Les systèmes d'information décisionnel pour les assurances

Mémoire de fin d’études –Partie Etude bibliographique-
Pour l’obtention du diplôme d’ingénieur d’état en Informatique
Option : Systèmes d’Information et Technologies
Thème
Réalisé par : Encadré par :
Mlle. BEKKOUCHE Salma Mr. BOUZIANI Lotfi
Mlle. LANASRI Dihia
Promotion : 2014/2015
Conception et Réalisation d’un Système
d’Information Décisionnel pour les assurances
République Algérienne Démocratique et Populaire
‫الشــعبية‬ ‫الديمــقراطيــة‬ ‫الجــزائريــة‬ ‫الجـمهوريــــة‬
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
‫العلـــم‬ ‫البــحث‬ ‫و‬ ‫العــالي‬ ‫التـعليـم‬ ‫وزارة‬‫ي‬
‫المدر‬‫س‬‫اآللي‬ ‫لإلعالم‬ ‫العليا‬ ‫الوطنية‬ ‫ة‬
) ‫سابقا‬ ‫اآللي‬ ‫اإلعالم‬ ‫في‬ ‫للتكوين‬ ‫الوطني‬ ‫المعهد‬ (
Ecole nationale Supérieure d’Informatique
Ex.INI (Instituts National de formation en Informatique)
Ecole nationale Supérieure d’Informatique

II
Table des matières
Liste des figures .............................................................................................................................................IV
Liste des tableaux..........................................................................................................................................IV
Partie I: Etat de l'art …………………………………………………………………………………………......5
Chapitre 1: Les Systèmes d’Information Décisionnels ………………………………………….6
1. Le processus décisionnel ....................................................................................................................7
1.1. Donnée....................................................................................................................................................7
1.2. Information...........................................................................................................................................7
1.3. Connaissance........................................................................................................................................8
1.4. Décision.................................................................................................................................................8
2. Qu’est-ce qu’un système d’information décisionnel ?..................................................................8
2.1. Historique de l’informatique décisionnelle..............................................................................8
3. Objectifs de SID.......................................................................................................................................9
4. Le Système Opérationnel Vs Le Système Décisionnel ..........................................................10
5. L’architecture d’un SID .....................................................................................................................11
5.1. Collecte de données (Datapumping) ...................................................................................11
5.2. Le processus ETL (Extract, Transform et Load)..............................................................11
5.3. Stockage de données..................................................................................................................12
5.4. Analyse et Restitution ...............................................................................................................13
Conclusion.......................................................................................................................................................13
Chapitre 2: Les Data Warehouse ..………………………………………………………………………14
1. Data Warehouse ..................................................................................................................................15
2. Data Mart................................................................................................................................................15
2.1. Types de Data Mart ....................................................................................................................16
3. Modélisation dimensionnelle.........................................................................................................16
3.1. Niveau conceptuel ......................................................................................................................16
3.2. Niveau Logique ............................................................................................................................19
4. Approches de développement d’un Data Warehouse...........................................................21
4.1. Approche incrémentielle Top-down ...................................................................................21
4.2. Approche incrémentielle Bottom-up...................................................................................21
4.3. Synthèse des approches de développement.....................................................................21

III
Conclusion.......................................................................................................................................................22
Chapitre 3: Les outils de restitution et d’analyse de données …………………………….23
1. Les outils décisionnels......................................................................................................................24
2. Le tableau de bord..............................................................................................................................24
2.1. Définition........................................................................................................................................25
2.2. Objectifs d’un tableau de bord...............................................................................................25
2.3. Caractéristiques d’un tableau de bord................................................................................26
2.4. Indicateurs clés de performance (KPI)...............................................................................26
3. Analyse multidimensionnelle.........................................................................................................27
3.1. Définition........................................................................................................................................27
3.2. Objectifs d’analyse OLAP..........................................................................................................27
4. Recherches corrélatives : Datamining, Forage de données................................................28
4.1. Définition........................................................................................................................................28
4.2. Objectifs des outils de Datamining.......................................................................................28
5. Reporting................................................................................................................................................29
5.1. Définition........................................................................................................................................29
5.2. Objectifs du Reporting ..............................................................................................................29
Conclusion.......................................................................................................................................................29
Chapitre 4: Les assurances ………………………………………………………………………………….30
1. Terminologies ......................................................................................................................................31
2. Définition de l’assurance..................................................................................................................31
3. Historique des assurances...............................................................................................................32
4. Types d’assurance ..............................................................................................................................32
4.1. Assurance des personnes.........................................................................................................33
4.2. Assurance des dommages........................................................................................................33
5. Rôle social et économique de l’assurance .................................................................................33
5.1. Rôle social......................................................................................................................................33
5.2. Rôle économique.........................................................................................................................34
Conclusion.......................................................................................................................................................34

