La Business Intelligence PDF

La Business Intelligence
LA BUSINESS
INTELLIGENCE
Alexandre BODIN
Nicolas FOURNIER
LE
SOMMAIRE
Ø  01. Qu’est ce que la BI ?
Ø  02. La BI appliquée aux Télécoms
Ø  03. Les étapes d’un projet BI
Ø  04. Les outils et les solutions du
décisionnel
Ø  05. Une nouvelle ère pour la BI
2 of 57
Alexandre BODIN
Nicolas FOURNIER
NOTRE
INTRODUCTION
•  Dans les grandes organisations, 25% des employés utilisent des
solutions de Business Intelligence (BI)
•  Le chiffre d'affaires mondial des logiciels de Business Intelligence

est de 13,8 milliards de dollars en 2013, une augmentation de 7% par
rapport à 2012
•  Seule une entreprise sur 2 a étendue la BI à l’ensemble de ses

activités. Les autres se cantonnent à des secteurs spécifiques
•  Une entreprise sur 5 se sert de la BI pour prévoir son développement

futur.
3 of 57
Alexandre BODIN
Nicolas FOURNIER
QU’EST CE QUE
LA BI ?
4 of 57
Alexandre BODIN
Nicolas FOURNIER
Qu’est ce que la BI ? Telecoms Les étapes d’un projet BI Outils et solutions Une nouvelle ère pour la BI
L’HISTOIRE
•  1965, création par Dick Pick d’un système d’exploitation comportant un SGBD
Ø  Premier système où le logiciel et les données sont séparées
•  1976, création de SAS
•  1989, Howard Dresner (Gartner), popularise le terme « Business Intelligence »
•  2005, Wal-Mart doit gérer 460 To de base de données, 2 fois plus qu’Internet
•  Aujourd’hui 90% des données dans le monde ont été générées ces
2 dernières années
5 of 57
Alexandre BODIN
Nicolas FOURNIER
DEFINITION ET
OBJECTIFS
•  La BI (ou informatique décisionnelle) est une solution informatique
permettant de collecter, d’analyser et de traiter toutes les données internes à
l’entreprise selon des critères spécifiques ou externe (utile à son métier).
•  Les résultats de cette analyse permettent aux dirigeants d’obtenir une vue
d’ensemble sur leur activité, une meilleur compréhension du comportement
client et une meilleure réactivité face au marché.
•  Objectifs principaux :
Ø  Accroitre ses parts de marché
Ø  Réduire ses coûts / Augmenter ses revenus
Ø  Mieux comprendre le comportement des clients
6 of 57
Alexandre BODIN
Nicolas FOURNIER
COMMENT SID = Système d’Information

Décisionnel
ÇA FONCTIONNE ?
Une architecture BI de manière générale :
7 of 57
Alexandre BODIN
Nicolas FOURNIER
PREMIERE PHASE
L’ALIMENTATION
8 of 57
Alexandre BODIN
Nicolas FOURNIER
PREMIERE PHASE
ETL
•  Les bases de données sont souvent hétérogènes, avec des doublons.
•  Elles proviennent de différentes sources, internes ou externes.
•  Les données sont de différents formats, selon des structures différentes

(strates)
•  L’ETL (Extract, Transform and Load), se charge de récupérer les données,

de les nettoyer, et enfin de les charger dans le Datawarehouse.
•  L’ETL ajoute des informations à la données tel que le type, la provenance

ou encore la date de mise à jour de la donnée. Ce sont les metadonnées.
9 of 57
Alexandre BODIN
Nicolas FOURNIER
SECONDE PHASE
LA MODELISATION : DATAWAREHOUSES
•  C’est l’entrepôt, le centre de stockage du système. Les données sont
envoyées par l’ETL.
•  Il sépare la partie opérationnelle (bases de données) du système

décisionnel (outils de reporting).
Ø  Il y a donc une étanchéité des données.
•  But : Centraliser et uniformiser les données de l’entreprise.

Ø  Tous les métiers possèdent la même information, la bonne !
§  Comporte des mécanismes de redondance, sauvegarde, reprise sur

incident.
10 of 57
Alexandre BODIN
Nicolas FOURNIER
SECONDE PHASE
4 PRINCIPES:
•  Non volatile : seule la lecture est autorisée, pas de perte de données.
•  Intégration de données hétérogènes : ETL.
•  Historisé : aucune donnée n’est supprimée, tout est conservé et archivé.

