Entrepôt de données

POLYTECH’NANTES Entrepôt de Données avec SAS ANGER Bénédicte AMEZIANE Ines 04/05/2011 1. Modélisation en étoile : − Les différentes dimensions :  FAITS_NOTES  DIM_UE  DIM_TEMPS  DIM_ETUDIANTS La table de faits est la table FAITS_NOTES, les mesures sont :  Moyenne  Niveau  Abscence  SID  idTemps  Unité - - Les clés primaires sont celles précédées par l’icône de chaque table. et situées à la première ligne [2] ANGER Bénédicte_AMEZIANE Ines TP Entrepôt de données 2.

exigences de leurs clients, en examinant leur comportement sur son site de e-commerce. L’analyse du marché pour une entreprise donnée repose sur la quantité importante d’informations provenant de son site web marchand. Cette analyse peut se faire en exploitant les entrepôts de données (ED) ou data warehouse (DW) d’une part et les outils de data mining ou de fouille de données pour une classification (profilage) des clients d’autre part, car l’aide à la décision peut nécessiter de comprendre plus profondément

 Définitions des éléments de l’architecture : L'Executive Information System (EIS) Est un mode de représentation des données décisionnelles, au sein d'un système d'information. Il se fait par l'intermédiaire de tableaux de bord de haut niveau. Souvent utilisé au plus haut niveau de la pyramide décisionnaire, l'EIS doit permettre d'avoir une vision générale (Big picture) grâce à un nombre très restreint d'informations. Le mode de représentation est généralement graphique, utilisant des objets

décisionnelle « L‟ignorance est mère de tous les maux » F. Rabelais Préambule : Le monde dans lequel nous vivons est de plus en plus complexe. Les technologies de l‟information nous génèrent une multitude de données comme jamais auparavant. Le problème n‟est donc plus tant d‟acquérir une masse de données, mais de l‟exploiter. Pour cela il faut collecter de l‟information de qualité, la normaliser, la classer, l‟agréger, et l‟analyser, pour l‟exploiter afin d‟en extraire la substantifique moelle et donc prendre

d’IS et les besoins en SdF, des parties prenantes. De ce point, sont dégagés les besoins que les processus MéDISIS doivent couvrir en termes de synchronisation des données et thésaurisation des connaissances. Ils seront repris au § 3 où est introduit également le méta-modèle central de MéDISIS permettant de définir la Base de données des Comportements Dysfonctionnels (BCD). Dans le §4, les processus actuels de MéDISIS sont présentés à travers la définition de l’environnement de développement système

Table des Matiéres Chapitre : 1 : Les Entrepôts de Données : 1.1 Introduction 1.2 SID vs transactionnels 1.2.1 Système d’information (SI) 1.2.2 Système d’information décisionnel (SID) 1.3 Le Datawarehouse 1.3.1 Définition 1.3.2 Caractéristiques des entrepôts de données 1.3.3 Architecture d’un entrepôt de données 1.3.4 Entrepôt de données vs Base de données 1.4 Modélisation multidimensionnelle 1.4.1 Concepts de bases 1.4.2 Niveau conceptuel 1.4.3 Niveau logique 1.4.3.1 Modèles en étoile 1.4.3.2 Modélisation

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

Des données brutes aux données commerciales Au-delà de la collecte => l’organisation des données ( Recours aux bases de données et entrepôts dérivés ( Stocker, structurer, exploiter } L’info 1. Définitions SIM : Mémoire commerciale de l’entreprise et réseau de communication mercatique mis en place pour collecter, utiliser, diffuser et gérer l’info (les réseaux, les matériels, les logiciels et les flux d’information). Base de données : la base de données relationnel

est effectué aujourd’hui au sein des banques. Elles peuvent être à l’initiative du client ou de la banque et peuvent toucher des domaines fonctionnels divers (crédits, dépôts, moyens de paiements …). Ces transactions génèrent un grand nombre de données sur lesquelles des analyses peuvent être réalisées pour permettre aux décideurs de prendre les décisions pertinentes. D’où la nécessité d’un système d’information décisionnel. En effet, il devient de plus en plus difficile d’avoir une vision claire

des campagnes - Définir les cibles - Définir le type d’action à mener - Evaluer les retombées des campagnes - Recueillir des informations facilitant la segmentation - Gérer de façon automatisée la base de données - Réaliser des requêtes - Extraire des adresses des cibles Mettre à jour les données -Analyser la répartition géographique de la clientèle - Localiser les zones à potentiel - Déterminer des comportement d’achat en fonction du type d’habitat - Analyser les retombées des campagnes à l’intérieur