L’intelligence d’affaires et les entrepôts de données

L’intelligence d’affaires et les entrepôts de données
Présenté par : Marc Catudal-Gosselin Université de Sherbrooke automne 2004 Bonjour et bienvenue à cette rencontre. Mon collègue, Marc Catudal-Gosselin, ainsi que moi-même, David Fagnan, allons vous entretenir sur les rudiments du paiement électronique sécurisé. © 2004, Marc Catudal-Gosselin. Tous droits réservés

© 2004, Marc Catudal-Gosselin. Tous droits réservés
Ordre du jour Qu’est-ce que le BI et le DW Les faits saillants Les bénéfices du DW et des OLAP Les obstacles Les principaux joueurs Les mesures et les facteurs de succès La conclusion Commençons par quelques faits saillants concernant le commerce électronique et la sécurité transactionnelle. © 2004, Marc Catudal-Gosselin. Tous droits réservés

Définitions Business Intelligence: Intelligence d’affaires Informatique décisionnelle « On qualifie d'informatique décisionnelle l'exploitation des données de l'entreprise dans le but de faciliter la prise de décision par les décideurs » (CommentCaMarche.net) « Business Intelligence is the gathering and analysis of vast amounts of data in order to gain insights that drive strategic and tactical business decisions which, in turn, will improve performance in the market place.» (Seungrahn H., IBM) © 2004, Marc Catudal-Gosselin. Tous droits réservés

Définitions Data Warehouse: Entrepôt de données «Un entrepôt de données est une collection de données thématiques, intégrées, non volatiles et historiées pour aider à la prise de décision » (Inmon, W. H., 2000 ) Data Mart: Magasin de données C’est un sous-ensemble de l’entrepôt de données contenant les données pour un secteur particulier de l'entreprise (département, direction, service, gamme de produit, ...). © 2004, Marc Catudal-Gosselin. Tous droits réservés

Définitions Data Mining: Forage de données Le forage de données a pour but de mettre en évidence des corrélations éventuelles dans un volume important de données afin de dégager des tendances. OLAP: On-Line Analytical Processing Le but de l'OLAP est de permettre une analyse multidimensionnelle sur des bases de données volumineuses afin de mettre en évidence une analyse particulière des données (Cubes OLAP) . © 2004, Marc Catudal-Gosselin. Tous droits réservés

Définitions MOLAP: Multidimensional database OLAP Application OLAP spécialisée. Les données des cubes sont entreposées dans des bases de données multidimensionnelles. Le temps de réponse est très rapide. ROLAP: Relational OLAP Application OLAP spécialisée. Les données des cubes sont entreposées dans une base de données relationnelle. Cela permet d’entreposer des données de niveau de détail élevé, mais le temps de réponse est généralement plus lent. © 2004, Marc Catudal-Gosselin. Tous droits réservés

Définitions HOLAP: Hybrid OLAP Regroupe les caractéristiques des ROLAP et MOLAP. Le niveau de détail des données est moins élevé que le ROLAP et la performance est moins rapide que le MOLAP. Metadata: Métadonnées Les métadonnées sont les informations qui caractérisent les données. Les métadonnées répondent aux questions :qui, quoi, où et comment à propos de toutes les facettes des données extraites des systèmes externes. © 2004, Marc Catudal-Gosselin. Tous droits réservés

Représentation des concepts
Opérations OLAP: Forage Défilement Tranchage Fragmentation Pivotement Source: © 2004, Marc Catudal-Gosselin. Tous droits réservés

DATA SOURCES STAGING AREA DATA WAREHOUSE DECISION SUPPORT Application Databases ______________________________________________________ Reports Packaged application/ERP Data DATA MARTS INCOME ANNUAL REPORT ___ ___ ____ _____ ___ __ EXTRACTION TRANSFORMING CLEANING AGGREGATION DATA WAREHOUSE EIS Desktop Data OLAP External Data Web-based Data Statistical & Financial Analysis [Adapté de SunExpert Magazine, October 1998.] © 2004, Marc Catudal-Gosselin. Tous droits réservés

Entrepôts de données vs bases de données opérationnelles
Source: Building Data Mining Application © 2004, Marc Catudal-Gosselin. Tous droits réservés

Faits saillants Selon une étude effectuée par le groupe Forrester plus de 44% des moyennes et grandes entreprises vont acquérir un logiciel de BI au cours de la prochaine année (2004). Selon Meta Group, le marché corporatif des DW continue d’évoluer rapidement. Cette firme estime ce marché à 4 milliards US (2003). © 2004, Marc Catudal-Gosselin. Tous droits réservés