Celà diffère du modèle « annule et remplace » des SGBD.
•  Orienté métier : les données sont organisées et rassemblées par thèmes

et non pas par processus fonctionnels. On passe donc d’une vision verticale
à une vision transverse des données.
Ø  Par exemple les chiffres de ventes et les types de produits vendus sont
regroupés pour connaître quel produit s’est le mieux vendu.
11 of 57
Alexandre BODIN
Nicolas FOURNIER
SECONDE PHASE
ARCHITECTURE TECHNIQUE
•  SMP : Symetric Multi-Processing
Ø  Une seule machine
Ø  Plusieurs processeurs en parallèle, mémoire partagée
Ø  Recommandé pour les petits DWH (<50 To)
•  MPP : Massively Parallel Processing

Ø  Plusieurs machines
Ø  Grand nombre de processeurs possédant leur propre mémoire
Ø  Recommandé pour les gros DWH, calculs intensifs
Ø  Développement d’applications spécifiques
•  CLUSTER
Ø  Machines organisées en grappe, interconnectées en Ethernet
Ø  Haute disponibilité
Ø  Scalabilité
12 of 57
Alexandre BODIN
Nicolas FOURNIER
SECONDE PHASE
LA MODELISATION : DATAMARTS
•  L’information stockée dans le Datawarehouse est brute, avec des logs,
tables d’évènements…
Ø  L’accès direct à l’entrepôt est donc réservé aux utilisateurs avancés
•  Un Datamart, ou magasin de données, est un sous-ensemble du

Datawarehouse destiné à un secteur particulier de l’entreprise.
Ø  On pourra avoir un Datamart commercial, un autre RH, ou encore un
marketing.
•  Performances améliorées, car seules les données « utiles » au secteur sont

présentes.
•  Synchronisation avec le Datawarehouse, afin de préserver l’intégrité
13 of 57
Alexandre BODIN
Nicolas FOURNIER
SECONDE PHASE
LA MODELISATION : CUBES OLAP
•  Cubes OLAP (On-Line Analytical Processing) = représentation

multidimensionnelle d’informations.
•  Agrège, met en forme les relations entre les données.
•  Tous les agrégats sont pré-calculés.

Ø  Temps de réponse très rapides
•  Déchargement des données du Datamart vers un cube

Ø  Stockage spécifique, non réalisable pour toutes les données
14 of 57
Alexandre BODIN
Nicolas FOURNIER
SECONDE PHASE
CUBES OLAP : EXEMPLE
Quelles sont les ventes du magasin de Villejuif, tous mois et catégories confondus ?
15 of 57
Alexandre BODIN
Nicolas FOURNIER
SECONDE PHASE
LA MODELISATION : xOLAP
•  ROLAP : Relationnel
•  Données obtenues à partir de jointures entre les tables, cubes virtuels
•  Faible coût mais temps de réponse long
•  Langage SQL (Structured Query Language)
•  MOLAP : Multidimensionnel
•  Données dans un cube propriétaire, « physique »
•  Temps de réponse courts car pré-calculs, coûts élevés
•  Langage MDX (Multi Dimensional Expressions)
•  HOLAP : Hybride
•  Données à la fois dans le cube et dans des tables relationnelles
•  MOLAP=cas normaux, ROLAP=niveau de détail plus fin
•  DOLAP : Desktop
Ø  Téléchargement de petits cubes pour permettre une analyse hors connexion
Ø  Décentralisation de données vers des postes clients
16 of 57
Alexandre BODIN
Nicolas FOURNIER
SECONDE PHASE
QUELS SONT LES MODELES DE DONNEES ?
Modèle en étoile : une table de faits entourée de plusieurs axes :
les tables de dimension
17 of 57
Alexandre BODIN
Nicolas FOURNIER
SECONDE PHASE
QUELS SONT LES MODELES DE DONNEES ?
Modèle en flocons : jointures entre les tables de dimension
La performance
prime sur la
structure
18 of 57
Alexandre BODIN
Nicolas FOURNIER
TROISIEME PHASE
LE REPORTING
REPORTING = Restitution des données sous forme de rapport
2 type de reporting existent :

