SlideShare une entreprise Scribd logo
1  sur  16
Méthodologie d’Intelligence d’Affaires”Business Intelligence Roadmap”développé parLarissa T. Moss and Shaku Atre Presented by: Alain Charpentier
Table des matières Origine de la méthodologie Définitions Présentation de la méthodologie Résumé Critiques et bénéfices Questions
Business Intelligence Roadmap est un guide visuel de développement pour l’intelligence d'affaires efficace (BI). Ce livre décrit une méthodologie qui tient compte la complexité du développement d'applications dans un environnement intégré.  Les auteurs décrivent chaque étapes du processus - de la planification stratégique, la sélection de nouvelles technologies jusqu’à l'évaluation finals.  Ce livre est également une source unique sur les meilleures pratiques de projet de BI. Origine de la méthodologie
Definitions Intelligence d’affaires « La collecte et l'analyse d'informations provenant de sources humaines et de sources informationnels sur les réalisations et les  tendances qui permettent d'identification précoce de risques et d'opportunités.»  Solution d’intelligence d’affaires Gestion de la performance Gestion de la relation client (CRM) Ventes et marketing Gestion financière
Definitions BI vs. Système traditional Besoins d’affaires => Opportunités d’affaires Développement multi-diciplinaire Des besoins opérationnel au besoins stratégique Systèmes informationnels =>Système transactionnels Développement incremental plutôt que le “big bang”
Présentation du modèle 1. Justification 6. Mise en oeuvre 2. Plannification 5. Construction 3. Analyse 4. Conception
1 - Justification ”Évaluation des besoins d’affaires qui justifient le démarrage d’un nouveau projet” Analyse préliminaire (Business Cases) Définitions des problèmes et des opportunitiés
2 - Planification Évaluation des infrastructures Infrastructures techniques Infrastructure organisationnels Planification du projet Planification détaillé
3 – Analyse “Analyse détaillé de la problématique d’affaires et des opportunités ce qui permet de développer une bonne connaissance des besoins d’affaires”. Définition des besoins  Functionels, informationnel, historique, sécurité et  performance Analyse des données Source de données, qualité des données, épuration (cleansing) Prototype Objectifs, étendus, liverables, participation, outils Analyse du référenciel des Meta-Data Utilisation, sécurité, capture, accèss, ressources
4 - Conception ”Conception d’un produit qui addresse la problématique d’affaires et qui génère de nouvelles opportunités” Conception de la base de données Raports, modèle de données, performance, resources Conception des transformations (ETL) Outils, processus de transformation ETL, performance, réconciliation Conception du référenciel de Meta-Data Utilisation de l’existant, acquisition de produits, interfaces, resources
5 - Construction ”Construire un  produit qui fournira un retour sur l’investissement à l’intérieur d’un calendrier prédéfinie” Développement des transformations ETL Extraction de données, outils ETL, processus ETL, dépendences, test, considérations techniques Développement applicatifs Résultat du prototype, outils d’accès et d’analyse, compétance et formation, étendue et gestion des besoins, internet et considérations techniques. Forage de données Marché, données, outils de forage, ressources Développement des Meta-Data Produit pour les Méta-Data, ressources
6 – Mise en oeuvre Mise en production Mise en production du nouveau système Formation Evaluation ”Leçon aprise”
Résumé du modèle 4. Conception 5. Construction 3. Analyse ETLDesign ETLDevelop DataAnalysis 1. Justification 2. Plannification 6. Mise en oeuvre DBDesign ApplDevelop Produc- tion Evalua-tion Business Case Infra-structure Planning Require-ments Proto-type DataMining MDR Design Meta-Data MDR Develop
Gestion du risques Marché Industrie Clients Strategies et actions Du BI à la compétitivité
Critiques: Un livre “Bullet point” Pour le praticien, peu d’explication des concepts de base Pas de détail sur l’utilisation de l’information Pas orienté outils, les outils BI sont complexes et dificile d’utilisation Critiques et bénéfices  Bénéfices: Accessible Basé sur les meilleurs pratiques Influence le comportement des utilisateurs Très directe, orienté collaboration “La clé du succès en intelligence d’affaires et de fournir des outils au utilisateurs dans un mode qui entraine une meilleur collaboration entre l’informatique et la communauté d’affaires”
Questions ?

