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

© 2004, Marc Catudal-Gosselin. Tous droits réservés© 2004, Marc Catudal-Gosselin. Tous droits réservés

L’intelligence d’affairesL’intelligence d’affairesetet

les entrepôts de donnéesles entrepôts de données

Présenté par : Marc Catudal-Gosselin Présenté par : Marc Catudal-Gosselin

Université de Sherbrooke Université de Sherbrooke

automne 2004automne 2004


Ordre du jourOrdre du jour

Qu’est-ce que le BI et le DWQu’est-ce que le BI et le DW

Les faits saillantsLes faits saillants

Les bénéfices du DW et des OLAPLes bénéfices du DW et des OLAP

Les obstaclesLes obstacles

Les principaux joueursLes principaux joueurs

Les mesures et les facteurs de succès Les mesures et les facteurs de succès

La conclusionLa conclusion


DéfinitionsDéfinitions

Business Intelligence: Business Intelligence: Intelligence d’affairesIntelligence d’affaires

Informatique décisionnelle 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)



Data Warehouse: Data Warehouse: Entrepôt de donnéesEntrepôt 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 )

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, ...).

Data Mart:Data Mart: Magasin de donnéesMagasin de données



OLAP: OLAP: On-Line Analytical Processing 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: Data Mining: Forage de donnéesForage de données



MOLAP: MOLAP: Multidimensional database OLAP 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 d’entreposer des données de niveau de détail élevé, mais le temps de réponse est généralement plus lent.

ROLAPROLAP: : RelationalRelational OLAPOLAP



HOLAP: HOLAP: HybridHybrid OLAP 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.

MetadataMetadata: : MétadonnéesMétadonnées


Représentation des conceptsReprésentation des concepts

Source: www.olapreport.com

Opérations OLAP:Opérations OLAP:

Forage Forage

DéfilementDéfilement

TranchageTranchage

FragmentationFragmentation

PivotementPivotement


Représentation des conceptsReprésentation des concepts



Représentation des conceptsReprésentation des concepts DATA SOURCES STAGING AREA DATA WAREHOUSE DECISION SUPPORT

Application DatabasesApplication Databases

Packaged application/ERP

Data

Packaged application/ERP

Data

Desktop DataDesktop Data

External DataExternal Data

Web-based DataWeb-based Data

[Adapté de SunExpert Magazine, October 1998.]

______________________________________________________

______________________________________________________

INCOME ANNUAL REPORT

___ ___ ____ _____ ___ __

___ ___ ____ _____ ___ __

___ ___ ____ _____ ___ __

INCOME ANNUAL REPORT

___ ___ ____ _____ ___ __

___ ___ ____ _____ ___ __

___ ___ ____ _____ ___ __

Reports

EIS

OLAP

Statistical & Financial Analysis

EXTRACTIONTRANSFORMING

CLEANINGAGGREGATION

DATA WAREHOUSE

DATA MARTS


Entrepôts de données vs bases de données opérationnellesEntrepôts de données vs bases de données opérationnelles

Source: Building Data Mining Application








Les mesures et les facteurs de succèsLes mesures et les facteurs de succès



Faits saillantsFaits saillants

Selon une étude effectuée par le groupe Forrester Selon une étude effectuée par le groupe Forrester plus de 44% des moyennes et grandes entreprises plus de 44% des moyennes et grandes entreprises vont acquérir un logiciel de BI au cours de la vont acquérir un logiciel de BI au cours de la prochaine année (2004). prochaine année (2004).

Selon Meta Group, le marché corporatif des DW Selon Meta Group, le marché corporatif des DW continue d’évoluer rapidement. Cette firme estime continue d’évoluer rapidement. Cette firme estime ce marché à 4 milliards US (2003).ce marché à 4 milliards US (2003).