•  Reporting ad hoc
Ø  Création d’un rapport personnalisé
Ø  Choix des données à intégrer depuis une interface
Ø  Les vues présentées sont adaptées aux besoins de l’utilisateur
•  Reporting de masse
Ø  Création automatique de rapports
Ø  Répond à un besoin récurrent (ex: résultats mensuels)
19 of 57
Alexandre BODIN
Nicolas FOURNIER
DERNIERE PHASE
LE DATA MINING
Le DATAMINING est l'utilisation d'outils statistiques ou d'algorithmes
mathématiques sur les données afin de prédire, expliquer, ou de classer des
informations.
•  Finance
Ø  Gestion adaptée du risque dans les établissements financiers avec du
scoring des clients
•  Industrie
Ø  Optimisation d'une chaîne de montage
Ø  Système de résolution de panne par la description des symptômes
Ø  Prévision de pics de consommation d'un réseau (téléphone, énergie
électrique...)
•  Marketing
Ø  Ciblage des offres
20 of 57
Alexandre BODIN
Nicolas FOURNIER
TELECOMS
ET BI
21 of 57
Alexandre BODIN
Nicolas FOURNIER
DEPENSES TELECOM
ET BI
•  Les télécoms sont le poste de dépense le plus important pour 61% des
entreprises de moins de 200 salariés .
•  Nécessité d’optimisation des services télécoms aux entreprises.
•  La BI intervient dans les logiciels de TEM (Telecom Expense Management)

Ø  Importation et contrôle des factures
Ø  Rassemblement des coûts mobile, fixe, VOIP, options
Ø  Ventilation des coûts par centre de frais
Ø  Analyse de la consommation
22 of 57
Alexandre BODIN
Nicolas FOURNIER
TABLEAU DE BORD
ET BI
<= Tableau de bord TEM
23 of 57
Alexandre BODIN
Nicolas FOURNIER
SWOT DE LA
BUSINESS INTELLIGENCE
•  Savoir ce qui se passe dans l’entreprise •  Capacités d’analyse ad-‐hoc
et pourquoi limitées
•  Maximisa6on des performances de •  Inves6ssement important
l’entreprise
•  Bases de données fiables et robustes •  Dépendance du Data Warehouse

•  Business Intelligence 3.0
•  Le BIG Data
•  BI Temps réel
•  Business Intelligence Mobile
24 of 57
Alexandre BODIN
Nicolas FOURNIER
LES ETAPES
D’UN PROJET BI
25 of 57
Alexandre BODIN
Nicolas FOURNIER
Qu’est ce que la BI ? Télécoms Les étapes d’un projet BI Outils et solutions Une nouvelle ère pour la BI
ETAPES 0
LES PRÉREQUIS
Ø  Engagement de la haute direcFon Ø  Accès à des ressources techniques
(budgétaire et poliFque) expérimentées dans la mise en place de
§  L’appui de la haute direc6on soluFons BI
permet de faire passer les §  Courbe d’appren6ssage « moins
changements plus facilement abrupte »
Ø  Données de qualité et maturité