Contenu connexe

Tendances

Tp Sql Server Integration Services 2008
Tp  Sql Server Integration Services  2008Tp  Sql Server Integration Services  2008
Tp Sql Server Integration Services 2008Abdelouahed Abdou
 
Les systèmes d'information décisionnel pour les assurances
Les systèmes d'information décisionnel pour les assurancesLes systèmes d'information décisionnel pour les assurances
Les systèmes d'information décisionnel pour les assurancesdihiaselma
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleLilia Sfaxi
 
Mise en place d'un Data Warehouse
Mise en place d'un Data WarehouseMise en place d'un Data Warehouse
Mise en place d'un Data WarehouseAbderrahmane Filali
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & SparkAlexia Audevart
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataLilia Sfaxi
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleLilia Sfaxi
 
Business Intelligence au coeur de la décision
Business Intelligence au coeur de la décisionBusiness Intelligence au coeur de la décision
Business Intelligence au coeur de la décisionAmal Brioual
 
Conception datawarehouse
Conception datawarehouseConception datawarehouse
Conception datawarehouseHassane Dkhissi
 
DataWarehouse
DataWarehouseDataWarehouse
DataWarehousenzuguem
 
Projet BI - 1 - Analyse des besoins
Projet BI - 1 - Analyse des besoinsProjet BI - 1 - Analyse des besoins
Projet BI - 1 - Analyse des besoinsJean-Marc Dupont
 
Cours data warehouse
Cours data warehouseCours data warehouse
Cours data warehousekhlifi z
 
La BI : Qu’est-ce que c’est ? A quoi ça sert ?
La BI : Qu’est-ce que c’est ? A quoi ça sert ?La BI : Qu’est-ce que c’est ? A quoi ça sert ?
La BI : Qu’est-ce que c’est ? A quoi ça sert ?Jean-Marc Dupont
 
Intégration des données avec Talend ETL
Intégration des données avec Talend ETLIntégration des données avec Talend ETL
Intégration des données avec Talend ETLLilia Sfaxi
 
Concéption et réalisation d'un processus décisionnel, tableau de bord social.
Concéption et réalisation d'un processus décisionnel, tableau de bord social.Concéption et réalisation d'un processus décisionnel, tableau de bord social.
Concéption et réalisation d'un processus décisionnel, tableau de bord social.Rim ENNOUR
 

Tendances (20)

Business intelligence
Business intelligenceBusiness intelligence
Business intelligence
 
Tp Sql Server Integration Services 2008
Tp  Sql Server Integration Services  2008Tp  Sql Server Integration Services  2008
Tp Sql Server Integration Services 2008
 
Resume de BI
Resume de BIResume de BI
Resume de BI
 
Présentation bi 1.0
Présentation bi 1.0Présentation bi 1.0
Présentation bi 1.0
 
Les systèmes d'information décisionnel pour les assurances
Les systèmes d'information décisionnel pour les assurancesLes systèmes d'information décisionnel pour les assurances
Les systèmes d'information décisionnel pour les assurances
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
 
Mise en place d'un Data Warehouse
Mise en place d'un Data WarehouseMise en place d'un Data Warehouse
Mise en place d'un Data Warehouse
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & Spark
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big Data
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation Multidimensionnelle
 
Business Intelligence au coeur de la décision
Business Intelligence au coeur de la décisionBusiness Intelligence au coeur de la décision
Business Intelligence au coeur de la décision
 
Conception datawarehouse
Conception datawarehouseConception datawarehouse
Conception datawarehouse
 
DataWarehouse
DataWarehouseDataWarehouse
DataWarehouse
 
Projet BI - 1 - Analyse des besoins
Projet BI - 1 - Analyse des besoinsProjet BI - 1 - Analyse des besoins
Projet BI - 1 - Analyse des besoins
 
Cours Big Data Part I
Cours Big Data Part ICours Big Data Part I
Cours Big Data Part I
 
Cours data warehouse
Cours data warehouseCours data warehouse
Cours data warehouse
 
La BI : Qu’est-ce que c’est ? A quoi ça sert ?
La BI : Qu’est-ce que c’est ? A quoi ça sert ?La BI : Qu’est-ce que c’est ? A quoi ça sert ?
La BI : Qu’est-ce que c’est ? A quoi ça sert ?
 
