Mise en place d’un système de valorisation client par

analyse du CA et des données commerciales

Projet de fin d’étude Pour l’obtention d’un

diplôme d’ingénieur

18/06/2012

Réalisé par : Maha Aoun

Encadré par : M. Ghazi Bel Mufti

M. Marwen Krifa

Plan

2

1. Introduction

2. Problématique

3. Concepts généraux

4. Modélisation

5. Réalisation

6. Conclusion

Plan

3

1. Introduction

2. Problématique

3. Concepts généraux

4. Modélisation

5. Réalisation

6. Conclusion

Introduction

4

La technologie informatique a permis d’accumuler et de stocker une quantité incroyable de données.

Ces données sont souvent accessibles seulement par une partie du personnel de l’entreprise.

Inégalité entre ceux qui savent retrouver et travailler les données et ceux qui en dépendent pour prendre des décisions.

Introduction

5

Créer une architecture technique qui utilise les multiples sources

d’information.

La naissance des systèmes décisionnels

Plan

6

1. Introduction

2. Problématique

3. Concepts généraux

4. Modélisation

5. Réalisation

6. Conclusion

Problématique

7

Système actuel

Système destiné aux Reporting et non pas à

l’analyse

L’implémentation d’une application dédiée à l’analyse

Données éparpillées

Données décomposées sur plusieurs tables

Données sur plusieurs supports

Plan

8

1. Introduction

2. Problématique

3. Concepts généraux

4. Modélisation

5. Réalisation

6. Conclusion

Concepts généraux

9

Les moyens

les outils

les méthod

es

L'informatique

décisionnelle

Collecter

Consolider

Modéliser

Restituer

Concepts généraux

10

Les étapes de la chaîne décisionnelle

Alimentation des

données 

Stockage des données 

Restitution & Analyse des données

L’extraction puis la transformation des données de l’entreprise vers une base de données décisionnelles

La conception d’une base de données de stockage

L’exploitation de ces données grâce au reporting, au data mining, aux outils OLAP, aux tableaux de bords

Approche d’implémentation (1/3)

11

On a deux grandes philosophies à l’heure actuelle celle de Bill Inmon et Ralph kimball.

Bill Inmon Ralph kimball

Approche d’implémentation (2/3)

12

On ne fait rien tant que tout n'est pas désigné, le data

warehouse doit être exhaustif!

Top-Down

Bill Inmon Ralph kimball

Que chacun construise ce qu'il veut, on intégrera ce qu'il faudra quand il faudra!

Bottom-Up

Approche d’implémentation (3/3)

13

Dimension

Dimension

Dimension

Table des faits

Schéma en étoile

Approche d’implémentation (3/3)

14

Dimension

Dimension

Dimension

Table des faits

Schéma en Flocon

Dimension

Dimension

Segmentation

15

Créer des segments de clients ayant

des caractéristiques en communs.

Optimiser les actions

commerciales et marketing vers les

clients les plus rentables

Segmentation

16

MFR

RFM

écence

réquence

ontant

Date du dernier achat

Nombre de fois où le client a effectué des achats toute au long de la période étudiée

Montant accumulé des

dépenses

La solution Microsoft BI

17

Stockage des données Stockage des données

Intégrer des données provenant de différentes sources pour les ranger dans un entrepôt central

Intégrer des données provenant de différentes sources pour les ranger dans un entrepôt central

Permet de créer, gérer et publier des rapportsPermet de créer, gérer et publier des rapports

L’analyse des données L’analyse des données

Concepts généraux

18

Acquisition des données externes

Manipulation et nettoyage

Analyse des données

Plan

19

Analyse des données

1. Introduction

2. Problématique

3. Concepts généraux

4. Modélisation

5. Réalisation

6. Conclusion

Modélisation

20

Plan

21

1. Introduction

2. Problématique

3. Concepts généraux

4. Modélisation

5. Réalisation

6. Conclusion

Réalisation

22

Billing

CRM Topnet

Data warehouse Data martSSIS

SSAS

PowerPivot

SSRS

2 Création des Cubes OLAP

3 Reporting

1 L’alimentation de l'entrepôt de données

CUBE OLAP

SSMS

L’alimentation (1/2)

23

Alimentation des dimensions

Alimentation des tables de faits

La mise à jour des dimensions

SSIS

L’alimentation (2/2)

24

Source

Exemple de chargement de la dimension Client

Tâche de flux de données Datamart

SSIS

La restitution des données : les cubes OLAP (1/2)

25

Création de source de données

Création de vue de source de données

Création des dimensions et de leurs

hiérarchies

Organisation du groupe de mesures

Déploiement sur le serveur

SSAS

La restitution des données : les cubes OLAP (2/2)

26

Quelle est le chiffre d’affaire réalisé par famille et sous famille de produit pour les clients satisfaits ?

SSAS

La restitution des données : Reporting (1/2)

27

Configurer SSRS

Création de source de données

Mettre en forme le rapport

Déploiement sur le serveur

SSRS

La restitution des données : Reporting (2/2)

28

Création de source de données

Importer les tables et définir les relations

entre eux

Créer des tables et des gra-phiques

croisés dynamiques

Mettre en forme le tableau de bord

Enregistrer la feuille de calcul Excel

obtenue

PowerPivot

Segmentation RFM (1/2)

29

Calculer les trois variables de l’RFM

Identifier les tranches par l’arbre de

régression CHAID

Attribuer une note par variable à chaque

client

Déterminer le score RFM par client

Segmentation RFM (2/2) :Détection des classes

30

L’exploitation des données

31

L'algorithme MDT (Microsoft Decision Trees) est un algorithme de classification et de régression fourni par Microsoft SQL Server Analysis Services et est utilisé pour la modélisation prédictive d'attributs discrets et continus.

Plan

32

1. Introduction

2. Problématique

3. Concepts généraux

4. Modélisation

5. Réalisation

6. Conclusion

Conclusion

33

Travail effectué :

La conception et le design du modèle de

données ;L’alimentation de l’entrepôt de données ;La création des cubes OLAP ;Le Reporting à l’aide de deux outils de

Reporting : SSRS et PowerPivot ;Segmentation des clients ;Création d’un scénario d’aide à la décision à

l’aide de l'algorithme MDT Microsoft Decision Trees.

Conclusion

34

Perspectives :Automatiser les opérations de gestion de l’entrepôt de

données ; Faire une analyse avancée sur le comportement des

clients ;

Merci de votre attention

35