La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

© 2004, Marc Catudal-Gosselin. Tous droits réservés Lintelligence daffaires et les entrepôts de données Présenté par : Marc Catudal-Gosselin Université.

Présentations similaires


Présentation au sujet: "© 2004, Marc Catudal-Gosselin. Tous droits réservés Lintelligence daffaires et les entrepôts de données Présenté par : Marc Catudal-Gosselin Université."— Transcription de la présentation:

1 © 2004, Marc Catudal-Gosselin. Tous droits réservés Lintelligence daffaires et les entrepôts de données Présenté par : Marc Catudal-Gosselin Université de Sherbrooke automne 2004 automne 2004

2 © 2004, Marc Catudal-Gosselin. Tous droits réservés Ordre du jour Quest-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

3 © 2004, Marc Catudal-Gosselin. Tous droits réservés Définitions Business Intelligence: Intelligence daffaires 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)

4 © 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 ) Cest un sous-ensemble de lentrepôt de données contenant les données pour un secteur particulier de l'entreprise (département, direction, service, gamme de produit,...). Data Mart: Magasin de données

5 © 2004, Marc Catudal-Gosselin. Tous droits réservés Définitions 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). 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. Data Mining: Forage de données

6 © 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. Application OLAP spécialisée. Les données des cubes sont entreposées dans une base de données relationnelle. Cela permet dentreposer des données de niveau de détail élevé, mais le temps de réponse est généralement plus lent. ROLAP : Relational OLAP

7 © 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. 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. Metadata : Métadonnées Métadonnées

8 © 2004, Marc Catudal-Gosselin. Tous droits réservés Représentation des concepts Source: Opérations OLAP: ForageDéfilementTranchageFragmentationPivotement

9 © 2004, Marc Catudal-Gosselin. Tous droits réservés Représentation des concepts Source:

10 © 2004, Marc Catudal-Gosselin. Tous droits réservés Représentation des concepts DATA SOURCES STAGING AREA DATA WAREHOUSE DECISION SUPPORT Application Databases Packaged application/ERP Data Desktop Data External Data Web-based Data [Adapté de SunExpert Magazine, October 1998.] _________ _________ _________ INCOME ANNUAL REPORT ___ ___ ____ _____ ___ __ INCOME ANNUAL REPORT ___ ___ ____ _____ ___ __ Reports EIS OLAP Statistical & Financial Analysis EXTRACTION TRANSFORMING CLEANING AGGREGATION DATA WAREHOUSE DATA MARTS

11 © 2004, Marc Catudal-Gosselin. Tous droits réservés Entrepôts de données vs bases de données opérationnelles Source: Building Data Mining Application

12 © 2004, Marc Catudal-Gosselin. Tous droits réservés Ordre du jour Quest-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 La conclusion

13 © 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 dévoluer rapidement. Cette firme estime ce marché à 4 milliards US (2003).

14 © 2004, Marc Catudal-Gosselin. Tous droits réservés Faits saillants Base: 127 North American retailers Source: GartnerG2 and The Wharton School of Business at The University of Pennsylvania, March 2003 Outils de planification utilisés

15 © 2004, Marc Catudal-Gosselin. Tous droits réservés Faits saillants

16 © 2004, Marc Catudal-Gosselin. Tous droits réservés Faits saillants

17 © 2004, Marc Catudal-Gosselin. Tous droits réservés Faits saillants Market position Share (%) Market position Share (%) Market position Share (%) Market position Share (%) Microsoft % 124.4%221.1%311.5% Hyperion Solutions % 223.3%124.0%127.4% Cognos % 314.7%313.7%213.5% Business Objects 47.7%47.4%47.6%67.4% MicroStrategy 56.2%55.4%66.8%59.1% SAP 65.8%65.2%75.4%82.9% Oracle 74.0%74.7%57.0%49.9% Cartesis 83.1%92.6%92.4%112.2% Applix 93.0%82.6%82.5%73.0% MIS AG 103.0%122.1%112.1%122.1% Geac 112.0%102.2%102.3%102.5% SAS Institute 120.9%131.1%131.2%131.6% Source:

18 © 2004, Marc Catudal-Gosselin. Tous droits réservés Ordre du jour Quest-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

19 © 2004, Marc Catudal-Gosselin. Tous droits réservés La chaîne de valeur Higher Business Value LowerHigher Complexity of Analysis What has happened? Why has it happened? What will happen? Recommend ed Actions Insight Analysis Information Data Competitive Advantage Baseline Metrics Predictive Metrics Descriptive Metrics Source: E-force groupe Data Warehouse OLAP

20 © 2004, Marc Catudal-Gosselin. Tous droits réservés Pourquoi utiliser le BI/DW/OLAP? Accroître les revenus, diminuer les coûts de lentreprise. Gérer la complexité daffaires grandissante Utiliser les technologies en place comme un puissant levier danalyse

21 © 2004, Marc Catudal-Gosselin. Tous droits réservés Les bénéfices Meilleure capacité danalyse Découvrir des tendances cachées Vue densemble Meilleure décision Augmentation de la productivité des employés Génération de rapports au niveau de lusagé Meilleure synthèse dinformation (- temps dextraction) Définition commune des données Diminution des coûts Moins de rapports ad hoc pour les TI Baisse du coût daccès à linformation

22 © 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 deffectuer des ventes croisés

23 © 2004, Marc Catudal-Gosselin. Tous droits réservés Ordre du jour Quest-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

24 © 2004, Marc Catudal-Gosselin. Tous droits réservés Les obstacles Les coûts dimplantation Technologie onéreuse Coûts cachés Coûts cachés Les forces contradictoires Source:

25 © 2004, Marc Catudal-Gosselin. Tous droits réservés Les obstacles Les sources de données incompatibles Ex: définition du produit en 1995 vs aujourdhui La pression pour un rendement immédiat ROI à court terme

26 © 2004, Marc Catudal-Gosselin. Tous droits réservés Ordre du jour Quest-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

27 © 2004, Marc Catudal-Gosselin. Tous droits réservés Les principaux joueurs Microstrategy, Information Advantage, Informix Metacube Outils ROLAP Oracle Database 10g, DB2 Data Warehouse, SQL Server, SAP BW Data warehouse Cognos, Hyperion Essbase, Oracle express, Business Objects, SAP Outils MOLAP Seagate Info, Holos Outils HOLAP Microstrategy DSS Web, Cognos Powerplay Web, Business Objects- web Outils MOLAP Web Compagnies sélectionnées

28 © 2004, Marc Catudal-Gosselin. Tous droits réservés Cognos Powerplay 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. » (www.cognos.com) 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.

29 © 2004, Marc Catudal-Gosselin. Tous droits réservés Cognos Powerplay Web Source:

30 © 2004, Marc Catudal-Gosselin. Tous droits réservés Les Fonctionnalités Zero-papier grâce à linterface en ligne Analyse graphique Forage transversal Forage transversal Gestion des exceptions Générateur de scénarios Possibilité deffectuer des projections Caractéristiques principales Facilité dutilisation Outil danalyse robuste Rapidité dexécution

31 © 2004, Marc Catudal-Gosselin. Tous droits réservés Aperçu de linterface Source:

32 © 2004, Marc Catudal-Gosselin. Tous droits réservés Application en entreprise Source:

33 © 2004, Marc Catudal-Gosselin. Tous droits réservés Microstrategy Web Universal « 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. » (www.microstrategy.com) 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.

34 © 2004, Marc Catudal-Gosselin. Tous droits réservés Les Fonctionnalités Zero-papier grâce à linterface en ligne Analyse graphique Forage transversal 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

35 © 2004, Marc Catudal-Gosselin. Tous droits réservés Aperçu de linterface Source:

36 © 2004, Marc Catudal-Gosselin. Tous droits réservés Comparaison Source:

37 © 2004, Marc Catudal-Gosselin. Tous droits réservés Comparaison Source:

38 © 2004, Marc Catudal-Gosselin. Tous droits réservés Comparaison CatégorieCompagnieProduitPrix OLAPCognos Cognos PowerPlay® 7.3 Prix de départ de $795 par licence dusagé. OLAPMicrostrategy Microstrategy Web Universal Non disponible OLAPHyperion Hyperion Essbase 7X Non disponible Entrepôt de données Microsoft Microsoft SQL Server 2000 Édition entreprise à partir de $19,999 /CPU Entrepôt de données IBM DB2 Data Warehouse Édition entreprise à partir de $25,000/CPU Entrepôt de données Oracle Oracle Database 10g Édition entreprise à partir de $40,000/CPU

39 © 2004, Marc Catudal-Gosselin. Tous droits réservés Ordre du jour Quest-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

40 © 2004, Marc Catudal-Gosselin. Tous droits réservés Mesures de qualité dun DW Succès économique – Lentrepôt de données à un impact positif sur les résultats financiers. Succès politique – Lentrepôt 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. Qualité daffaires - Est-ce que cela aide à atteindre les buts organisationnels? Qualité dinformation – Est-ce que les usagés savent quand et comment lentrepôt de données peut les aider pour prendre de meilleures décisions daffaires? Qualité technique – Est-ce que lentrepôt de données satisfait les usagés en terme de contenu dinformation? 3 Types de succès

41 © 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 Léquipe dimplantation a les bonnes connaissances techniques Léchéance du projet est réaliste Les bons outils ont été choisi (ex:OLAP-MOLAP-ROLAP)

42 © 2004, Marc Catudal-Gosselin. Tous droits réservés Ordre du jour Quest-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

43 © 2004, Marc Catudal-Gosselin. Tous droits réservés Conclusion Limplantation dun entrepôt de données et doutils analytiques permet daméliorer lintelligence daffaire de lentreprise Décision dordre stratégique Solutions mieux adaptées pour les moyennes et grandes entreprises

44 © 2004, Marc Catudal-Gosselin. Tous droits réservés Questions?

45 Bibliographie Livre: Berson A., Smith S., Thearling K..Building Data Mining applications for CRM, Montréal, McGraw-Hill, 1999, 509 p. Sites Webs: www3.gartner.comwww.businessintelligence.com

46 © 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], - Ananthanarayan, S.(2002), Data Warehousing & Business Intelligence: Unleash the power of your data. (document consulté en ligne le 11 octobre 2004), [en ligne], (document consulté en ligne le 12 octobre 2004), [en ligne], eddocs.ittoolbox.com%2FJF pdf - 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], eddocs.ittoolbox.com%2FJF pdf

47 © 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],

48 © 2004, Marc Catudal-Gosselin. Tous droits réservés Coûts réels

49 © 2004, Marc Catudal-Gosselin. Tous droits réservés Niveaux danalyses

50 © 2004, Marc Catudal-Gosselin. Tous droits réservés Transformation des données Données opérationnelles Information Par lentrepôt de données


Télécharger ppt "© 2004, Marc Catudal-Gosselin. Tous droits réservés Lintelligence daffaires et les entrepôts de données Présenté par : Marc Catudal-Gosselin Université."

Présentations similaires


Annonces Google