IV
Liste des figures
Figure 1: Processus d’un Système Décisionnel...................................................................................7
Figure 2: Architecture d’un système d’information décisionnel [TOURNIER 2007]......11
Figure 3: Exemple d'un schéma en étoile [KHOURI 2008] .....................................................18
Figure 4: Exemple d'un schéma en flocon de neige [KHOURI 2008] ...................................18
Figure 5: Exemple d'un schéma en constellation............................................................................19
Figure 6: Représentation d’un cube multidimensionnel selon MOLAP [KHOURI 2008]
.............................................................................................................................................................................20
Figure 7: Les outils de restitution et d’anlyse de données [Web 06].....................................24
Figure 8: Exemple de tableau de bord –JasperSoft-.......................................................................25
Figure 9: Analyse des ventes d’une chaine de magasin informatique (vision cubique)
[TOURNIER 2007]......................................................................................................................................28
Liste des tableaux
Tableau 1: Comparaison entre l’OLTP et l’OLAP ............................................................................10
Tableau 2: Data Warehouse Vs Data Mart [Web 04] ...................................................................16
Tableau 3: Data Mart dépendant (Avantages Vs Inconvénients) [Web 04]........................16
Tableau 4: Data Mart indépendant (Avantages Vs Inconvénients) [Web 04]....................16
Tableau 5: Comparaison entre R-OLAP, M-OLAP et H-OLAP [KHOURI 2008] [BOUALI
et al, 2014].....................................................................................................................................................20
Tableau 6: Comparaison entre Top-Down et Bottom-up [BELLACHE et al, 2014] ........21

Partie I :
Etat de l’art
Chapitre 1 : Les systèmes d’information décisionnels
Chapitre 2 : Les Data Warehouse
Chapitre 3 : Les outils de restitution et d’analyse de données
Chapitre 4 : Les assurances

Chapitre 1
Les systèmes d’information
décisionnels
« Savoir, pour prévoir, afin de pouvoir. »
Auguste Comte1
Durant les dernières années, l’information est devenue une ressource stratégique pour les
entreprises, c’est pourquoi ces dernières s’intéressent de plus en plus au management de
leurs capital informationnel.
Pour permettre un pilotage efficace et faire face à la concurrence rude sur le marché, se
doter d’un système d’information décisionnel est primordial afin d’aider les décideurs à
prendre les bonnes décisions au moment opportun. Donc, le Système d’Information
Décisionnel (SID) devrait figurer dans la liste des priorités des entreprises.
A travers ce chapitre, nous allons aborder la notion de système d’information décisionnel et
son architecture.
1
C’est un philosophe français, fondateur du positivisme, considéré comme l’un des précurseurs de la sociologie.

Partie I Chapitre 1 : Les systèmes d’information décisionnels
1. Le processus décisionnel
Le processus décisionnel consiste à transformer le capital de données d’une entreprise
en informations pertinentes à partir desquelles les décideurs peuvent tirer des
connaissances afin d’aboutir à de bonnes décisions touchant tous les niveaux de
l’entreprise.
Figure 1: Processus d’un Système Décisionnel
1.1. Donnée
Désigne «une description élémentaire, souvent codée, d’une chose, d’une transaction
d’affaires, d’un événement, etc. Les données peuvent être conservées et classées sous
différentes formes : papier, numérique, alphabétique, image, son, etc. » [INFORMATICA
2008]
1.2. Information
Selon Jean-Louis LEVET1: « l’information reste un ensemble de données formatées et
structurées.» [LEVET 2001]
L’information est devenue le « nerf de la guerre ». Disposer de l’information utile avant
ses concurrents et savoir la rendre disponible à ceux qui savent en tirer profit dans
l’entreprise, sont des éléments qui permettent de faire la différence. [Web 01]
1
Jean-Louis LEVET : un économiste. Il a été nommé par le gouvernement Français, en mai 2013,
Haut Responsable à la coopération industrielle et technologique Franco-Algérienne

