que vos concurrents connaissent également l'importance d'un marketing solide et aient au moins une stratégie de base pour attirer l'attention de votre public. Les techniques de marketing de base, pour de nombreuses entreprises, ne suffisent plus. Pour cela la société Eva Factory souhaite à travers le programme ESB| Eva Start ’Up Booster renforcer la stratégie marketing auprès de ses clients, pour la plupart des Start’Up et c'est de là que nous nous sommes inspirés du projet, un système d'aide à la décision pour les campagnes marketing et commerciales, Et nous examinerons les résultats d'une manière qui les rend compréhensibles pour quiconque malgré son manque de connaissances dans le domaine de l'informatique ou de l'analyse. Page 8 Chapitre I : Présentation du cadre de projet Introduction : Il est question dans ce chapitre de présenter l’existant qui fera l’objet de notre travail sur divers aspects tels que : l’état fonctionnelle, étude du système actuel de décision, les limites ou problèmes observés. Page 9 I) Présentation de l’entreprise 1. Eva Factory [1] : Eva Factory, est une S.A.R.L crée en 2017 située à Oujda, elle intervient dans le domaine de l'Ingénierie Informatique et de Marketing Digital (Conception, Design, développement et Marketing). Spécialisée dans la mise en place des solutions et outils informatiques et technologiques sur-mesure : • Le développement informatique (web, desktop et mobile); • Création d’ERPs et conseil en systèmes informatiques ; • Gestion des bases de données numérique ; Accompagne la transformation numérique des entreprises en Marketing digital : • Outils de référencement « SEO/SMO/SEM/ASO » ; • Community management « e-reputation » ; • Facebook Ads ; Créant des univers graphiques originaux, moderne et créatifs : • Infographie ; • Motion graphique ; • Formation professionnelle ciblée ; Armée d’une équipe composée des spécialistes passionnés ayant plusieurs années d’expérience dans les secteurs de l’informatique, design, marketing et services administratifs, le groupe Eva mets en œuvre l’ensemble de nos compétences et notre savoir-faire pour répondre à vos attentes et vous proposer une gamme de services compétitifs, sur mesure et de qualité à prix juste. En 2020, ESB | Eva Startup Booster a été déclenché est un catalyseur pour créer des idées, promouvoir des startups et agréger des projets ; Sa mission principale est de soutenir les jeunes étudiants émergents et de les motiver à créer les opportunités de réseautage nécessaires pour franchir une étape vers la création d'une entreprise en démarrage prospère. 2. L’état décisionnelle au sein de l’entreprise A travers notre étude décisionnelle en « EVA FACTORY » on peut distinguer trois niveaux hiérarchiques de prise de décision : CEO, Comité d'entreprise, les chefs de service. Ici généralement l’ordre ne suit pas le schéma où il doit quitter de la haute direction habilité et chevauché jusqu’au exécutant. Le directeur peut à chaque moment décider du déroulement ou influencer le fonctionnement des activités à chaque niveau. Les projets et objectifs de l’entreprise sont connus de tous. C’est ce qui donne la latitude aux responsables d’entreprendre les décisions Page 10 relatives à leurs activités et de même pour les exécutants en accord avec le DG et ou le supérieur direct. F IGURE 2 : Logigramme d’activité d’Eva Factory 3. Stratégie marketing et commercial de l’entreprise Objectif premier d’une entreprise est de vendre et se faire du profit. C’est dans cette optique que le service marketing et communication effectue quotidiennement des tâches afin que cet objectif soit atteint. Tous les moyens sont permis pour faire parler de soi et de ses services (campagnes publicitaires, création de contenus sur les réseaux sociaux, marketing direct…). De la mise en place d’un planning commercial, en passant par un planning de communication. Chaque action est mûrement pensée en marketing, car se faire connaître, se faire accepter et inciter les personnes à nous suivre dans notre vision n’est pas chose facile. Page 11 F IGURE 3: Entonnoir marketing • • • • Quelques tâches répétitives observées : Gestions des pages Facebook, Instagram, twitter et LinkedIn ; Conception des créas pour les graphistes ; Répartition des zones de prospection et définition des objectifs de vente ; Mise en place des campagnes de promotions. 