Mostafa SKAL

Mise en place dun systme dcisionnel autour du progiciel OpenERP
Projet de Fin dEtudes
Mise en place dun systme

dcisionnel autour du progiciel
OpenERP
Ralis par :
M. Mostafa SKAL
Membres du jury :
M. Abdelkader LAGHRISSI (Prsident, INPT)
Mme. Rabia MARGHOUBI (INPT)
M. Hafid BARKA (INPT)
M. Younes EL MABROUKI (Itrative Systems)
1
Projet de Fin dEtudes Mostafa SKAL
Juin 2013
2
Ddicace :
A Dieu qui j'adresse mes remerciements par sa grce infinie
pour moi.
A ma chre Mre que Dieu bnisse son me,
Aucune ddicace ne saurait tre assez loquente pour exprimer
ce que tu mrites pour tous les sacrifices.
A mon cher Pre que jaime, que dieu ait son me et laccueille en
son vaste paradis.
A mes deux chres Surs et mes deux chers Frres,
Je ne sais comment vous remercier pour tout ce que vous faites
pour moi.
A tous les membres de ma famille, petits et grands,
Veuillez accepter lexpression de mon Affection.
A mes chers amis : Taha, Simo, Hamza, Harchaoui, Hamza, Ziyad, Chyiy, Nabil,
Haitam, Anas, Youssef, Salma, Hind, Soukaina, Sara, Houda,
Asmae, Sara, Amine, Adnane, Ayoub, Nadia, Ayoub
A tous ceux qui maiment ;

A tous ceux que jaime.
A mes chers frres et surs INPTistes,
Je ddie ce travail modeste
Mostafa SKAL
3
Remerciements :
Jadresse tous mes remerciements les plus vifs M. Othman DAOUD

de mavoir donn la chance de poursuivre mon projet de fin dtudes
au sein de Itrative Systems.
Jexprime ma trs grande gratitude auprs de mon encadrant au sein

de Itrative Systems M. Younes EL MABROUKI pour son aide
gracieux, pour sa disponibilit et sa bienveillance.
Je remercie mes professeurs et encadrants internes Mme. Rabia

MARGHOUBI, M. Hafid BARKA et M. Abdelkader LAGHRISSI qui
nont pargn aucun effort pour me soutenir et morienter tout au long
de la priode du PFE, Je leur remercie pour leurs conseils dans
llaboration du prsent rapport. Mes remerciements vont lensemble
des enseignants de lINPT pour leurs contributions ma formation.
Un grand merci pour ma trs chre famille et aussi mes trs chers amis
au sein de lINPT et toute personne ayant contribu, du prs ou de
loin, au bon droulement de ce stage de fin dtudes.
4
Rsum :
Le prsent rapport constitue le rsultat du travail ralis dans le cadre de mon projet de
fin d'tudes, au sein de Itrative Systems .
Ce projet a pour objectif de mettre en place un systme dcisionnel par la cration et la
mise en uvre dun entrept de donnes, qui sera aliment partir des donnes
dOpenERP, et ce pour des fins de reporting et danalyse.
La ralisation de cette solution est effectue selon trois phases principales ; la premire
concerne la recherche des donnes sources ncessaires pour produire les indicateurs qui
permettent aux utilisateurs du systme de suivre et dobserver lvolution de leurs
activits. La deuxime phase consiste en la modlisation et lalimentation dun entrept
de donnes. Quant la dernire phase, elle est ddie lexploitation de lensemble de
ces donnes afin de les utiliser pour prendre les bonnes dcisions aux moments
opportuns.
5
Abstract :
The following report is the outcome of the work done for the End of studies project
within the company Itrative Systems .
This project aims to implement a BI platform by creating and implementing a data
warehouse that will be loaded by the OpenERP data, for purposes of reporting and
analysis.
The implementation of this solution is attended up in three main phases; the first
concerns the search of necessary data sources to produce indicators that allow the users
of such system to monitor and observe the evolution of their activities. The second phase
consists of modeling and loading a data warehouse. As to the last phase, it is dedicated
to the use of these data in order to make the right decision at the appropriate time.
6
:

" ." Itrative Systems

" " OpenERP
.

.
.
.
7
Table des matires :

Ddicace .................................................................................................................................. 3
Remerciements ........................................................................................................................ 4
Rsum ................................................................................................................................... 5
Abstract ................................................................................................................................... 6
........................................................................................................................................ 7
Table des matires ................................................................................................................... 8
Liste des figures ..................................................................................................................... 10
Liste des tableaux .................................................................................................................. 12
Introduction gnrale ............................................................................................................ 13
Chapitre I : Contexte gnral du projet .................................................................................... 15
1.1. Prsentation de lorganisme daccueil .......................................................................... 16
1.1.1. Prsentation gnrale de Itrative Systems ............................................................. 16
1.1.2. Activits de Itrative Systems .................................................................................. 16
1.1.2.1. Dpartement Audit & Conseil ................................................................................................... 17
1.1.2.2. Dpartement Recherche & Dveloppement ............................................................................ 17
1.2. Motivation du projet .................................................................................................. 18

1.3. Objectifs du projet ...................................................................................................... 18
1.4. Mthodologie de travail .............................................................................................. 19
Chapitre II : Scnario et tudes comparatives des outils dcisionnels ........................................ 24
2.1. Gnralits sur la Business Intelligence ....................................................................... 25
2.1.1. Lentreprise et la Business Intelligence ..................................................................... 25
2.1.2. Architecture de la Business Intelligence ................................................................... 27
2.1.2.1. Chane dcisionnelle de la Business Intelligence ..................................................................... 27
2.1.2.2. Phases de la Business Intelligence ............................................................................................ 28
2.1.2.2.1. ETL : Extract-Transform-Load ........................................................................................... 28
2.1.2.2.2. Le data warehouse ........................................................................................................... 29
2.1.2.2.3. Le data-mart ..................................................................................................................... 33
2.1.2.2.4. Datamining ....................................................................................................................... 33
2.1.2.2.5. OLAP .................................................................................................................................. 33
2.1.2.2.6. Reporting .......................................................................................................................... 34
2.1.2.2.7. Tableaux de bord .............................................................................................................. 35
2.2. Gnralits sur le progiciel OpenERP ........................................................................... 36

2.3. Les outils dcisionnels ................................................................................................. 39
2.3.1. Choix de lETL open source ...................................................................................... 39
2.3.1.1. Recherche des ETL Open Source existants ............................................................................... 40
2.3.1.2. Critres de comparaison ........................................................................................................... 40
2.3.1.3. ETLs Open Source retenus ......................................................................................................... 41
2.3.1.4. Comparatif des ETLs Open Source retenus suivant les critres dvaluation ......................... 42
8
2.3.1.5. Bilan de ltude comparative des ETLs ..................................................................................... 46

2.3.1.6. Prsentation de loutil choisi .................................................................................................... 46
2.3.2. Choix de loutil de restitution de donnes ................................................................ 47
2.3.2.1. Recherche des outils Open Source existants ............................................................................ 47
2.3.2.2. Critres de comparaison ............................................................................................................ 48
2.3.2.3. Etude comparative des outils ................................................................................................... 48
2.3.2.4. Comparatif des outils Open Source retenus suivant les critres dvaluation ........................ 49
2.3.2.5. Bilan de ltude comparative des outils de restitution de donnes ........................................ 49
2.3.2.6. Prsentation de loutil choisi .................................................................................................... 50
Chapitre III : Analyse et conception ......................................................................................... 51

3.1. Architecture Technique................................................................................................ 52
3.2. Conception des data-mart............................................................................................ 53
3.2.1. Dfinition des indicateurs ........................................................................................ 53
3.2.2. Axes danalyse ........................................................................................................ 61
3.2.3. Modle de conception adopt .................................................................................. 65
3.2.4. Structure des data-mart .......................................................................................... 67
Chapitre IV : Ralisation de la solution .................................................................................... 72
4.1. Cration physique des data-mart ................................................................................ 73
4.2. Alimentation des data-mart ........................................................................................ 74
4.3. Cration des rapports ................................................................................................. 80
4.4. Publication des rapports et analyses OLAP ................................................................... 87
4.4.1. Migration et publication des rapports ...................................................................... 88
4.4.2. Analyses OLAP ........................................................................................................ 92
Conclusion & perspectives ...................................................................................................... 95
Webographie et bibliographie................................................................................................. 96
9
Liste des figures:

Figure 1: Cycle de vie dimensionnel de Ralph Kimball [1] ..................................................................... 19
Figure 2: Diagramme de Gantt -Planification du projet- ....................................................................... 25
Figure 3: Analyse systmique ................................................................................................................ 26
Figure 4: La chane dcisionnelle de la BI .............................................................................................. 28
Figure 5: ETL : Extract-Transform-Load ................................................................................................. 29
Figure 6: Structure dune table de fait .................................................................................................. 30
Figure 7: Le modle en toile ................................................................................................................ 31
Figure 8: Le modle en flocon ............................................................................................................... 32
Figure 9: Le Datamart ............................................................................................................................ 33
Figure 10: Exemple de cube .................................................................................................................. 34
Figure 11: Exemple dun tableau de bord ............................................................................................. 36
Figure 12: Le progiciel OpenERP............................................................................................................ 37
Figure 13: L'architecture technique adopte ........................................................................................ 38
Figure 14: La partie de la dfinition de l'architecture technique .......................................................... 38
Figure 15: La partie de l'installation des outils sur le cycle de vie de Ralph Kimball ............................ 39
Figure 16: Quadrant magique de Gartner (2012) ................................................................................. 46
Figure 17: Architecture technique adopte .......................................................................................... 52
Figure 18: L'tape de la dfinition des besoins sur le cycle de Ralph Kimball ...................................... 53
Figure 19: La partie concernant l'entrept de donnes sur le cycle de Ralph Kimball ......................... 65
Figure 20: Data-mart "Commercial" ...................................................................................................... 68
Figure 21: Data-mart "Achat" ................................................................................................................ 69
Figure 22: Data-mart "Ressources Humaines" ...................................................................................... 70
Figure 23: Data-mart "Logistique & Approvisionnement" .................................................................... 71
Figure 24: La phase de dploiement sur le cycle de vie de Ralph Kimball ............................................ 73
Figure 25: L'interface de cration du script SQL ................................................................................... 73
Figure 26: Excution du script SQL gnr ............................................................................................ 74
Figure 27: Connexion la base de donnes PostgreSQL & rcupration du schma source ............... 75
Figure 28: Connexion aux data-mart & rcupration du schma cible ................................................ 75
Figure 29: Job d'alimentation de la table de dimension "Produit" ....................................................... 76
Figure 30: Mapping des champs dans la table "Produit" ...................................................................... 76
Figure 31: Job d'alimentation de la table de dimension "TF_Recrutement" ........................................ 77
Figure 32: Mapping des champs dans la table de fait "TF_Recrutement" ............................................ 77
Figure 33: Interface du constructeur d'expression ............................................................................... 78
Figure 34: Les routines systme / les routines utilisateur .................................................................... 79
Figure 35: Utilisation des routines ........................................................................................................ 79
Figure 36: Interface SQL Builder ............................................................................................................ 80
Figure 37: Connexion entre l'outil iReport et les data-mart ................................................................. 81
Figure 38: Interface d'criture des requtes SQL.................................................................................. 81
Figure 39: La mise en page du rapport (Palette) ................................................................................... 82
Figure 40: Assistant de dclaration d'un nouveau paramtre .............................................................. 83
Figure 41: La fentre qui donne la main pour donner une valeur au paramtre utilis ...................... 83
Figure 42: Exemple de rapport -1- ........................................................................................................ 84
Figure 45: La phase de l'interface utilisateur dans le cycle de vie dcisionnel de Ralph Kimball ......... 87
10
Figure 46: connexion entre l'outil Report Designer et les data-mart ................................................... 89
Figure 47: Interface d'criture des requtes SQL.................................................................................. 89
Figure 48: Interface d'dition des rapports........................................................................................... 90
Figure 49: Vue de la console dadministration de Pentaho .................................................................. 90
Figure 50: Interfaces de login et du choix des rapports publier ......................................................... 91
Figure 51: Interface web d'authentification.......................................................................................... 91
Figure 52: Visualisation des rapports -Exemple de rapport des effectif- .............................................. 92
Figure 53: Interface web permettant de faire les analyses autour des cubes ...................................... 93
Figure 54: Affichage des rsultats des analyses sous forme de graphe ................................................ 94
11
Liste des tableaux :