Intégration des données avec Talend ETL
Intégration des données avec Talend ETLIntégration des données avec Talend ETL
Intégration des données avec Talend ETL
 
Une introduction à Hive
Une introduction à HiveUne introduction à Hive
Une introduction à Hive
 
Concéption et réalisation d'un processus décisionnel, tableau de bord social.
Concéption et réalisation d'un processus décisionnel, tableau de bord social.Concéption et réalisation d'un processus décisionnel, tableau de bord social.
Concéption et réalisation d'un processus décisionnel, tableau de bord social.
 

En vedette

Les 4 piliers de l’intelligence d’affaires.03.10
Les 4 piliers de l’intelligence d’affaires.03.10Les 4 piliers de l’intelligence d’affaires.03.10
Les 4 piliers de l’intelligence d’affaires.03.10Quotient Management
 
Projet outils organisation_projet version 2014
Projet outils organisation_projet  version 2014Projet outils organisation_projet  version 2014
Projet outils organisation_projet version 2014Rémi Bachelet
 
exercices gestion de stock
exercices gestion de stock exercices gestion de stock
exercices gestion de stock Yassine Badri
 
.logistique gestion des stock
.logistique gestion des stock .logistique gestion des stock
.logistique gestion des stock Yassine Badri
 
L’analytique web : Transformer les chiffres en intelligence d’affaires
L’analytique web : Transformer les chiffres en intelligence d’affairesL’analytique web : Transformer les chiffres en intelligence d’affaires
L’analytique web : Transformer les chiffres en intelligence d’affairesGestion Websource inc.
 
Présentation MRP
Présentation MRPPrésentation MRP
Présentation MRPmylonite
 
Historia cosasdeandalucia 3.doc
Historia cosasdeandalucia 3.docHistoria cosasdeandalucia 3.doc
Historia cosasdeandalucia 3.doccosasdeandalucia
 
Presentation Sans Titre 1
Presentation Sans Titre 1Presentation Sans Titre 1
Presentation Sans Titre 1din
 
Les animaux-du-national-geographic-1
Les animaux-du-national-geographic-1Les animaux-du-national-geographic-1
Les animaux-du-national-geographic-1Saqqarah 31
 
Atelier T13 - Gérer sa e-réputation et en faire un atout commercial - Salon e...
Atelier T13 - Gérer sa e-réputation et en faire un atout commercial - Salon e...Atelier T13 - Gérer sa e-réputation et en faire un atout commercial - Salon e...
Atelier T13 - Gérer sa e-réputation et en faire un atout commercial - Salon e...Salon e-tourisme #VeM
 
Expand your Like. Campaña de comunicación
Expand your Like. Campaña de comunicaciónExpand your Like. Campaña de comunicación
Expand your Like. Campaña de comunicaciónIvan Lou
 
Questionnaire Waver
Questionnaire WaverQuestionnaire Waver
Questionnaire Waversenik
 
Saúde Laboral e Condicións de Traballo
Saúde Laboral e Condicións de TraballoSaúde Laboral e Condicións de Traballo
Saúde Laboral e Condicións de Traballoignaciotomas
 
Fabrication numérique en Livradois-Forez ?
Fabrication numérique en Livradois-Forez ?Fabrication numérique en Livradois-Forez ?
Fabrication numérique en Livradois-Forez ?Meidosem
 

En vedette (20)

Les 4 piliers de l’intelligence d’affaires.03.10
Les 4 piliers de l’intelligence d’affaires.03.10Les 4 piliers de l’intelligence d’affaires.03.10
Les 4 piliers de l’intelligence d’affaires.03.10
 