8
1.3. Connaissance
Selon Jean-Louis LEVET: « La connaissance est d’abord une capacité d’apprentissage et
une capacité cognitive…La propriété essentielle de la connaissance est de pouvoir par
elle-même engendrer de nouvelles connaissances…La connaissance est composée non
seulement d’informations à caractère public, mais aussi de savoir-faire inexprimables
formellement et donc difficilement transférables. Ils sont incorporés dans les individus
et les organisations. » [LEVET 2001]
1.4. Décision
La décision est un acte par lequel un décideur opère un choix entre plusieurs options
permettant d’apporter une solution satisfaisante à un problème donné ou l’exécution
d’une action ou d’un projet avec toutes les conséquences que cette décision pourrait
engendrer [Web 02].
2. Qu’est-ce qu’un système d’information décisionnel ?
Un système d’information décisionnel (SID), Business Intelligence en Anglais ou
l’informatique décisionnelle sont des appellations différentes pour un même concept.
Un système d’information décisionnel est : « l’ensemble des outils informatiques
(matériels et logiciels) qui permettent l’analyse des données opérationnelles issues du
système d’information des entreprises. Ces données sont transformées en une vision
orientée décideur puis analysées au moyen de manipulations et de restitutions
adaptées.» [TOURNIER 2007]
2.1. Historique de l’informatique décisionnelle
Selon [GAM EL GOLLI 2008], les systèmes décisionnels ont connu une certaine
évolution. Dans ce qui suit, nous présentons un petit aperçu sur l’évolution de
l’informatique décisionnelle :
Années 70-80 ‘L’infocentre’ : l’infocentre1 nait pour répondre au besoin de stockage de
données. Pour faire des analyses, les informaticiens suivent un processus qui consiste à
1
Infocentre : concept lancé par IBM en 1980, il permet aux utilisateurs d’accéder à leurs données dans leurs
propres termes [ROUX 1991]

9
se poser des questions sur une situation, et la réponse à cette question induit à une autre
jusqu’à obtenir un rapport d’analyse de cette situation.
Années 90 ‘EIS’ : EIS1 (Executive Information System) proposent les premiers tableaux
de bord mais malgré ça, les systèmes se retrouvent surchargés et ne satisfont pas les
besoins des décideurs en matière d'informations pertinentes.
Fin des années 90 : le Système Décisionnel est devenu basé sur l’utilisation:
 Des entrepôts de données.
 Des bases de données multidimensionnelles OLAP.
Et jusqu’à nos jours, cette informatique ne cesse de se développer afin de répondre à
d’autres besoins que les décideurs expriment.
3. Objectifs de SID
Les raisons pour lesquelles les entreprises recourent à un système décisionnel sont
communes malgré la variété de leurs domaines d’activités. Selon [KIMBALL et al,
2013] les objectifs d’un système décisionnel sont :
 Accessibilité facile et rapide aux informations.
 Cohérence des informations : les données du système sont crédibles et de
qualité.
 Adaptation aux changements : les données existantes doivent généralement
rester inchangées. Lorsque la technologie ou les besoins changent, les données
doivent être changées en mettant au courant tous les utilisateurs du système.
 Présentation des informations à temps : les informations doivent être
disponibles au bon moment afin de réagir rapidement.
 Protection et sécurisation des informations: le système doit permettre le
contrôle d’accès à ces informations confidentielles.
 Conversion de la masse de données en une valeur métier : le système, à travers
les outils d’analyse, permet de dégager une valeur qui aide dans la prise de
décision.
1
EIS : est un système d’information qui permet aux décideurs de récupérer, de façon autonome, les informations
nécessaires à la prise de décisions. [KANICLIDES et al, 1994]

10
4. Le Système Opérationnel Vs Le Système Décisionnel
Le système opérationnel représente les tâches quotidiennes, répétitives et atomiques
(Insertion, modification, suppression) qui sont effectuées par les employés de
l'entreprise pour permettre à cette dernière d'avoir une activité et donc de survivre.
Les systèmes d’information opérationnels OLTP (OnLine Transactional Processing) sont
des systèmes de gestion ou de production faits pour assister les opérations d'une
entreprise.
Avec l’accroissement de volume des données, les systèmes opérationnels se trouvent
limités devant les besoins des dirigeants qui veulent des informations synthétisées pour
l’analyse et la prise de décisions d’où la naissance des systèmes d’information de type
OLAP (On-Line Anlytical Processing).
Dans ce qui suit, nous présentons un tableau comparatif entre les systèmes
opérationnels et décisionnels :
Système opérationnel (OLTP) Système décisionnel (OLAP)
Utilisateur
Grand public : ils sont destinés à toute personne
participant à la vie quotidienne de l'entreprise.
Petit nombre d'utilisateurs : quelques personnes
dans l'entreprise (décideurs).
Le niveau des besoins analytiques est bas Le niveau des besoins analytiques est haut
Une seule vision métier Plusieurs visions métiers
Données
Données atomiques : on manipule un produit, une ligne
de commande, une facture.
Données générales: Les décideurs veulent voir
l'ensemble de l'activité.
BDD normalisée (3ème forme normale) BDD dénormalisée
Petite volumétrie des données : les systèmes de gestion
gèrent des Géga Octets de données.
Gros volumes de données : les SID doivent
regrouper toutes les données de l'entreprise.
Lecture, écriture et modification des données Données en lecture seule
Hétérogènes : Les systèmes OLTP sont souvent
disparates en termes de technologie utilisée.
Homogènes
A besoin des informations récentes. A besoin de garder l’historique des transactions.
Système
Extrêmement rapides Plus c'est rapide, mieux c'est.
Fermés : on ne laisse pas la place à l'improvisation
dans les OLTP, les choix sont restreints, les utilisateurs
sont guidés dans le processus.
Ouverts : les environnements d’un SID doivent
permettre d'accéder le plus simplement possible
aux données.
Transactionnels : les OLTP fonctionnent en utilisant le
principe de transaction.
Non transactionnels : L'utilisateur doit pouvoir
commencer une analyse, revenir en arrière …
Fragmentés : ou décentralisés. Sauf dans le cas des
ERP.
Centralisés : toutes les données sont regroupées en
une même source.
Tableau 1: Comparaison entre l’OLTP et l’OLAP
[GAM EL GOLLI 2008] [HAMLAOUI et al, 2014] [Web 03]

