Seance 1 2 -BI

  • Published on
    22-Nov-2014

  • View
    331

  • Download
    1

Embed Size (px)

DESCRIPTION

Cours de BI

Transcript

  • 1. SYSTMES DCISIONNELS SAIR ABDELLAH
  • 2. INTRODUCTION Linformatique dcisionnelle (en anglais Business intelligence , parfois appel tout simplement le dcisionnel ) gre l'exploitation des donnes de l'entreprise dans le but de faciliter la prise de dcision par les dcideurs, c'est--dire la comprhension du fonctionnement actuel et l'anticipation des actions pour un pilotage clair de l'entreprise.
  • 3. INTRODUCTION Question : O se trouve la place du systme linformation dans une organisation ? Lapproche systmique permet de reprsenter une organisation ou entreprise (Systme) en Trois sous-systmes interdpendants :
  • 4. INTRODUCTION
  • 5. Brahim ER-RAHA
  • 6. LA NOTION DE SYSTME DINFORMATION Le systme d'information est la reprsentation de l'activit du systme oprant ,construite par et pour le systme de pilotage pour en faciliter le fonctionnement. Le systme d'information a deux grandes fonctions : recueillir, mmoriser et diffuser les informations assurer le traitement de ces informations joue un rle la fois stratgique, tactique et oprationnel contribue leur croissance et leur prennit constitue un outil de comptitivit est un catalyseur de l'innovation amliore leur efficacit et ractivit en favorisant la prise de dcision
  • 7. LE SYSTME DINFORMATIONS le systme de pilotage (celui qui rflchit, dcide, oriente) le systme oprant (celui qui produit, transforme, agit) le systme d'information (celui qui mmorise) Cest lactivit dcisionnelle de lentreprise Cest le systme de mmorisation entre loprant et dcision Cest la transformation des ressources , lactivit de production Brahim ER-RAHA
  • 8. Brahim ER-RAHA
  • 9. INTRODUCTION Le dcisionnel : Le systme d'information dcisionnel est un ensemble de donnes organises de faon spcifique, facilement accessible et appropries la prise de dcision ou encore une reprsentation intelligente de ces donnes au travers d'outils spcialiss. La finalit d'un systme dcisionnel est le pilotage de l'entreprise.
  • 10. INTRODUCTION Figure : Le dcisionnel
  • 11. INTRODUCTION Les systmes dcisionnels sont ddis au management de l'entreprise pour l'aider au pilotage de l'activit, et indirectement oprationnels car n'offrant que rarement le moyen d'appliquer les dcisions.
  • 12. INTRODUCTION Ils constituent une synthse d'informations oprationnelles, internes ou externes, choisies pour leur pertinence et leur transversalit fonctionnelles, et sont bass sur des structures particulires de stockage volumineux (datawarehouse, bases OLAP).
  • 13. INTRODUCTION Le principal intrt d'un systme dcisionnel est d'offrir au dcideur une vision transversale de l'entreprise intgrant toutes ses dimensions.
  • 14. INTRODUCTION Les outils dcisionnels sont bass sur l'exploitation d'un systme d'information dcisionnel aliment grce l'extraction de donnes diverses partir des donnes de production, d'informations concernant l'entreprise ou son entourage et de donnes conomiques.
  • 15. INTRODUCTION Un outil appel ETL (Extract, Transform and Load) est ainsi charg d'extraire les donnes dans diffrentes sources, de les nettoyer et de les charger dans un entrept de donnes appell Datawarehouse.
  • 16. SYSTMES DCISIONNELS
  • 17. Introduction et position du problme La prise de dcision est un problme central dans les entreprises. Les dcisions concernent diffrents types d'activits : on peut ainsi distinguer les dcisions commerciales, administratives, financires. Les dcisions les plus importantes sont : les dcisions de financement (par exemple, raliser une augmentation de capital), les dcisions d'exploitation (par exemple, tablir le programme de production de l'anne), les dcisions d'investissement (par exemple, construire une nouvelle usine). Mais le problme de prise de dcision est complexe Grand nombre de facteurs Structuration du problme (problmes mal dfinis), considrations subjectifs et conflits dintrt Incertitude
  • 18. NOTION DE DECISION Un agent (personne, logiciel, groupe...), qui effectue un choix parmi un ensemble d'actions possibles, prend une dcision. Plusieurs cas sont possibles
  • 19. NOTION DE DECISION Les consquences de la dcision peuvent tre dtermines sans ambigut : cadre de la recherche oprationnelle Les consquences de la dcision peuvent tre influences par des vnements non contrlables : cadre de la thorie de la dcision Les consquences de la dcision peuvent tre influences par la dcision d'autres agents (ex : aux checs) cadre de la thorie des jeux
  • 20. NOTION DE DECISION Hypothse L'agent qui prend une dcision est rationnel, i.e. il prend les dcisions qui procurent les meilleures consquences prvisibles.
