Upload
radouane-zaami
View
8
Download
2
Embed Size (px)
DESCRIPTION
méthodologie de conceptualisation business intelligence
Citation preview
Mthodologie de conceptualisation BI
Business Intelligence (BI)
La Business intelligence est un outil dcisionnel incontournable la gestion stratgique et quotidienne des
entits. Il fournit de linformation indispensable, sous plusieurs formes, aux utilisateurs finaux afin que ces
derniers puissent analyser et piloter leurs activits.
Cette offre propose une mthodologie gnrale de conceptualisation doutils BI.
On y propose une mthodologie dimplmentation BI base sur le besoin de lutilisateur final et qui se
proccupe de tous les aspects fonctionnels, pour proposer des outils techniques adquats aux besoins
exprims. Le choix des outils techniques appropris aux besoins peut correspondre un outil de base tel
que Excell ou Access jusqu des choix tels que Oracle, Db2,
Stratgie de cration dun outil BI
La mise en place dun outil BI repose sur la gestion et la manipulation des donnes prsentes dans les
entits. En effet, les diffrentes donnes utiles la conception doutils daide la dcision peuvent tre
stockes dans deux types de rceptacles, un datawarehouse et des datamarts. Le datawarehouse joue
alors le rle dentrept gnral de donnes o ces dernires seront tries, formates et organises. Les
datamarts sont une srie de petites bases de donnes orientes chacune vers un domaine fonctionnel
spcifique.
Aprs avoir cr ces bases de donnes avec leurs spcificits propres et leurs best practices, ltape
suivante consiste utiliser linformation stocke pour la diffuser aux utilisateurs finaux. Lutilisateur final
aura sa disposition des tableaux de bord, des cubes et des rapports statiques ou volutifs en cours de
journe permettant de lui offrir de manire combine une vue densemble et spcifique de lactivit gre.
Principes de la mthodologie
Le principe de base de la mthodologie est une approche la fois dtaille et globale des besoins
utilisateurs afin de rpondre, au plus prs, aux attentes spcifiques et simultanment aux besoins globaux
de rapport. Lapproche dtaille rpond aux besoins spcifiques de lutilisateur en termes dactivit mtier
spcifique de lentit, tandis que lapproche globale rpond quant elle la vue densemble des chiffres
clefs de lentit indispensable pour lquipe managriale.
La vue globale permet une approche homogne de la problmatique dimplmentation. En effet, la
structure mme du datawarehouse et des datamarts associs au projet ncessite une vue globale et
homogne de linformation que lon dsire utilise dans loutil de business intelligence.
Best Practices : conceptualisation globale de la modlisation
1. Dfinir la dcoupe du modle de donnes en termes de domaines fonctionnels afin de dterminer
les diffrents datamarts utiles lobjet BI.
Intrt de la dcoupe en domaines fonctionnels : accs ais et rapide linformation via des
datamarts ddis.
2. Dfinir les jointures possibles et univoques (clefs primaires entre bases de donnes et tables) en
termes de donnes fonctionnelles entre les diffrents domaines fonctionnels
Intrts dune rflexion sur les jointures : passage ais entre une information globale et
agrge, souvent utilise par le management dune entreprise, une information dtaille et
prcise ncessaire aux analyses fines.
3. Le choix de la prsence ou non dun datawarehouse dpend de lutilisation que lon fera de lobjet
BI et de la quantit dinformation traiter dans la globalit. Sa prsence ou non sera donc fonction
de ltude des besoins fonctionnels et de la volumtrie implique.
La ralisation du projet se dcoupe en 5 tapes qui sont toutes indispensables la mise en place dun outil
oprationnel. Cependant, chacune de ces tapes seront traites avec un degr importance li aux besoins
de lentit.
SO
DataWarehouse
Datamarts
Cubes/Dashboard Rapports
Restitution
ETL
ETL
GLOBAL
SPECIFIQUE
Concept
Dfinition du Besoin
en terme de restitution
Spcifications
du modle
Modlisation
Datamarts Datamarts Datamarts
ETL ETL ETL
Progiciel
ETL
Co
lle
cte
rS
toc
ke
rD
iffu
se
rE
xp
loit
er
Re
sti
tue
r
DataMining
La modlisation dun outil BI selon notre mthodologie passe par diverses tapes allant du stockage des
donnes leur restitution tout en gardant constamment lesprit que cest le besoin spcifique de
lutilisateur qui doit tre la finalit de loutil. La modlisation sera spcifie aprs analyse fine et pousse de
la donne la plus prcise restituer mais en globalisant tous les besoins pour garantir une restitution plus
globale de linformation.