4. Problème Nous pouvons noter comme problème : d’énorme difficultés de prise de décisions stratégique en temps, fondé sur des données dont la véracité et l’intégrité est mise en doute ; d’énorme difficultés d’exploitation des flux de données issue de l’environnement extérieur qu’intérieur de l’entreprise. Il est à noter que ces différents problèmes influencent fortement le BPM de l’entreprise et est plus accentue sur le processus métier Marketing (les campagnes marketing ne sont pas fondées sur des données concrètes et données des anciennes campagnes ne sont pas exploitées ou avec efficience) et commerciale où le jeu de données est abondant. Où les prises de décisions stratégiques sont généralement fondées sur du bruie et des simples observations de la concurrence et de l’environnement extérieur en général. II) Présentation du projet 1. Objectifs et intérêt du travail « Comprendre votre public est la meilleure voie vers le succès » [2]. Phase au problématique envisagé ; notre choix est porté sur la mise en place d’une solution décisionnelle basé sur l’analyse des performances des anciennes campagnes et des indicateurs ou KPIs permettant de mesurer la performance de la Page 12 campagne marketing, c’est-à-dire d’évaluer dans quelle mesure cette campagne a permis d’atteindre les objectifs que l’entreprise s’était fixée. • Gagnez en clarté sur votre public cible pour mieux leur commercialiser votre produit. • Utilisez l'analyse prédictive pour anticiper les tendances futures de votre clientèle. • Découvrez les meilleurs canaux pour héberger vos efforts marketing et les optimiser. • Améliorez l'expérience client pour votre public actuel. 2. Généralités sur les campagnes marketing et les campagnes commerciales Une campagne marketing est un ensemble organisé d’actions destiné à atteindre un objectif précis. Une campagne marketing se définit par : ➢ Un ou des objectifs : (Promouvoir un nouveau produit, un nouveau service, une nouvelle gamme, Recueillir des feedbacks clients, Communiquer sur un événement : ouverture d’un nouveau magasin, fermeture d’un magasin, soldes, etc…) ; ➢ Des indicateurs ou KPIs : permettant de mesurer la performance de la campagne marketing ; ➢ Une cible : Une campagne marketing s’adresse rarement à tous les clients en base, elle cible des segments clients précis, caractérisés par un certain nombre d’attributs socio-démographiques, comportementaux… ➢ Un message : Une campagne marketing vise à transmettre un message, un message qui va de la marque vers les clients ; ➢ Un canal : Quel canal ou media l’entreprise utilise-t-elle pour faire passer le message de la campagne ? Les entreprises n’ont jamais eu autant de canaux à leur disposition : l’email, la publicité print (publicité dans des journaux, dans le métro, dans la rue, etc.), la publicité télé ou radio, la publicité digitale, les réseaux sociaux, le sms, les applications mobiles, etc. Le choix du canal n’est pas anodin. 3. Le Datamarketing [2] Qu'est-ce que le Datamarketing ? Page 13 En termes simples, le marketing axé sur les données consiste à baser la stratégie de marketing et de communication de votre marque sur les informations quantitatives que vous avez recueillies sur votre public. Alors que les pratiques de marketing traditionnelles étaient basées sur des hypothèses de longue date ou simplement sur des sentiments « intestinaux », le marketing de données est basé sur des faits quantifiables : vos données sur les consommateurs. Ce qui aurait autrefois été une campagne de marketing de masse non ciblée basée sur une supposition éclairée est désormais un effort factuel basé sur ce que vous savez être vrai. Quels sont ces avantages ? Le principal avantage du data marketing est la spécificité qu'offre la stratégie, l'amélioration de votre retour sur investissement et le succès global des campagnes. Lorsque vous améliorez à la fois la précision et la rapidité des campagnes marketing, vos efforts sont plus efficients et plus efficaces. 4. Planification et Méthodologie de travail Nous avons utilisé des diagrammes de Gantt [6] pour planifier et programmer notre projet. Ils vous aident à estimer la durée d'un projet, à déterminer les ressources nécessaires et à planifier l'ordre dans lequel vous effectuerez les tâches. Il est également utile pour gérer les dépendances entre les tâches. F IGURE 4: Sprints Chaque tâche est matérialisée par une barre horizontale, dont la position et la longueur représentent la date de début, la durée et la date de fin. Ce diagramme permet donc de visualiser d'un seul coup d'œil. Page 14 F IGURE 5: Diagramme de Gantt Conclusion A travers de ce chapitre nous avons pu recueillir toutes les informations à travers des réunions et des documentations qui nous ont permet d’identifier les utilisateurs de