informaFque “Penser GRAND,,
§  Une solu6on BI permet de mesurer commencer PETIT”
l’état de santé de l’entreprise (via
ses données)
26 of 57
Alexandre BODIN
Nicolas FOURNIER
ETAPES 1 & 2
METRIQUES &
OUTILS INTERNES
Ø  IdenFficaFon des métriques Ø  Analyse des ouFls internes
stratégiques de l’entreprise §  L’analyse des rapports existant
§  Planifica6on d’ateliers de travail (produits manuellement)
avec les différentes équipes §  Meilleure compréhension des
§  Recueille maximum des métriques métriques
de différents départements (HR, §  Iden6fica6on des sources de données
Marke6ng, Produc6on, SAV, u6lisées
Finance…)
27 of 57
Alexandre BODIN
Nicolas FOURNIER
ETAPES 3 & 4
AUDIT &
COLLABORATION
Ø  AudiFon des données Ø  ObtenFon de la collaboraFon des
§  Détermina6on des sources de données ressources clés
disponibles §  Ressources clés = employés ayant une
§  Pour chaque source, l’audit permet « grande compréhension » des
d’iden6fier : ac6vités de l’entreprise, des SI ou des
•  Le niveau de qualité procédures opéra6onnelles
•  La procédure de mise à jour §  Facilite énormément la mise en place
•  Les employés responsables des de la solu6on BI
modifica6ons §  But : iden6fier ces ressources et avoir
•  La fréquences des mises à jour leur collabora6on pendant toute la
durée du projet
28 of 57
Alexandre BODIN
Nicolas FOURNIER
ETAPES 5 & 6
CONSOLIDER,
IDENTIFIER
Ø  ConsolidaFon et organisaFon des besoins
idenFfiés
§  Permet de regrouper de façon logique
les métriques à produire
§  Permet une standardisa6on de tous les
requis
Ø  IdenFficaFon des sources de données
nécessaires
§  Pour chaque métrique à produire :
•  D’où provient la donnée pour
ce_e mesure ?
•  Est-‐elle actuellement disponible
dans l’entreprise ?
29 of 57
Alexandre BODIN
Nicolas FOURNIER
ETAPES 7 & 8
PROCEDURES &
SCOPE DU PROJET
Ø  IdenFficaFon des modificaFons aux
procédures opéraFonnelles
§  Peut avoir lieu dans certains cas
§  Lister ces modifica6ons et évaluer
leurs impacts budgétaires (Exemple :
ajout d’une nouvelle ressource)
Ø  DéfiniFon du scope du projet

§  Réalisé avec le « sponsor » du projet
§  Détermina6on de son envergure et des
réalisa6ons (à par6r de la liste des
besoins recueillis)
30 of 57
Alexandre BODIN
Nicolas FOURNIER
ROI D’UN PROJET

DECISIONNEL
Ø  Il est difficile de calculer le ROI d’un projet §  Quel est le pourcentage de croissance
décisionnel réalisé grâce aux ac6ons entreprises
Ø  Calcul du coût suite à une meilleure visibilité sur les
§  Licences logicielles ventes ?
§  Coût du matériel Ø  RéducFon des Coûts
§  Consul6ng §  A combien s’élève les dépenses
§  Personnel annuelles de l’organisa6on ?
§  Forma6on §  Quel est le pourcentage d’économies
Ø  Calcul des bénéfices réalisées grâce aux ac6ons entreprises
§  Les bénéfices sont basés sur des suite à une meilleure visibilité sur les
es6ma6ons coûts ?
§  On peut u6liser le modèle ARRCAP Ø  AmélioraFon de la ProducFvité
Ø  AugmentaFon des Revenues §  On s’intéresse ici au temps consommé
§  Quel est le revenue annuel de à la produc6on des rapports de la part
l’organisa6on ? des employés.
31 of 57
Alexandre BODIN
Nicolas FOURNIER
LES OUTILS ET
LES SOLUTIONS
DU DECISIONNEL
32 of 57
Alexandre BODIN
Nicolas FOURNIER
LES LEADERS EN
DATA WAREHOUSE
Gartner Magic Quadrant Spots
33 of 57
Alexandre BODIN
Nicolas FOURNIER
LES LEADERS EN
DATA WAREHOUSE
Ø  Est devenu partenaire d’HP en Janvier Ø  Entreprise Allemande, connue pour ses
2013 ERP
Ø  Propose des appliances (Hardware, Ø  4 grandes offres :
sokware et services pré-‐configurés) §  Netweaver Business Warehouse
Ø  Sokware : Microsok SQL Server 2012 §  Netweaver Business Warehouse
Ø  Hardware : HP, Dell, IBM Accelerator
Ø  Offre cloud : Windows Azure Virtual §  HANA
Machine §  Sybase IQ
Ø  Hardware : HP, Dell, IBM
34 of 57
Alexandre BODIN
Nicolas FOURNIER
LES LEADERS EN
DATA WAREHOUSE
Ø  Bases de données : DB2 et Informix Ø  Appliances : Database 11g, Exadata,
Ø  Logiciel Data warehouse : Infosphere Database 12c, Par66oning
Ø  Systèmes Data warehouse : PureData, Ø  Base de données : Oracle
solu6ons sur les systèmes Z Ø  Plateformes prises en charges : Linux,
Solaris, Windows
35 of 57
Alexandre BODIN
Nicolas FOURNIER
LES LEADERS EN
DATA WAREHOUSE
Ø  Leader historique des entrepôts de