Base: 127 North American retailersSource: GartnerG2 and The Wharton School of Business at The University of Pennsylvania, March 2003

Outils de planification utilisés






Faits saillantsFaits saillants2003 2002 2001 2000

Market position

Share (%)

Market position

Share (%)

Market position

Share (%)

Market position

Share (%)

Microsoft 126.1%

1 24.4% 2 21.1% 3 11.5%

Hyperion Solutions 221.9%

2 23.3% 1 24.0% 1 27.4%

Cognos 314.2%

3 14.7% 3 13.7% 2 13.5%

Business Objects 4 7.7% 4 7.4% 4 7.6% 6 7.4%

MicroStrategy 5 6.2% 5 5.4% 6 6.8% 5 9.1%

SAP 6 5.8% 6 5.2% 7 5.4% 8 2.9%

Oracle 7 4.0% 7 4.7% 5 7.0% 4 9.9%

Cartesis 8 3.1% 9 2.6% 9 2.4% 11 2.2%

Applix 9 3.0% 8 2.6% 8 2.5% 7 3.0%

MIS AG 10 3.0% 12 2.1% 11 2.1% 12 2.1%

Geac 11 2.0% 10 2.2% 10 2.3% 10 2.5%

SAS Institute 12 0.9% 13 1.1% 13 1.2% 13 1.6%












La chaîne de valeurLa chaîne de valeur

HigherHigher

BusinessValue

BusinessValue

LowerLower HigherHigherComplexity of AnalysisComplexity of Analysis

“What has happened?”

“Why has it happened?”

“What will happen?”

Recommended

Actions

Recommended

Actions Insight Insight Analysis Analysis Information Information Data Data

Competitive AdvantageCompetitive Advantage

Baseline Metrics

Predictive Metrics

Descriptive Metrics

Source: E-force groupeData Warehouse

OLAP


Pourquoi utiliser le BI/DW/OLAP?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


Les bénéfices Les bénéfices Meilleure capacité d’analyseMeilleure capacité d’analyse

Découvrir des tendances cachéesDécouvrir des tendances cachéesVue d’ensembleVue d’ensembleMeilleure décisionMeilleure décision

Augmentation de la productivité des employésAugmentation de la productivité des employésGénération de rapports au niveau de l’usagéMeilleure synthèse d’information (- temps d’extraction)Définition commune des données

Diminution des coûtsDiminution des coûtsMoins de rapports ad hoc pour les TIBaisse du coût d’accès à l’information


Les bénéfices Les bénéfices

Augmentation des revenusAugmentation des revenusInformation non disponible via le ERPInformation non disponible via le ERP

Meilleure communication interdépartementaleMeilleure communication interdépartementale

Meilleures analyses marketing, décision stratégiqueMeilleures analyses marketing, décision stratégique

Intégration des données sur une plateformeIntégration des données sur une plateforme

Accent vers le clientAccent vers le clientDonnées sur les clients disponibles via une source pour tous

Possibilité accrue d’effectuer des ventes croisés











Les obstacles Les obstacles

Les coûts d’implantationLes coûts d’implantationTechnologie onéreuseTechnologie onéreuse

Coûts cachésCoûts cachés

Les forces contradictoiresLes forces contradictoires

Source: www.dmreview.com


Les obstacles Les obstacles

Les sources de données incompatiblesLes sources de données incompatiblesEx: définition du produit en 1995 vs aujourd’huiEx: définition du produit en 1995 vs aujourd’hui

La pression pour un rendement immédiatLa pression pour un rendement immédiatROI à court termeROI à court terme












Microstrategy, Information Advantage, Informix MetacubeMicrostrategy, Information Advantage, Informix MetacubeOutils ROLAPOutils ROLAP

Oracle Database 10g, DB2 Data Warehouse, SQL Server, SAP BWOracle Database 10g, DB2 Data Warehouse, SQL Server, SAP BWData warehouseData warehouse

Cognos, Hyperion Essbase, Oracle express, Business Objects, SAPCognos, Hyperion Essbase, Oracle express, Business Objects, SAPOutils MOLAPOutils MOLAP

Seagate Info, HolosSeagate Info, HolosOutils HOLAPOutils HOLAP

Microstrategy DSS Web, Cognos Powerplay Web, Business Objects-

web

Microstrategy DSS Web, Cognos Powerplay Web, Business Objects-

web Outils MOLAP WebOutils MOLAP Web

Compagnies sélectionnées


Cognos Powerplay WebCognos 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.