notre futur système et leurs besoins. Cette étape définira la manière de construire le système d’aide à la décision. Page 15 Chapitre II : Analyse et conception du système d’aide à la prise de décision Introduction Ce chapitre a pour but de vous présenter les grands concepts qui seront abordés tout le long de notre projet. Nous pouvons citer : les systèmes décisionnels (classiques et assistés par l’informatique), les campagnes marketing, les campagnes commerciales, les Data Warehouse, Business Intelligence, intégration des données, synchronisation des données et analyse en ligne des données. Page 16 I) Les entrepôts de données « Un entrepôt de données ne s'achète pas, il se construit. » Bill Inmon 1. Les DWs selon William H. Inmon [3] : • Définition : Un entrepôt de données (Data Warehouse) selon Bill Inmon; le père du concept d'entrepôt de données est une collection de données thématiques, intégrées, non volatiles et historisées pour la prise de décisions. ➢ Caractéristiques Les quatre caractéristiques spécifiques des DW selon inventeur de ce terme William H. Inmon. Elles doivent être orientées sujet, intégrées, non volatiles et « time-variant ». Orientées sujet : • ce qui signifie qu’il doit être possible de les définir par leur sujet. Par exemple, un Data Warehouse peut être déployé spécialement pour analyser les données liées aux ventes de l’entreprise. Cette DW servira à répondre à des questions comme « quels ont été les meilleurs clients pour tel produit X au cours d’une période d’un an». Intégrées : • la DW doit être en mesure d’assembler des données en provenance de différentes sources dans un format consistant. Elles doivent permettre de résoudre les problèmes comme les conflits de noms et les incohérences en termes d’unités de mesure. Non volatiles : • Troisièmement, les DW doivent être non-volatiles. Cela signifie qu’une fois qu’une donnée est entrée dans la DW, elle ne doit plus changer. L’utilisateur est ainsi en mesure d’analyser les données (requêtes, rapport,analyse, datamining). Time-variant (Historiées): •La prise en compte de l’évolution des données est primordiale pour la prise de décision et notamment les prédictions. Dans un système de production ; la donnée est mise à jour à chaque nouvelle transaction. Dans un DW, la donnée ne doit jamais être mise à jour. Un référentiel temps doit être associé à la donnée afin d’être capable d’identifier une valeur particulière dans le temps. F IGURE 6 : caractéristique du DW Page 17 2. Intégration des données par l’outil ETL L’intégration des données consiste à combiner les données résidant dans différentes sources et fournissant aux utilisateurs une vue unifiée d'entre eux. (De notre cas on doit fusionner les bases données du service commerciale et du service Marketing). Comme on peut voir sur la figure suivante : F IGURE 7 : Intégration des données Ainsi, nous aborderons la méthode d'intégration qui nous convient : L’ETL (Extract, Transform and Load)[3] permet la consolidation des données à l’aide des trois opérations suivantes : - Extraction : Identifier et extraire les données de sources ayant subi une modification depuis la dernière exécution. - Transformation : Appliquer diverses transformations aux données pour les nettoyer, les intégrer et les agréger. - Chargement : Insérer les données transformées dans l’entrepôt et gérer les changements aux données existantes. Il traite normalement de grandes quantités de données en lots et est surtout utilisé avec les entrepôts de données et les comptoirs de données. Parmi ses avantages : Page 18 - Optimiser pour la structure de l’entrepôt de données ; - Pouvoir traiter de grandes quantités de données dans une même exécution (traitement en lot) ; - Permettre des transformations complexes et agrégations sur les données ; - Être contrôlée par l’administrateur ; - Permettre la réutilisation des processus et transformations. 