De nos jours, L’informatique décisionnelle est très utile pour faire face à la concurrence dans tout le marché. La « Caisse d’Epargne de Madagascar » est toujours digne d’être le leader dans son domaine de produit d’épargne avec les bonnes décisions qu’elle a bien analysées dans tous les temps avant d’être appliquées. Ce projet intitulé « Business intelligence : Exploitation d’un Datamart » est espéré être un outil d’aide à la décision pour les dirigeants, ainsi mis en place au sein de la société pour garder sa bonne notoriété. En effet ce thème a été développé en trois grandes parties : les notions générales, description du projet et analyse, enfin, la réalisation. Pour ce faire, nous avons adopté la modélisation en étoile pour la conception, l’environnement Microsoft pour la réalisation du système (SQL Server, integration services, analysis services, reporting services de SQL Server 2008 R2). ______________ Nowadays, Business Intelligence is very useful to face competition in all the market. The saving bank of Madagascar (Caisse d’Epargne de Madagascar) is always the leader in the field of saving by having the best decisions. This project entitled “Business Intelligence : Exploitation d’un Datamart” is not only expected to be one tool of decision and help for the leader but also to keep a good notoriety for the company. This topic was divided into three great parts : the general concepts, description of the project and analyzes, finally, the realization. We were in favor of star schema for modeling the design, Microsoft environment for the realization of the system (SQL Server, Integration Services, Analysis Services, Reporting Services of SQL Server 2008 R2). Falitokiniaina RABEARISON

1. BUSINESS INTELLIGENCE :
Présenté par :
Mr RABEARISON Falitokiniaina
Sous l’encadrement de :
Dr RAKOTOASIMBAHOAKA Cyprien Robert (Encadreur Pédagogique)
Mr RAKOTOMALALA Tahiry (Encadreur Professionnel)
RAPPORT DE STAGE POUR L'OBTENTION DU DIPLÔME DE
LICENCE PROFESSIONNELLE
OPTION : Génie-Logiciel et Base de Données
Membres du Jury :
Pr RAMAMONJISOA Andriantiana Bertin Olivier (Président du Jury)
Dr RATIARSON Venot (Examinateur)
Dr RAKOTOASIMBAHOAKA Cyprien Robert (Encadreur Pédagogique)
02 Mai 2012

2. AGENDA
PRESENTATION DE L’ECOLE NATIONALE D’INFORMATIQUE
PRESENTATION DE LA CAISSE D’EPARGNE DE MADAGASCAR
DESCRIPTION DU PROJET
ANALYSE DE L’EXISTANT
NOTIONS DE BUSINESS INTELLIGENCE
ANALYSE CONCEPTUELLE
REALISATION DU PROJET
DEMONSTRATION

4. PRESENTATION DE L’ENI
Créée le 24 Mai 1983,
13 promotions d’Analystes Programmeurs,
22 promotions d’Ingénieurs Informaticiens,
13 promotions de Techniciens Supérieurs en Maintenance
des Systèmes Informatiques,
03 promotions de DEA en Informatique.

5. PRESENTATION DE L’ENI
Organigramme
Conseil
d'école
Direction
Conseil
Scientifique
Collège des
enseignants
Secrétariat
principal
Service de la
scolarité
Service de la
comptabilité
Départements
Formation
théorique
Formation
pratique
Formation
Doctorale
Administration
Réseau et
Système

6. PRESENTATION DE L’ENI
DOMAINES DE SPÉCIALISATION
Génie logiciel et base de données,
Maintenance des systèmes informatiques,
Administration des systèmes et des réseaux,
Modélisation environnementale et Système d’Information
Géographique.

7. PRESENTATION DE LA CEM

8. PRESENTATION DE LA CEM
Raison sociale : CAISSE D’EPARGNE DE MADAGASCAR,
Ar 21.000.000,00 de capital, Fonds social de réserve,
Siège social : Tsaralalàna Antananarivo,
Réseau de 24 agences.

9. PRESENTATION DE LA CEM
Organigramme
PRMP Personnel Responsable des Marchés Publiques
DCG Direction Contrôle Gestion
DAI Direction Audit Interne
DAJC Direction Affaire Juridique et Contentieux
DE Direction d’Etude
DF Direction Financière
DRE Direction Responsable d’Exploitation
DAG Direction Affaire Générale
DSI Direction des Systèmes d’Informations

10. PRESENTATION DE LA CEM
Missions
 Promouvoir l’épargne individuelle et l’éducation à l’épargne ;
 Fructifier les fonds collectés ;
 Mettre à la disposition du public, en particulier les petites et
moyennes entreprises, une gamme de services financières.

11. DESCRIPTION DU PROJET

12. DESCRIPTION DU PROJET
Contexte
Mettre en place un système informatique pour l’exploitation et
valorisation du patrimoine informationnel relatif aux clientèles
et produits de la CEM.

13. DESCRIPTION DU PROJET
Objectifs
 Faciliter le suivi de l’évolution des produits,
 Développer un système décisionnel basé sur des outils
faciles à entreprendre.