Tableau 1: Etude comparative faite par JDN ......................................................................................... 49
Tableau 2: Liste des indicateurs du domaine fonctionnel Commercial .......................................... 54
Tableau 3: Liste des indicateurs du domaine fonctionnel Achat .................................................... 55
Tableau 4: Liste des indicateurs du domaine fonctionnel Ressources Humaines ........................... 56
Tableau 5: Liste des indicateurs du domaine fonctionnel Logistique & Approvisionnement ......... 57
Tableau 6: Liste finale des indicateurs du domaine fonctionnel Commercial ................................ 58
Tableau 7: Liste finale des indicateurs du domaine fonctionnel Achat .......................................... 59
Tableau 8: Liste finale des indicateurs du domaine fonctionnel Ressources Humaines ................. 60
Tableau 9: Liste finale des indicateurs du domaine fonctionnel Logistique & Approvisionnement 61
Tableau 10: Table des dimensions du domaine fonctionnel "Commercial" ......................................... 63
Tableau 11: Table des dimensions du domaine fonctionnel "Achat" ................................................... 63
Tableau 12: Table des dimensions du domaine fonctionnel "Ressources Humaines" ......................... 64
Tableau 13: Table des dimensions du domaine fonctionnel "Logistique & Approvisionnement" ....... 64
Tableau 14: Table de comparaison entre le modle toile et le modle flocon .................................. 66
12
Introduction gnrale :
Le monde dans lequel nous vivons est de plus en plus complexe. Les technologies de
linformation nous gnrent une multitude de donnes comme jamais auparavant. Le
problme nest donc plus dacqurir une masse de donnes, mais de lexploiter. Pour
cela, il faut collecter de linformation de qualit, la normaliser, la classer, lagrger, et
lanalyser, pour lexploiter et prendre la bonne dcision au bon moment.
Dans ce but, il est ncessaire de mettre en place un systme dcisionnel (Business
Intelligence). Ce systme doit permettre de prsenter de manire simple les chiffres
recueillis pour mettre en lumire la conjoncture actuelle et indiquer implicitement la
voie suivre. La BI ne remplace pas les systmes oprationnels qui font fonctionner
lentreprise, mais elle vient sy intgrer, en y extrayant des donnes, afin den diffuser
la connaissance, de la manire la plus facilement exploitable par les personnes
concernes.
En effet, lentreprise daujourdhui a besoin de possder des statistiques sur de
nombreux critres que ce soit sur une vue interne ou externe, et cela, partir des donnes
oprationnelles du systme. Il serait, par exemple, possible dans ltude de lefficacit
de ses personnels, de bon droulement des tches et des projets et danalyser la
performance par quipe, projet, direction et cela dans lintrt de sarrter sur les failles,
de combler le vide dans les annes venir afin de pouvoir samliorer et viter lchec.
Le systme oprationnel, peut mettre disposition un certain nombre de statistiques et
dindicateurs, mais avec un certain temps de rponse lev, et parfois, au dtriment des
transactions en cours.
Pour cela, la mise en place dun systme dcisionnel est une solution qui permet la
fois de minimiser le temps de rponse, de ne plus perturber le systme oprationnel pour
des fins dcisionnelles, ainsi que dunifier le support daide la dcision.
Cest dans ce cadre sinscrit notre Projet de Fin dEtudes effectu chez Itrative Systems
et tant intitul La mise en place dun systme dcisionnel , et dans lequel nous avons
t amen raliser un systme qui rpond aux attentes dcisionnelles des utilisateurs
finaux.
Le prsent projet se dcline en quatre chapitres :
Le premier chapitre : dcrit lorganisme daccueil et claircit la problmatique

et la mthodologie suivre durant la priode du stage.
13
Le deuxime chapitre : dcrit dune manire dtaille le concept gnral de

linformatique dcisionnelle ainsi que les motifs des choix des outils utiliss.
Le troisime chapitre : prsente les diffrentes tapes de lanalyse et de la
conception ncessaires la mise en uvre du systme.
Le dernier chapitre : toffera la mise en place du systme en se basant sur le
rsultat des chapitres prcdents.
14
Chapitre I : Contexte gnral du projet
Dans ce premier chapitre, nous prsenterons lorganisme daccueil,

savoir Itrative Systems, son organisation, son domaine dactivit et les
diffrents projets quil ralise. Ensuite, nous expliciterons la motivation
du projet puis nous traiterons le primtre du projet, ses objectifs ainsi
que la dmarche adopte pour la ralisation.
15
1.1. Prsentation de lorganisme daccueil :
Dans cette partie nous prsenterons lorganisme daccueil : Itrative Systems.
1.1.1. Prsentation gnrale de Itrative Systems :
Itrative Systems, socit de conseil et dingnierie informatique, filiale de la socit

franaise E-motive, a t cre en 2004 dans le but de servir ladministration et les
entreprises en conseil, en formation et en dveloppement dapplications informatiques.
Ds lorigine, le mtier dItrative Systems a t de raliser des systmes dinformation
au cur dInternet. Elle est spcialiste du dveloppement et intgration de systmes
dinformation en Internet/Intranet en utilisant les outils de la gamme Microsoft
(environnement .net).
Consciente que la valeur ajoute de ses prestataires rside essentiellement dans la
comptence de son potentiel humain, Itrative Systems a veill avoir une politique des
ressources humaines adapte, elle sest ainsi assure la collaboration de consultants,
rassemblant des ingnieurs conseil et autres dans les domaines en liaison avec son
mtier. Elle a galement investi dans la recherche et le dveloppement.
Intervenant galement, en matire du conseil en management de la qualit des systmes
dinformations, Itrative Systems tient appliquer les concepts lis cette
philosophie en interne. Ainsi, Itrative Systems se veut daller au-devant des
proccupations du client.
Depuis mi-2005, Itrative Systems a entrepris une dmarche de cration dune solution
gnrique de ralisation sites Internet rutilisant des composants oprationnels sur les
sites quelle dveloppe et partir de lexprience en gnie logiciel de ses fondateurs.
Cette solution, appele ByBlock, est compose dune plateforme dintgration, de
modules, doutils de productivit et dun ensemble de mthodes de dveloppement.
1.1.2. Activits de Itrative Systems :
Alliant souplesse dans les structures et rigueur dans les mthodes, Itrative Systems, en
addition au dveloppement administratif et commercial, agit aujourdhui travers les
dpartements suivants dont nous indiquons les spcificits :
16
1.1.2.1. Dpartement Audit & Conseil :
Form dingnieurs informaticiens et dexperts en organisation et en management, ce

dpartement traite des projets denvergure, dans le cadre du conseil et de lingnierie
globalement ; en loccurrence, il sintresse la ralisation de :
Progiciels de gestion intgre (ERP).

Audit informatique.
Intgration des systmes dinformation.
La mission du consultant Itrative Systems est daider planifier des plates-formes
e-Internet puissantes et volutives.
Dans un contexte de changements rapides et de forte croissance, Itrative Systems :
Aide anticiper les besoins et la monte en charge des futures plates-formes.

Audite les plates-formes dj existantes et propose des solutions pour en
amliorer les performances.
Assiste dans le choix des solutions techniques et valide leur faisabilit (web 2.0,
Ajax).
La matrise de lintgralit du processus de conception / ralisation / hbergement des
applications Internet permet aux consultants de proposer aux clients des amliorations
pragmatiques permettant dobtenir rapidement des rsultats visibles.
1.1.2.2. Dpartement Recherche & Dveloppement :
Renforc par des concepteurs et par des dveloppeurs, cette entit compte une dizaine
de logiciels destins lentreprise. En effet, ce dpartement est caractris par sa
matrise des nouvelles technologies en matire du gnie logiciel et des supports
dinformation. Il intervient dans :
Le dploiement dapplications hberges : Itrative Systems propose une gamme

complte dapplications couvrant 95% des besoins fonctionnels des clients allant
de la gestion dentreprise (Annuaire, catalogue produits, tarifs clients et
fournisseurs, logistique, E-commerce, gestion des commandes, gestion des
paiements et des relations clients, etc.) la publication du contenu.
La mise en place des solutions de migration : Itrative Systems migre les
applications vers MS.Net et Linux en cinq tapes : Analyse de faisabilit, Rtro
conception, Dveloppement, Test et dploiement et transfert du savoir-faire.
La conception, la ralisation et la mise en place des systmes dinformations.
17
1.2. Motivation du projet :
Pour toute entreprise qui se veut comptitive, l'innovation dans les produits ou service
est une marque trs importante. Dans cette optique, Itrative Systems vise la ralisation
dun systme dcisionnel qui lui permettra dtre comptitive, innovatrice mais
galement, ce nouveau produit lui permettra de raliser ses objectifs de profit et du
chiffre daffaires (CA).
En effet, Itrative Systems veille ce que ses produits lui permettent de satisfaire ses
ambitions. Et dans ce mme sens que vient le choix du domaine dcisionnel qui nest
pas arbitraire car aujourdhui, la Business Intelligence (BI) est un sujet en pleine
volution, sadressant la direction tout comme aux mtiers. En plus de la BI,
lutilisation du progiciel OpenERP qui crot jour aprs jour a reprsent un motif chez
Itrative Systems pour ajouter ce projet lensemble de projets quelle possde.
Ainsi, la Business Intelligence a vu le jour car aujourdhui, en tant dans un contexte o
les sources dinformation sont clates, volumineuses et complexes, il y a un rel besoin
de consolider et danalyser ces dernires pour pouvoir avoir une vision globale sur toutes
les activits de lentreprise et optimiser le patrimoine informationnel de cette dernire.
En effet, les entreprises aujourdhui cherchent avoir un systme dcisionnel qui leur
permet de:
Optimiser le pilotage de leurs activits ;

Anticiper sur les volutions du march ;
Comprendre les comportements des client/consommateurs ;
Unifier le support daide la dcision ;

Plus particulirement, les entreprises utilisant le progiciel OpenERP trouvent des
difficults majeures en ce qui concerne les points cits en haut. En effet, ce volet de
Reporting sous ce progiciel demeure une des entraves auxquelles font face les
utilisateurs, vu la complexit qui se pose pendant la gnration des rapports de tous les
domaines fonctionnels de lentreprise. Do lide de Itrative Systems qui consiste
rpondre cette problmatique par la cration dun nouveau produit.
1.3. Objectifs du projet :
Durant notre stage nous serons amens rpondre aux besoins des entreprises utilisant
le progiciel OpenERP en leur fournissant un systme dcisionnel rpondant aux
questions des dirigeants. Le projet doit couvrir les secteurs dactivits suivants :
Secteur commercial;
18
Secteur industriel.
Et pour chacun de ces secteurs, il doit aussi couvrir un certain nombre de domaines
fonctionnels savoir :
Le commercial
La logistique & approvisionnement
Lachat
La direction
Les ressources humaines
Etc.
Ce systme va donc rpondre la motivation de lorganisme daccueil, et il reprsentera
aussi une rponse la problmatique que nous avons cite dans la partie 1.2 de ce
rapport.
1.4. Mthodologie de travail :
Lapproche globale de limplmentation de notre projet BI est illustre par la figure

suivante. Ce schma reprsente la succession des tches de haut niveau (macro tches)
ncessaires la conception, au dveloppement et au dploiement dentrepts de donnes
efficaces. Il dcrit le cheminement du projet dans son ensemble. Chaque tape
reprsente par un rectangle dont le contenu sera expliqu par la suite et sera aussi
touch dans la partie de la ralisation et de la mise en place de chaque partie du projet.
Figure 1: Cycle de vie dimensionnel de Ralph Kimball [1]
19
Planification du projet :
Comme on peut sy attendre, le cycle de vie commence par la planification du projet.

Celle-ci aborde la dfinition et ltendue du projet dcisionnel, y compris lapprciation
du niveau de maturit de lorganisation face ce type dapproche et sa justification
fonctionnelle. Le planning qui en dcoule identifie toutes les tches associes au cycle
de vie dimensionnel et mentionne toutes les ressources impliques. Il reprsente la pierre
angulaire de la gestion du projet au quotidien.
Dfinition des besoins :
Les concepteurs des entrepts de donnes doivent apprhender les facteurs cls qui
conduisent lentreprise vouloir dfinir de manire efficace ses besoins et les traduire
pour les intgrer lors de la conception. Ainsi, ces besoins constituent le point de dpart
des trois trajectoires parallles que sont la technologie, les donnes et les interfaces
utilisateur.
Modlisation dimensionnelle des donnes :
La dfinition des besoins dtermine quelles sont les donnes requises pour rpondre aux
besoins collects. La conception du modle logique de donnes destins corroborer
ces analyses ncessite une approche diffrente de celle utilise lors de la conception des
systmes oprationnels.
Dans cette phase, il faut effectuer une analyse plus dtaille des donnes du systme
source oprationnel. En couplant cette analyse plus la comprhension des besoins
prcdemment tablie, un modle dimensionnel est peut tre tabli. Ce modle identifie
la granularit de la table de fait, les dimensions associes avec leurs attributs et leurs
hirarchisations. Cet ensemble dactivits sachvera sur le dveloppement dune mise
en correspondance des donnes sources et cibles dans des mta-donnes.
Conception du modle physique de donnes :
La conception physique dune base de donnes dfinit les structures ncessaires pour
limplmentation du modle dimensionnel. Les lments fondamentaux sont la
dtermination des rgles de nommage des objets, la mise en place de lenvironnement
de la base de donnes. Lindexation primaire, les stratgies de partitionnement et les
agrgations primaires sont galement dfinies. La conception du modle physique est
fortement dpendante de la machine utilise pour lentrept.
20
Conception et dveloppement de la zone de prparation des donnes :
La conception de la zone de prparation des donnes (staging area) constitue

