★ À maîtriser
La Business Intelligence, ou informatique décisionnelle, collecte, analyse et traite des données internes à l’entreprise et des données externes utiles à son métier selon des critères spécifiques.
L’analyse décisionnelle donne aux dirigeants une vue d’ensemble de l’activité, une meilleure compréhension du comportement client et une meilleure réactivité face au marché.
Les objectifs de la BI sont :
Compléments
En 1965, Dick Pick crée un système d’exploitation comportant un SGBI, premier système où le logiciel et les données sont séparés.
En 1989, Howard Dresner (Gartner) popularise le terme « Business Intelligence ».
★ À maîtriser
Le Datawarehouse est non volatile, intègre des données hétérogènes, historise les données sans les supprimer et les organise par thèmes métier plutôt que par processus fonctionnels.
Les cubes OLAP représentent les informations de façon multidimensionnelle, agrègent les relations entre les données et pré-calculent les agrégats pour accélérer les réponses.
Compléments
L’ETL ajoute aux données des métadonnées telles que leur type, leur provenance et leur date de mise à jour.
Le Datawarehouse sépare les bases opérationnelles des outils décisionnels et comporte des mécanismes de redondance, de sauvegarde et de reprise sur incident.
Sources → ETL → Datawarehouse → Datamart → cube → reporting ou analyse
★ À maîtriser
📌 L’architecture MPP utilise plusieurs machines, chacune dotée de processeurs et de sa propre mémoire, et convient aux gros Datawarehouses et aux calculs intensifs.
📌 Le modèle en étoile place une table de faits au centre, entourée de plusieurs axes de données.
Compléments
📌 L’architecture SMP utilise une seule machine, plusieurs processeurs en parallèle et une mémoire partagée ; elle est recommandée pour les petits Datawarehouses de moins de 50 To.
📌 Le modèle en flocons comporte des jointures entre les tables de dimension.
SMP partage la mémoire ; MPP répartit mémoire et calcul entre plusieurs machines
★ À maîtriser
Le ROLAP s’appuie sur des jointures entre tables relationnelles et des cubes virtuels, avec un coût faible mais des temps de réponse longs et l’usage de SQL.
Le MOLAP stocke les données dans un cube multidimensionnel physique, offre des réponses rapides grâce aux pré-calculs, coûte plus cher et utilise MDX.
Le reporting ad hoc crée un rapport personnalisé à partir des données choisies par l’utilisateur, tandis que le reporting de masse génère automatiquement des rapports répondant à un besoin récurrent, comme les résultats mensuels.
Compléments
Le HOLAP combine des données stockées dans un cube et dans des tables relationnelles, le MOLAP étant utilisé pour les cas normaux et le ROLAP pour le niveau de détail plus fin.
Le DOLAP télécharge de petits cubes sur les postes clients afin de permettre une analyse hors connexion.
★ À maîtriser
Les prérequis d’un projet BI sont : l’engagement budgétaire et politique de la haute direction, des données de qualité et une maturité informatique suffisante, des ressources techniques expérimentées dans les solutions BI
🔄 Les premières étapes du projet consistent à : identifier les métriques stratégiques avec les équipes des différents départements, analyser les rapports existants pour comprendre les métriques, repérer les sources de données utilisées
L’audit examine pour chaque source :
Les besoins identifiés sont consolidés et organisés pour regrouper logiquement les métriques à produire et standardiser les requis, puis les sources nécessaires sont identifiées pour chaque métrique.
Compléments
Les ressources clés sont les employés qui comprennent bien les activités de l’entreprise, ses systèmes d’information ou ses procédures opérationnelles, et leur collaboration est recherchée pendant le projet.
Le scope du projet est défini avec son sponsor à partir des besoins recueillis, en déterminant l’envergure et les réalisations, après évaluation des éventuelles modifications opérationnelles et de leurs impacts budgétaires.
Le calcul du coût prend en compte :
Les bénéfices d’un projet décisionnel sont estimés selon le modèle ARRCAP et portent sur l’augmentation des revenus, la réduction des coûts et l’amélioration de la productivité, notamment le temps passé par les employés à produire des rapports.
Préparer, mesurer, auditer, consolider, cadrer
Teradata est présenté comme un leader historique des entrepôts de données, connu pour ses serveurs MPP et son SGBDR conçu à l’origine pour le décisionnel.
Parmi les outils de reporting cités figurent :
★ À maîtriser
La BI traditionnelle mobilise notamment ETL, SQL, bases relationnelles, reporting et visualisation pour délivrer de l’information, consolider les données et produire des statistiques descriptives.
La data science mobilise statistiques avancées, programmation, Map-Reduce et NoSQL pour construire des modèles prédictifs, réaliser du datamining et traiter de gros volumes de données non structurées.
La BI self-service permet aux utilisateurs d’accéder eux-mêmes à l’information sans attendre le service informatique, mais ils doivent savoir quelles données sont fiables et comprendre leur nature.
Compléments
📌 La data analysis porte notamment sur la définition, la traçabilité, les relations et la qualité des données ainsi que sur leur structure, leurs sources et leurs cibles.
Les bases de données in-memory stockent et manipulent les données en mémoire vive, avec des accès annoncés comme 1000 fois plus rapides que les accès disque.
La BI mobile répond au besoin d’accéder à l’information à tout moment et en tout lieu, tandis que le BYOD soulève des enjeux de sécurité auxquels des solutions MDM peuvent répondre.
68 % des organisations jugent la BI mobile importante.
Les sept objectifs stratégiques associés à l’analytics prédictive sont :
BI traditionnelle : reporting descriptif ; data science : prédiction, statistiques avancées et gros volumes
★ À maîtriser
Le datastorytelling met en scène les données au moyen de visualisations, d’animations et d’interactivité afin de raconter une histoire.
🔄 Le schéma narratif suit quatre étapes :
Compléments
L’outil idéal de datastorytelling est :
Le cours conclut que la BI est devenue une nécessité pour les entreprises, évolue avec les technologies et les besoins métiers, et que le Big Data constitue davantage une opportunité qu’une menace.
Une histoire-arbre relie situation initiale, problème, résolution et situation finale
Architectures xOLAP
| Modèle | Stockage et accès | Performance et coût |
|---|---|---|
| ROLAP | Tables relationnelles, jointures, SQL | Coût faible, réponses plus lentes |
| MOLAP | Cube multidimensionnel physique, MDX | Pré-calculs, réponses rapides, coût élevé |
| HOLAP | Combinaison de cube et de tables relationnelles | MOLAP pour les cas normaux, ROLAP pour le détail fin |
| DOLAP | Petits cubes téléchargés sur les postes clients | Analyse hors connexion |
Teste tes connaissances sur Business Intelligence et décisionnel avec 11 questions à choix multiples et corrections détaillées.
1. Quel avantage l’analyse décisionnelle apporte-t-elle aux dirigeants dans le suivi de l’activité et du marché ?
2. Une entreprise exploite la BI pour mieux connaître ses clients et améliorer ses résultats commerciaux. Quel ensemble correspond à ses objectifs ?
Mémorisez les concepts clés de Business Intelligence et décisionnel avec 10 flashcards interactives.
Que fait l’ETL des données issues de sources hétérogènes ?
Il les récupère, les nettoie, puis les charge dans le Datawarehouse.
Qui crée en 1965 le système d’exploitation avec un SGBI séparant logiciel et données ?
Dick Pick.
Qui popularise le terme « Business Intelligence » en 1989 ?
Howard Dresner (Gartner).
Importe ton cours et l'IA génère fiches, QCM et flashcards en 30 secondes.
Générateur de fiches