données
Ø  Connu pour ses serveurs MPP
(Massively Parallel Processing)
Ø  Le SGBDR Teradata a été conçu dès
l’origine pour le décisionnel
Ø  OS des machines : Microsok, SUSE
(linux)
36 of 57
Alexandre BODIN
Nicolas FOURNIER
LES OUTILS
DE REPORTING
37 of 57
Alexandre BODIN
Nicolas FOURNIER
LES OUTILS
DE REPORTING
Ø  Logiciel d’explora6on et visualisa6on Ø  Les prix de Tableau :
disposant d’un moteur in-‐memory §  Desktop professional : 1999$/an
Ø  Les prix de Spoqire: §  Desktop personal : 999$/an
§  Cloud work group: 2000$/an
§  Cloud personal : 300$/an
38 of 57
Alexandre BODIN
Nicolas FOURNIER
LES OUTILS
DE REPORTING
Ø  Editeur de logiciel spécialisé en Ø  Logiciel de Business Intelligence
informa6que décisionnel Ø  Prix license : 1350$/an
Ø  Prix license :
§  Analy6cs Pro : 8700 $/an
§  Visual Data Discovery : 10,170 $/an
39 of 57
Alexandre BODIN
Nicolas FOURNIER
LES OUTILS
DE REPORTING
Ø  Trois gammes de tarifs :
§  Entreprises de catégorie E3/E5 :
240$/an
§  Op6on de manière autonome :
480$/an
§  Office 365 ProPlus : 624$/an
Ø  Power BI pour Office 365

§  Power Pivot
§  Power View
§  Power Query
§  Power Maps
40 of 57
Alexandre BODIN
Nicolas FOURNIER
UNE NOUVELLE
ERE POUR LA BI
41 of 57
Alexandre BODIN
Nicolas FOURNIER
BIG DATA vs.

BI
Passé Futur
Data Analytics
Descriptive Diagnostic Predictive Prescriptive

Analytics Analytics Analytics Analytics
BUSINESS INTELLIGENCE
42 of 57
Alexandre BODIN
Nicolas FOURNIER
BIG DATA vs.

BI
DISCIPLINE TECHNOLOGIES COMPETENCES FOCUS
•  Outils ETL / SQL •  Programmation •  Délivrer de l’information/
BUSINESS •  RDMS •  Analyse de donnée Reporting
INTELLIGENCE • 
• 
Reporting
Visualisation
• 
• 
Modélisation de données
Rapport de développement
•  Data visualisation
•  Statistique descriptive
TRADITIONNELLE •  Statistiques basiques •  Intégration et consolidation
•  Technique d’architecture de données
•  Analyses Business &
Stratégie
•  Présentation
•  Logiciel de modélisation de •  Modélisation de donnée •  Règles Business
DATA données •  Analyses Business •  Définition et traçabilité des
ANALYSIS • 
• 
Logiciel de diagramme
Logiciel de documentation
• 
• 
Manipulation de données
Statistiques basiques
données
•  Relations entre les entités
•  SQL •  Attributs des données
•  Logiciel de profilage de •  Structure des données
données •  Sources et cibles des données
•  Qualité des données
•  Logiciel de statistique •  Statistiques avancées •  Modèles prédictif
DATA •  Données Columnar (format) •  Programmation •  Analyses statistiques
SCIENCE • 
• 
Map-Reduce
NoSQL
• 
• 
Analyses Business
Technologies de data
avancées
•  Data Mining
•  Langages programmation management modern et •  Gestion de données non-
•  Logiciel visualisation de architectures associées structurées
données •  Gros volumes de données
•  Recherche
43 of 57
Alexandre BODIN
Nicolas FOURNIER
LA BI
SELF-SERVICE
Ø  Donner du pouvoir aux u6lisateurs Inconvénients du Self Service

