Datamart

propose judicieusement un découpage en trois sous ensembles : * CRM collaboratif : regroupe tous les canaux d’échanges avec le client et les partenaires. * CRM analytique : analyse des informations collectées au sein du data warehouse ou datamart, datamining, et statistiques en sont les outils de prédilection. * CRM opérationnel : intégration ou automatisation des processus horizontaux en liaison avec le client front office : ventes, marketing, services clients et back office.

donn´ es, de e g´ n´ rer des diagrammes de diff´ rentes formes (camembert, histogrammes, e e e tableaux, etc). F IG . 3.3 – Interface de OLAPCubeReader Datawarehouse : Cubes OLAP Bibliographie [am09] Comment ca marche. ¸ Datawarehouse et datamart. http ://www.commentcamarche.net/contents/entreprise/datawarehouse-datamart.php3, Mai 2009. Lupin B. Osez olap ! http ://pagespersoorange.fr/bernard.lupin/index.htm, Mai 2009. [B.09] [JAAH97] Gray J., Bosworth A., Layman A., and Pirahesh H

o Ex : google maps et l'hotelerie. Afin de réserver un hôtel on-line, on peut désormais avoir accès à un plan interactif Google maps afin de localiser l’hôtel. - CRM Analytique : Analyse des informations collectées au sein du datawarehouse ou datamart o Ex 1 : Le datamining est un processus d'extraction de connaissances valides et exploitables à partir de grands volumes de données o Ex 2 : Le profiling est une méthode permettant de déterminer le profil d’un client par exemple - CRM Opérationnel

pilotage accèdent de plus en plus facilement à l’ensemble des données et autres informations brassées par l’entreprise et gérées par le système d’information. Cette voie d’évolution est déjà balisée depuis quelques années et les data warehouses, datamarts et outils d’extraction (ETL) sont rapidement devenus incontournables. Cependant, le système d’information est encore fort loin de gérer l’ensemble des données et informations de l’entreprise. Quantité d’informations, cruciales pour la décision, ne

Datawarehouse Contient les données concernant l’ensemble des composantes de l’organisation Plusieurs BD opérationnelles et sources extérieures Data mart Un sous-ensemble de l’entrepôt global concernant un groupe spécifique d’utilisateurs Ex : datamart concernant les ressources humaines Peut être dépendant ou non de l’entrepôt de donnés Architecture Data Warehouse OLAP Servers Clients Data Mining Bases de production Data Marts Requêteurs Rapports OLAP *MOLAP, ROLAP, HOLAP INTEGRATION

transformation, en développant les codifications, résolvant les liens, changeant et uniformisant les différents formats de fichiers d'origine dans un format unique compatible avec le datawarehouse, o le chargement, pour alimenter datawarehouses et datamarts, en contrôlant la cohérence des données. Facilement paramétrable, il peut générer des processus qui s'exécuteront sur plusieurs types de machines. Il peut lire la plupart des sources d'information, que ce soit des applications métier ou des bases

l'informatique décisionnelle (Business Intelligence et Datamining) permet d'élaborer les diverses composantes de la stratégie (commerciale, marketing, canaux de vente, fidélisation) et fournit tous les tableaux de bord nécessaires. -Les datamarts : Les datamarts sont des sous-ensembles de l'entrepôt de données, qui contiennent que les informations nécessaires à certaines fonctions de l'entreprise (application de marketing direct, analyse des réussites des résultats commerciaux, centres d'appels,

vêtements ou des chaussures. Pour mieux organiser votre travail, vous pouvez créer des sous-dossiers (sous le dossier avec vos initiales) un pour le Data Mart et un ensuite pour le cube OLAP. Créer tout d’abord une bibliothèque SAS/BASE appelée votre_nom-DataMart dont le libref est orgbase pointant sur 'C:\SAS\Orion\DW_Orion\Orion_Gold'. Créer un processus ETL votre_nom_OrionGold avec uniquement l’outil « code écrit par l’utilisateur » et écrire dedans le code suivant en remplaçant à chaque fois le mot «Hay

reliées entre eux par des dimensions. Il s'agit donc d'étoiles avec des dimensions en commun. Un environnement décisionnel idéal serait une place ou il serait possible de naviguer d'étoile en étoile, de constellation en constellation et de Data Mart en DataMart à la recherche de l'information si précieuse. Un des indicateurs clés d'une bonne conception d'entrepôt est la grosseur des constellations. En effet, plus la constellation est grosse, plus cela veut dire que vous avez réutilisé vos dimensions, et

pouvons citer : - Le datawarehouse ou entrepôt de données : c'est une grande base de données où sont collectées les informations sur les clients qui peuvent venir de différentes sources : système de production, points de contact clients,... - Les datamarts: qui sont des sous-ensembles de l'entrepôt de données, qui ne contiennent que les informations nécessaires à certaines fonctions de l'entreprise. - Le datamining (extraction ou forage de données) : c'est un processus d'analyse statistique et mathématique