Cognos Powerplay WebCognos Powerplay Web

Source: www.cognos.com


Les FonctionnalitésLes FonctionnalitésLes Fonctionnalités

Zero-papier grâce à l’interface en ligne

Analyse graphique Analyse graphique

Forage transversal Forage transversal Gestion des exceptions Gestion des exceptions

Générateur de scénarios Générateur de scénarios

Possibilité d’effectuer des projectionsPossibilité d’effectuer des projections

Caractéristiques principalesCaractéristiques principales

Facilité d’utilisationFacilité d’utilisation

Outil d’analyse robusteOutil d’analyse robuste

Rapidité d’exécutionRapidité d’exécution


Aperçu de l’interfaceAperçu de l’interface



Application en entrepriseApplication en entreprise



Microstrategy Web UniversalMicrostrategy 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.


Les FonctionnalitésLes FonctionnalitésLes Fonctionnalités

Zero-papier grâce à l’interface en ligne

Analyse graphique Analyse graphique

Forage transversal Forage transversal Gestion des exceptions Gestion des exceptions

Création de rapports Création de rapports

Caractéristiques principalesCaractéristiques principales

Indépendance de plate-formeIndépendance de plate-forme

Personnalisation facile (sans coder)Personnalisation facile (sans coder)

Intégration facile avec des portails et des services WebIntégration facile avec des portails et des services Web


Aperçu de l’interfaceAperçu de l’interface

Source: www.microstrategy.com


ComparaisonComparaison



ComparaisonComparaison



Comparaison Comparaison

Catégorie Compagnie Produit Prix

OLAP Cognos Cognos

PowerPlay® 7.3

Prix de départ de $795 par licence d’usagé.

OLAP Microstrategy Microstrategy Web Universal

Non disponible

OLAP HyperionHyperion Essbase 7X

Non disponible

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











Mesures de qualité d’un DWMesures de qualité d’un DW

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.

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


Facteurs de succèsFacteurs de succès

Définition commune des donnéesDéfinition commune des données

Règle de transformation de données bien définieRègle de transformation de données bien définie

Formation des usagés adéquateFormation des usagés adéquate

Attentes organisationnelles bien communiquées aux usagésAttentes organisationnelles bien communiquées aux usagés

Implication des usagésImplication des usagés

Implication du haut managementImplication du haut management

L’équipe d’implantation a les bonnes connaissancesL’équipe d’implantation a les bonnes connaissances techniquestechniques

L’échéance du projet est réalisteL’échéance du projet est réaliste

Les bons outils ont été choisi (ex:OLAP-MOLAP-ROLAP)Les bons outils ont été choisi (ex:OLAP-MOLAP-ROLAP)











ConclusionConclusion

L’implantation d’un entrepôt de données et L’implantation d’un entrepôt de données et d’outils analytiques permet d’améliorer d’outils analytiques permet d’améliorer l’intelligence d’affaire de l’entreprisel’intelligence d’affaire de l’entreprise

Décision d’ordre stratégiqueDécision d’ordre stratégique

Solutions mieux adaptées pour les moyennes et Solutions mieux adaptées pour les moyennes et grandes entreprisesgrandes entreprises


Questions?Questions?


BibliographieBibliographieLivre:Livre:

Berson A., Smith S., Thearling K..Berson A., Smith S., Thearling K..Building Data Mining applications for CRMBuilding Data Mining applications for CRM, , Montréal, McGraw-Hill, 1999, 509 p.Montréal, McGraw-Hill, 1999, 509 p.