3. Analyse en ligne des données Le terme OLAP (On-Line Analytical Processing) désigne une classe de technologies conçue pour l’accès aux données et pour une analyse instantanée de ces dernières, dans le but de répondre aux besoins de Reporting et d’analyse. R. Kimball définit le concept « OLAP » comme « Activité globale de requêtage et de présentation de données textuelles et numériques contenues dans l’entrepôt de données ; Style d’interrogation spécifiquement dimensionnel » [Kimball, 2005]. II) Aperçu aux systèmes décisionnels 1. Définition d'un système décisionnel en Business Intelligence [4] : Un système est un ensemble de technologies destinées à permettre aux collaborateurs d'avoir accès et de comprendre les données de pilotage rapidement, de telle sorte qu'ils prennent une décision meilleure a temps, résultant d'un processus comportant le choix conscient entre plusieurs solutions en vue d'atteindre un objectif précis. Un système décisionnel permet de répondre aux questions suivantes : Que s'est il passé ? • Tableau de bord Pourquoi cela s'est il passé ? • Analyse Que va-t-il se passé ? • Prédiction Que se passe-t- il en ce moment ? • Aide opérationnelle Que devrait- il se passer ou que faire ? • Prise de décision ou entrepôt actif F IGURE 8 : Réponse d’un système décisionnel Page 19 2. Systèmes d’aide à la prise de décision moderne [3] Les systèmes d’aide à la prise de décision de nos jours sont fondés sur généralement cinq grands concepts (Business Intelligence, Data Warehouse, Data integration, synchronisation des données et l’analyse en ligne des données) qui dépendent les uns des autres et ne sont pas tous obligatoires. Leurs agencements dépendent du résultat attendu et des contraintes du milieu où ils doivent être appliqués. Ce type d’application repose sur une architecture commune dont les bases théoriques viennent principalement de Ralph Kimball, Bill Inmon et DanLinstedt. Les étapes sont : 1 2 3 • Les données opérationnelles sont extraites périodiquement de sources hétérogènes : fichiers plats, fichiers Excel, base de données (DB2, Oracle, SQL Server, etc.), service web, données massives et stockées dans un entrepôt de données. • Les données sont restructurées, enrichies, agrégées, reformatées, nomenclatures pour être présentées à l'utilisateur sous une forme sémantique (vues métiers ayant du sens) qui permet aux décideurs d'interagir avec les données sans avoir à connaître leur structure de stockage physique, de schémas en étoile qui permettent de répartir les faits et mesures selon des dimensions hiérarchisées, de rapports prépréparés paramétrables, de tableaux de bords plus synthétiques et interactifs. • Ces données sont livrées aux divers domaines fonctionnels (direction stratégique, finance, production, comptabilité, ressources humaines, etc.) à travers un système de sécurité ou de data mart spécialisé à des fins de consultations, d'analyse, d'alertes prédéfinies, d'exploration de données, etc. F IGURE 9 Systèmes d’aide à la prise de décision moderne 3. Le tableau de bord de la Business Intelligence [5] Le tableau de bord est au cœur du système de Business Intelligence de l'entreprise. Le soin apporté à son élaboration conditionne la réussite globale du projet décisionnel d'entreprise. ➢ Pourquoi nous devons créer un tableau de bord marketing ? Nos tableaux doivent répondre à des objectifs différents : • Faire le suivi d’une campagne précise Page 20 • Suivre la performance des leviers que vous gérez • Prendre de la hauteur sur vos canaux pour informer votre direction Afin de permettre aux décideurs de : • Un gain de temps inhumain • Une visibilité des performances accrue • Une prise de décision facilitée • Des résultats facilement exploitables ➢ Qu’est-ce qu’un bon Dashboard marketing ? Un bon dashboard marketing doit être… : • • • • • Interactif : il doit intégrer des chiffres provenant de diverses sources et présenter une vue consolidée. Dynamique : il doit montrer les KPIs pertinents et actualisés, et ainsi répondre à vos questions en temps réel. Flexible et évolutif : il doit offrir la possibilité d’ajouter de nouvelles mesures marketing et de retirer celles qui ne présentent plus d’intérêt. Facile à lire : on doit comprendre en un clin d’œil la situation actuelle grâce à des informations présentées de manière claire et hiérarchisée. Et surtout, il faut éviter la surcharge de données ! Adaptable : les tableaux de bord se construisent sur une temporalité définie. Cela peut être sur la journée, lorsque l’on a besoin d’analyses en temps réel (en cas de campagne précise par exemple) ou sur une semaine, un mois, un trimestre ou même une année complète. III) Modélisation 1. Table de fait F IGURE 10 : MYSQL WORKBENSH La table de faits est utilisée pour créer des schémas. L'enregistrement d'une table de faits est une combinaison d'attributs de différentes tables de dimension Grâce à cela, nous souhaitons donner une vue complète des données qui seront Page 21 incluses dans notre conception, et nous nous sommes appuyés sur l’outil MySQL Workbench. Ce dernier est un outil visuel unifié pour les architectes de bases de données, les développeurs et les administrateurs de base de données. MySQL Workbench fournit la modélisation des données, le