Rapport 3[1]
Rapport 3[1]Rapport 3[1]
Rapport 3[1]
 
Resume
ResumeResume
Resume
 
Projet outils organisation_projet version 2014
Projet outils organisation_projet  version 2014Projet outils organisation_projet  version 2014
Projet outils organisation_projet version 2014
 
exercices gestion de stock
exercices gestion de stock exercices gestion de stock
exercices gestion de stock
 
.logistique gestion des stock
.logistique gestion des stock .logistique gestion des stock
.logistique gestion des stock
 
L’analytique web : Transformer les chiffres en intelligence d’affaires
L’analytique web : Transformer les chiffres en intelligence d’affairesL’analytique web : Transformer les chiffres en intelligence d’affaires
L’analytique web : Transformer les chiffres en intelligence d’affaires
 
Présentation MRP
Présentation MRPPrésentation MRP
Présentation MRP
 
EL ARTE EN LA ERA DEL TABLET
EL ARTE EN LA ERA DEL TABLETEL ARTE EN LA ERA DEL TABLET
EL ARTE EN LA ERA DEL TABLET
 
Historia cosasdeandalucia 3.doc
Historia cosasdeandalucia 3.docHistoria cosasdeandalucia 3.doc
Historia cosasdeandalucia 3.doc
 
Regeneration personelle
Regeneration personelleRegeneration personelle
Regeneration personelle
 
Presentation Sans Titre 1
Presentation Sans Titre 1Presentation Sans Titre 1
Presentation Sans Titre 1
 
Les animaux-du-national-geographic-1
Les animaux-du-national-geographic-1Les animaux-du-national-geographic-1
Les animaux-du-national-geographic-1
 
Atelier T13 - Gérer sa e-réputation et en faire un atout commercial - Salon e...
Atelier T13 - Gérer sa e-réputation et en faire un atout commercial - Salon e...Atelier T13 - Gérer sa e-réputation et en faire un atout commercial - Salon e...
Atelier T13 - Gérer sa e-réputation et en faire un atout commercial - Salon e...
 
Expand your Like. Campaña de comunicación
Expand your Like. Campaña de comunicaciónExpand your Like. Campaña de comunicación
Expand your Like. Campaña de comunicación
 
Fórmulas para persuadir con tu página web
Fórmulas para persuadir con tu página webFórmulas para persuadir con tu página web
Fórmulas para persuadir con tu página web
 
Questionnaire Waver
Questionnaire WaverQuestionnaire Waver
Questionnaire Waver
 
Suétone
SuétoneSuétone
Suétone
 
Saúde Laboral e Condicións de Traballo
Saúde Laboral e Condicións de TraballoSaúde Laboral e Condicións de Traballo
Saúde Laboral e Condicións de Traballo
 
Fabrication numérique en Livradois-Forez ?
Fabrication numérique en Livradois-Forez ?Fabrication numérique en Livradois-Forez ?
Fabrication numérique en Livradois-Forez ?
 

Similaire à Méthodologie D’Intelligence D’Affaires

Créer la vue 360° des employés
Créer la vue 360° des employés Créer la vue 360° des employés
Créer la vue 360° des employés Jean-Michel Franco
 
Décisionnel Agile : les conditions du succès
Décisionnel Agile : les conditions du succèsDécisionnel Agile : les conditions du succès
Décisionnel Agile : les conditions du succèsJean-Michel Franco
 
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic  2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic COMPETITIC
 
Introduction aux webanalytiques et KPIs
Introduction aux webanalytiques et KPIsIntroduction aux webanalytiques et KPIs
Introduction aux webanalytiques et KPIsMohammed ALAMI ✅
 
Créer sa micro entreprise itsal ng
Créer sa micro entreprise   itsal   ngCréer sa micro entreprise   itsal   ng
Créer sa micro entreprise itsal ngKBNTIC
 
Parkour3- L’importance de la collecte et de l’analyse de données pour votre e...
Parkour3- L’importance de la collecte et de l’analyse de données pour votre e...Parkour3- L’importance de la collecte et de l’analyse de données pour votre e...
Parkour3- L’importance de la collecte et de l’analyse de données pour votre e...Parkour3
 