Ø  L’u6lisateurs peut accéder lui même à Ø  L’u6lisateur joue avec des données sans
l’informa6on sans a_endre des comprendre leur nature
semaines, il est moins dépendant du Ø  Les employés ont besoin de comprendre
services IT de l’entreprise quelles données ils peuvent croire et
celles dont ils ne peuvent pas.
Ø  Les besoins de la BI Self-‐Service
nécessite plusieurs solu6ons
44 of 57
Alexandre BODIN
Nicolas FOURNIER
LA BI
COLLABORATIVE
« Deux têtes valent mieux qu’une » Ø  Elle permet de partager de
l’information afin de prendre
collectivement des décisions justes
et pertinentes.
Ø  Ajout, aux traditionnels tableaux de

bord, d’annotations, de
commentaires, d’évaluations
Ø  Exemple : SharePoint ou Google

docs

45 of 57
Alexandre BODIN
Nicolas FOURNIER
LA BI
EN TEMPS REEL
Ø  Connu également sous le nom de RTBI Loi de Moore sur les prix de la mémoire vive
(Real Time Business Intelligence)
§  Disposer en temps réel des informa6ons 1980 : Mémoire $10,000/MB
per6nentes et mises à jour COÛT DE LA

MEMOIRE /
§  Alimenta6on du système décisionnel VITESSE 2000 : Mémoire $1/MB
fluidifiée 2014 : Mémoire $0.004/MB

§  Réduc6on de l’impact de l’extrac6on de
donné sur le SI TEMPS
§  Extrac6on des données en hautes

disponibilités Les bases de données « in-‐memory »
§  Ges6on d’important volumes de
données
§  Alimenta6on des datawarehouses en
temps réel provenant de plusieurs
sources hétérogènes.
46 of 57
Alexandre BODIN
Nicolas FOURNIER
LA BI
EN TEMPS REEL
Les bases de données « in-‐memory » Les grands acteurs du moments

Ø  Stockage des données en mémoire vive
Ø  Gain en rapidité (1000 fois plus rapide
que les accès disque), on passe d’heures
en minutes ou en secondes même pour
certaines requêtes.
Ø  Stockage et manipula6on effectués sur
la même base (pas de traduc6on)
Extreme data performance
Ø  Accès concurrents respectés

47 of 57
Alexandre BODIN
Nicolas FOURNIER
LA BI
MOBILE
AugmentaFon des devices mobiles AugmentaFon permanente des débits
48 of 57
Alexandre BODIN
Nicolas FOURNIER
LA BI
MOBILE
Tout est fait/va être fait via un device mobile
Ø  68% des organisa6ons jugent le sujet

important
Ø  Avoir de l’informa6on à n’importe quel
moment, avoir de l’informa6on
n’importe où
Ø  Pose des problèmes de sécurité comme

pour la tendance du BYOD (c’est ici que
des solu6ons MDM peuvent être mises
en place)
49 of 57
Alexandre BODIN
Nicolas FOURNIER
LA BI
PREDICTIVE
50 of 57
Alexandre BODIN
Nicolas FOURNIER
LA BI
PREDICTIVE
7 objecFfs stratégiques que l’analyFcs
predicFve aide à adeindre
④ L’améliora6on
① Être compé66f ⑤ La sa6sfac6on des clients
② La croissance de l’entreprise ⑥ Apprendre
③ Le renforcement ⑦ Agir
Entreprise 1
Business Units: 7
Business Intelligence 7
Marke6ng 2

Sales 2

Predic6ve Fraud detec6on 3
Data Analy6cs Call Center 2 4
6 Predic6ve Core Business
Models Capacity 7 Clients 5
51 of 57
Alexandre BODIN
Nicolas FOURNIER
LE DATA
STORYTELLING
Ø  Permet la mise en scène des données
Ø  Le data storytelling c’est :
§  Visualisa6on
§  Anima6on
§  Interac6vité
§  Ce qui permet de raconter une
histoire
http://www.youtube.com/watch?v=jbkSRLYSojo
Hans Rosling’s 200 countries, 200 years, 4

minutes – The Joy of Stats – BBC Four
52 of 57
Alexandre BODIN
Nicolas FOURNIER
LE DATA
STORYTELLING
« Une histoire est un arbre »
4 étapes du schéma narra6f :