développement SQL et des outils d'administration complets pour la configuration du serveur, l'administration des utilisateurs, la sauvegarde et bien plus encore. F IGURE 11 : Table de fait Page 22 2. Diagramme de cas d’utilisation [8]: On a aussi ajouté des diagrammes des cas d’utilisation qui modélisent l’objectif du système F IGURE 12:cas d'utilisation décideur F IGURE 13:Cas d'utilisation utilisateur Conclusion Dans ce chapitre nous avons présenté la conception de notre système en détaillant tous les modules utilisés. Page 23 Chapitre III : Mise en place du projet décisionnel et navigation dans les données Introduction Ce chapitre a pour but de vous présenter les grands concepts qui seront abordés tout le long de notre projet. Nous pouvons citer : les systèmes décisionnels (classiques et assistés par l’informatique), les campagnes marketing, les campagnes commerciales, les Data Warehouse, Business Intelligence, intégration des données, synchronisation des données et analyse en ligne des données. Page 24 I) Mise en place du projet décisionnel via Talend 1. Talend [9] Talend est un éditeur français de solutions open source dédiées à la gestion des données d'entreprise. Il propose des solutions complètes pour l’exploitation des données depuis 2005. Les produits du catalogue de Talend couvrent de nombreuses dimensions : qualification, préparation, intégration, gouvernance, ESB, Big Data etc... F IGURE 14:T ALEND 2. Chargement des Data Sources sous Mysql et les dimensions du DW On procède tout d'abord au chargement de chacun des fichiers Excel dans une table miroir dans Mysql. Après quoi j'effectue la jointure des tables et on le charge dans une table globale. A partir de cette table globale, je charge une BD relationnelle sous Mysql toujours. L’intérêt centrale du modèle relationnel est de décrire un ensemble de données comme une collection de prédicats sur un ensemble fini de variables sous-jacentes, décrivant les contraintes sur les valeurs et les combinaisons de valeurs possibles. Page 25 F IGURE 15:Schéma relationnel F IGURE 16: Chargement des dimensions commerciales Chargement des dimensions pour crée la table de faits Dimensions et hiérarchies : 1- Client : Client – Région -Dépense. 2- Commerciale : Commande-Client-Produit-Prix. 3- Store : Produit – Site Web - Brande 5- Temps : Année mois jour trimestre. Page 26 F IGURE 17:Dimension du Marketing Chargement des dimensions pour crée la table de faits Dimensions et hiérarchies : 1- Campagnes : Client – Région -Dépense. 2- Brands : Site web – E Store. 5- Temps : Année-Mois-Jour -Trimestre. 3. Chargement du Fait F IGURE 18:Alimentation des dimensions et tables de fait Après avoir préparé les dimensions, elles seront transférées dans la base de données globale Page 27 II) DATA MINING 1. Définition : Dans un contexte marketing, le data mining regroupe l'ensemble des technologies susceptibles d'analyser les informations d'une base de données marketing pour y trouver des informations utiles à l'action marketing et d'éventuelles corrélations signifiantes et utilisables entre les données. Sur un plan plus général, le data mining est un processus qui permet d'extraire des informations commercialement pertinentes à partir d'une grande masse d'informations. • Techniques de data mining Classification • Cette technique est utilisée pour obtenir des informations importantes et pertinentes sur les données et les métadonnées. Cette technique d'exploration de données permet de classer les données dans différentes classes. Clustring • Le clustering est une division d'informations en groupes d'objets connectés. Décrire les données par quelques clusters perd principalement certains détails confinés, mais apporte une amélioration. Il modélise les données par ses clusters. Régression • L'analyse de régression est le processus d'exploration de données utilisé pour identifier et analyser la relation entre les variables en raison de la présence de l'autre facteur. Il est utilisé pour définir la probabilité de la variable spécifique. Régression, Règles d'association • Les règles d'association sont des instructions si-alors qui permettent de montrer la probabilité d'interactions entre des éléments de données au sein de grands ensembles de données dans différents types de bases de données. L'exploration de règles d'association a plusieurs applications et est couramment utilisée pour faciliter les corrélations de ventes dans des ensembles de données ou de données médicales. Prediction • La prédiction utilise une combinaison d'autres techniques d'exploration de