Information Management : de l’excellence opérationnelle à l’excellence inform...
Information Management : de l’excellence opérationnelle à l’excellence inform...Information Management : de l’excellence opérationnelle à l’excellence inform...
Information Management : de l’excellence opérationnelle à l’excellence inform...Jean-Michel Franco
 
Gestion des talents - Classification et prédiction dans RH
Gestion des talents - Classification et prédiction dans RHGestion des talents - Classification et prédiction dans RH
Gestion des talents - Classification et prédiction dans RHWassim TRIFI
 
Pannel Retour d'expérience BAFS 2015 Genève : Orange
Pannel Retour d'expérience BAFS 2015 Genève : OrangePannel Retour d'expérience BAFS 2015 Genève : Orange
Pannel Retour d'expérience BAFS 2015 Genève : OrangeBAFS
 
Différents business model canvas
Différents business model canvasDifférents business model canvas
Différents business model canvasGhislain Delabie
 
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !Camp de Bases (Webedia Data Services)
 
Cours systême d'intelligence marketing
Cours systême d'intelligence marketingCours systême d'intelligence marketing
Cours systême d'intelligence marketingJean Roger Mably
 
Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013ADBS
 
Les métiers d’avenir de l’industrie
Les métiers d’avenir de l’industrieLes métiers d’avenir de l’industrie
Les métiers d’avenir de l’industrieDataPerformanceSummit
 
Decizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage CourteDecizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage CourteDecizia
 
Competitic - Numerique en entreprise - Surveillez votre marché et vos concurr...
Competitic - Numerique en entreprise - Surveillez votre marché et vos concurr...Competitic - Numerique en entreprise - Surveillez votre marché et vos concurr...
Competitic - Numerique en entreprise - Surveillez votre marché et vos concurr...COMPETITIC
 
Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3Hervé Husson
 
Méthodes et outils en intelligence économique territoriale
Méthodes et outils en intelligence économique territorialeMéthodes et outils en intelligence économique territoriale
Méthodes et outils en intelligence économique territorialeChristophe Marnat
 
Développez votre data culture avec Azeo
Développez votre data culture avec Azeo Développez votre data culture avec Azeo
Développez votre data culture avec Azeo AZEO
 

Similaire à Méthodologie D’Intelligence D’Affaires (20)

Créer la vue 360° des employés
Créer la vue 360° des employés Créer la vue 360° des employés
Créer la vue 360° des employés
 
Décisionnel Agile : les conditions du succès
Décisionnel Agile : les conditions du succèsDécisionnel Agile : les conditions du succès
Décisionnel Agile : les conditions du succès
 
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic  2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic
2011 02 17 Suivez votre marché et vos concurrents sur internet by competitic
 
Introduction aux webanalytiques et KPIs
Introduction aux webanalytiques et KPIsIntroduction aux webanalytiques et KPIs
Introduction aux webanalytiques et KPIs
 
Créer sa micro entreprise itsal ng
Créer sa micro entreprise   itsal   ngCréer sa micro entreprise   itsal   ng
Créer sa micro entreprise itsal ng
 
Parkour3- L’importance de la collecte et de l’analyse de données pour votre e...
Parkour3- L’importance de la collecte et de l’analyse de données pour votre e...Parkour3- L’importance de la collecte et de l’analyse de données pour votre e...
Parkour3- L’importance de la collecte et de l’analyse de données pour votre e...
 
Information Management : de l’excellence opérationnelle à l’excellence inform...
Information Management : de l’excellence opérationnelle à l’excellence inform...Information Management : de l’excellence opérationnelle à l’excellence inform...
Information Management : de l’excellence opérationnelle à l’excellence inform...
 