-‐  Situa6on ini6ale
Les -‐  Elément perturbateur (le problème)
illustrations
-‐  Elément de résolu6on
-‐  Situa6on finale (après résolu6on)
Le
contenu
Aujourd’hui on peut faire vivre les données

Schéma grâce à une mul6tude d’ou6ls.
narratif

53 of 57
Alexandre BODIN
Nicolas FOURNIER
LE DATA
STORYTELLING
L’ouFl idéal : Dynamique, mulFmédia,
interacFf, connecté aux données…
LES OUTILS DE BI LES OUTILS WEBDOC

Tableau, Yellowfin, Storyboard, SAS visual analy6cs, IBM Klynt, Floodlight, Atavist, Conductr, Djehou6, Fixmaster, the
Cognos Insight, Gapminder, BeGraphic, Microstrategy, korsakov System, popcorn Maker, Storyplanet, zeega,
Microsok (excel, geoflow, powerview), Slice/Juicy Analy6cs, 3WDOC…
Such.io…
LES PLATEFORMES DATAVIS LES OUTILS DE DEVELOPPEMENT
Dataseed, Sparkwise, Visualize.rs, DataHero, Quadrigram… HTML5, Javascript + 3D.js, Jquery, Processing,
Superconductor, R (Ggplot, GoogleVis, playwith)…
LES OUTILS DE PRESENTATION LES AUTRES OUTILS

Powerpoint, keynote, Prezi, Meograph, Bunkr, DataPlayer, Timeline 3D, Mahaya, Lignes de temps, Dipity, TimeRime,
Swipe, Emaze, Present.me… Mindmanager, Freemind, MyThoughts, Numbeez,
Soundcloud…
54 of 57
Alexandre BODIN
Nicolas FOURNIER
LE DATA
STORYTELLING
Ø  Des offres de jobs existent depuis
quelques mois pour ce domaine comme
« Master data storyteller » (exemple :
datastorytelling manager de Nike)

Ø  Le datastorytelling est une réelle
tendance du moment et un moyen
efficace d’exprimer ses idées et de
reporter des données de manière
http://www.youtube.com/watch?v=5KSZuHGTcC8 d y n a m i q u e , i n t u i 6 v e e t s u r t o u t
compréhensible par son audience
Freeform Sketching de Microsok Research
55 of 57
Alexandre BODIN
Nicolas FOURNIER
NOTRE
CONCLUSION
Ø  La BI est aujourd’hui une nécessité pour Ø  De nombreux ou6ls apparaissent de plus
toute entreprise en plus concernant la visualisa6on de
Ø  C’est un domaine qui ne cesse d’évoluer données
suivant les différentes évolu6ons Ø  La majorité des acteurs de la BI offre de
technologiques et besoins mé6ers plus en plus de solu6ons cloud à leurs
Ø  Les entreprises d’aujourd’hui clients
n’exploitent pas assez le potentiel de
leur solution BI
Ø  Le Big Data est plus une opportunité
qu’une menace et va pouvoir
développer de nouvelles méthodes
d’analyses afin de répondre au Business
56 of 57
Alexandre BODIN
Nicolas FOURNIER
MERCI DE
VOTRE ATTENTION
57 of 57
Alexandre BODIN
Nicolas FOURNIER

La Business Intelligence PDF

Transféré par

Droits d'auteur :

Formats disponibles

La Business Intelligence PDF

Transféré par

Informations du document

Titre original

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

La Business Intelligence PDF

Transféré par

Droits d'auteur :

Formats disponibles

La Business Intelligence

• Le chiffre d'affaires mondial des logiciels de Business Intelligence

• Seule une entreprise sur 2 a étendue la BI à l’ensemble de ses

• Une entreprise sur 5 se sert de la BI pour prévoir son développement

• 1976, création de SAS

• 1989, Howard Dresner (Gartner), popularise le terme « Business Intelligence »

COMMENT SID = Système d’Information

• Elles proviennent de différentes sources, internes ou externes.

• Les données sont de différents formats, selon des structures différentes

• L’ETL (Extract, Transform and Load), se charge de récupérer les données,

• L’ETL ajoute des informations à la données tel que le type, la provenance

• Il sépare la partie opérationnelle (bases de données) du système

• But : Centraliser et uniformiser les données de l’entreprise.