données telles que les tendances, le regroupement, la classification, etc. Elle analyse les événements ou les instances passés dans le bon ordre pour prédire un événement futur F IGURE 19:Q&A datamining 2. Analyse de données avec Python • Objectifs Avant de passer au produit final qui est représentait par le Reporting, nous allons faire un Pré-traitement des données via le langage Pyton et l'interface Google Collab. Ce notebook basé sur le principe question-réponse va nous permettre de faire un premier design pour notre tableau de bord. • Outils utiliser Page 28 Python est le langage le plus utilisé pour la Data Science. Pour cause, ce langage est simple, lisible, propre, flexible et compatible avec de nombreuses plateformes. Ses nombreuses bibliothèques, telles que TensorFlow, Scipy et Numpy permettent d'effectuer une large variété de tâches. F IGURE 20:Python et Google Colab Colaboratory[7], souvent raccourci en "Colab", est un produit de Google Research. Colab permet à n'importe qui d'écrire et d'exécuter le code Python de son choix par le biais du navigateur. C'est un environnement particulièrement adapté au machine learning, à l'analyse de données et à l'éducation. 3. Aperçu du Notebook • Notebook La raison de cet aperçu de la revue est la nature interactive du matériel Python Notebooks. La possibilité d'expérimenter des données et de voir les résultats du code pour chaque commande écrite le rend idéal pour étudier, rechercher et poser des questions stratégiques, où l'accent est mis sur l'analyse des données plutôt que sur le développement. Page 29 F IGURE 21:Aperçu du Notebook Sur la base de l'observation des graphe suivantes, nous devons remarquer les formes les plus compatibles avec la fonction incrémentale linéaire, et pour cela nous devons prendre en compte les cellules incluses dans ce graphique et les plus équilibrées. Conclusion Cette section est liée à la tâche de préparer et de purifier la base de données et d'essayer d'extraire les meilleurs indicateurs de l'évolution à travers l’analyse de données pour que notre afin de donner un sens à nos tableaux de bords. Page 30 Chapitre VI : Implémentation et déploiement du système Introduction Ce chapitre comprend le Reporting et les méthodes utilisées pour le rendre disponible à tous les utilisateurs concernés. Nous nous appuierons sur tout ce qui précède pour construire cette solution. Cette étape est la plus importante. Elle permettra à quiconque de comprendre notre projet, qui, nous l'espérons, être clair et facile à comprendre à travers les décisions qui seront prises, son succès confirmera le succès de notre travail. Page 31 I) Objectifs et outils de travail 1. Objectifs L'idée est que nous allons construire un tableau de bord à partir de l’entrepôt de données précédent qui devrait contenir les indicateurs de performance KPI que nous avons extrait précédemment et nous utiliserons pour cela l'application Power Bi qui nous permettra de publier le rapport sur le Web et de l'intégrer dans l'application web qui permettra à chacun de mémoriser l'application et de la commenter ou de la partager sous forme de rapport. F IGURE 22:les étapes de Power Bi 2. Outils utilisés • Microsoft Power Bi [10] : L'avantage de cet outil, c'est qu'il vous permet de visualiser chaque élément dans son grand ensemble pour prendre une décision plus éclairée. La présentation visuelle du tableau de bord permet d'identifier en un regard les données importantes à la prise de décision. F IGURE 23:Power Bi Page 32 Mais la meilleure fonctionnalité qui nous a fait l'utiliser parmi le reste des outils c’est l'option Publier sur le web ; car on peut facilement incorporer du contenu Power BI interactif dans des billets de blog, des sites web, des e-mails ou des réseaux sociaux. Et aussi modifier, mettre à jour ou actualiser vos visuels publiés, ou bien annuler leur partage. • L’interface web : F IGURE 24:Accueil de l'interface web Ainsi Nous avons créé une platform web simple qui vise à publier un tableau de bord en utilisant des langages de programmation HTML/CSS/JAVASCRIPT pour la mise en page et PHP/SQL pour relier la base de données avec la platform et il sera également possible d'ajouter/supprimer et modifier les données. F IGURE 25:HTML CSS JS PHP SQL II) Réalisation du tableau de bord Notre tableau de bord se devise en trois pages : Overview, commerce et Marketing. Page 33 1. Overview Cette interface est destinée aux dernières opérations réalisées par l'entreprise et répond aux questions suivantes : Quelle est la région avec les revenus les plus élevés ? Quelles