Faits saillants Outils de planification utilisés Base: 127 North American retailers Source: GartnerG2 and The Wharton School of Business at The University of Pennsylvania, March 2003 © 2004, Marc Catudal-Gosselin. Tous droits réservés

Faits saillants 2003 2002 2001 2000 Market position Share (%) Microsoft 1 26.1% 24.4% 2 21.1% 3 11.5% Hyperion Solutions 21.9% 23.3% 24.0% 27.4% Cognos 14.2% 14.7% 13.7% 13.5% Business Objects 4 7.7% 7.4% 7.6% 6 MicroStrategy 5 6.2% 5.4% 6.8% 9.1% SAP 5.8% 5.2% 7 8 2.9% Oracle 4.0% 4.7% 7.0% 9.9% Cartesis 3.1% 9 2.6% 2.4% 11 2.2% Applix 3.0% 2.5% MIS AG 10 12 2.1% Geac 2.0% 2.3% SAS Institute 0.9% 13 1.1% 1.2% 1.6% Source: © 2004, Marc Catudal-Gosselin. Tous droits réservés

Competitive Advantage Complexity of Analysis
La chaîne de valeur Competitive Advantage Higher Predictive Metrics “What will happen?” Descriptive Metrics Business Value “Why has it happened?” Baseline Metrics “What has happened?” Lower Complexity of Analysis Higher Data Information Analysis Insight Recommended Actions Data Warehouse Source: E-force groupe OLAP © 2004, Marc Catudal-Gosselin. Tous droits réservés

Pourquoi utiliser le BI/DW/OLAP?
Accroître les revenus, diminuer les coûts de l’entreprise. Gérer la complexité d’affaires grandissante Utiliser les technologies en place comme un puissant levier d’analyse © 2004, Marc Catudal-Gosselin. Tous droits réservés

Les bénéfices Meilleure capacité d’analyse Découvrir des tendances cachées Vue d’ensemble Meilleure décision Augmentation de la productivité des employés Génération de rapports au niveau de l’usagé Meilleure synthèse d’information (- temps d’extraction) Définition commune des données Diminution des coûts Moins de rapports ad hoc pour les TI Baisse du coût d’accès à l’information © 2004, Marc Catudal-Gosselin. Tous droits réservés

Les bénéfices Augmentation des revenus Information non disponible via le ERP Meilleure communication interdépartementale Meilleures analyses marketing, décision stratégique Intégration des données sur une plateforme Accent vers le client Données sur les clients disponibles via une source pour tous Possibilité accrue d’effectuer des ventes croisés © 2004, Marc Catudal-Gosselin. Tous droits réservés

Les obstacles Les sources de données incompatibles Ex: définition du produit en 1995 vs aujourd’hui La pression pour un rendement immédiat ROI à court terme © 2004, Marc Catudal-Gosselin. Tous droits réservés

Les principaux joueurs
Data warehouse Oracle Database 10g, DB2 Data Warehouse, SQL Server, SAP BW Outils ROLAP Microstrategy, Information Advantage, Informix Metacube Outils MOLAP Cognos, Hyperion Essbase, Oracle express, Business Objects, SAP Outils HOLAP Seagate Info, Holos Outils MOLAP Web Microstrategy DSS Web, Cognos Powerplay Web, Business Objects- web Compagnies sélectionnées © 2004, Marc Catudal-Gosselin. Tous droits réservés

Cognos Powerplay Web Logiciel OLAP et MOLAP qui permettent la construction de cubes de données et permettent la manipulation des différentes dimensions par les usagés via une interface client Web. « By organizing information into dimensions and measures, OLAP lets us follow trends in a customer realm; spot anomalies across products; compare annual sales in a region by product line or customer type; even test a strategic plan. With OLAP, details are placed in context; the big picture is supported by the data. » ( © 2004, Marc Catudal-Gosselin. Tous droits réservés

Les Fonctionnalités Les Fonctionnalités Zero-papier grâce à l’interface en ligne Analyse graphique Forage transversal Gestion des exceptions Générateur de scénarios Possibilité d’effectuer des projections Caractéristiques principales Facilité d’utilisation Outil d’analyse robuste Rapidité d’exécution © 2004, Marc Catudal-Gosselin. Tous droits réservés

Application en entreprise
© 2004, Marc Catudal-Gosselin. Tous droits réservés Source:

Microstrategy Web Universal
Logiciel OLAP et ROLAP qui permettent la construction de cubes de données et permettent la manipulation des différentes dimensions par les usagés via une interface client Web. « Interface looks as familiar as Windows® and features drag- and-drop report creation, "Excel-like" formatting, advanced printing and exporting, and right click menus for drilling, pivoting and sorting. All of this is accomplished with no ActiveX, Java™ Applets, cookies, or client side installations, ensuring the highest levels of security. » ( © 2004, Marc Catudal-Gosselin. Tous droits réservés