gnralement la tche la plus sous-estime du projet entrept de donnes. Le processus
de prparation se droule en trois phases majeures : Extraction, Transformation et le
Chargement (Loading).
Lors de ce processus de lextraction que rvle toujours des problmes de la qualit des
donnes, donc cette zone rgle tous ces problmes afin de rendre la donne sa qualit
qui influence de manire significative la qualit et la crdibilit de lentrept de donnes.
Dfinition de larchitecture technique :
Les environnements de data warehouse ncessitent lintgration de nombreuses

technologies. Cette tape dfinit la vision globale de larchitecture technique mettre
en uvre. Elle ncessite que nous prenions en compte trois facteurs : nos besoins;
lenvironnement existant et les orientations techniques stratgiques planifies. En plus
de larchitecture supportant lentrept, il est ncessaire de mener des rflexions sur les
outils de conception de la zone de prparation des donnes et des outils de restitutions.
Choix techniques et mise en uvre :
A partir de ltude de larchitecture technique il faut valuer et slectionner les

composants spcifiques, tels que la plate-forme matrielle et logicielle, le systme de
gestion de bases de donnes et les outils de prparation et daccs aux donnes savoir
les outils dextraction et restitution mettre en uvre.
Pour cela, nous allons dfinir un processus dvaluation standard, en mme temps que
les facteurs dvaluation spcifiques chaque composant de larchitecture. Une fois les
produits valus et slectionns, nous allons les installer et les tester mticuleusement
afin de garantir une intgration adquate dun bout lautre de lenvironnement de
lentrept.
Spcifications de lapplication utilisateur :
Dans un projet dcisionnel il faut toujours garder lutilisateur final loin de la couche de
dveloppement de lapplication. Donc le livrable souhait par un dirigeant est un
systme qui lui permettre de visualiser les rapports quil souhaite consulter en un nombre
minimal de clicks.
Pour cette phase nous allons dfinir quelques spcifications de notre application finale
qui sera livre aux utilisateurs savoir la simplicit et la rapidit de navigation entre les
rapports tablis.
21
Dveloppement de lapplication utilisateur :
Il est recommand de dfinir une srie dapplications standards destines aux utilisateurs
finaux, car tous nont pas besoin dun accs ad hoc lentrept. Les spcifications de
lapplication dcrivent les maquettes dtats, les critres de slection laisss
lutilisateur et les calculs ncessaires.
Dploiement :
Le dploiement est le point de convergence de la technologie, des donnes et des

applications utilisateurs. Une planification est indispensable pour grer le dploiement
qui comprend galement la formation des utilisateurs, les processus de communication,
le support utilisateur, la prise en compte des demandes dvolution et de correction.
Maintenance et croissance :
Aprs le dploiement initial de lentrept, cest sa vie qui commence. Il faut sassurer
de fournir un service de support et de formation continue. Il faut galement sassurer
que les processus mis en place pour la gestion de la zone de construction vont faire
fonctionner lentrept en continu et efficacement. Lentrept va donc voluer et crotre
et le changement doit tre peru comme un facteur de succs et non dchec. Des
processus de hirarchisation des priorits doivent bien sr tre mis en place afin de grer
les demandes des utilisateurs en termes dvolution et de croissance.
Gestion de projet :
La gestion du projet garantit que les activits du cycle de vie restent sur la bonne voie
et sont bien synchronises. Cela consiste contrler ltat davancement du projet, la
dtection et la rsolution des problmes et le contrle des changements afin de garantir
laccs aux objectifs du projet et de respecter son primtre.
Conclusion:
Dans ce premier chapitre, nous avons prsent le contexte gnral du projet, sa
problmatique, ses objectifs et aussi nous avons dfinit la mthodologie de travail
adopte.
Vu le contexte de notre projet, et pour rpondre aux exigences de lentreprise, le reste
de ce document traitera lapplication des tapes suivantes du cycle de vie de Ralph
Kimball :
22
La planification du projet ;
La dfinition des besoins de lentreprise ;
La dfinition de larchitecture technique et linstallation et slection des produits ;
La modlisation dimensionnelle, la conception du modle physique et la
conception de la zone de prparation des donnes ;
Le dploiement.
Par rapport ltape relative la maintenance et la croissance, il sera appliqu lors de
limplmentation de notre systme.
23
Chapitre II : Scnario et tudes comparatives des outils

dcisionnels
Ce chapitre toffera la Business Intelligence, le progiciel OpenERP

ainsi que les rsultats des tudes comparatives menes pour le choix des
outils dcisionnels utiliser dans notre projet. Le premier comparatif
concernera le choix de lETL qui va mettre en place le systme de
migration, tandis que le deuxime tranchera sur loutil de restitution de
donnes destin limplmentation du systme dcisionnel.
24
Pour commencer notre projet nous tions amens tablir un diagramme de Gantt qui
doit tre respect et qui nous encadrera tout au long de la priode de notre stage. Ce
diagramme comporte lensemble des tches ralises et il reprsente la premire tape
de cycle de vie de Ralph Kimball que nous avons adopt :
Figure 2: Diagramme de Gantt -Planification du projet-
2.1. Gnralits sur la Business Intelligence :
2.1.1. Lentreprise et la Business Intelligence : [2]
Le systme dinformation dune entreprise est un ensemble organis mais htrogne de

composants automatiques et/ou semi-automatique de traitement de donnes dont chacun
est prioritairement destin soutenir une activit oprationnelle particulire.
Incidemment, chacun de ces composants peut produire des informations de contrle trs
dtailles sur lactivit laquelle il est li. Mais ces informations restent au ras des
pquerettes ; elles ne sont pas directement exploitables des fins danalyse et de
prvision. De cette limitation congnitale est venue lide dun autre systme
dinformation, spcialement et exclusivement conu pour laide la dcision, et
dcoupl des oprations. Pour essayer de prciser le rle du Systme dInformation
Dcisionnel (SID) dans une organisation, nous prfrons partir du schma classique issu
du courant de pense systmique des annes 1970, courant qui a notamment cr le
fondement thorique de la notion de systme dinformation dans un organisme.
25
Figure 3: Analyse systmique
Lorganisation est vue comme un systme compos de trois sous-systmes, savoir :

Le Systme Oprant : qui nest autre que lappareil de production, qui importe,
transporte, transforme et exporte des flux matriels, nergtiques et financiers ;
Le Systme dInformation : qui constitue la fois le reflet et le support

informationnel du Systme Oprant ; il capte des donnes dans le Systme
Oprant (flche jaune) auquel il renvoie des commandes.
Le Systme de Pilotage : qui dtermine le comportement de lorganisation en

utilisant le Systme dInformation comme une interface double sens, pour tre
inform sur le Systme Oprant et agir sur ce dernier.
Le systme dinformation oprant permet lentreprise de gagner en termes
dorganisation, de mmoire et de temps de traitement, mais pas en termes daide la
prise de dcision.
En effet, toutes les informations dont le dcideur a besoin pour bien piloter son
entreprise sont disponibles au niveau du Systme dInformation de lentreprise, mais ne
peuvent tre exploites telles quelles sont pour des fins dcisionnelles : Un dcideur a
besoin dinformations transversales, en rapport avec tous les domaines mtiers de
lentreprise.
Aussi, il lui est ncessaire de se baser sur des donnes histories pour pouvoir faire des
comparaisons de situations. Ces deux cas de figures, titre dexemple, ne relvent pas
des comptences des Systmes dInformation classiques, qualifis aussi de systmes
transactionnels, qui grent plutt le quotidien oprationnel de lentreprise et ne
constituent pas un tout informationnel homogne .
26
Le SID peut tre situ dans lorganigramme des systmes de lentreprise entre le
Systme de Pilotage et le Systme dInformation. En effet, un SID rcupre les
informations dont il a besoin partir du SI mis en place, et renvoie en sortie,
destination du Systme de Pilotage, des donnes traites pour des fins de prise de
dcision.
2.1.2. Architecture de la Business Intelligence :
2.1.2.1. Chane dcisionnelle de la Business Intelligence : [3]
La BI se dfinit comme tant les mthodes, les moyens, les outils qui permettent de
collecter, consolider, modliser et restituer les donnes immatrielles dune entreprise
en vue doffrir une aide la dcision et de permettre aux responsables de la stratgie
dentreprise davoir une vue densemble de lactivit traite. Dans cette partie, nous
allons prsenter les diffrentes tapes quil est ncessaire de mettre en place dans une
chane dcisionnelle afin de profiter pleinement et efficacement dune plateforme de
business intelligence.
Le but tant de comprendre le rle et lintrt de chacune des tapes afin de saisir
limportance de celles-ci. La chane dcisionnelle comprend diffrentes phases :
La phase d'alimentation : Cette phase va faire intervenir des processus ETL qui
se chargeront de rcuprer toutes les donnes ncessaires depuis les diffrentes
sources de stockage.
La phase de modlisation : Cette phase est le moment o les donnes sont
stockes sous une forme adapte pour les analyses que nous souhaitons effectuer.
Elle contient notamment le data warehouse charg de centraliser les donnes. Elle
fait aussi intervenir les notions de cubes et de Datamarts ncessaire pour coller
au plus prs des attentes mtiers.
La phase de restitution : C'est dans cette phase que les diffrents outils de
restitution vont intervenir. Nous trouverons des outils de reporting, des portails
d'accs des tableaux de bord, des outils de navigation dans des cubes, ou des
outils de statistiques.
27
La phase d'analyse : C'est dans cette phase que les utilisateurs finaux
interviennent et analysent les informations qui leurs sont fournies. Elle peut aussi
faire intervenir des spcialistes en analyse pour utiliser des outils de statistique et
ressortir des prvisions ou des estimations futures (datamining).
Figure 4: La chane dcisionnelle de la BI
2.1.2.2. Phases de la Business Intelligence :
2.1.2.2.1. ETL : Extract-Transform-Load : [3]
Les processus ETL (Extraction, Transformation et Chargement) sont en charge de

rcuprer les donnes depuis l'ensemble des sources oprationnelles existantes et de les
charger vers le systme dcisionnel :
Extraction de donnes des bases de donnes oprationnelles (ERP, SGBDR,
fichiers en dur, etc.)
Transformation de ces donnes pour nettoyer, conformer, standardiser,
documenter, corriger et d dupliquer.
Chargement des donnes dans le systme dcisionnel : Datawarehouse,
Datamarts, ou Cube.
28
Figure 5: ETL : Extract-Transform-Load
2.1.2.2.2. Le data warehouse : [3]
Le Data warehouse est le point de stockage de toutes les donnes utilises par le systme
pour analyser les informations. Il assure dans un premier temps une tanchit entre le
systme oprationnel et le systme dcisionnel. Il ny a donc pas de risque que les outils
dcisionnels affectent les performances du systme dj en place.
Selon Bill Inmon, il suit 4 grands principes :
Orient mtiers : C'est dire que sa structure est conue en fonction des besoins
utilisateurs. Il se base gnralement sur une topologie en toile et va privilgier
les performances de rponse au dtriment de la normalisation.
Non volatile : Un data warehouse est dans son utilisation une base en lecture
seule.
Intgre : Ncessaire pour obtenir des rsultats fiables et cohrents.
Historis : Toutes les informations sont dates et aucune n'est supprime.
Son unicit permet une centralisation et une uniformisation de linformation au sein de
lentreprise. Tous les services pourront se baser sur une information commune et sre.
Les composants dun data warehouse sont :
1. Table de faits : [4]
Une table de fait est une table qui contient les donnes observables (les faits) que lon
possde sur un sujet et que lon veut tudier, selon divers axes danalyse (les
dimensions). Les faits , dans un entrept de donnes, sont normalement numriques,
29
puisque dordre quantitatif. Il peut sagir du montant en argent des ventes, du nombre
dunits vendues dun produit, etc.
Les tables de faits reprsentent des associations dont lexistence dune occurrence
dpend de lexistence des occurrences correspondantes dans les tables dimensionnelles,
cest--dire la table de fait contient lensemble des mesures correspondant aux
informations de lactivit analyser.
Une table de faits contient les valeurs numriques de ce quon dsire mesurer. Elle
contient les cls associes aux dimensions. Il sagit des cls trangres dans la table de
faits. En gnral une table de fait contient un petit nombre de colonnes.
Une table de fait contient plus denregistrements quune table de dimension et ses
informations sont caractrises par :
Elles sont numriques et sont utilises pour faire des SUM, AVG
Les donnes doivent tre additives.
Figure 6: Structure dune table de fait
2. Table de dimension : [4]
Une dimension est une table qui contient les axes danalyse (les dimensions) selon
lesquels on veut tudier des donnes observables (les faits) qui, soumises une analyse
multidimensionnelle, donnent aux utilisateurs des renseignements ncessaires la prise
de dcision.
30
On appelle donc dimension un axe danalyse. Il peut sagir des clients ou des produits
dune entreprise, dune priode de temps comme un exercice financier, des activits
menes au sein dune socit, etc.
Une table de dimension a plusieurs caractristiques, savoir :
Une table de dimension contient le dtail sur les faits;
Une table de dimension contient les informations descriptives des valeurs
numriques de la table de faits;
Vu que les donnes dans la table de dimensions sont normalises, elle contient
un plus grand nombre de colonnes;
Une table de dimension contient en gnral beaucoup moins denregistrement
quune table de faits;
Les attributs dune table de dimension sont souvent utiliss comme Lignes et
Colonne dans un rapport ou rsultat de requte. Par exemple, les attributs
textuels dun rapport proviennent souvent dune dimension.
3. Modles multidimensionnels : [5]
Le modle en toile :
Il est appel ainsi en raison de la forme de son modle conceptuel. Il est compos dune
table regroupant lensemble des agrgats et des cls relatives aux tables des dimensions.
Les axes danalyses regroups par thmes, rayonnent ensuite de la table de faits (ce
modle peut aussi contenir plusieurs tables de faits).
Figure 7: Le modle en toile
31
Le principe est de d normaliser les tables de dimensions pour obtenir lensemble des
donnes en un seul accs. Les tables de dimensions nont aucun lien entre elles.
Lavantage de ce type de modle est de permettre doptimiser au maximum les
extractions. En contrepartie, la volumtrie de ce type de base est trs importante : des
donnes identiques sont souvent rptes de nombreuses fois dans la base.
Le schma permet galement dajouter simplement des nouveaux axes danalyse sans
pour autant changer tout le modle. Cependant, il ne permet pas de mettre en valeur les
hirarchies des dimensions.
Le modle en flocons :
Il est une volution du modle en toile. Il en prend les principes essentiels, avec une
table de fait centrale (ou aussi plusieurs tables de faits) et des tables de dimensions qui
rayonnent. Cependant il met en valeur des hirarchies.
Les diffrentes dimensions peuvent se regrouper dans des ensembles de donnes plus
grands.
Ces ensembles regroupent les donnes ayant le mme thme, permettant damalgamer
ou de dtailler certaines dentre elles. On parle alors de hirarchies pour dcrire les
relations qui existent entre ces donnes.
Figure 8: Le modle en flocon
Lavantage de ce type de schma est de permettre de mettre en valeur lorganisation