  • 21. TYPES DE MODLES DE DCISION Dcision en environnement certain Il ny a aucun facteur externe non contrl. Le dcideur connat parfaitement ltat de la nature Dcision en environnement incertain Ltat de la nature nest pas connu. Il dpend de facteurs dont on ne dispose pas de probabilit pour estimer leur occurrence. Dcision avec risque Ltat de la nature nest pas connu. Il dpend de facteurs dont on connat la probabilit de leur occurrence
  • 22. TYPES DE MODLES DE DCISION Environnement non certain Environnement certain Probabilits connues Programmation linaire NON Optimisation Sous contraintes Mthodes des scnarios (Opt, Att, Pess) OUI Thorie des jeux Analyse multicritres Thorie de la dcision Simulations stochastiques
  • 23. FORMALISER UN PROBLME DE DCISION Pourquoi ? Comment ? Pour permettre de dterminer (calculer) les meilleurs choix Pour expliquer et justifier les raisons des choix En reprsentant l'ensemble des lments qui constituent le problme de dcision : L'ensemble A des actions (dcisions) possibles. L'ensemble E des vnements non contrls qui peuvent survenir. L'ensemble C des consquences possibles des dcisions Les relations entre les lments de A, E et C. Une reprsentation simple : les arbres de dcisions
  • 24. Schmas dun problme de dcision Ensemble C des Consquences Rsultats Ensemble E des tats de la Nature vnements non contrls Ensemble A des Alternatives (Actions) Problme de dcision Tables de dcision : relation locale entre A, E et C Arbre de dcision : relation globale entre A, E et C
  • 25. DCISION EN ENVIRONNEMENT INCERTAIN ARBRES DE DCISION Reprsentation arborescente Noeud dcision contient l'ensemble des actions possibles A reprsentes de la manire suivante 1 A 2 A 3 A Noeud vnement contient l'ensemble des situations possibles e1 correspondant l'occurrence d'un vnement E e2 e3 Les feuilles de l'arbre contiennent les consquences des dcisions en fonction des vnements
  • 26. DCISION EN ENVIRONNEMENT INCERTAIN ARBRES DE DCISION Exemple simple Une entreprise vient de dvelopper une nouvelle ligne de produits et on doit choisir la manire de conduire la stratgie marketing. Trois stratgies principales sont possibles : A : stratgie agressive B : stratgie classique C : stratgie prudente L'efficacit de la stratgie choisie dpendra d'un facteur externe non contrl qui est la dynamique du march. Deux tats du march sont envisags : S : le march est porteur W : le march est peu porteur Les consquences des dcisions en fonction des vnements sont donnes par le tableau suivant
  • 27. ARBRE DE DCISION Etat du march A 30 -8 S W Choix de stratgie B 20 7 C 5 15 L'arbre de dcision pour le problme prcdent s'crit : March S W 30 March S W 20 March S W 5 A Stratgie B C -8 7 15 Comment slectionner la meilleure dcision ? Il faut dfinir un critre d'valuation de chaque dcision
  • 28. Decision dans lincertain CRITRES BASS SUR LES EXTRMES On calcule deux valeurs Critre de Wald ou MaxiMin Critre de MaxiMax On choisit la dcision qui maximise le gain minimal (ici m(d)) Stratgie de prudence extrme On choisit la dcision qui maximise le gain maximal (ici M(d)) Stratgie de risque extrme Critre de Hurwitcz H(d)=.m(d) +(1-).M(d) o est comprise entre 0 et 1
  • 29. Decision dans lincertain EXEMPLE: Etats de la Nature March Alternatives March Maximum Minimum Hurwitcz Favorable Dfavorable En colonne En colonne =0.5 200,000 -180,000 200,000 -180,000 10,000 Construire Grand projet Construire 100,000 Petit projet Rien 0 -20,000 100,000 -20,000 40,000 0 0 0 0 Maximax Maximin Hurwitcz
  • 30. Decision dans lincertain Critre bas sur les regrets Ide : on va anticiper les regrets (manque gagner) que l'agent pourrait avoir en ayant pris une dcision, aprs observation des vnements Regret d'une dcision par rapport un vnement Gain A B C 1 2 3 (proba ) (proba ) (proba ) 10 20 30 4 25 30 5 15 50 R1(B)=max{c1(A),c1(B),c1(C))- c1(B)} R1(B)=10-4=6 Re gre ts A B C 1 0 6 5 2 10 5 10 3 20 20 0
  • 31. CRITRE BAS SUR LES REGRETS Critre de Savage S(d)=Max i=0,1....n { ri (d)} Minimiser Regrets A B C 1 0 6 5 2 10 5 10 3 20 20 0 A B C S(d) 20 20 10 C>A=B
  • 32. EXEMPLE DAPPLICATION
  • 33. LES CRITRES DE DCISION EN UNIVERS NON MESURABLE : DECISION DANS LINCERTAIN
  • 34. 1- LE CRITRE DE LAPLACE Fonction de valorisation : valuer la moyenne des rsultats de chaque action. Va j 1 ei en Ra j ,ei n ei e1 Critre de choix : Choisir laction dont la moyenne est la plus leve. a* arg max(Vaj)
  • 35. EXEMPLE DAPPLICATION Actionstats e4 20 25 40 100 5 30 50 125 a3 Va3 e3 a2 Va2 e2 a1 Va1 e1 40 50 75 0 1 20 25 40 100 46,25 4 1 5 30 50 125 52,5 4 1 40 50 75 0 41,25 4 arg max Va j a* a2 a2 a1 a3
  • 36. CRITIQUE DU CRITRE DE LAPLACE : Critre Car de la raison insuffisante. tout se passe comme si on cherchait maximiser une esprance mathmatique de gain comme si on tait dans un univers risqu et quiprobable.
  • 37. 2- LE CRITRE DU MAXIMAX Fonction de valorisation : Dterminer le rsultat maximum que peut rapporter chaque action. Va j Critre de choix : sup Ra ,e j i e i Choisir laction dont la fonction de valorisation est la plus leve a* arg max Va...

Recommended

View more >