11
5. L’architecture d’un SID
Un système d’information décisionnel comprend quatre composantes principales :
Figure 2: Architecture d’un système d’information décisionnel [TOURNIER 2007]
5.1. Collecte de données (Datapumping)
La collecte de données est une étape primordiale qui consiste à récolter les données à
partir de plusieurs sources opérationnelles de l’entreprise. Souvent ces données sont
hétérogènes, non standardisées. Les sources de données peuvent être d’après [ORACLE
2009]:
a. Les systèmes opérationnels de production : Fichiers plats du système d’exploitation,
Systèmes de base de données, ERP (Enterprise Resource Planning).
b. Les archives : qui sont nécessaires pour l'analyse à long terme car elles fournissent
des données historiques.
c. Les données internes : telles que les feuilles de calcul et les classeurs individuels, qui
ne sont pas directement associés aux systèmes opérationnels de l'entreprise.
d. Les données externes : telles que les rapports périodiques provenant de sources
extérieures, les informations d’analyse concurrentielle, les journaux…
5.2. Le processus ETL (Extract, Transform et Load)

12
« C'est un système par lequel vont passer toutes les données des systèmes opérationnels
avant d'arriver à la forme souhaitée dans l'entrepôt. Les données en sortie seront
nettoyées, purifiées, contextualisées et prêtes à être reçues dans l'entrepôt. » [Web 03]
Selon [KIMBALL et al, 2013], les ETL correspondent à une surface de travail, ils
représentent l’intermédiaire entre le système opérationnel et l’interface du système
décisionnel. Ce processus est constitué de trois étapes :
a. Extraction : c’est la première étape qui consiste à identifier les données à partir
des différentes sources. Elle désigne : lire, comprendre la source de données puis
extraire les données dont on a besoin et les orienter vers le système décisionnel.
b. Transformation : après l’extraction des données, ces dernières subissent un
travail de transformation qui inclut [BELLACHE et al, 2014]:
 Le nettoyage : filtrage des données manquantes, correction des erreurs,
suppression des doublons, réglage de conflits.
 Le formatage et la standardisation : définit les types de données, la
longueur des champs.
 La fusion ou l’éclatement des informations composites.
 L’affectation des clés de substitution.
c. Chargement : C’est la dernière étape qui permet de charger ces données vers la
‘surface présentation’ du système décisionnel. Il y a deux types de chargement :
 Chargement initial : premier chargement de l'entrepôt et dans des cas
spéciaux comme la perte des données, toutes les données seront chargées.
 Chargement incrémentiel : est le fait d'ajouter les nouvelles données à
l’entrepôt existant. C'est une opération qui se répète périodiquement.
5.3. Stockage de données
Un entrepôt de données est un moyen pour centraliser un volume important de données
dans un même endroit unifié et accessible par tous les utilisateurs. On distingue deux
types d’entrepôt de données : Data Warehouse et Data Mart.

13
5.3.1. Data Warehouse
D’après [KIMBALL et al, 2013] et [Inmon 2002] : un Data Warehouse est l’ensemble
des données répertoriées, nettoyées, valides, complètes et cohérentes d'une entreprise.
Ces données sont organisées d’une façon à ce que des non-informaticiens puissent
comprendre sa structure et donc l'exploiter, sans l'intervention d'un informaticien. Ce
paragraphe sera abordé plus en détails dans le (chapitre 2)
5.3.2. Data Mart
Appelé aussi ‘magasin de données’, un Data Mart est un extrait d’un Data Warehouse.
Les données extraites sont adaptées à une classe de décideurs ou à un usage particulier
[TESTE 2000]. En d’autres termes un Data Mart se focalise sur les données d’un seul
département au sein de l’entreprise tel que : Marketing, Vente. Ce paragraphe sera
abordé plus en détails dans le (chapitre 2)
5.4. Analyse et Restitution
Pour faciliter l’accès à l’information, pour tous les utilisateurs selon leurs profils métiers
et afin d’extraire les éléments de décision pour dynamiser la réactivité globale dans
l’entreprise, certains outils ont été mis à la disposition des décideurs. Ces outils sont des
applications qui peuvent être simples (Reporting, Tableau de bord) ou sophistiquées
(Data mining). Ce paragraphe sera abordé plus en détails dans le (chapitre 3)
Conclusion
Aujourd’hui, l’informatique décisionnelle est considérée comme un outil puissant qui
aide les décideurs à mettre en place leurs stratégies.
De plus, nous trouvons que les Systèmes d’Informations Décisionnels sont devenus
parmi les premières occupations des entreprises afin de disposer des informations
précises et donc assurer un pilotage efficace de l’activité de cette dernière.
Mais pour arriver à déployer un SI décisionnel au niveau d’une organisation, il s’avère,
généralement, nécessaire de passer par un entrepôt de données qui fait l’objectif du
prochain chapitre.