mtier des donnes et les rgles dagrgation. Il est galement moins gourmand en place
que le schma en toile. Cependant les performances seront un peu plus dgrades mme
32
si dans la majorit des cas, cette baisse de performance nest pas sensible pour les
utilisateurs.
2.1.2.2.3. Le data-mart : [3]
Les Datamarts peuvent tre considrs comme un sous ensemble du data warehouse. De
ce fait ils suivent les mmes principes que celui-ci, leur diffrence se situe sur le fait
quun Datamart va rpondre un besoin mtier plus spcifique que le data warehouse.
Figure 9: Le Datamart
2.1.2.2.4. Datamining : [3]
Le datamining est un procd dexploration et danalyse de grands volumes de donnes

en vue dune part de les rendre plus comprhensibles et dautre part de dcouvrir des
corrlations significatives, cest--dire des rgles de classement et de prdiction dont la
finalit ultime la plus courante est laide la dcision.
Le datamining est un procd de production de connaissance. En termes de logique
philosophique traditionnelle, le datamining consiste produire des jugements et des
rgles de raisonnements.
2.1.2.2.5. OLAP : [3]
Les cubes OLAP (ou hyper cubes) permettent une reprsentation multidimensionnelle
de linformation et le calcul de mesures agrges.
Chaque dimension a la possibilit dtre hirarchise en fonction des besoins de
lutilisateur. Une dimension temps pourra par exemple utiliser la hirarchie : Anne,
Trimestre, Mois, Semaine.
Il est ainsi possible daccder facilement et rapidement linformation souhaite en
fonction de plusieurs dimensions. La navigation au sein dun cube peut tre faite soit en
33
utilisant le langage MDX (Multidimensional Expressions), soit travers des outils

proposant des interfaces intuitives ne ncessitent pas de connaissance spcifique en
informatique.
Figure 10: Exemple de cube
Lavantage de ce modle revient au fait que toutes les intersections du cube sont
calcules, ce qui facilite laccs linformation recherches puisque le rsultat se trouve
aux croisements des diffrentes dimensions.
2.1.2.2.6. Reporting : [3]
Le reporting reste llment cl de la Business Intelligence. Il connecte les

collaborateurs lentreprise. Les rapports, quil sagisse de factures ou de suivis
oprationnels, constituent les points de connexion entre lentreprise et ses clients. Les
rapports relatifs aux ventes, aux performances des fournisseurs, aux stocks et autres
questions business.
Importance de la convergence du reporting :
La convergence du reporting est une ncessit puisquelle permet lentreprise de
rationaliser ses investissements techniques et logiciels. Le reporting limine la ncessit
de faire recours des formations rptes, la maintenance, ladministration, les serveurs,
lassistance et le manque de cohrence des informations dont les utilisateurs ont besoin
pour prendre des dcisions.
La ncessit dune meilleure gestion de linformation :
La cl de la convergence ne rside pas dans lajout de capacits mais le dveloppement
dune architecture ou dun produit unique dcoule dune vision unique.
34
Cest dans cette otique o sinscrit le reporting, il permet la bonne exploitation de

patrimoine interne de lentreprise (la base de donnes oprationnelle) en terme
dinformations travers une analyse qui fait appel aux nouveaux outils de visualisation
et de reprsentation graphiques (tableaux de bord, diagrammes).
2.1.2.2.7. Tableaux de bord : [5]
Un tableau de bord de gestion est un chantillon rduit d'indicateurs permettant un

gestionnaire de suivre l'volution des rsultats, les carts par rapport des valeurs de
rfrence (objectifs fixs, normes internes ou externes, rfrences statistiques), le plus
possible en temps rel, en se concentrant sur ceux qu'il considre comme les plus
significatifs.
Un indicateur est un paramtre ou une combinaison de paramtres qui reprsente l'tat
ou l'volution d'un systme, il est choisi en fonction des leviers d'action qui seront
utiliss pour prendre d'ventuelles mesures correctives et donc en fonction de dcisions
prendre dans le futur.
Le tableau de bord est un outil de pilotage la disposition d'un responsable ou de son
quipe pour prendre des dcisions et agir en vue de l'atteinte d'un but qui concourt la
ralisation d'objectifs stratgiques. C'est un outil d'aide au management pour piloter
(orienter les volutions et les effets du fonctionnement d'un systme), animer une quipe
en dveloppant une rflexion collective, et organiser dans le but d'utiliser au mieux les
ressources.
Le tableau de bord prospectif permet de valider et d'ajuster la stratgie; le tableau de
bord de pilotage permet de mettre l'oprationnel au service de la stratgie.
Un tableau de bord de pilotage est constitu d'un ensemble d'indicateurs
consensuellement dfinis, de procdures de collecte d'information et de procdures
d'exploitation (utilisation des rsultats). Il permet de rpondre aux objectifs de
management suivants :
valuer la performance ;
raliser un diagnostic de la situation ;
communiquer ;
informer ;
motiver les collaborateurs ;
progresser de faon continue.
35
Figure 11: Exemple dun tableau de bord
2.2. Gnralits sur le progiciel OpenERP : [6]
OpenERP est un progiciel qui intgre les principales composantes fonctionnelles de

l'entreprise comme la gestion de production, la gestion commerciale, la logistique, les
ressources humaines, la comptabilit, le contrle de gestion, la paie, la gestion de la
relation clients CRM, la gestion marketing, etc.
l'aide de ce systme unifi, les utilisateurs de diffrents mtiers travaillent dans un

environnement applicatif identique qui repose sur une base de donnes unique. Ce
modle permet d'assurer l'intgrit des donnes, la non-redondance de l'information,
ainsi que la rduction des temps de traitement.
36
Figure 12: Le progiciel OpenERP
OpenERP (anciennement connu sous le nom Tiny ERP, signifiant la fourmi de

lEnterprise Resource Planning) est un progiciel de gestion intgr distribu sous licence
libre. OpenERP a trois composants spars : le serveur openerp-server qui stocke ses
donnes dans une base PostgreSQL, le client OpenERP-client qui s'installe sur le poste
de l'utilisateur et le serveur web openerp-web qui permet une utilisation depuis un
navigateur. Ces trois composants communiquent par les protocoles XML-RPC et NET-
RPC.
En dcembre 2012, la version 7.0 d'OpenERP a t lance et peut tre teste en ligne,
tlcharge ou vue en version de dmonstration.
PostgreSQL : [7]
PostgreSQL est un systme de gestion de base de donnes relationnelle et objet

(SGBDRO). Cest la base de donnes dans laquelle sont archives toutes les donnes
gres au niveau dOpenERP.
Ce dernier a t dvelopp l'universit de Californie au dpartement des sciences
informatiques de Berkeley. POSTGRES est l'origine de nombreux concepts qui ne
seront rendus disponibles au sein de systmes de gestion de bases de donnes
commerciales que bien plus tard.
PostgreSQL est un descendant OpenSource du code original de Berkeley. Il supporte
une grande partie du standard SQL tout en offrant de nombreuses fonctionnalits
modernes :
requtes complexes ;
cls trangres ;
triggers ;
37
vues ;
intgrit transactionnelle ;
contrle des versions concurrentes (MVCC ou multiversion concurrency
control).
Lune des principales qualits de PostgreSQL est dtre un logiciel libre, cest--dire
gratuit et dont les sources sont disponibles.
Synthse :
A partir de cette tude thorique et bibliographique qui a regroup le concept de la
Business Intelligence ainsi que, le progiciel de gestion intgr OpenERP et sa base de
donnes associe PostgreSQL, nous avons trac une architecture technique qui
reprsentera pour nous un premier pas vers ltude et la ralisation. Cette architecture
est illustre par la figure suivante :
Figure 13: L'architecture technique adopte
Cette tude nous a aussi permis dachever la phase de la dfinition de larchitecture

technique sur le cycle de vie dcisionnel de Ralph Kimball ; la dmarche que nous avons
choisie pour nous guider tout au long de notre projet :
Figure 14: La partie de la dfinition de l'architecture technique
38
2.3. Les outils dcisionnels :
Nous avons signal lors du premier chapitre la ncessit de procder des tudes
comparatives pour choisir les outils les plus appropris aux deux volets de notre projet.
Ainsi la problmatique de choix concernera : les outils ETL pour la migration de
donnes et les outils de restitution de donnes pour la partie reporting.
Cette phase figure sur la dmarche adopte. Il sagit de ltape qui concerne la slection
des produits utiliser et leur installation. La figure suivante situe cette partie dans le
cycle de dimensionnel de Ralph Kimball :
Figure 15: La partie de l'installation des outils sur le cycle de vie de Ralph Kimball
Pour ce projet, Itrative Systems privilge les outils Open Source. Cest alors dans ce
sens que sinscrit notre tude de Benchmark.
L'Open Source donne accs au code source, le dveloppeur peut donc le modifier pour
ajouter des fonctionnalits, le consulter pour regarder le fonctionnement du programme
de plus prs. De plus, la communaut Open Source est souvent trs active: de nombreux
utilisateurs sont disponibles sur les forums pour toute aide.
2.3.1. Choix de lETL open source : [8]
Ce Benchmark des outils ETL a t fait partir dune tude ralise au sein de Gartner
Inc. qui est une entreprise amricaine de conseil et de recherche dans le domaine des
techniques avances. Nous avons projet cette tude sur les besoins tracs sur notre
cahier des charges et ce, afin den tirer les rsultats obtenus en ce qui concerne les
critres qui nous intressent seulement.
39
2.3.1.1. Recherche des ETL Open Source existants : [9]
Aprs avoir vu ce qu'tait un systme ETL, ses fonctionnalits et dans quels contextes
il est utilis, il a fallu tude Benchmark sur les diffrents outils ETL Open Source
disponibles. Certains ETL sont trs rpandus et donc, faciles rfrencer pendant que
d'autres se font beaucoup plus discrets sur la toile. Cette phase de recherche sur de
nombreux sites internet (forums, sites officiels, blogs, etc.) a permis de rpertorier les
dix ETL suivants:
1. Talend Open studio ;
2. Pentaho Data Integration ;
3. CloverETL ;
4. Palo ETL ;
5. KETL ;
6. Scriptella ;
7. BenETL ;
8. OpenESB ;
9. Jitterbit ;
10. Apatar.
La comparaison entre ces ETL permet de dfinir les logiciels les plus aboutis (Pentaho
Data Integration, Talend Open Studio, KETL, CloverETL et Palo ETL). Le choix de ces
cinq ETL s'est fait grce de nombreux critres dont la prsence d'une interface
graphique. En effet ceci est un argument de poids dans le domaine du dcisionnel.
Tandis qu'un dveloppeur s'accommode trs bien de code Java ou XML pour effectuer
des transformations, une utilisation dans le dcisionnel ne doit pas imposer l'utilisateur
de s'y connatre en programmation. Ces ETL sont aussi les plus suivis sur Internet et
sont dvelopps par des entreprises (except CloverETL qui est cependant sponsoris et
financ par une entreprise). Ce sont donc ces cinq l qu'il va falloir comparer plus en
profondeur en se basant sur les critres que nous allons dfinir dans le prochain
paragraphe.
2.3.1.2. Critres de comparaison :
Aprs avoir procd une prslection des alternatives de notre tude comparative, nous
avons ajout dautres critres de choix depuis ltude de Gartner ceux dj dfinis sur
le cahier des charges. Ceci est d au fait que ces derniers restent insuffisants pour den
tirer une seule solution. Via cet ensemble de critres on pourrait raliser le Benchmark.
Ces critres sont de deux types :
Critres liminatoires :
Un outil ETL ne peut savrer strictement performant, dans le sens basique du terme
que, sil sapproprie un minimum de caractristiques technico fonctionnels quon
40
requiert, les experts de la BI, pour ce genre doutils. Ainsi, et dans le cadre de notre
tude comparative, un ETL est limin demble si et seulement sil subit les trois points
suivants (un ou plusieurs) :
Absence de communaut : le cas chant, toute aide via un support technique
en ligne serait impossible. Ce qui entrave toute utilisation de loutil en cas de
blocage.
Absence de connecteurs applicatifs : dans ce cas, lETL ne peut tre interfac
avec des briques logiciels genres : CRM, GED, ERP etc. Ce qui restreint le
champ dutilisation de loutil.
Non compatibilit avec un nombre minimal de SGBD : ni en connexion native
ni via un pilote ODBC/JDBC.
Critres dvaluation :
Voici les deux familles de critres quon a retenues pour lvaluation des ETLs
candidats. La liste tant non exhaustive, puisque les critres composants choisis de
chaque famille relvent des exigences actuelles de notre projet :
1. Critres fonctionnelles et non fonctionnelles: ( coefficients de pondration gaux)
Fonctionnalits : couverture fonctionnelle du logiciel (mtadonnes,