Sites Webs:Sites Webs:www3.gartner.comwww3.gartner.com www.businessintelligence.comwww.businessintelligence.com

www.dmreview.comwww.dmreview.com www.teradata.comwww.teradata.comwww.datawarehousingonline.comwww.datawarehousingonline.com www.bizintelligencepipeline.comwww.bizintelligencepipeline.comwww.gartnerg2.comwww.gartnerg2.com http://http://technologyexecutivesclub.comtechnologyexecutivesclub.comwww.cognos.comwww.cognos.com www.buzzle.comwww.buzzle.comwww.microstrategy.comwww.microstrategy.com www.grappa.univ-lille3.frwww.grappa.univ-lille3.frwww.microsoft.comwww.microsoft.com www.commentcamarche.netwww.commentcamarche.netwww.ibm.comwww.ibm.com www.sap.comwww.sap.comwww.oracle.comwww.oracle.com www.forrester.comwww.forrester.comwww.olapreport.comwww.olapreport.com www.idc.comwww.idc.comhttp://datawarehouse.ittoolbox.comhttp://datawarehouse.ittoolbox.com www.aberdeen.comwww.aberdeen.com


BibliographieBibliographiePériodique:Périodique:

Francett, B. (1995), Database technologie via for Data Warehouse occupancy. Francett, B. (1995), Database technologie via for Data Warehouse occupancy. Software Magazine, Software Magazine, 15(4), 70-77.15(4), 70-77.

Mémoire:Mémoire:Rachmat, S. Australia Data Warehouse Practice, mémoire de maîtrise,School of Rachmat, S. Australia Data Warehouse Practice, mémoire de maîtrise,School of information management and systems, Monash University, 2000, 146 p. information management and systems, Monash University, 2000, 146 p.

White paper:White paper:- - Agosta, L. (2002), Market Overview Update: ETL. (document consulté en ligne le Agosta, L. (2002), Market Overview Update: ETL. (document consulté en ligne le 11 octobre 2004), [en ligne], www.informatica.com/news/awards/giga_etl.pdf 11 octobre 2004), [en ligne], www.informatica.com/news/awards/giga_etl.pdf

- Ananthanarayan, S.(2002), Data Warehousing & Business Intelligence: Unleash- Ananthanarayan, S.(2002), Data Warehousing & Business Intelligence: Unleashthe power of your data. (document consulté en ligne le 11 octobre 2004), [en ligne], the power of your data. (document consulté en ligne le 11 octobre 2004), [en ligne], www.dmreview.com/whitepaper/WID422www.dmreview.com/whitepaper/WID422.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], (document consulté en ligne le 12 octobre 2004), [en ligne], http://datawarehouse.ittoolbox.com/browse.asp?c=DWPeerPublishing&r=http://http://datawarehouse.ittoolbox.com/browse.asp?c=DWPeerPublishing&r=http://hosteddocs.ittoolbox.com%2FJF043004.pdfhosteddocs.ittoolbox.com%2FJF043004.pdf


BibliographieBibliographieWhite paper:White paper:

-(-(2004), Using Olap to improve your performance a summary of teh OLAP survey 3 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], result. (document consulté en ligne le 16 octobre 2004), [en ligne], www.cognos.com/products/businessintelligence/analysis/olap_survey_results.pdfwww.cognos.com/products/businessintelligence/analysis/olap_survey_results.pdf

- Raizada, S.(2002), Eleven Steps to Success in Data Warehousing, (document - Raizada, S.(2002), Eleven Steps to Success in Data Warehousing, (document consulté en ligne le 16 octobre 2004), [en ligne], consulté en ligne le 16 octobre 2004), [en ligne], www.syntelinc.com/syntel/english/00000290/Syntel_dw_11steps.pdfwww.syntelinc.com/syntel/english/00000290/Syntel_dw_11steps.pdf


Coûts réelsCoûts réels


Niveaux d’analyses Niveaux d’analyses


Transformation des données Transformation des données

Données opérationnelles

Information

Par l’entrepôt de données

Documents

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