14. DESCRIPTION DU PROJET
Besoins de l’institution
• Regrouper les informations disséminées,
• Accéder au patrimoine informationnel de l’institution,
• Analyser et prendre des décisions rapidement (OLAP).

15. DESCRIPTION DU PROJET
Résultats éscomptés
 Valoriser chaque information qui est parfois négligée,
 Libérer le service d’étude et développement de la DSI
aux requêtes SQL à chaque demande d’informations des
directions les nécessitant,
 Avoir un gain de temps dans l’analyse des patrimoines
informationnels.

16. ANALYSE DE L’EXISTANT

17. SQLs Complexes
ANALYSE DE L’EXISTANT
Fonctionnement actuel

18. ANALYSE DE L’EXISTANT
Inconvénients de l’organisation actuelle
Lenteur du traitement,
Requêtes réservées aux informaticiens uniquement,
Risque d’existence d’erreurs dans les résultats,
Même presque 85% des décideurs ne sont pas satisfaits du retour.

19. BUSINESS INTELLIGENCE
(B.I.)
NOTIONS DE

20. NOTIONS DE B.I.
Père : Ralph Kimball
B.I. : Compétences Manager + Informatique
Business Intelligence ou Informatique décisionnelle
désigne les moyens, les outils et les méthodes qui
permettent de collecter, consolider, modéliser et
réstituer les données, matérielles ou immatérielles, d’une
entreprise en vue d’offrir une aide à la décision et de permettre
aux responsables de la stratégie d’entreprise d’avoir une vue
d’ensemble de l’activité traitée.

21. NOTIONS DU B.I.
Processus global
Phase de CollectePhase d’intégrationPhase d’organisationPhase de restitution

22. NOTIONS DE B.I.
Architecture de la B.I.
Entrepôt de données (ED) ou Datawarehouse (Bill Inmon1990) :
Collection de données thématiques, intégrées, non volatiles et
historisées, pour la prise de décision.
Datamart : ED spécialisé«métier», ou ED partiel.

23. ANALYSE CONCEPTUELLE

24. ANALYSE CONCEPTUELLE
Modèle dimensionnel
Table de faits
• table contenant une clé multiple
• table Contenant des faits numériques
• Les faits les plus utiles sont numériques et additifs.
• les agrégats, ou tables d’agrégat, sont des
enregistrements récapitulatifs.
tables de dimensions
Ensemble de tables secondaires,
Tables possédant une clé primaire unique correspondant
à l’un des composants de la clé multiple de la table de faits.
+ JOINTURES +
Shéma en étoile

25. ANALYSE CONCEPTUELLE
Modèle dimensionnel
Floconnage
Définition : dimension dont
les champs à faible
cardinalité sont dans des
tables séparées, reliées à la
table d’origine au moyen de
clés artificielles.
Shéma en flocon

26. ANALYSE CONCEPTUELLE
Modèle de la base
cible
 Notre base n’est pas
une base de plusieurs
millions de ligne,
 Simplification du
modèle.

27. REALISATION DU PROJET

28. REALISATION DU PROJET
Choix de la solution B.I.
Utilisation de SQL Server 2008 R2
 Complet, puissant, professionnel pour un projet BI,
 Procuration de l’agilité du projet BI,
 Possession d’outil commun pour toutes les tâches de BI (BIDS).

29. REALISATION DU PROJET
SQL Server 2008 R2

30. Intégration de données – Alimentation du DM
REALISATION DU PROJET
EXTRACTION TRANSFORMATION CHARGEMENT
(ETL)

31. Analyses
Statistiques
Tableurs
Requêtes & Rapports OLAP
Architecture du projet
REALISATION DU PROJET
Cubes multidimensionnels
OLAP
OLAP Server
Stockage OLAP Outils Front-End

32. Réalisation du projet
Cube de données
Représentation de la table des faits sous forme d’un
cube, chaque axe correspondant à une dimension.

33. Réalisation du projet
Analyses
Cas 1 : visualisation
des récapitulatifs de
versement du
protocole CEM dans
toutes les agences
durant les 4 années.
Cube multidimensionnel
présentant les récapitulatifs
de versement par
année, par agence et par
protocole..
Cas 2 : visualisation
des récapitulatifs de
versement du
protocole PARTICULIER
dans l’agence
d’Antsirabe pour
l’année 2009.

34. REALISATION DU PROJET
Opérations OLAP
1) Pivoter (pivot, swap)
Tourner le cube pour visualiser une face
(Agence, Protocole)(Agence, Année)
2) Forage vers le bas (drill-down)
Détailler selon une dimension
Année  Mois
3) Forage vers le haut (drill-up, roll-up)
Agréger selon une dimension
Mois  Année
4) SLICE et DICE
Sélection et projection selon 1 axe
Mois = 04-2009 ; Projeter(Agence, Protocole)

35. DEMONSTRATION

36. CONCLUSION

37. QUESTIONS / REPONSES
BUSINESS INTELLIGENCE :

38. MERCI DE VOTRE AIMABLE
ATTENTION 
BUSINESS INTELLIGENCE :