transformations etc.).
Performance : consommation mmoire et du temps dexcution des tches.
Professionnalisme : mthodes employes dans le processus de
dveloppement et de l'organisation du projet.
Convivialit : qualit de l'interface utilisateur et de l'accessibilit du logiciel.
Architecture : modularit, portabilit, flexibilit, extensibilit, ouverture et
facilit d'intgration.
Qualit : qualit de la conception, du code et des tests.
2. Critres techniques : ( coefficients de pondration gaux)
Rfrentiel vers mtadonnes : un historique des Jobs / Fichiers manipuls,

et une description dtaille de ceux-ci (structure / format).
Outil de cration de requtes : possibilit de pr visualiser le contenu dune
BdD via des requtes : SELECT, UPDATE etc. sous lETL.
2.3.1.3. ETLs Open Source retenus :
On a constat que deux parmi les cinq ETLs dj cits prcdemment prsentent des
manques en termes des caractristiques basiques cites dans la section prcdente. En
loccurrence, KETL et Palo ETL sont liminer.
41
En effet, et suite une exploration de ces deux outils, on a pu dcouvrir les inconvnients
suivant :
Pour Palo ETL :
Cest un outil rcent qui na pas de communaut.

Son temps de traitement est trs lev.
Absence de connecteurs pour les applications dentreprises.
Pour KETL :
Il ny a pas dinterface graphique, ce qui rend lutilisation de loutil difficile

surtout quand il sagit doprations complexes.
Absence dun support technique, parce quil nexiste pas une communaut qui
supporte KETL.
Il nest pas compatible avec tous les SGBD.
Aprs llimination de ces deux ETL, la liste des alternatives se restreint alors aux trois
composants suivant :
CloverETL
Talend Open Studio (TOS)
Pentaho Data Integration (PDI)
2.3.1.4. Comparatif des ETLs Open Source retenus suivant les critres
dvaluation :
Maintenant quon a retenu les 3 ETLs candidats, alors on va les valuer par rapport
des critres bien prcis.
Ltude des 3 ETLs a t ralise sur un mme ordinateur portable avec la codification
dvaluation suivante dtermine aussi par lentreprise Gartner :
++ : lemporte largement, + : lemporte, -- : largement domin, - : domin
1. Selon les critres fonctionnelles et non fonctionnelles : ( coefficients de pondration

gaux)
Fonctionnalits :
TOS PDI CloverETL

Fonctionnalits ++ + -
Explication Plus grande gamme de composants pour TOS
42
TOS a une gamme plus grande de composants (246 composants contre 57 pour
CloverETL et 160 pour PDI) et admet donc plus de fonctionnalits. Ceci n'empche pas
PDI de remplir parfaitement son rle d'ETL et de possder des composants absents dans
la palette de TOS.
Performance :
Clover.ETL et Pentaho Data Integration prennent une longueur d'avance, car TOS est
un grand consommateur de mmoire, malgr la qualit de ses temps d'excution sur
un nombre de lignes manipules modr (jusqu' 2 millions). Ce handicap lui vaut de
ne pas pouvoir lire plus de 3 millions de lignes.
TOS PDI CloverETL
Fonctionnalits -- ++ ++
Explication TOS est un grand consommateur de mmoire
TOS PDI CloverETL

Fonctionnalits + - -
Explication TOS est plus rapide que PDI et CloverETL
Professionnalisme :
TOS et PDI restent plus organiss que Clover.ETL dans la modification et lextension
de code. TOS utilise des feuilles de route par exemple, et gre donc mieux le
dveloppement de nouvelles fonctionnalits ou versions.
TOS PDI CloverETL
Fonctionnalits ++ + --
Explication TOS et PDI sont plus organiss que CloverETL
Convivialit :
TOS a une interface trs agrable et trs maniable (sous Eclipse) car beaucoup d'actions
se font en Glisser-dposer. Clover.ETL et PDI restent plus faciles prendre en main car
leur interface est moins charge (moins de composants) et donc plus claire.
TOS PDI CloverETL
Fonctionnalits ++ + +
43
Explication TOS a une interface plus pratique et plus maniable
Architecture :
Le code de Clover.ETL est beaucoup plus simple que celui de TOS. Il est donc plus
facile modifier. PDI nen dispose pas.
TOS PDI CloverETL
Fonctionnalits + -- ++
Explication Le code de CloverETL est moins complexe
Qualit :
Les 3 ETLs possdent des bugTrackers (Systme de suivi des problmes), mais il n'y
a que TOS qui lutilise.
TOS PDI CloverETL
Fonctionnalits ++ -- --
Explication TOS utilise le BugTrackers
En effet, on a essay de crer un problme dans un job, en voil le rsultat lors de la

compilation au niveau des 3 ETLs :
TOS indique quil y a un problme Impossible de convertir de String en int
, en spcifiant la typologie de lerreur.
PDI ne ragit pas mme. Le designer doit chercher la source du problme lui-
mme.
Idem pour CloverETL, il ne ragit pas en cas derreur, donc on devrait
chercher la source du problme nous-mme.
2. Selon les critres techniques : ( coefficients de pondration gaux)
Rfrentiels de mta-donnes :
TOS PDI CloverETL

Fonctionnalits ++ - +
En effet, dans lETL TOS, il existe un rfrentiel qui permet de stocker les mtadonnes
(type et format des donnes dentres) afin de pouvoir les exploiter dans diffrents jobs
(il suffit de les mettre jour). Cela permet dviter chaque fois le processus
44
d'intgration et de dpt des composants et connecteurs sur le Job en question, en

dessinant leurs connexions et relations, et en modifiant leurs proprits.
Dans CloverETL, il ny a pas de mthode pour faire une mise jour des mtadonnes,
donc sil y a un changement au niveau de la metadata en doit refaire tout le travail.
Tandis que dans lETL PDI cette fonctionnalit (rfrentiel de metadata) est restreinte
un simple historique des transformations rcemment utilises.
Outils de cration de requte :
TOS PDI CloverETL

Fonctionnalits ++ + +
En effet, loutil de cration de requtes sur TOS facilite la construction des requtes
dans la base de donnes cible ou source, cela via une
Dtection du schma (diteur SQL texte + designer graphique).
Dtection des jointures entre les tables (relations entre tables).
Pr visualisation des rsultats de requtes SQL excutes.
De son cot, CloverETL dispose dun outil de requtes intgr, similaire celui de
TOS abstraction faite de loption de dtection des jointures entre les tables, ainsi que
le designer graphique des requtes SQL.
Idem pour PDI.
45
2.3.1.5. Bilan de ltude comparative des ETLs :
Figure 16: Quadrant magique de Gartner (2012)
Compte tenu des rsultats de comparaison des trois outils ETLs Open Source : Talend
Open Studio, Pentaho Data Integration et CloverETL; et en prenant en considration
lchelle dapprciation fixe au pralable et applique sur la totalit des critres
dvaluation, alors on conclut que : TOS est lETL le plus convenable parmi les 3 ETLs
tudis en terme de critres quon sest fixs et le plus adapt galement au contexte
de notre projet.
Talend est le seul logiciel Open Source qui a pu conqurir le quadrant magique des
outils ETL de Gartner. Il est utilis par une grande majorit des PME.
2.3.1.6. Prsentation de loutil choisi : [9]
Talend Open Studio (TOS) a t cr le 21 septembre 2006 par la socit Talend base
principalement en France, mais aussi aux Etats-Unis et en Chine. Les transformations
sur TOS s'appellent des Jobs (tches en franais) et se font partir de l'interface Job
Designer. L'ETL TOS est un gnrateur de code, c'est dire que, pour chaque job cr,
un moteur va s'occuper de gnrer du code Java ou Perl (selon le choix de l'utilisateur)
qui permettra d'excuter la transformation. TOS possde une interface graphique base
sur Eclipse. La gestion des mtadonnes se fait via un rfrentiel trs complet (au format
XML). TOS possde aussi un Business Modeler permettant de modliser les
architectures dcisionnelles de haut niveau et de faon non technique.
Talend tant un gnrateur de code, il est possible d'enregistrer les transformations
sous forme de script, qui est alors excutable partir de n'importe quelle machine
disposant d'une JVM (pour Java). Talend ne doit pas forcment tre install pour
46
excuter un script. Ceci est trs pratique pour planifier des tches : excuter le script
via le planificateur de tches sous Windows ou via Cron sous Linux.
Trs complet (environ 250 composants Java) et un peu moins en Perl.
Le composant tMap trs puissant permet de faire facilement de nombreux
traitements.
Interface trs ergonomique (base sur Eclipse).
Talend est particulier, il peut aussi tre utilis en tant qu'ELT (Extract, Load,
Transform) c'est dire que les transformations peuvent tirer parti de la base de
donnes dans laquelle les cibles ont t charges. Cela pour avantage d'amliorer
grandement les performances mme si les possibilits sont alors plus limites.
Gestion des mtadonnes trs complte (connexions aux bases, schmas des
donnes, formats des fichiers, etc.)
Visualisation des traitements en temps rel et sur le schma.
Designer de requtes.
Possibilit d'ajouter facilement des spcificits mtiers (en Java ou Perl) en ajoutant
des nouvelles routines.
Code gnr toujours visible.
Le Business Modeler.
Nombreux connecteurs applicatifs disponibles : CentricCRM, SalesForce, Sugar-
CRM, VtigerCRM, Microsoft AX.
Gestion des contextes (contexte de dveloppement, de test et de production).
2.3.2. Choix de loutil de restitution de donnes :
2.3.2.1. Recherche des outils Open Source existants : [10]
Une recherche similaire celle faite pour les outils ETL a montr lexistence de
plusieurs solutions Open Source pour cette tape de la chane BI mais galement a
montr que certaines sont privilgies par rapport dautres en comparant les taux
dintrt et dutilisation de ces solutions. Parmi ces outils une liste de douze solutions a
t tablie :
1. JasperReports ;
2. BIRT ;
3. Palo ;
4. SbagoBI ;
5. Pentaho ;
6. OpenRPT ;
7. Magallanes ;
8. ART ;
9. JavaEye Reporting Tool (JERT) ;
10. RLIB ;
11. Webit ;
47
12. DataVision.
2.3.2.2. Critres de comparaison :
Pour cette deuxime perspective, une suite dcisionnelle (client/serveur OLAP, report
designer, concepteur de tableau de bord etc.) devrait tre choisie sous les contraintes
techniques et mtiers suivantes :
Il sagirait forcment dun outil Open Source, pour rester fidle la stratgie de
Itrative Systems (investissement base doutils free).
Compatibilit (en termes de connectivit) de la suite BI de restitution de donnes
en question, avec lETL choisi auparavant savoir Talend Open Studio.
Simplicit de la conception des tableaux de bord pour les utilisateurs finaux, qui
ne seront forcment pas des informaticiens spcialiss en la matire.
En dernier lieu, nous rappelons que la base de cette tude est strictement une liste
compose de trois alternatives, dj mentionnes, rpondant bien videmment aux
contraintes prcdentes.
2.3.2.3. Etude comparative des outils : [11]
Les solutions de Reporting Open Source se caractrisent par leur haut niveau de
connectivit et leur simplicit d'installation. On est sur des outils bass sur Java voire
Eclipse, des environnements connus. Ces outils de Reporting open source diffrent, mais
peu dentre eux qui sont si puissant pour gnrer des rapports trs complexes, tels sont
demands actuellement dans le march.
Aprs avoir fait un Benchmark des solutions, il sest avr que trois outils de Reporting
rgnent : Jasper iReport, Birt et Pentaho Report Designer. Une tude comparative, faite
par Le Journal du Net (JDN) qui est un site web franais dinformations conomiques,
entre ces trois outils de Reporting Open Source.
Pour mieux adapter cette tude nos attentes, nous navons pas gard tous les critres
de cette tude. Dans notre cas les critres entours sur le tableau suivant sont ceux que
nous avons gards, ce qui nous a conduit au rsultat suivant :
48
Le tableau de synthse des solutions de reporting Jaspersoft Pentaho Report Birt