Chapitre 2
Les Data Warehouse
« Un Data Warehouse ne s’achète pas, il
se construit »
Bill Inmon1
Dans une architecture d’un système d’information décisionnel, on considère le stockage de
données comme étape vitale afin de pouvoir répondre par la suite aux requêtes d’analyse.
Après que l’ETL soit appliqué sur les données, ces dernières sont directement stockées soit
dans un entrepôt de données (Data Warehouse) ou dans un magasin de données (Data Mart).
A travers ce chapitre, nous allons aborder en détails le Data Warehouse et le Data Mart.
Nous allons également détailler la modélisation dimensionnelle et nous clôturerons par les
approches de développement d’un Data Warehouse.
1
C’est un informaticien américain reconnu comme le pionnier des entrepôts de données

Partie I Chapitre2 : Les Data Warehouse
1. Data Warehouse
Plusieurs définitions ont été proposées pour définir ce concept, Bill Inmon le considère
comme : « une collection de données orientées sujet, intégrées, non volatiles et évolutives
dans le temps, organisées pour le support d'un processus d'aide à la décision. » [Inmon
2002]
D’après cette définition, on constate que les caractéristiques d’un Data Warehouse sont:
 Orienté sujet : les données sont obligatoirement liées au métier de l’entreprise et
organisées par fonctions. Exemple : Assurances, Banques, Commerce…
 Intégré: les données manipulées au niveau d’un Data Warehouse doivent être
centralisées pour éviter les anomalies. Le Data Waterhouse intégrera ces éléments
pour former une vision unique de l'activité de l'entreprise.
 Non volatile : une fois les données sont stockées au niveau d’un Data Waterhouse,
les opérations de mise à jour ou de suppression ne sont plus autorisées. L’accès est
autorisé uniquement en mode lecture.
 Evolutif dans le temps : c’est le fait de garder l’historique des transactions et de
pouvoir visualiser leurs évolutions dans le temps.
2. Data Mart
Un Data Mart est une forme simple d'un entrepôt de données qui se concentre sur un
seul domaine d’activités telles que les ventes, les finances, ou marketing. Les Data Mart
sont souvent conçus et pilotés par un seul département au sein d'une organisation. Les
Data Mart rassemblent ses données à partir de quelques sources ou à partir d’un Data
Warehouse. [Web 04]
Or, un Data Warehouse s’occupe de plusieurs domaines d’activités et il est mis en œuvre
et contrôlé par une seule unité d'organisation centrale comme la DSI.
Le tableau suivant montre une comparaison entre un Data Warehouse et un Data Mart :

16
Caractéristiques Data Warehouse Data Mart
La portée L’entreprise Le département
Le sujet Plusieurs Un seul
La source de données Beaucoup Peu
La taille
A partir de 100 Giga Byte et
dépasse 1 Tera Byte
<100 Giga Byte
La durée
d’implémentation
De quelques mois à plusieurs
années
Quelque mois
Tableau 2: Data Warehouse Vs Data Mart [Web 04]
2.1. Types de Data Mart
Selon les sources de données, on distingue deux types de Data Mart [Web 04]:
a. Data Mart dépendant : les données de ce type proviennent à partir d'un Data
Warehouse central déjà existant.
Avantages Inconvénient
 Données disponibles à partir d’une
seule source
 Processus ETL unique
- Possibilité d’accès aux données des
autres départements
Tableau 3: Data Mart dépendant (Avantages Vs Inconvénients) [Web 04]
b. Data Mart indépendant : ce sont des systèmes autonomes construits par
l'extraction des données directement à partir de sources opérationnelles ou
externes, ou les deux.
 Un délai de réponse plus court
 Protéger les données d’un
département spécifique.
- Mise en place d’un Processus ETL
dédié pour chaque Data Mart
Tableau 4: Data Mart indépendant (Avantages Vs Inconvénients) [Web 04]
3. Modélisation dimensionnelle
La modélisation dimensionnelle se présente sous deux niveaux : conceptuel et logique.
3.1. Niveau conceptuel
La conception de l’entrepôt de données est basée sur une modélisation dimensionnelle
qui est une technique d’organisation des données dans un schéma simple et
compréhensible [CHOUDER 2007].