§ Comporte des mécanismes de redondance, sauvegarde, reprise sur

• Intégration de données hétérogènes : ETL.

• Historisé : aucune donnée n’est supprimée, tout est conservé et archivé.

• Orienté métier : les données sont organisées et rassemblées par thèmes

• MPP : Massively Parallel Processing

• Un Datamart, ou magasin de données, est un sous-ensemble du

• Performances améliorées, car seules les données « utiles » au secteur sont

• Synchronisation avec le Datawarehouse, afin de préserver l’intégrité

• Cubes OLAP (On-Line Analytical Processing) = représentation

• Agrège, met en forme les relations entre les données.

• Tous les agrégats sont pré-calculés.

• Déchargement des données du Datamart vers un cube

2 type de reporting existent :

• Nécessité d’optimisation des services télécoms aux entreprises.

• La BI intervient dans les logiciels de TEM (Telecom Expense Management)

<= Tableau de bord TEM

• Business Intelligence Mobile

Ø Données de qualité et maturité

Ø DéﬁniFon du scope du projet

ROI D’UN PROJET

Ø Leader historique des entrepôts de

Ø Power BI pour Oﬃce 365

BIG DATA vs.

Descriptive Diagnostic Predictive Prescriptive

BIG DATA vs.

Ø Ajout, aux traditionnels tableaux de

Ø Exemple : SharePoint ou Google

per6nentes et mises à jour COÛT DE LA

ﬂuidiﬁée 2014 : Mémoire $0.004/MB

§ Extrac6on des données en hautes

Ø 68% des organisa6ons jugent le sujet

Ø Pose des problèmes de sécurité comme

Hans Rosling’s 200 countries, 200 years, 4

4 étapes du schéma narra6f :

Aujourd’hui on peut faire vivre les données

LES OUTILS DE BI LES OUTILS WEBDOC

LES OUTILS DE PRESENTATION LES AUTRES OUTILS

Vous aimerez peut-être aussi

•  Le chiffre d'affaires mondial des logiciels de Business Intelligence

•  Seule une entreprise sur 2 a étendue la BI à l’ensemble de ses

•  Une entreprise sur 5 se sert de la BI pour prévoir son développement

•  1976, création de SAS

•  1989, Howard Dresner (Gartner), popularise le terme « Business Intelligence »

•  Elles proviennent de différentes sources, internes ou externes.

•  Les données sont de différents formats, selon des structures différentes

•  L’ETL (Extract, Transform and Load), se charge de récupérer les données,

•  L’ETL ajoute des informations à la données tel que le type, la provenance

•  Il sépare la partie opérationnelle (bases de données) du système

•  But : Centraliser et uniformiser les données de l’entreprise.

§  Comporte des mécanismes de redondance, sauvegarde, reprise sur

•  Intégration de données hétérogènes : ETL.

•  Historisé : aucune donnée n’est supprimée, tout est conservé et archivé.

•  Orienté métier : les données sont organisées et rassemblées par thèmes

•  MPP : Massively Parallel Processing

•  Un Datamart, ou magasin de données, est un sous-ensemble du

•  Performances améliorées, car seules les données « utiles » au secteur sont

•  Synchronisation avec le Datawarehouse, afin de préserver l’intégrité

•  Cubes OLAP (On-Line Analytical Processing) = représentation

•  Agrège, met en forme les relations entre les données.

•  Tous les agrégats sont pré-calculés.

•  Déchargement des données du Datamart vers un cube

•  Nécessité d’optimisation des services télécoms aux entreprises.

•  La BI intervient dans les logiciels de TEM (Telecom Expense Management)

•  Business Intelligence Mobile

Ø  Données de qualité et maturité

Ø  DéﬁniFon du scope du projet

Ø  Leader historique des entrepôts de

Ø  Power BI pour Oﬃce 365

Ø  Ajout, aux traditionnels tableaux de

Ø  Exemple : SharePoint ou Google

§  Extrac6on des données en hautes

Ø  68% des organisa6ons jugent le sujet

Ø  Pose des problèmes de sécurité comme