Open Source iReport Designer
Performance en gnration de rapports +++ ++ +++
Maturit des tableaux croiss dynamiques +++ + +++
Intgration des rapports de solutions tierces +++ +++ +
Reporting mobile ++ ++ +
Connexion native cube OLAP +++ +++
Couche smantique des mtadonnes +++ +++
Facilit de prise en mains + + +++
Possibilits de mise en page +++ +++ +
Connecteurs natifs Hadoop et NoSQL +++ +++
Total 24 / 27 21 / 27 12 / 27
Total par rapport aux critres choisis 10/12 9/12 7/12
Tableau 1: Etude comparative faite par JDN
On peut remarquer, daprs ce Benchmark, que les deux outils de Reporting : JasperSoft
iReport et Pentaho Report Designer sont les plus favoriss des outils de Reporting, avec
une lgre avance de Jaspersoft iReport.
2.3.2.4. Comparatif des outils Open Source retenus suivant les critres
dvaluation :
Les deux outils dcisionnels prsents ci-dessus, savrent tous les deux conformes aux
contraintes mtiers et techniques du Benchmark. En effet :
Les deux solutions BI sont entirement libres de tout cot de licence.
La connectivit avec lETL Talend Open Studio :
Pentaho : ne se connecte pas avec TOS.
Jasper : connexion via le composant tJasperOutput de TOS.
Les deux solutions prsentent un plus relativement Open ERP OLAP :
Pentaho : offre une grande flexibilit concernant les axes danalyse. Ainsi les
tableaux croiss sont manipulables via la version Web et sous Palo For Excel.
Cela, outre la puissance de cet outil cot diversification de lergonomie des
tableaux de bord en fonction des problmatiques danalyse.
Jasper : offre un report designer autonome de la suite BI. Sajoute cela la
grande interactivit des graphiques de mesure de performance quil dploie.
2.3.2.5. Bilan de ltude comparative des outils de restitution de donnes :
En particulier, Jasper se distingue par le fait quil y a possibilit de le connecter avec
loutil de lETL dj choisi mais aussi par la simplicit dutilisation de son Report
49
designer. Cet outil tant facile dcouvrir sans la moindre connaissance pralable, il
constitue ainsi une solution de proximit vis--vis des utilisateurs finaux dj familiers
avec le fameux outil Excel. Il leur offre par ailleurs, des applications avances pour le
design de leur tats de sortie (tableaux de bord).
2.3.2.6. Prsentation de loutil choisi : [12]

iReport :
iReport permet la composition du rapport. Les lments graphiques, les zones de
donnes, sont dfinis simplement par glisser-dposer . Lutilisateur indique les
paramtres de connexion la base de donnes pour valider les donnes et le rendu final
du rapport.
Linterface est simple et intuitive. Elle intgre un query designer qui permet de
construire graphiquement une requte. Les cls sont automatiquement reconnues et les
jointures soprent sous forme de lien automatique. Lorsque que la requte est
constitue, les champs remonts peuvent tre placs dans les zones de restitution avec
la souris.
On choisit les paramtres de mise en page, puis on lance la compilation. Dans un premier
temps, celle-ci produit un fichier .java partir du descripteur .jrxml . Ensuite, ce
programme est excut en utilisant les librairies JasperReport et les paramtres
daccs aux bases de donnes. Lexcution de ce programme gnre le rapport final.
iReport ne peut grer quune seule source de donnes SQL pour toutes les requtes du
rapport. Une deuxime requte peut tre utilise pour produire le graphe,
indpendamment de la premire utilise pour la restitution de donnes sous forme de
tableau.
Aprs la gnration des rapports sur iReport, ces derniers peuvent tre publis et
visualiss sur une interface web via loutil JasperServer aprs authentification.
Synthse :
LOpen Source est un secteur en pleine volution et croissance. En effet, la maturit et
la stabilit de certaines solutions ont donn la possibilit de les utiliser au sein de
nimporte quel organisme. De ce fait, nous avons fait une tude de Benchmark au sein
de ce secteur libre de toute licence afin den tirer les outils les mieux adapter notre
projet.
Le rsultat de cette tude a donn deux solutions Open Source savoir :
Talend pour le processus ETL ;
iReport pour la gnration des rapports.
50
Chapitre III : Analyse et conception
Ce chapitre comportera le processus que nous adopterons pour mettre

en place notre solution. Ensuite, il explicitera lensemble des
indicateurs et des tables sources qui vont permettre de visualiser les
rapports de ces indicateurs et lensemble de tableaux de bords gnrer.
Finalement, nous allons entamer une partie aussi importante, cest la
modlisation et la conception des entrepts de donnes.
51
3.1. Architecture Technique :
Nous rappelons que larchitecture que nous avons choisie partir de ltude thorique
bibliographique faite lors du chapitre prcdent :
Figure 17: Architecture technique adopte
Aprs avoir opt pour Talend comme un outil ETL et JasperReport comme un outil de
reporting et danalyse, la dmarche de la ralisation de notre systme dcisionnel sera
prsente comme le montre la figure prcdente :
1) La cration dune data-mart pour chaque domaine fonctionnel qui contiendra les
tables de faits et les dimensions. Cet ensemble de tables vont tre cres aux
niveaux de PostgreSQL via un script qui contient leurs proprits savoir :
Le nom, les colonnes, les types de colonnes
Les contraintes dintgrit (cl primaire, cls trangres)
2) Le filtrage et le tri de donnes. Nous ferons donc une migration de donnes depuis
la base de donnes de production PostgreSQL vers notre nouvelle base de
donnes dcisionnelle savoir les data-mart de chaque domaine fonctionnel
comme cest dj mentionn. Pour ce faire, nous utiliserons Talend Open Studio
pour raliser le processus ETL.
3) La cration de diffrents rapports au niveau de logiciel iReport (produit de

JasperSoft) pour enfin lutilisateur peut gnrer des rapports divers et
sophistiqus.
4) Lutilisation de JasperServer qui permet la publication de rapports gnrs via
une interface web. JasperServer permet aussi une visualisation facile des graphes
et des cubes multidimensionnels pour des fins de prise de dcision.
52
3.2. Conception des data-mart :

3.2.1. Dfinition des indicateurs:
Pour entamer la conception, nous avons commenc par une phase danalyse des
indicateurs et des axes danalyse dfinis sur le cahier des charges. Ces analyses nous ont
permis de tirer les indicateurs les plus importants pour chacun des domaines
fonctionnels. Enfin, nous avons tenu plusieurs runions avec notre encadrant pour les
valider et den liminer ou ajouter quelques-uns.
Donc pour chaque domaine fonctionnel, une liste dindicateurs a t dfinie sur le cahier
des charges. Ces listes appartiennent la phase de la dfinition des besoins sur le cycle
de vie de Ralph Kimball et elles sont reprsentes par les tableaux suivants:
Figure 18: L'tape de la dfinition des besoins sur le cycle de Ralph Kimball
53
Tableau 2: Liste des indicateurs du domaine fonctionnel Commercial
54
Tableau 3: Liste des indicateurs du domaine fonctionnel Achat
55
Tableau 4: Liste des indicateurs du domaine fonctionnel Ressources Humaines
56
Tableau 5: Liste des indicateurs du domaine fonctionnel Logistique & Approvisionnement
En se basant sur ce qui prcde, nous sommes passs la vrification de la disponibilit

des donnes sources ncessaires pour rpondre nos indicateurs en projetant ces
derniers sur les donnes dont disposent les entreprises utilisant le progiciel OpenERP.
En effet, le nombre norme des tables utilises par OpenERP que nous devons manipuler
(plus de 500 tables) et la complexit des jointures entre elles ont reprsent une barrire
devant nous qui na pas permis de couvrir tout ce qui a t dfinis ci-dessus.
Les listes suivantes reprsentent donc la liste finale des indicateurs produire vu leur
possibilit et disponibilit :
57
Tableau 6: Liste finale des indicateurs du domaine fonctionnel Commercial
Pour le premier indicateur, les modifications qui ont t effectues sont par rapport la
contrainte de par secteur qui nest pas dfinie au niveau de OpenERP, donc nous
lavons change par la contrainte par catgorie de produit .
58
Tableau 7: Liste finale des indicateurs du domaine fonctionnel Achat
59
Tableau 8: Liste finale des indicateurs du domaine fonctionnel Ressources Humaines
60
Tableau 9: Liste finale des indicateurs du domaine fonctionnel Logistique &

Approvisionnement
3.2.2. Axes danalyse :
Aprs ltude des sources de donnes, nous avons conclu que les donnes pertinentes
requises pour les analyses cibles de chaque domaine fonctionnel vont tre extraites pour
constituer les dimensions suivantes:
61
1. Table des dimensions du domaine fonctionnel Commercial :
Nom de la dimension Dfinition Tables sources

Produit id_produit Contient lensemble des product_product
name_produit produits et leurs product_template
prix_produit informations dont nous product_category
categorie_produit aurons besoins
Client id_client Contient toutes les res_partner
name_client informations des clients res_partner_res_
ville_client de lentreprise partner_category
quartier_client _ rel
date_client
id_secteur
Commande id_commande Contient les commandes sale_order
date_commande des clients
id_client
id_vendeur
etat_commande
total_commande
Livraison id_livraison Contient lensemble des stock_picking

date_prevue_livrai livraisons faites aux
son envers des clients
date_livraison
etat_livraison
id_commande
Facture id_facture Contient lensemble des account_invoice
date_facture factures effectues sur les sale_order
id_client achats des clients
id_vendeur
date_echeance
id_commande
balance_facture
sous_total_facture
total_facture
etat_facture
Taxe id_taxe Contient lensemble des account_tax
taux_taxe taxes utilises entre la
socit et ses clients
Secteur id_secteur Contient lensemble des product_category

nom_secteur catgories de produits
grs par lentreprise
62
Categorie_Client id_category Contient lensemble des res_partner_cate

nom_category catgories des clients de gory
lentreprise
Tableau 10: Table des dimensions du domaine fonctionnel "Commercial"
2. Table des dimensions du domaine fonctionnel Achat :
Nom et champs de la dimension Dfinition Tables sources

nom produits et leurs product_template
prix informations dont nous
aurons besoins
Fournisseur id_fournisseur Contient toutes les res_partner

societe informations sur les
adresse fournisseurs de lentreprise
ville
email
telephone
date_creation
Commande id_commande Contient les commandes de sale_order
total_commende lentreprise auprs de ses
id_valeur fournisseurs
Tableau 11: Table des dimensions du domaine fonctionnel "Achat"
3. Table des dimensions du domaine fonctionnel Ressources Humaines :

Personne id_personne Contient lensemble des hr_employee
nom employs de lentreprise
adresse
telephone
email
Poste id_poste Contient lensemble des hr_job
nom_poste postes des employs de
lentreprise
Dpartement id_dept Contient lensemble des hr_depatment
nom_dept dpartements de lentreprise
63
Retraite id_retraite Contient les informations hr_job

age_retraite concernant la retraite des (avec remplissage
categorie_retraite employs manuel du champ
ge car il peut tre
variable dun type
de poste un autre)
Tableau 12: Table des dimensions du domaine fonctionnel "Ressources Humaines"
4. Table des dimensions du domaine fonctionnel Logistique & Approvisionnement :

nom produits avec quelques product_template
prix informations dont nous
aurons besoins
Fournisseur id_fournisseur Contient toutes les res_partner

societe informations sur les
adresse fournisseurs de lentreprise
ville
email
telephone
date_creation
Tableau 13: Table des dimensions du domaine fonctionnel "Logistique & Approvisionnement"
Une dimension Temps commune pour toutes les data-mart permet de calculer les
indicateurs dans des priodes diffrentes selon le besoin. Cette table a t cre via
loutil Talend et elle contient les champs suivant :
id_temps ;
calendardate ;
jourdumois ;
mois ;
annee ;
nomjour ;
nommois ;
joursemaine ;
jourdesemaine ;
numerosemaine ;
trimestre ;
64
nomtrimestre ;
datejour.
3.2.3. Modle de conception adopt:
La phase de conception a pour objectif la dtermination de la structure des data-mart.