17
3.1.1. Les composants du schéma dimensionnel
Un schéma dimensionnel est composé de :
a. Table des Faits
Représente le sujet d’analyse. Elle est composée d’un ensemble de mesures qui
représentent les différentes valeurs de l’activité analysée. [ENCINAS 2005]
Chaque table des faits contient au moins deux clés étrangères qui la connectent aux
dimensions. Chaque ligne dans la table des faits correspond à un événement mesurable,
ce qui représente le grain (niveau de granularité). [KIMBALL et al, 2013]
b. Fait
Le terme ‘Fait’ représente une mesure métier dans une table des faits. Les mesures dans
les tables des faits sont classées selon trois catégories qui sont principalement
[KIMBALL et al, 2013] :
 Purement additifs : les faits peuvent être sommés suivant toutes les dimensions
associées à la table des faits.
 Semi-additif : les faits peuvent être sommés suivant quelques dimensions.
 Non additifs : comme les ratios.
c. Grain
Il désigne la signification d’une ligne dans une table des faits. Les tables dimensions et
faits doivent être cohérentes avec le grain défini ce qui crée une cohérence totale dans
tous le schéma dimensionnel réalisé. [Kimball et al, 2013]
d. Table de Dimension
Se compose de paramètres (ou attributs) qui servent à enregistrer les descriptions
textuelles. Ces paramètres sont utilisés pour l’analyse. [ENCINAS 2005]
Une hiérarchie de dimension : est le résultat de la décomposition d’une ou
plusieurs dimensions en plusieurs niveaux. [KHOURI 2008]
3.1.2. Les types de schéma dimensionnel
On distingue plusieurs types de schémas dimensionnels qui sont :

18
a. Schéma en étoile
Dans ce schéma, chaque dimension est représentée par une table de dimension et les
mesures par une table des faits qui référencie les tables de dimension en utilisant une
clé étrangère pour chacune d’elles. [BELLATRECHE 2000]
Dans ce schéma, les informations associées à une hiérarchie de dimension, sont
représentées dans une seule table. [KHOURI 2008]
Figure 3: Exemple d'un schéma en étoile [KHOURI 2008]
b. Schéma en flocon de neige
Le schéma en étoile peut s’étendre à un schéma en flocon de neige. Cela est vérifié grâce
à l’application d’une hiérarchie sur une ou plusieurs dimensions. Ce schéma peut réduire
les performances de l’entrepôt au moment de son utilisation car il présente un temps de
réponse élevé causé par plusieurs jointures dans une seule requête. [KHOURI 2008]
Figure 4: Exemple d'un schéma en flocon de neige [KHOURI 2008]

19
c. Modèle en constellation
C’est l’utilisation partagée des mêmes tables de dimensions par plusieurs tables de faits.
[KHOURI 2008]
Figure 5: Exemple d'un schéma en constellation
3.2. Niveau Logique
C’est la description de la base multi dimensionnelle suivant la technique utilisée. Il existe
principalement trois techniques :
3.2.1. R-OLAP
Les systèmes ROLAP (Relational On-Line Analytical Processing) stockent les données en
utilisant un SGBD relationnel. Chaque dimension est représentée par une table de
dimension et chaque fait est représenté par une table de fait. Les mesures sont stockées
dans les tables des faits. [KHOURI 2008]
3.2.2. M-OLAP
Les systèmes MOLAP (Multidimensional On-Line Analytical Processing) implémente le
cube (qui est une intersection de données dans un espace à plusieurs dimensions) sous
forme d’un tableau multidimensionnel. Chaque dimension du tableau représente une
dimension du cube. Les données représentent chaque cellule du cube. C’est une solution
de stockage qui garantit un temps de réponse rapide. [KHOURI 2008]

20
Figure 6: Représentation d’un cube multidimensionnel selon MOLAP [KHOURI 2008]
3.2.3. H-OLAP
Les systèmes HOLAP (Hybrid On-Line Analytical Processing) sont des systèmes où les
données fréquemment utilisées (données agrégées) sont maintenues par un SGBD
multidimensionnel, et les données non fréquemment utilisées dans un SGBD relationnel.
[KHOURI 2008]
3.2.4. Synthèse
R-OLAP
 Exploitation d’un SGBD
relationnels existants.
 Stockage de grandes quantités
de données.
- Temps de réponse élevé.
M-
OLAP
 Temps de réponse très court.
- Coûts élevés (les licences des bases
multidimensionnelles et du
développement)
- Le besoin de redéfinir des opérations
pour manipuler les structures
multidimensionnelles.
- Difficulté de la mise à jour et de la
gestion du modèle.
H-OLAP
 Temps de réponse assez court.
 Moins couteux financièrement.
- Cette méthode ne pourra pas être
utilisée si les rapports sont trop
complexes.
Tableau 5: Comparaison entre R-OLAP, M-OLAP et H-OLAP [KHOURI 2008] [BOUALI
et al, 2014]