Les Fonctionnalités Les Fonctionnalités Zero-papier grâce à l’interface en ligne Analyse graphique Forage transversal Gestion des exceptions Création de rapports Caractéristiques principales Indépendance de plate-forme Personnalisation facile (sans coder) Intégration facile avec des portails et des services Web © 2004, Marc Catudal-Gosselin. Tous droits réservés

Microstrategy Web Universal
Comparaison Catégorie Compagnie Produit Prix OLAP Cognos Cognos PowerPlay® 7.3 Prix de départ de $795 par licence d’usagé. Microstrategy Microstrategy Web Universal Non disponible Hyperion Hyperion Essbase 7X Entrepôt de données Microsoft Microsoft SQL Server 2000 Édition entreprise à partir de $19,999 /CPU IBM DB2 Data Warehouse Édition entreprise à partir de $25,000/CPU Oracle Oracle Database 10g Édition entreprise à partir de $40,000/CPU © 2004, Marc Catudal-Gosselin. Tous droits réservés

Mesures de qualité d’un DW
Qualité d’affaires - Est-ce que cela aide à atteindre les buts organisationnels? Qualité d’information – Est-ce que les usagés savent quand et comment l’entrepôt de données peut les aider pour prendre de meilleures décisions d’affaires? Qualité technique – Est-ce que l’entrepôt de données satisfait les usagés en terme de contenu d’information? 3 Types de succès Succès économique – L’entrepôt de données à un impact positif sur les résultats financiers. Succès politique – L’entrepôt de données est utilisé par les usagés. Succès technique – Le plus facile a accomplir. La technologie est appropriée pour la tâche requise et elle fonctionne correctement. © 2004, Marc Catudal-Gosselin. Tous droits réservés

Facteurs de succès Définition commune des données Règle de transformation de données bien définie Formation des usagés adéquate Attentes organisationnelles bien communiquées aux usagés Implication des usagés Implication du haut management L’équipe d’implantation a les bonnes connaissances techniques L’échéance du projet est réaliste Les bons outils ont été choisi (ex:OLAP-MOLAP-ROLAP) © 2004, Marc Catudal-Gosselin. Tous droits réservés

Conclusion L’implantation d’un entrepôt de données et d’outils analytiques permet d’améliorer l’intelligence d’affaire de l’entreprise Décision d’ordre stratégique Solutions mieux adaptées pour les moyennes et grandes entreprises © 2004, Marc Catudal-Gosselin. Tous droits réservés

Bibliographie Livre: Berson A., Smith S., Thearling K..Building Data Mining applications for CRM, Montréal, McGraw-Hill, 1999, 509 p. Sites Webs: www3.gartner.com © 2004, Marc Catudal-Gosselin. Tous droits réservés

Bibliographie Périodique: Francett, B. (1995), Database technologie via for Data Warehouse occupancy. Software Magazine, 15(4), Mémoire: Rachmat, S. Australia Data Warehouse Practice, mémoire de maîtrise,School of information management and systems, Monash University, 2000, 146 p. White paper: - Agosta, L. (2002), Market Overview Update: ETL. (document consulté en ligne le 11 octobre 2004), [en ligne], - Ananthanarayan, S.(2002), Data Warehousing & Business Intelligence: Unleash the power of your data. (document consulté en ligne le 11 octobre 2004), [en ligne], - Foleys, J. and Bates, T. (2004), Data Warehousing & BI for the Small to Midsize Business, (document consulté en ligne le 12 octobre 2004), [en ligne], © 2004, Marc Catudal-Gosselin. Tous droits réservés

Bibliographie White paper: -(2004), Using Olap to improve your performance a summary of teh OLAP survey 3 result. (document consulté en ligne le 16 octobre 2004), [en ligne], - Raizada, S.(2002), Eleven Steps to Success in Data Warehousing, (document consulté en ligne le 16 octobre 2004), [en ligne], © 2004, Marc Catudal-Gosselin. Tous droits réservés

L’intelligence d’affaires et les entrepôts de données

Présentations similaires

Présentation au sujet: "L’intelligence d’affaires et les entrepôts de données"— Transcription de la présentation:

Présentations similaires

Notre projet

Feed-back

Entrer

S'autoriser via un réseau social:

L’intelligence d’affaires et les entrepôts de données

Présentations similaires

Présentation au sujet: "L’intelligence d’affaires et les entrepôts de données"— Transcription de la présentation:

Présentations similaires

Notre projet

Feed-back