Programme détaillé

PRÉAMBULE

• Constat : pourquoi mener des projets décisionnels ?
• Historique : d’où vient le décisionnel exactement ?
• Pourquoi le Décisionnel ?
• Et la suite ?

OBJECTIFS, DÉFINITIONS ET ARCHITECTURE

• Objectifs du DataWarehouse (entrepôt de données)
• Définitions (Entrepôt de données / Magasin de données / Alimentation / ETL …)
• Architecture d’un SID (Système d’Information Décisionnel)
• La conception du DataWarehouse (entrepôt de données)
• Problématiques et objectifs
• Les principales phases de construction d’un entrepôt de données

L'ADMINISTRATION DES DONNÉES

• Référentiels et métadonnées
• Objectifs de l'administration des données (gouvernance de la donnée)
• Construction des Dimensions et des axes hiérarchiques
• Contruction des indicateurs et KPI (Key Performance Indicator)
• La modélisation des données
• Contraintes de modélisation par type de modèles
• Les axes à construire

ARCHITECTURES TECHNIQUES

• L’architecture côté client
• L’architecture côté serveur
• L’architecture côté ôté SGBD
• L’architecture côté ôté réseau
• Combinatoires avec l'internet/Intranet/Extranet

L'ALIMENTATION DU DATAWAREHOUSE

• Cycle de vie des données décisionnelles

LES OUTILS D'AIDE A LA DÉCISION

• Alimentation décisionnelle (ETL : Extract - Transform - Load)
• Reportings et rapports
• Focus sur Business Objects (exemple de solution de restitution)

CONSOMMATION DES DONNÉES

• Pour aller plus loin : Le Data Mining
• Le CRM analytique

LES ENTREPÔTS DE DONNÉES : PERSPECTIVES D’ÉVOLUTION

• Qu'est-ce que le Big Data?
• Relation entre Big Data et Business Intelligence (BI ou décisionnel)

LES DEFIS D’UN ENTREPOT DE DONNEES

• Les défis d’un entrepôt de données
• Centraliser les informations en une base unique
• Communiquer avec les bases de production d’environnements différents
• Intégrer des données externes à l’entreprise
• Collecter en direct des saisies ponctuelles
• Intégrer des données élémentaires comme des données complexes
• Des données de référentiel
• Des éléments macro-économiques
• Des détails micro-économiques
• Des montages techniques sur mesure
• Faciliter la gestion des données centralisées
• Présenter les données de manière homogène
• Affecter des repères temporels communs
• Prévoir des conversions ou des calculs préliminaires pour harmoniser l’information
• Pré-grouper certaines données
• Tout organiser selon des vues « métiers »
• Respecter les contraintes de temps
• Présenter des délais réduits de mise à jourOffrir des temps de réponses performants
• Permettre une grande réactivité face au changement
• Offrir un outil sur mesure selon l'évolution de l’environnement et des besoins

LA MODELISATION

• Introduction
• Indicateur
• Dimension
• Faits
• Modèle conceptuel des données (MDC)
• Modèle Physique des Données (MPD)