21
4. Approches de développement d’un Data Warehouse
Dans un projet de développement d’un Data Warehouse, la difficulté réside dans le choix
de la meilleure approche du développement qui dépend essentiellement de la structure
et la culture de l’entreprise. Parmi les approches de développement, on trouve:
4.1. Approche incrémentielle Top-down
C’est une approche globale dans laquelle un grand entrepôt de données à l’échelle de
toute l’entreprise est construit. L’entrepôt va alimenter des magasins de données locaux
ou départementaux. [BELLACHE et al, 2014]
4.2. Approche incrémentielle Bottom-up
L’approche Bottom-Up consiste à construire des magasins de données indépendants un
par un, puis les regrouper par des niveaux intermédiaires jusqu’à l’obtention d’un
entrepôt. [BELLACHE et al, 2014]
4.3. Synthèse des approches de développement
Avantages Inconvénients
Approche
incrémenti
elle
Top-down
 Vision claire et globale des
données de l’entreprise.
 Intégration et consolidation
complète des données de
l’entreprise.
 Stockage unique et centralisé
des données.
 Contrôle centralisé.
 Maintenance facile.
- Longue et coûteuse à développer
- Risque d’échec important.
- Résultats non immédiats.
Approche
incrémenti
elle
Bottom-up
 Implémentation rapide, facile
et peu coûteuse.
 Résultats rapides.
 Risque d’échec minime.
 Approche incrémentale
(magasins importants
d’abord)
- Chaque magasin de donnée indépendant a sa
propre vision limitée des données.
- Incohérences et redondance des données
entre les magasins de données.
- Fragmentation des données.
- Performance non optimale des analyses
impliquant plusieurs magasins de données.
- Volume de travail d’intégration important
pour obtenir un entrepôt de données.
Tableau 6: Comparaison entre Top-Down et Bottom-up [BELLACHE et al, 2014]

22
Conclusion
La mise en place d’un Data Warehouse nécessite une étude conceptuelle approfondie qui
permet de choisir la méthode d’implémentation la plus adéquate. Pour développer un
Data Warehouse, nous pourrons opter pour l’une des approches Top-down ou Bottom-
up comme nous pourrons combiner entre les deux.
Quel que soit l’approche de développement d’un Data Warehouse, ces paramètres ne
changent jamais sa première mission qui est de répondre aux requêtes des utilisateurs
quand ils l’interrogent à travers les outils d’analyse et de restitution qui seront abordés
dans le chapitre suivant.

Chapitre 3
Les outils de restitution et d’analyse de
données
« If you cannot explain it simply, you do not
understand it well enough. »
Albert Einstein1
Pour assurer sa pérennité et sa prospérité, l’entreprise doit jouer sur deux axes vitaux :
d’abord, elle doit être capable de gérer son capital colossal de données, par la suite, elle
doit essayer de transformer cette richesse en informations utiles à partir desquelles, les
décideurs puissent tirer des connaissances et prendre des décisions stratégiques touchant
ses différents axes.
Afin d’atteindre ce niveau efficace de pilotage, l’entreprise doit disposer des outils qui
permettent la restitution et l’analyse de données.
Alors, quels sont les différents outils associés aux systèmes d’informations décisionnels pour
restituer et analyser les données de l’entreprise ?
1
C’est un grand physicien allemand, connu par ses deux théories : de gravitation et de relativité générale.

Partie I Chapitre3 : Les outils de restitution et d’analyse de données
1. Les outils décisionnels
Ce sont les outils et les logiciels dont les utilisateurs se serviront pour manipuler les
données et profiter des services offerts par l'entrepôt de données et le serveur d'analyse.
Ces outils doivent impérativement être aussi ouverts : pas de menus complexes, pas de
multi choix.
Les avancées technologiques permettent maintenant d'avoir des outils très simples et
très puissants à la portée de tout le monde. [Web 03]
Figure 7: Les outils de restitution et d’anlyse de données [Web 06]
Dans ce qui suit, nous allons explorer les différents outils qui permettent de réaliser une
analyse de données et prendre par la suite des décisions stratégiques.
2. Le tableau de bord
La réussite de la stratégie d’une organisation dépend parfois de sa cohérence avec le SID.
Pour être plus réactif, et efficace, le décideur cherche à disposer d’un tableau de bord
composé d’indicateurs sélectionnés avec soin. [Web 07]

25
Figure 8: Exemple de tableau de bord –JasperSoft-
2.1. Définition
« Le tableau de bord est un ensemble d’indicateurs peu nombreux conçus pour
permettre aux gestionnaires de prendre connaissance de l’état et de l’évolution des
systèmes qu’ils pilotent et d’identifier les tendances qui les influenceront sur un horizon
cohérent avec la nature de leurs fonctions. » [BOUQUIN 2003]
2.2. Objectifs d’un tableau de bord
 Un tableau de bord permet de suivre l’évolution des résultats de l’activité d’une
entreprise à tout instant et d’anticiper sa situation future.
 Il permet également de mesurer l’écart entre les résultats atteints et les objectifs
fixés par les décideurs.
 Il améliore le niveau de la communication entre les différents niveaux
hiérarchiques. [Web 08]
 C’est un outil de veille qui permet de déceler les nouveaux risques et
opportunités pour l’entreprise.

