Chapitre 9 : Business Intelligence

Published on June 2016 | Categories: Types, Presentations | Downloads: 44 | Comments: 0 | Views: 301
of 24
Download PDF   Embed   Report

Chapitre 9 : Business Intelligence

Comments

Content

Web Marketing 2013

ISET de Djerba Département Technologies de l'Informatique

Chapitre 9: Business Intelligence BI
Mme Ben Yahia I.

Licence Co-construite en Administration et Référencement des sites Web

1

Plan
• • • • • • • • Introduction Définition de la Business Intelligence Concepts de la BI Éléments de la BI Solutions logicielle Démo Conclusion Liens Utiles
2

Introduction

3

Monde opérationnel Informatique de production
• • Ce sont les taches, quotidiennes, répétitives et atomiques qui sont effectuées par les employés de l'entreprise. OLTP (OnLine Transactional Processing) : c’est l’ensemble de systèmes informatiques opérationnels faits pour assister les opérations d'une entreprise. Les caractéristiques des systèmes opérationnels sont : Grand public (grand nombre d'utilisateurs) Données atomique( Indivisible. Une opération atomique est garantie soit de s'effectuer intégralement, sans être interrompue, soit de ne pas s'effectuer du tout.) Extrêmement rapides Petite volumétrie des données Transactionnels ( est un système capable d'exécuter un ensemble d'opérations unitaires dans un contexte transactionnel donné) Lecture, écriture et modification des données Projets comportant peu de risques Hétérogènes,…

• • • • • • • •

4

Monde décisionnel Informatique de décisionnelle
L'informatique décisionnelle est l'ensemble des méthodes, moyens et outils informatiques utilisés pour piloter une entreprise et aider à la décision. Les caractéristiques suivantes, et qui sont communes à tout produit décisionnel : • Petit nombre d'utilisateurs • Données générales et détaillées • Rapidité suggérée • Gros volumes de données • Non transactionnels • Données en lecture seule • Projets très risqués • Centralisés À partir de ces caractéristiques, des concepts, outils, logiciels se sont formés et articulés autour de ce nouveau domaine qui est l'informatique décisionnelle. Une nouvelle façon de concevoir les choses était née. Le Business Intelligence est né.

5

Business Intelligence
We are just beginning to understand how to use information as a tool. “Peter Drucker, théoricien américain du management.”
• Définition: Le Business Intelligence, ou informatique décisionnelle, englobe l'ensemble des méthodes et technologies permettant la prise de décision. Il permet d'extraire des données signifiantes de système d'information, de les modéliser selon des axes pertinents pour les activités et les analyser. Ensuite il les restitue sous la forme choisi afin d'avoir une vue claire et synthétique. • Avant: Pour bien décider, il suffit de disposer de la bonne information. • Aujourd’hui: Pour faciliter la prise de décision, il suffit de délivrer la bonne information à la bonne personne.

6

Sur quoi se base le BI ? Les concepts

7

Datawarehouse
• L'intelligence d'affaires se base sur un concept clé qui est l'entrepôt de données ou le Data Warehouse, c'est une architecture de données (comme une base de données relationnelle classique) qui permet, de part sa simplicité, de représenter et de rendre disponible un gros volume de données. • C'est donc autour de cette grosse masse de données organisée très simplement (en étoile ou en flocon), que viennent graviter les différents composants d'une architecture décisionnelle.

8

Datamart
• Le Data Mart est défini comme la version "allégée" du Data Warehouse. Le DataMart se focalise sur un sujet, un thème ou un métier. • Les problèmes commencent lorsque les DataMarts se multipient, doublonnent et compliquent la gestion des données...

9

Serveur d'analyse
OLAP (Online Analytical Processing): les bases de données multidimensionnelles (aussi appelées cubes ou hypercubes) destinées à des analyses complexes sur ses données. • OLAP se base sur les concepts de dimensions et de faits pour créer des représentations multidimensionnelles des données, c'est-à-dire que les faits sont calculés par rapport à des axes . L'appellation "cube" est utilisée pour faciliter la visualisation du concept. Exemple de cube à 3 dimensions, qui représenterait les ventes selon trois axes : produit, client et date. Imaginez maintenant les opérations trigonométriques que l'on pourrait faire dessus : • 1)Découper une tranche du cube : reviendrait à faire une analyse par rapport à un seul axe. • 2)Changer l'échelle des axes pour mieux voir : c'est à dire zoomer ou dé zoomer sur le cube pour en apprécier le détail ou la généralité. • 3)extraire une partie du cube : donc faire une sélection de données. OLAP est une des meilleures solutions pour faire de l'analyse stratégique sur les données d'une entreprise. •
10

Reporting
• Les outils de reporting proposent la réalisation de rapports des différentes activités de l’entreprise selon un format prédéterminé. • Il consiste à extraire des données pour les présenter dans un rapport plus facilement lisible, ou de vulgarisation pour les données complexes. Il existe trois étapes majeures pour la création d'un tableau de reporting: • définir les objectifs • cerner les variables d'action • choisir les mesures
11