De ce fait, cette tape consiste laborer un modle de donnes qui satisfait les besoins
de lanalyse.
Cette partie a t ralise afin de respecter la dmarche que nous avons adopte ds le
dbut de ce projet. De plus, elle reprsente lune des parties les plus importantes dans
tous les projets dcisionnels :
Figure 19: La partie concernant l'entrept de donnes sur le cycle de Ralph Kimball
Le tableau ci-dessous reprsente une petite tude comparative entre les deux modles
de conception le modle en toile et le modle en flocon dj prsents lors du deuxime
chapitre. Daprs cette comparaison nous allons dterminer le modle que nous allons
utiliser pour modliser et concevoir le data-mart de chaque domaine fonctionnel :
Modle en toile Modle en flocon

Table (ou plusieurs) central Table (ou plusieurs) central
Table de fait regroupant les mesures regroupant les mesures
Dnormalisation des dimensions Normalisation des

dimensions (possibilit de
Table de (une table par dimension)
dimension regrouper plusieurs tables par
dimension)
65
Facilit de navigation : Nombre Rduction de volumes si les

de jointures limit tables et les dimensions sont
Avantages
Fiabilit des rsultats volumineuses
Redondance dans les dimensions Navigation difficile

Inconvnient
Alimentation complexe Nombreuses jointures.
Tableau 14: Table de comparaison entre le modle toile et le modle flocon
Le modle en toile savre le plus adquat dans notre cas. En effet, le but principal dun
systme BI est de faciliter la navigation dans les donnes, et rpondre rapidement aux
requtes des utilisateurs sans se soucier de la phase dalimentation.
Dans la suite nous allons modliser nos data-mart, et pour ce, nous devons choisir un
logiciel de modlisation qui rpondra aux deux critres suivants :
Loutil choisi doit tre Open Source pour rester fidle la stratgie de Itrative
Systems.
Loutil choisi doit permettre la gnration dun script SQL excutable sur
PostgreSQL.
Aprs une recherche dun outil rpondant cest deux critres, notre choix tait fix sur
loutil Open ModelSphere qui est la fois un logiciel libre et qui permet de gnrer
des scripts excutable sur PostgreSQL.
Open ModelSphere : [13]
Open ModelSphere est un outil complet de modlisation de donnes qui prend en

charge la modlisation conceptuelle, logique et physique. Il supporte plusieurs
formalismes, entre autres: Entit-Association, DATARUN, et Information Engineering.
Les modles conceptuels peuvent tre convertis en modles relationnels et vice versa.
Grce ses capacits de rtro-ingnierie, il permet de visualiser graphiquement
l'architecture de votre base relationnelle de donnes (base de donnes relationnelles),
permettant aisment d'ventuelles modifications. Outil graphique complet, Open
ModelSphere permet aussi la gnration de scripts SQL partir de votre modle. Il
peut galement gnrer le script SQL qui vous permettra de synchroniser votre base
existante avec le modle que vous avez modifi. Open ModelSphere supporte l'ensemble
des systmes de gestion de bases de donnes de faon gnrique. Pour certains systmes
de gestion de bases de donnes, comme Oracle, Informix et DB2, Grandite offre
galement des plugiciels propres aux diffrents concepts.
Conu pour tre indpendant de plateforme, Open ModelSphere est une application
100% Java. Ayant t dvelopp comme application commerciale depuis plusieurs
66
annes par Grandite, Open ModelSphere est devenu un produit professionnel et mature
support par une communaut d'architectes et d'ingnieurs logiciel expriments qui
veulent vous faire bnficier du produit et partager leur expertise avec vous.
Open ModelSphere est publi sous la licence GPL (GNU General Public License)
version 3. C'est un logiciel libre tlchargeable gratuitement.
3.2.4. Structure des data-mart :
Le modle dimensionnel de chaque data-mart est la partie la plus importante de

llaboration de la solution, vu que toute tape ultrieure en sera dpendante. Les
modles que nous avons choisis comme solution sont le fruit de tout ce qui a prcd.
Nos data-mart sont les suivants :
1. Data-mart Commercial :
Ce data-mart est une constellation de faits qui contient 3 tables de Fait (TF_Commande,
TF_Livraison, TF_Facture) et 8 dimensions :
67
Figure 20: Data-mart "Commercial"
2. Data-mart Achat :
Ce data-mart est une constellation de faits qui contient 4 tables de Fait (TF_Commande,
TF_Livraison, TF_Stock, TF_Avoirs) et 4 dimensions :
68
Figure 21: Data-mart "Achat"
3. Data-mart Ressources Humaines :

Ce data-mart est un modle en toile qui contient une seule table de Fait
(TF_Recrutement) et 5 dimensions :
69
Figure 22: Data-mart "Ressources Humaines"
4. Data-mart Logistique & Approvisionnement :

Ce data-mart est une constellation qui contient une seule table de Fait (TF_Commande,
TF_Livraison, TF_Stock, TF_Avoirs) et 3 dimensions :
70
Figure 23: Data-mart "Logistique & Approvisionnement"
71
Chapitre IV : Ralisation de la solution
Nous arrivons la phase finale qui est la mise en place de la solution

BI tout en basant sur ltude que nous avons mene dans les chapitres
antrieurs.
La ralisation stale sur quatre phases. Nous commenons dabord par
la cration des tables destinataires, ensuite nous entamons le processus
ETL pour extraire, et transformer les donnes de la base source, puis les
centraliser vers leur destination cible. Aprs nous passons la
gnration des rapports comme tape finale de la ralisation
72
Cette partie reprsente la phase Dploiement sur le cycle de vie de Ralph Kimball :
Figure 24: La phase de dploiement sur le cycle de vie de Ralph Kimball
4.1. Cration physique des data-mart :
Aprs la modlisation de ce data-mart, Open ModelSphere permet la gnration dun

script excutable au niveau de la base de donnes PostgreSQL, les tapes de la cration
physique du data-mart sont illustres par les figures suivantes :
Sur Open ModelSphere, nous allons dans la barre Outils => Base de donnes =>
Gnration et puis une nouvelle fentre souvre et dans laquelle nous choisissons les
tables gnrer dans le script :
Figure 25: L'interface de cration du script SQL

73
Une fois le script est gnr avec succs, nous le rcuprons et nous lexcutons au
niveau de PostgreSQL pour terminer la cration physique du data-mart comme le montre
la figure suivante :
Figure 26: Excution du script SQL gnr
Aprs cette premire tape nous allons passer ltape suivante qui consiste la
migration des donnes de la base de donnes source vers les data-mart cres.
4.2. Alimentation des data-mart :

Comme cest mentionn dans les chapitres antrieurs les informations dans les bases de
production ne sont pas exploitables pour une finalit de type dcisionnel. Do la
ncessit de crer un environnement pour effectuer toutes les transformations
ncessaires et adapter le contenu des fins dcisionnelles.
A cet effet, plusieurs tapes seront prsentes :
Premirement, nous devons spcifier nos sources de donnes travers
ltablissement dune connexion la base de donnes oprationnelle qui est pour
notre cas PostgreSQL, puis rcuprer le schma de nos tables sources qui sont
dcrites dans les tables qui dcrivent les dimensions.
74
Figure 27: Connexion la base de donnes PostgreSQL & rcupration du schma source
Deuximement, nous devons tablir une connexion aux bases de donnes

dcisionnelles ou cibles qui sont dans notre cas les data-mart de chaque domaine
fonctionnel, puis rcuprer le schma cible de nos tables destination qui sont dcrits
dans les modles dimensionnels des data-mart.
Figure 28: Connexion aux data-mart & rcupration du schma cible

75
Troisimement, laide du composant tMap 1 nous construisons des jobs2 dans

lesquels nous ferons toutes les transformations et le chargement des data-mart, ici
deux types de chargements se prsentent :
Le chargement des dimensions :

Nous prenons par exemple la table de dimension Produit du domaine fonctionnel
Commercial :
Figure 29: Job d'alimentation de la table de dimension "Produit"
Figure 30: Mapping des champs dans la table "Produit"
1
tMap : Cest un composant qui permet grer des flux multiples en entre et/ou en sortie, ainsi que
les transformations et redirection de donnes.
2
Job : un traitement est appel job sous Talend.
76
Ce Mapping est ralis laide du composant tMap de Talend, dans la figure

prcdente les flches en jaune reprsentent la correspondance des champs et celles en
mauve reprsentent les jointures des tables sources afin de rcuprer tous les champs
ncessaires au remplissage de la table cible.
Le chargement des tables de fait :

Pour les tables de fait, nous prenons comme exemple la table TF_Recrutement du
domaine fonctionnel Ressources Humaines , cette table sera alimente par les tables
sources de la base PostgreSQL.
Figure 31: Job d'alimentation de la table de dimension "TF_Recrutement"
Figure 32: Mapping des champs dans la table de fait "TF_Recrutement"
77
Durant les Mappings que nous avons faits, nous avons eu recours aux plusieurs
fonctionnalits offertes par Talend. Parmi ces fonctionnalits, nous avons utilis comme
exemple :
1) Le constructeur dexpression : cest une interface qui permet lors dun Mapping
de raliser une expression mathmatique ou logique entre deux champs issus des
tables sources et de tester le rsultat sur cette mme interface.
Exemple :
Pour calculer la somme totale dune ligne de commande, il faut raliser lexpression
suivante (Prix unitaire du produit * Quantit vendue du produit). La figure suivante
montre la ralisation de cet exemple.
Figure 33: Interface du constructeur d'expression
2) Les routines : ce sont des fonctions Java ou Perl plus ou moins complexes,
gnralement utilises pour factoriser du code, et ainsi tendre les possibilits de
traitement des donnes dans un ou plusieurs Job(s) technique(s).
Il existe deux types de routines; les routines systme fournies par dfaut et les
routines cres et dveloppes par lutilisateur.
78
Figure 34: Les routines systme / les routines utilisateur
Exemple :
Dans certaines tables sources nous cherchons extraire une date stocke dans un champ
de type timestamp without time zone afin de la stocker dans un champ de type
date, lextraction directe de cette valeur nest pas possible donc nous utilisons
quelques routines systme afin dextraire la valeur cherches. Ces routines sont aussi
utilises partir du constructeur dexpression.
Figure 35: Utilisation des routines
79
3) SQL Builder : il permet de construire des requtes SQL et de contrler les

modifications et carts entre tables de base de donnes et tables de mtadonnes.
Sur interface une mme interface, nous pouvons crire nos requtes les excuter
et visualiser le rsultat de lexcution.
Figure 36: Interface SQL Builder
4.3. Cration des rapports :
Arrivant ce stade, notre solution dcisionnelle est prte pour tre exploite surtout par
des professionnels initis aux outils danalyse et de reporting. Dans le cas contraire, ce
qui va suivre sera dune grande utilit et ncessit.
Donc pour crer un rapport avec loutil iReport plusieurs tapes seront prsentes :
Premirement, nous avons configur la connexion entre "iReport" et la bade de

donnes dans laquelle sont implments nos data-mart en utilisant le pilote JDBC3:
3
JDBC (Java DataBase Connectivity) : est une interface de programmation cre par Sun Microsystems.
Elle permet aux applications Java d'accder par le biais d'une interface commune des sources de
donnes pour lesquelles il existe des pilotes JDBC.
80
Figure 37: Connexion entre l'outil iReport et les data-mart
Deuximement, la requte de rcupration des donnes va pouvoir tre inscrite

dans le rapport, via linterface Report query .
Figure 38: Interface d'criture des requtes SQL
81
Une fois la requte inscrite, un clic sur bouton Lire les champs va excuter la requte
et vrifier la prsence des champs dfinis dans la requte (rectangle en vers dans la figure
ci-dessus), pour les inscrire dans le rapport et nous permettre de les utiliser pour la
ralisation du modle de rapport.
Troisimement, nous passons la mise en page du rapport. Cette dernire est faite
travers une fentre intitule Palette de laquelle nous pouvons choisir le format
des composants du rapport et les ajouter par glisser/dposer depuis cette fentre.
Figure 39: La mise en page du rapport (Palette)
Une fois ces tapes sont faites, nous pouvons gnrer notre rapport sous lun de plusieurs
formats disponibles sur iReport savoir :
PDF
RTF
XML
ODT
HTML
CSV

Loutil iReport offre aussi la possibilit de paramtrer notre requte et de tirer parti des
paramtres de rapport pour personnaliser notre requte la gnration. Un assistant nous
permet dindiquer le nom du paramtre, son type, sa valeur par dfaut.
82
Figure 40: Assistant de dclaration d'un nouveau paramtre
Enfin, ce paramtre peut tre utilisable directement dans nos requtes, et lexcution
dans iReport, une fentre de dialogue nous demande la valeur que lon souhaite donner
ce paramtre (dans le cas contraire, cest la valeur par dfaut qui sera utilise).
Figure 41: La fentre qui donne la main pour donner une valeur au paramtre utilis
83
Exemples des rapports raliss :
Exemple 1 : Quantit vendues par client : Lexcution de ce rapport permet de gnrer

la figure suivante qui contient un graphe des quantits vendues de lanne N-1, un
tableau des 5 top clients les moins fidles, quantits vendue mensuellement par client et
les 5 top clients.
Figure 42: Exemple de rapport -1-
84
Exemple 2 : Quantit vendues par produit : La figure suivante prsente le rsultat de

lexcution de ce rapport. Elle dcrit, sous forme dun tableau et de deux graphiques,
toutes les informations qui concernent les mouvements des produits et les entits avec
lesquels il y a des interactions.
85
Exemple 3 : Niveau de salaire en % du CA, et en % des cots par dpartement :

Lexcution de ce rapport permet de gnrer les deux graphiques de la figure suivante.
Le premier graphe dcrit le Niveau de salaire en % du CA, et le deuxime graphe dcrit
le Niveau de salaire en % des cots.
86
4.4. Publication des rapports et analyses OLAP4:

Comme lindique la figure de larchitecture applicative nous arrivons au stade de la
publication de ces rapports sur une interface web, ceci entre dans le cycle de vie
dcisionnel de Ralph Kimball comme lindique la figure suivante :
Figure 45: La phase de l'interface utilisateur dans le cycle de vie dcisionnel de Ralph Kimball
Pour cette phase nous avons planifi de la faire via loutil JasperServer qui se connecte
avec loutil iReport, pour accder aux rapports dj labors. Cet outil nous a prsent
des limites savoir :
La difficult de linstallation de la version libre ;
Labsence de tutoriels montrant la manire de lutilisation de cet outil ;
La stratgie de Itrative Systems en ce qui concerne lutilisation des outils
Open Source, do limpossibilit dutiliser la version commerciale qui
marche sans aucune difficult.
Ces limites nous ont pousss penser loutil Pentaho. Ceci est cause du fait quil est
class deuxime lors de notre tude Benchmark. Donc lutilisation a t droule selon
deux tapes savoir :
La migration des rapports labors vers loutil Report Designer de Pentaho et
ensuite, la publication de ces derniers via une plateforme BI Pentaho;
La ralisation des analyses OLAP pour donner plus de flexibilit aux rapports.
Dans ce qui suit nous allons donner une prsentation de loutil Pentaho pour passer
ensuite son utilisation.
Prsentation de Pentaho : [14]

Pentaho intgre ou supporte la plupart des composants dcisionnels open sources
existants. Voici la liste des composants qui ont t utiliss pendant cette tude et qui
composent la suite Pentaho.
4
OLAP : online analytical processing.
87
Pentaho Report Designer, et Reporter Adhoc, fourni sur la Pentaho BI platform,

pour la gnration de rapports.
Cube Designer, permettant la cration de cubes afin dtre utiliss par la Suite
Pentaho.
Pentaho Analysis, (bas sur JPivot, Mondrian) pour lanalyse OLAP.
Pentaho Design Studio, qui intgre Quartz (Planificateur) et Shark (gestion du
Worfklow)
Pentaho Data Integration (anciennement Kettle) pour lETL.
Et bien entendu la plateforme BI Pentaho, qui permet la publication des rapports
et la ralisation des analyses OLAP sous formes de web services.
Pentaho propose donc une suite complte pour quiconque qui dsirerait faire du
dcisionnel, avec des outils de reporting, de datamining, danalyse, de consultation des
tats, d'utilisation des fonctions d'exploration de donnes, et de constitution des tableaux
de bord.
4.4.1. Migration et publication des rapports :
La migration des rapports labors vers loutil Report Designer reprsentait une tape
facile faire vu que cette solution passe par les mmes tapes vues pour loutil iReport
savoir :
La connexion JDBC entre les data-mart et Report Designer ;
Lutilisation des mmes requtes utilises auparavant car il sagit du mme
langage utilis savoir SQL ;
La mise en page des rapports.
Ces trois tapes ont t abordes facilement vu la ressemblance entre les deux outils
utiliss, et ont donns les mmes rsultats. Le dtail de ces tapes est donn par les
figures suivantes :
88
Premirement, la connexion entre loutil et les data-mart via le pilote JDBC :
Figure 46: connexion entre l'outil Report Designer et les data-mart
Deuximement, lutilisation des requtes dj utilises sur iReport, chose qui a

minimis le temps de llaboration de ces rapports. Ces requtes sont colles sur
interface Query :
Figure 47: Interface d'criture des requtes SQL
Troisimement, nous commenons la mise en page des rapports via linterface

Edit Chart de Report Designer :
89
Figure 48: Interface d'dition des rapports
Maintenant, et aprs avoir migr tous les rapports nous allons passer leur publication
via la plateforme BI Pentaho. Cette publication va permettre aux utilisateurs de
sauthentifier via une interface web afin de visualiser les rapports dsirs.
Avant dentamer cette partie, il est primordial de donner chaque utilisateur de notre
systme mis en place un identifiant, un mot de passe et enfin prciser son rle. Tout ceci
est contrl depuis une interface dadministration et de gestion des droits daccs des
utilisateurs de Pentaho :
Figure 49: Vue de la console dadministration de Pentaho
90
Arrivant ce stade, nous pouvons maintenant publier les rapports depuis loutil Report
Designer afin de les visualiser depuis linterface web. Pour ce faire, il faut aller au menu
File => Publish et ensuite une interface de login saffiche dans laquelle lutilisateur
sauthentifier. Une autre interface saffiche qui donne la main pour choisir le rapport
publier et le format de sa publication :
Figure 50: Interfaces de login et du choix des rapports publier
Une fois le rapport est publi, nous avons la possibilt de le voir via nimporte quel
navigateur tel que FireFox Mozilla :
Figure 51: Interface web d'authentification
91
Aprs authentification, lutilisateur a le droit de consulter nimporte quel rapport et

limprimer par la suite :
Figure 52: Visualisation des rapports -Exemple de rapport des effectif-
4.4.2. Analyses OLAP :
La solution Pentaho permet de crer cubes OLAP (ou hyper cubes) partir des
data-mart crs. Ces cubes permettent une reprsentation multidimensionnelle de
linformation et le calcul de mesures agrges. Chaque dimension a la possibilit dtre
hirarchise en fonction des besoins de lutilisateur.
Pour notre projet, ces cubes sont crs via la mme interface web vue dans la partie
4.4.1. Dans un premier temps, il faut crer une connexion avec le data-mart sur lequel
nous voulons faire les analyses par les cubes. Ceci est effectu via la barre de menu via
le chemin suivant : Fichier => Nouveau => Data Source. Une fentre saffiche pour
choisir le data-mart cible et raliser les jointures entre les cls primaires des dimensions
et la table de faits.
Une fois cette connexion est tablie, lutilisateur aura la possibilit de faire ses analyses
autour des indicateurs quil veut avec les conditions quil souhaite.
92
Figure 53: Interface web permettant de faire les analyses autour des cubes
La figure prcdente comporte trois rectangles avec trois diffrentes couleurs :

Le rectangle rouge : reprsente la zone dans laquelle sont les dimensions autour
desquelles nous voulons faire les analyses. Ces dimensions sont glisses depuis
la zone Dimensions droite de la figure.
Le rectangle vert : montre la zone dans laquelle sont les mesures ou les
indicateurs que nous souhaitons visualiser. Ces mesures sont glisses depuis la
zone Dimensions droite de la figure.
Le rectangle jaune : est la zone de filtrage qui permet de filtrer les rsultats selon
des critres choisies par lutilisateur.
Le rsultat de chaque analyse est donn sous forme dun tableau comme le montre la
figure prcdente. Ce tableau peut tre chang en un graphe choisi parmi plusieurs
formes :
93
Figure 54: Affichage des rsultats des analyses sous forme de graphe
94
Conclusion & perspectives :

Le prsent rapport est un mmoire de mon projet de fin dtudes que jai effectu chez
Itrative Systems. Il prsente le rsultat de la ralisation dun systme dcisionnel qui
va avec les tendances actuelles du march. Cette solution est destine aux entreprises
qui utilisent le progiciel OpenERP.
A travers ce projet, Itrative Systems voudrait faire son premier pas vers le march des
solutions dcisionnelles en disposant dune solution BI complte et prte tre
commercialise et qui permet lanalyse des donnes relatives aux oprations faites au
niveau la base de donnes PostgreSQL relative au progiciel OpenERP.
Pour mettre en place cette solution, nous avons opt pour une dmarche qui consistait
dterminer, dans un premier temps, les fonctionnalits du systme dcisionnel, partir
dune analyse des besoins tracs sur le cahier des charges pos par Itrative Systems.
Cette tape nous a permis de bien comprendre les objectifs du projet et de collaborer
avec notre encadrant pour dterminer les sorties de la solution.
La deuxime tape de la dmarche consistait en la conception de cette solution, et ce
travers la dtermination des sources de donnes du systme et ses diffrentes sorties. La
prsentation de larchitecture technique de la solution et la modlisation des entrepts
de donnes mettre en place pour la ralisation de notre solution BI.
La dernire tape quant elle, consistait mettre en place les rsultats de ltape
prcdente et de visualiser les sorties gnres depuis notre solution.
Ce travail nous a permis dexploiter le domaine daide la dcision reprsentant un outil
important de pilotage de la performance. Ceci dit, la contrainte majeure que nous avons
rencontre, tout au long de la priode du stage, ft la comprhension de la base source
vue sa complexit en terme de structure, ce qui a rendu la phase de la conception du data
warehouse de plus en plus difficile.
Durant mon Projet de Fin dEtudes, jai tir un grand bnfice, aussi bien au niveau
informatique quau niveau professionnel. Jai aussi pu raffiner mes capacits
dabstraction et de conception en termes de modlisation, et dvelopper mon esprit de
recherche et danalyse critique. En outre, ce stage tait loccasion pour moi damliorer
ma mthodologie de travail et dvelopper mon esprit dquipe.
Comme perspectives, nous proposons crer un systme de diagnostic dvelopp, li aux

diffrents rapports, qui permettra aux dirigeants de mener des analyses plus profondes
sur les rsultats et donnera une rflexion sur les mthodes et les astuces suivre afin
dassurer le bon droulement de leurs activits. Nous envisageons aussi de mettre en
place un module de Datamining, pour extraire de la connaissance partir de nos
data-mart.
95
Webographie et bibliographie:
[1] The Data Warehouse: Lifecycle Toolkit Expert Methods for Designing,
Developing, and Deploying Data Warehouses Ralph Kimball
[2] Jean Louis Le Moigne (1973), Les systmes dinformation dans les organismes,
1973, PUF
[3] www.blog.netapsys.fr
[4] www.decizia.com
[5] www.dwfacile.com
[6] www.cerpeg.ac-versailles.fr
[7] www.scridb.com
[8] www.gartner.com
[9] alma.univ-nantes.fr/promotions/2007-08/stages/08-obs-francheteau.pdf
[10] www.developpez.com
[11] www.journaldunet.com
[12] www.jaspersoft.com
[13] www.openmodelsphere.org
[14] www.pentaho.com
96

Mostafa SKAL

Transféré par

Droits d'auteur :

Formats disponibles

Mostafa SKAL

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Mostafa SKAL

Transféré par

Droits d'auteur :

Formats disponibles

Mise en place dun systme dcisionnel autour du progiciel OpenERP

Projet de Fin dEtudes

Mise en place dun systme

A tous ceux qui maiment ;

Jadresse tous mes remerciements les plus vifs M. Othman DAOUD

Jexprime ma trs grande gratitude auprs de mon encadrant au sein

Je remercie mes professeurs et encadrants internes Mme. Rabia

Table des matires :

1.2. Motivation du projet .................................................................................................. 18

2.2. Gnralits sur le progiciel OpenERP ........................................................................... 36

2.3.1.5. Bilan de ltude comparative des ETLs ..................................................................................... 46

Chapitre III : Analyse et conception ......................................................................................... 51

Liste des figures:

Liste des tableaux :

Le premier chapitre : dcrit lorganisme daccueil et claircit la problmatique

Le deuxime chapitre : dcrit dune manire dtaille le concept gnral de

Chapitre I : Contexte gnral du projet

Dans ce premier chapitre, nous prsenterons lorganisme daccueil,

1.1. Prsentation de lorganisme daccueil :

Dans cette partie nous prsenterons lorganisme daccueil : Itrative Systems.

1.1.1. Prsentation gnrale de Itrative Systems :

Itrative Systems, socit de conseil et dingnierie informatique, filiale de la socit

1.1.2. Activits de Itrative Systems :

1.1.2.1. Dpartement Audit & Conseil :

Form dingnieurs informaticiens et dexperts en organisation et en management, ce

Progiciels de gestion intgre (ERP).

Aide anticiper les besoins et la monte en charge des futures plates-formes.

1.1.2.2. Dpartement Recherche & Dveloppement :

Le dploiement dapplications hberges : Itrative Systems propose une gamme

1.2. Motivation du projet :

Optimiser le pilotage de leurs activits ;

1.3. Objectifs du projet :

1.4. Mthodologie de travail :

Lapproche globale de limplmentation de notre projet BI est illustre par la figure

Figure 1: Cycle de vie dimensionnel de Ralph Kimball [1]

Comme on peut sy attendre, le cycle de vie commence par la planification du projet.

Dfinition des besoins :

Modlisation dimensionnelle des donnes :

Conception du modle physique de donnes :

Conception et dveloppement de la zone de prparation des donnes :

La conception de la zone de prparation des donnes (staging area) constitue

Dfinition de larchitecture technique :

Les environnements de data warehouse ncessitent lintgration de nombreuses

Choix techniques et mise en uvre :

A partir de ltude de larchitecture technique il faut valuer et slectionner les

Spcifications de lapplication utilisateur :

Dveloppement de lapplication utilisateur :

Le dploiement est le point de convergence de la technologie, des donnes et des

Chapitre II : Scnario et tudes comparatives des outils

Ce chapitre toffera la Business Intelligence, le progiciel OpenERP

Figure 2: Diagramme de Gantt -Planification du projet-

2.1. Gnralits sur la Business Intelligence :

2.1.1. Lentreprise et la Business Intelligence : [2]

Le systme dinformation dune entreprise est un ensemble organis mais htrogne de

Figure 3: Analyse systmique

Lorganisation est vue comme un systme compos de trois sous-systmes, savoir :

Le Systme dInformation : qui constitue la fois le reflet et le support

Le Systme de Pilotage : qui dtermine le comportement de lorganisation en

2.1.2. Architecture de la Business Intelligence :