Gestion des talents - Classification et prédiction dans RH
Gestion des talents - Classification et prédiction dans RHGestion des talents - Classification et prédiction dans RH
Gestion des talents - Classification et prédiction dans RH
 
Pannel Retour d'expérience BAFS 2015 Genève : Orange
Pannel Retour d'expérience BAFS 2015 Genève : OrangePannel Retour d'expérience BAFS 2015 Genève : Orange
Pannel Retour d'expérience BAFS 2015 Genève : Orange
 
Différents business model canvas
Différents business model canvasDifférents business model canvas
Différents business model canvas
 
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !
#Fiche Produit : Diagnostic & Feuille de Route (Big) Data Marketing !
 
Cours systême d'intelligence marketing
Cours systême d'intelligence marketingCours systême d'intelligence marketing
Cours systême d'intelligence marketing
 
Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013
 
Les métiers d’avenir de l’industrie
Les métiers d’avenir de l’industrieLes métiers d’avenir de l’industrie
Les métiers d’avenir de l’industrie
 
Decizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage CourteDecizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage Courte
 
Competitic - Numerique en entreprise - Surveillez votre marché et vos concurr...
Competitic - Numerique en entreprise - Surveillez votre marché et vos concurr...Competitic - Numerique en entreprise - Surveillez votre marché et vos concurr...
Competitic - Numerique en entreprise - Surveillez votre marché et vos concurr...
 
Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3
 
Méthodes et outils en intelligence économique territoriale
Méthodes et outils en intelligence économique territorialeMéthodes et outils en intelligence économique territoriale
Méthodes et outils en intelligence économique territoriale
 
Développez votre data culture avec Azeo
Développez votre data culture avec Azeo Développez votre data culture avec Azeo
Développez votre data culture avec Azeo
 
Offre Search
Offre SearchOffre Search
Offre Search
 

Plus de Alain Charpentier (18)

Coud discovery chap 10
Coud discovery chap 10Coud discovery chap 10
Coud discovery chap 10
 
Coud discovery chap 9
Coud discovery chap 9Coud discovery chap 9
Coud discovery chap 9
 
Coud discovery chap 8
Coud discovery chap 8Coud discovery chap 8
Coud discovery chap 8
 
Coud discovery chap 7
Coud discovery chap 7Coud discovery chap 7
Coud discovery chap 7
 
Coud discovery chap 6
Coud discovery chap 6Coud discovery chap 6
Coud discovery chap 6
 
Coud discovery chap 5
Coud discovery chap 5Coud discovery chap 5
Coud discovery chap 5
 
Coud discovery chap 4
Coud discovery chap 4Coud discovery chap 4
Coud discovery chap 4
 
Coud discovery chap 3
Coud discovery chap 3Coud discovery chap 3
Coud discovery chap 3
 
Coud discovery chap 2
Coud discovery chap 2Coud discovery chap 2
Coud discovery chap 2
 
Coud discovery chap 1
Coud discovery chap 1Coud discovery chap 1
Coud discovery chap 1
 
Why BI needs CMMI-5
Why BI needs CMMI-5Why BI needs CMMI-5
Why BI needs CMMI-5
 
Generic Bi Landscape 2010 02 11
Generic Bi Landscape 2010 02 11Generic Bi Landscape 2010 02 11
Generic Bi Landscape 2010 02 11
 
Application Portfolio Management
Application Portfolio ManagementApplication Portfolio Management
Application Portfolio Management
 
TDWI BI Framework
TDWI BI FrameworkTDWI BI Framework
TDWI BI Framework
 
Méthodologie de Centre de Compétance
Méthodologie de Centre de CompétanceMéthodologie de Centre de Compétance
Méthodologie de Centre de Compétance
 
BI Framework
BI FrameworkBI Framework
BI Framework
 
Lean Thinking
Lean ThinkingLean Thinking
Lean Thinking
 
Introduction au "Lean IT"
Introduction au "Lean IT"Introduction au "Lean IT"
Introduction au "Lean IT"
 