Tableau de bord
• Un tableau de bord est un instrument de mesure de la performance facilitant le pilotage "pro-actif" d'une ou plusieurs activités dans le cadre d'une démarche de progrès. • Le tableau de bord contribue à réduire l'incertitude et facilite la prise de risque inhérente à toutes décisions.
12

Data Mining
• La fouille de données ou ECD(Extraction de Connaissance à partir des Données) a pour objet l’extraction d’un savoir ou d’une connaissance à partir de grandes quantités de données, et de permettre de classer les faits et de les prévoir dans une certaine mesure. • Le Data Mining englobe toute une famille d'outils facilitant l'analyse des données contenues au sein d'une base décisionnelle de type Data Warehouse ou DataMart.
13

Processus de dataming

14

Algorithmes
• Le Datamining se propose d’utiliser un ensemble d’algorithmes issus de disciplines scientifiques diverses( statistiques, intelligence artificielle, base de données) pour construire des modéles à partir des données. On peut distinguer deux grandes familles d'algorithmes: • Méthodes descriptives • Méthodes prédictives
15

Tableau récapitulatif des algorithmes descriptifs
Tableau récapitulatif des algorithmes descriptifs Domaine d'origine Intelligence artificielle Famille Réseau de neurones Partitionnement de données Classification automatique Algorithme Réseaux de Kohonen k-means méthodes hiérarchiques (ascendantes, descendantes) Classification par agrégations de similarités Analyse en composantes principales (ACP) Analyse factorielle des correspondances (AFC) Analyse des correspondances multiples (ACM) Recherche d'associations Quelques usages Classification Détecter les outliers

Analyse des données

Partitionner

Partitionner

Analyse factorielle

Réduire le nombre de variables

Réduire le nombre de variables

Réduire le nombre de variables

Base de données

Algorithmique

16

Tableau récapitulatif des algorithmes prédictifs
Tableau récapitulatif des algorithmes prédictifs Domaine d'origine Famille Algorithme CART, CHAID, ECHAID, QUEST, C5, C4.5, les Forêts d'arbres décisionnels Quelques usages Data Mining

Prédiction ou détection d’interaction entre variables, discrétisation de variables continues
Classification, approximation de fonction

Intelligence artificielle

Réseau de neurones

réseaux à apprentissage supervisé

Statistiques

Régression

Régression linéaire, Régression PLS

Trouver une fonction d'approximation,

Analyse discriminante de Fisher, Régression logistique, Régression Prédire une variable catégorielle, logistique PLS Modèle linéaire généralisé (GLM), Modèle additif généralisé (GAM), Modèle loglinéaire Informatique Algorithmique k plus proches voisins (K-nn)

Prédire une variable multidimensionnelle Compléter les données manquantes 17

Eléments de la BI

18

Eléments de BI: ETL

19

Solutions logicielles

20

Solutions logicielle open source
Projet global du système de Business Intelligence 
 

Pentaho Spago BEE Project Octopus CloverETL Kettle Talend Open Studio Palo Suite Mondrian Pentaho Jpivot (bibli) Pocolap Infobright Weka Jaspert Report Open Report Birt JFree Report SugarCRM 21

ETL

   

OLAP

   

Data Warehouse Data Mining Reporting

     

CRM



Spagobi
• SpagoBI est une plateforme d'intégration de solution décisionnelle, basée sur le framework J2EE. Elle offre: • reporting (JasperReport, BIRT...) • analyse multidimensionnelle(OLAP : Jpivot, Mondrian, Palo, MSA, etc.) • QBE (Query by Example Hibernate) • data Mining (Weka, RapidMiner) • dashboard (OpenLaszlo) • ETL (Talend OpenStudio) • Portail: eXo plateform
22

Démo

23

Conclusion: ERP ou plate-forme décisionnelle : qui pilote ?
• Avec les ERP, les entreprises ont initié un mouvement global vers l’intégration de leurs systèmes d’information. • PB: le découpage en applications isolées n’était pas optimal, d’une part en termes de coûts de mise en œuvre et de maintenance, et d’autre part parce que cette approche ne correspondait plus au fonctionnement réel de l’entreprise où se développent des processus transverses. • Solution: intégrer étroitement ces deux mondes, le transactionnel et le décisionnel. transformer des données brutes en informations exploitables pour des prises de décision plus pertinentes. Lorsqu’elle est étroitement intégrée aux systèmes transactionnels, la plate-forme décisionnelle devient le point de passage central des données, ce qui contribue à garantir leur homogénéité et leur qualité.

24

Sponsor Documents

Or use your account on DocShare.tips

Hide

Forgot your password?

Or register your new account on DocShare.tips

Hide

Lost your password? Please enter your email address. You will receive a link to create a new password.

Back to log-in

Close