Data warehouse

Pages: 21 (5095 mots) Publié le: 6 janvier 2011
Systèmes d’information décisionnels
(Data Warehouse / Data Mining)
E. GRISLIN-LE STRUGEON
(PPDQXHOOH*ULVOLQ#XQLYYDOHQFLHQQHVIU

Université de Valenciennes, ISTV

D. DONSEZ
Université Joseph Fourier, IMA
'LGLHU'RQVH]#LPDJIU



Plan
N N N N N N N N

1. Introduction
» Problématique- Le Système d’Information - La Suite Décisionnelle

2. L’Entrepôt de Données
»Extraction des données - Constitution de l’entrepôt - Modélisation

3. Les Bases Multidimensionnelles
» Analyse multidimensionnelle - OLAP - Data Marts

4. La Restitution des Informations
» Data Mining

5. La Gestion de Projet Data Warehouse 6. Les outils 7. Perspectives du Data Warehouse 8. Conclusion et Bibliographie

222

1. Introduction - Problématique
N N N

Objectif
»Améliorer les performances décisionnelles de l' entreprise

Comment ?
» en répondant aux demandes d’analyse des décideurs

Exemple
» clientèle : Qui sont mes clients ? Pourquoi sont-ils mes clients ? Comment les conserver ou les faire revenir ? Ces clients sont-ils intéressants pour moi ? » marketing, actions commerciales : Où placer ce produit dans les rayons ? Comment cibler plus précisément lemailing concernant ce produit ? » ...
333

1. Introduction - Problématique
N

Une grande masse de données :
» Distribuée » Hétérogène » Très Détaillée

N

A traiter :
» Synthétiser / Résumer » Visualiser » Analyser

N

Pour une utilisation par :
» des experts et des analystes d' métier un » NON informaticiens » NON statisticiens
444

1. Introduction - Le systèmed’information
Moyen d’atteindre ces objectifs : Le Data Warehouse, un système d’information dédié aux applications décisionnelles En $YDO des bases de production (ie bases opérationnelles) N En $PRQW des prises de décision
N
555

1. Introduction - La Suite Décisionnelle

Prise de Décision

Bases de Production

Entrepôt de Données (Data Warehouse)

Base MultiDimensionnelle

Prédiction /Simulation

666

1. Introduction - Utilisation
N N

Mailing
» amélioration du taux de réponse

Banque, Assurance
» déterminer les profils client
G

Risque d' Prêt, Prime plus précise un

N

Commerce
» ciblage de clientèle » déterminer les promotions » aménagement des rayons (2 produits en corrélation)

777

1. Introduction - Utilisation
N N N N

Logistique
» adéquationdemande / production

Santé
» épidémiologie (VIH, Amiante, ...)

Econométrie
» prédiction de trafic autoroutier

Ressources Humaines
» adéquation activité / personnel

888

1. Introduction - RSI
D’ après une enquête de l’ IDC auprès de 45 organisations ayant un Data Warehouse en fonctionnement ILQ  
» 90% des entreprises ont un RSI au moins égal à 40% » 50% ont un RSIsupérieur à 160% » 25% ont un RSI supérieur à 600%
Retour sur investissement (%)
≥1000 500−999 200−499 100−199 50−99 3−49 0 5 10 15 20

5HWRXU VXU LQYHVWLVVHPHQW GX GDWDZDUHKRXVLQJ

RSI moyen = 401% RSI médian = 167%

Organisations (%)

999

1. Introduction - Rentabilisation
'XUpH GH UHQWDELOLVDWLRQ GX GDWD ZDUHKRXVH Période de rentabilisation (années)
≥5 1−3 1−2 0−1 0 10 20 30 40Organisations (%)
101010

2. L' Entrepôt de Données (Data Warehouse)
N

Définition de Bill Inmon (1996)
«Le Data Warehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d’ un processus d’ aide à la décision.»

N

Principe
» Base de Données utilisée à des fins d’ analyse. » Caractéristiques :
G G G Gorientation sujets («métiers») données intégrées données non volatiles données datées
111111

2. L' Entrepôt de Données (Data Warehouse)
N

Objectif
» Retrouver une information historique et transversale à l’ entreprise
G

Service Commercial
%' 3URG

Service Financier
%' 3URG

Service Livraison
%' 3URG

G

Données réparties Vue «au-jour-lejour»

N

Comment

Clientèle...
Lire le document complet

Veuillez vous inscrire pour avoir accès au document.

Vous pouvez également trouver ces documents utiles

  • Data warehouse
  • data warehouse
  • Data
  • Data
  • Data
  • Data
  • Data
  • Data

Devenez membre d'Etudier

Inscrivez-vous
c'est gratuit !