Méthodologie D’Intelligence D’Affaires

  • 1. Méthodologie d’Intelligence d’Affaires”Business Intelligence Roadmap”développé parLarissa T. Moss and Shaku Atre Presented by: Alain Charpentier
  • 2. Table des matières Origine de la méthodologie Définitions Présentation de la méthodologie Résumé Critiques et bénéfices Questions
  • 3. Business Intelligence Roadmap est un guide visuel de développement pour l’intelligence d'affaires efficace (BI). Ce livre décrit une méthodologie qui tient compte la complexité du développement d'applications dans un environnement intégré. Les auteurs décrivent chaque étapes du processus - de la planification stratégique, la sélection de nouvelles technologies jusqu’à l'évaluation finals. Ce livre est également une source unique sur les meilleures pratiques de projet de BI. Origine de la méthodologie
  • 4. Definitions Intelligence d’affaires « La collecte et l'analyse d'informations provenant de sources humaines et de sources informationnels sur les réalisations et les tendances qui permettent d'identification précoce de risques et d'opportunités.»  Solution d’intelligence d’affaires Gestion de la performance Gestion de la relation client (CRM) Ventes et marketing Gestion financière
  • 5. Definitions BI vs. Système traditional Besoins d’affaires => Opportunités d’affaires Développement multi-diciplinaire Des besoins opérationnel au besoins stratégique Systèmes informationnels =>Système transactionnels Développement incremental plutôt que le “big bang”
  • 6. Présentation du modèle 1. Justification 6. Mise en oeuvre 2. Plannification 5. Construction 3. Analyse 4. Conception
  • 7. 1 - Justification ”Évaluation des besoins d’affaires qui justifient le démarrage d’un nouveau projet” Analyse préliminaire (Business Cases) Définitions des problèmes et des opportunitiés
  • 8. 2 - Planification Évaluation des infrastructures Infrastructures techniques Infrastructure organisationnels Planification du projet Planification détaillé
  • 9. 3 – Analyse “Analyse détaillé de la problématique d’affaires et des opportunités ce qui permet de développer une bonne connaissance des besoins d’affaires”. Définition des besoins Functionels, informationnel, historique, sécurité et performance Analyse des données Source de données, qualité des données, épuration (cleansing) Prototype Objectifs, étendus, liverables, participation, outils Analyse du référenciel des Meta-Data Utilisation, sécurité, capture, accèss, ressources
  • 10. 4 - Conception ”Conception d’un produit qui addresse la problématique d’affaires et qui génère de nouvelles opportunités” Conception de la base de données Raports, modèle de données, performance, resources Conception des transformations (ETL) Outils, processus de transformation ETL, performance, réconciliation Conception du référenciel de Meta-Data Utilisation de l’existant, acquisition de produits, interfaces, resources
  • 11. 5 - Construction ”Construire un produit qui fournira un retour sur l’investissement à l’intérieur d’un calendrier prédéfinie” Développement des transformations ETL Extraction de données, outils ETL, processus ETL, dépendences, test, considérations techniques Développement applicatifs Résultat du prototype, outils d’accès et d’analyse, compétance et formation, étendue et gestion des besoins, internet et considérations techniques. Forage de données Marché, données, outils de forage, ressources Développement des Meta-Data Produit pour les Méta-Data, ressources
  • 12. 6 – Mise en oeuvre Mise en production Mise en production du nouveau système Formation Evaluation ”Leçon aprise”
  • 13. Résumé du modèle 4. Conception 5. Construction 3. Analyse ETLDesign ETLDevelop DataAnalysis 1. Justification 2. Plannification 6. Mise en oeuvre DBDesign ApplDevelop Produc- tion Evalua-tion Business Case Infra-structure Planning Require-ments Proto-type DataMining MDR Design Meta-Data MDR Develop
  • 14. Gestion du risques Marché Industrie Clients Strategies et actions Du BI à la compétitivité
  • 15. Critiques: Un livre “Bullet point” Pour le praticien, peu d’explication des concepts de base Pas de détail sur l’utilisation de l’information Pas orienté outils, les outils BI sont complexes et dificile d’utilisation Critiques et bénéfices Bénéfices: Accessible Basé sur les meilleurs pratiques Influence le comportement des utilisateurs Très directe, orienté collaboration “La clé du succès en intelligence d’affaires et de fournir des outils au utilisateurs dans un mode qui entraine une meilleur collaboration entre l’informatique et la communauté d’affaires”