sont les marques qui font le plus affaire avec nous ? Les plateformes publicitaires les plus populaire ? F IGURE 26:tableau de bord des opération général 2. Marketing Ce tableau de bord nous confirme dans quelle mesure les téléspectateurs ont répondu à la campagne publicitaire et les données démographiques des personnes intéressées par la campagne. Page 34 F IGURE 27:tableau de bord marketing 3. Commerce Nous avons décidé de rendre ce tableau plus spécialisé dans ce qui est lié au client afin de déterminer les meilleurs et les plus achetés. F IGURE 28:Tableau de bord commercial III) Intégration des tableaux dans la platform web 1. Défusion des rapports et des tableaux de bord Page 35 L'intégration se fera en connectant l'utilisateur à l'application Web et en le publiant sur le lien Dashboard Power PI, à travers lequel il pourra le communiquer aux personnes concernées par le sujet. F IGURE 29:ajouter un tableau de bord Ce qui suit est l’interface principale de l'application, qui comprend des informations extraites de celle-ci dans PhpMyAdmin et le tableau de bord Power Bi précédemment publié. La page ci-dessous est divisée en 3 sections : Partie à gauche contient : Il permet à l'utilisateur de modifier les informations affichées en fonction de la spécialisation souhaitée : Général, Marketing, Commerce, et il permet aux décideurs de gérer les données qui existe et donnez leurs avis sous forme de commentaire. Partie milieu : le tableau de bord Power Bi version Web avec une lise des choix qui permet de changer les tableaux de bord actuel. Page 36 Partie droite : contient des information général tell que meilleur platform publicitaire, liste des utilisateurs …… F IGURE 30:Dashboard publier sur le web Le tableau de bord inférieur n'est pas lié à la base de données dans le PhpMyAdmin mais à celle du Power Bi et conserve la fonction d'interaction. 2. Quelques fonctionnalités de la platform Quant à la figure suivante, il s'agit d'une liste d'options pour les tableaux de bord récemment publiés, accompagnés du titre, de la date et du nom de l'éditeur. F IGURE 31: NAVIGATION DANS LES D ASHBOARD Lorsque nous cliquons sur l'une de ces options le tableau de bord concerné s’affiche. Page 37 F IGURE 32:résultat de navigation Comme pour la barre de à gauche, les données sont organisées selon le champ auquel elles appartiennent Marketing/Commerce/autre. F IGURE 33:Navigation par domaine L'utilisateur peut préparer son propre rapport sur la base des notes, choisir le Dashboard mettre un rapport pour lui, et qui pourra le publier au format PDF. Page 38 F IGURE 34:exporter le rapport sous forme Pdf Les fichiers PDF sont créés avec la bibliothèque FPDF [11] de PHP contient des informations générales sur certains Dashboard choisie et les commentaires du rédigen,et aussi des liens, en cliquant sur ce dernier il nous affiche la format web des Dashboard présélectionnés par le rédigent du rapport. F IGURE 35 : destination du lien Conclusion A travers ce chapitre, nous avons présenté le travail réalisé et les résultats obtenus. En espérant que nos produits sont simples à utiliser et flexible. Page 39 Conclusion générale En guise de conclusion nous pouvons dire que durant notre projet on a traité quatre chapitres l’élaboration de cet entrepôt nous a permis de confronter une expérience professionnelle dans le domaine de l’informatique décisionnelle. En outre, notre projet nous a offert de l’opportunité de concrétiser nos connaissances théoriques à l’aide d’un cas réel. Ainsi, ce projet nous a apporté le plus concernant les langages de programmation et les outils de développements. Nous avons présenté dans ce rapport toutes les étapes nécessaires pour la constitution d’un système décisionnel et entrepôt de données des compagne Marketing et commercial. Sur le plan professionnel, ce projet de fin d’études nous a permis de se familiariser avec certains concepts et outils et d’acquérir des nouvelles connaissances à propos de conception d’entrepôt de données, analyse de données avec Python, ETL et cube OLAP avec Talend, Programmation Web et tableau de bord avec Microsoft Power BI …… Page 40 Références 1. https://fr.linkedin.com/company/eva-factory 2. https://www.accudata.com/blog/data-marketing/ 3. https://www.grin.com/document/934154 4. https://www.memoireonline.com/ 5. https://www.plezi.co/fr/tableau-de-bord-marketing/ 6. https://monday.com/ 7. https://colab.research.google.com/drive/ 8. https://www.lucidchart.com/pages/fr 9. https://www.talend.com/fr/ 10.https://powerbi.microsoft.com/fr-fr/ 11.http://fpdf.org/ Page 41