Etapes de ralisation
Dans loffre BI, chaque tape fait lobjet dun processus de modlisation et dune srie de Best Practices
mises au point partir dexpriences acquises au cours de projets importants dimplmentation BI.
Le chapitre suivant dtaille chacun de ces processus et leurs best practices.
1. Collecter
Ltape de collecte de linformation utiliser
dans lobjet BI est ltape sans doute la plus
importante mais aussi la plus dlicate. En effet,
tout en gardant lesprit que linformation doit
pouvoir sagrger et faire partie dun ensemble
global de donnes, il faut dans cette tape se
focaliser sur les besoins spcifiques de
lutilisateur final afin de pouvoir rpondre
toutes ses attentes. Il faut donc porter une
attention particulire aux systmes oprationnels
(SO) et progiciels qui sont utiliss au sein de
lentit. Et ensuite lier lexistant aux besoins des
utilisateurs finaux.
SO
DataWarehouse
Datamarts
Cubes/Dashboard Rapports
Restitution
ETL
ETL
Datamarts Datamarts Datamarts
ETL ETL ETL
Progiciel
ETL
Co
lle
cte
rS
toc
ke
rD
iffu
se
rE
xp
loit
er
Re
sti
tue
r
DataMining
Description du processus
Besoin BI Audit Analyse
SO/
Progiciel
Customer
Service/
Management
Situation AS ISDefinition du
besoin utilisateur
Dfinition des
donnes
fonctionnelles
ncessaires au
besoin BI
Best Practices : collecte des data
1. Mettre en vidence linformation minimale dfinissant un besoin de restitution, cette information
minimale dfinira les clefs (primaires des tables) qui greront les jointures entre les diffrents
domaines fonctionnels.
2. Dfinir linformation complmentaire utile la restitution dtaille des rapports.
2. Stocker
Ltape de stockage fait appel la
modlisation dun datawarehouse. Le
datawarehouse permet daccder
simultanment diffrentes sources de
donnes. Il permet de simplifier le modle de
donnes et de proposer linformation de
manire organise. On comprend ds lors que
le datawarehouse ne sera vraiment utile que
lorsque la quantit dinformation grer dans
loutil BI est vraiment trs importante.
LETL dans cette tape est un outil qui extrait,
transforme et charge les donnes.
SO
DataWarehouse
Datamarts
Cubes/Dashboard Rapports
Restitution
ETL
ETL
Datamarts Datamarts Datamarts
ETL ETL ETL
Progiciel
ETL
Co
lle
cte
rS
toc
ke
rD
iffu
se
rE
xp
loit
er
Re
sti
tue
r
DataMining
Description du processus
Donnes
fonctionnelles Structurer Organiser
Uniformisation des
donnes
fonctionnelles
Lien entre les
diffrentes
donnes
fonctionnelles
Architecture du
Datawarehouse
Best Practices : stockage des data
1. Dfinir de faon trs claire les clefs (des tables de chaque modle) qui lieront les diffrents
domaines fonctionnels
2. Uniformiser/formater linformation grce des ETL en terme de format (nombres, montants, prix,
quantit, date, memo,)
3. Diffuser
Ltape de diffusion de linformation est la clef
de la modlisation de loutil BI. En effet, cest
dans cette tape quapparatront les diffrents
domaines fonctionnels qui seront directement
interrogs pour la restitution. Cest donc dans
cette phase quil faudra bien dfinir les
contours de chaque domaine fonctionnel, et
prvoir un ensemble de datamarts
comprhensibles.
SO
DataWarehouse
Datamarts
Cubes/Dashboard Rapports
Restitution
ETL
ETL
Datamarts Datamarts Datamarts
ETL ETL ETL
Progiciel
ETL
Co
lle
cte
rS
toc
ke
rD
iffu
se
rE
xp
loit
er
Re
sti
tue
r
DataMining
Description du processus
DW
Synthtiser
mutualiser les
besoins
Trier par
domaine
fonctionnel
Donnes
fonctionnelles
Modlisation des
structures de tables
dun datamart par
domaine fonctionnel
Dfinition du contenu
de chaque table des
datamart
Datamarts
Donnes
fonctionnelles
Best Practices : Diffusion des data
1. Dnormaliser (par opposition la modlisation en toile) un maximum linformation disponible au
sein des datamarts
Intrt de la dnormalisation : les domaines fonctionnels sont donc complets et utilisables
indpendamment dautres domaines, linterrogation du datamart se fera plus rapidement si
toutes linformation ncessaire est disponible au sein dun mme domaine fonctionnel.
2. Lvolution par couche dans la descente de linformation (stockage vers restitution) implique que
toute linformation ncessaire doit se retrouver au niveau des datamarts et lon ne retournera pas
chercher cette information au niveau du Datawarehouse ou encore des systmes oprationnels. Si
lon constate lusage quune information est manquante au niveau des datamarts, ce modle
volutif permettra que lon modifie les rceptacles au niveau des datamarts pour ajouter cette
donne manquante.
4. Exploiter
La phase dexploitation du projet est celle qui
dfinit la faon dont on utilisera les donnes
ncessaires aux rapports. Cest ce niveau
que lon dfinira les cubes, tableaux de bord et
rapports qui seront crs. Cest au cours de
cette tape que linformation sera prsente
dans des layouts spcifiques.
SO
DataWarehouse
Datamarts
Cubes/Dashboard Rapports
Restitution
ETL
ETL
Datamarts Datamarts Datamarts
ETL ETL ETL
Progiciel
ETL
Co
lle
cte
rS
toc
ke
rD
iffu
se
rE
xp
loit
er
Re
sti
tue
r
DataMining
Description du processus
DatamartsAssemblage
de data
Extraction des
donnes
(ventuellement de
faon conditionnelle :
datamining)
Rapports/
Dashboards/
Cubes/
DataLMining
Prsentation
des donnes
Lexploitation de linformation sous forme de DataMining devient par cet outil BI trs aise. En effet,
quelques soient les outils techniques choisis pour la modlisation BI, toute information peut tre exploite
en imposant les conditions que lon souhaite sur les donnes ressortir, pour autant que la donne tester
soit prsente au niveau des datamarts. Si tel nest pas le cas, il suffit de ly ajouter. Les jointures simples et
compltes entre les diffrents datamarts sont la base de cette forme dexploitation de linformation.
Best Practices : Exploitation des data
1. Cette tape ncessite esprit de synthse, et esprit danticipation par rapport aux besoins finaux
2. La cration dun rapport ou tableau de bord passe par une spcification fonctionnelle et un
maquettage de ceux-ci ainsi quune communication constante avec lutilisateur final avant toute mise
en production.
5. Restituer
La phase de restitution dcrit comment les
tableaux de bord, rapports et cubes seront
fournis lutilisateur final en fonction des
besoins et selon les niveaux de scurit dfini.
SO
DataWarehouse
Datamarts
Cubes/Dashboard Rapports
Restitution
ETL
ETL
Datamarts Datamarts Datamarts
ETL ETL ETL
Progiciel
ETL
Co
lle
cte
rS
toc
ke
rD
iffu
se
rE
xp
loit
er
Re
sti
tue
r
DataMining
Description du processus
Rapports/
Dashboard/
Cubes
Diffusion MailDiffusion Web Outil dcisionnel
Portail WebProcdure de
diffusion mail
.
Procdure
Best Practices : Restitution des data
1. Les accs doivent tre grs de faon efficace
6. Administration du projet BI
En parallle de la mise en place du modle BI, toute une partie administration de ce modle ne doit pas
tre nglige. Dans cette partie du projet seront dfinis :
la quantit et la dure de rtention de linformation,
la gestion des sauvegardes,
la gestion de la confidentialit et des accs aux outils,
la frquence de rafraichissement des donnes
.
Aspects techniques du projet BI
Une srie doutils sont disponibles pour raliser un projet BI : freeware, progiciel, dveloppement interne,
SO
DataWarehouse
Datamarts
Cubes Rapports
Restitution
ETL
ETL
GLOBAL
SPECIFIQUE
Oracle, Db2, Access,...
SAS, ...BO, Jasper, Excell,
Access,...
Portail Web, email, rpertoires ddis,.
Datastage, Requte,...
Concept Outils
Co
llecte
rS
tocke
rD
iffu
se
rE
xp
loite
r
Ad
min
istr
ati
on
Dfinition du Besoin
en terme de restitution
Spcifications
du modle
Modlisation
Datamarts Datamarts Datamarts
ETL ETL ETL
Oracle, Access... Oracle,... Oracle,... Oracle,...
DataStage, Requte,...
Re
stitu
er
Progiciel
ETL
SO Progiciel
DataMiningBO, Jasper, Excell,
Access,...
Ce qui est propos
Une mthodologie fonctionnelle de modlisation BI qui saxe sur les besoins finaux,
Des solutions techniques appropries la taille de lentreprise pour la ralisation du projet BI et
Une expertise base sur une exprience prouve.