26
2.3. Caractéristiques d’un tableau de bord
Un bon tableau de bord qui s’adapte aux besoins de l’entreprise dans laquelle il est
déployé doit répondre aux critères suivants [Web 08] :
 Synthétique : le nombre d’indicateurs de performance choisi doit être limité et
présenté sous forme graphique pour ne pas perturber le décideur.
 Adaptation à l’entreprise et aux utilisateurs : conception sur mesure.
 Pertinence : il doit éclairer les utilisateurs sur l’évolution des données
fondamentales à la progression de l’entreprise.
 Simulation : il offre la possibilité de simuler des situations prédéterminées.
[FERNANDEZ 2008]
 Outil personnalisable : il remplit une fonction d’éducation, car au fur et à
mesure de l’apprentissage et de la connaissance cumulée du système, l’équipe de
décision fera évoluer l’instrument. [FERNANDEZ 2008]
2.4. Indicateurs clés de performance (KPI)
Un indicateur clé de performance, en anglais : KPI (Key Performance Indicator) se
définit comme suit : « une information devant aider un décideur, individuel ou plus
généralement collectif, à conduire le cours d'une action vers l'atteinte d'un objectif ou
devant lui permettre d'en évaluer le résultat. Il interagit avec trois composantes : les
objectifs induits par la stratégie, les acteurs qui sont les destinataires des informations,
et les actions mises en place par les acteurs pour l'atteinte des objectifs. » [JUGLARET
2013]
Les KPI sont conçus selon le principe SMART désignant les caractéristiques sur
lesquelles repose un objectif à atteindre lors de l’élaboration de la stratégie :
 Spécifique : la définition des KPI doit être claire, concise, et compréhensible.
 Mesurable : il faut disposer de toutes les informations pour calculer les KPI.
 Atteignable : il faut que les objectifs soient réalisables.
 Réaliste : le KPI doit être pertinent pour aider à analyser la situation de
l’entreprise.
 Temporel : les KPI doivent avoir un caractère évolutif dans le temps.

27
3. Analyse multidimensionnelle
Pour assurer une analyse efficace des données se trouvant dans les entrepôts, ces
derniers sont modélisés sous forme multidimensionnelle. Cette modélisation représente
les données sous formes de points dans un espace à plusieurs dimensions (appelé cube
ou hypercube de données). Cette modélisation permet l’expression d’analyse en ligne
(OLAP) multidimensionnelles. [TOURNIER 2007]
3.1. Définition
On-Line Analytical Processing est une : « Activité globale de requêtage et de
présentation de données textuelles et numériques contenues dans l’entrepôt de
données. C’est un style d’interrogation spécifiquement dimensionnel » [KIMBALL 2005]
3.2. Objectifs d’analyse OLAP
Les outils OLAP permettent de traiter les données, de les afficher sous forme de cubes
multidimensionnels et de naviguer sur ces dimensions en utilisant des opérations de
navigation multiples [BELLACHE et al, 2014].
Exemple : La Figure 9 montre un cube d’analyse des activités d’une chaîne de
revendeurs informatiques. Les indicateurs d’analyse liés au métier de vente de cette
chaîne sont : « la quantité » et « le montant de vente ».
On peut analyser ces indicateurs selon trois dimensions : les magasins de ventes, les
Dates de ventes et les Produits vendus. Chaque dimensions est constitué de plusieurs
niveaux de détails ce qui assure une analyse détaillée de l’activité.

28
Figure 9: Analyse des ventes d’une chaine de magasin informatique (vision cubique)
[TOURNIER 2007]
4. Recherches corrélatives : Datamining, Forage de
données
Les entreprises ont besoin d’analyser la masse colossale des données dont elles
disposent pour en tirer des informations utiles et pertinentes à la prospérité de leurs
activités.
Pour cela, l’outil de prospection (Data Mining) permet de réaliser une analyse statistique
en se basant sur des technologies de pointe.
4.1. Définition
La recherche corrélative ou le Data mining est : « le processus qui permet la découverte
de la connaissance. Les outils utilisés dans ce processus partent à la recherche
d’hypothétiques associations en explorant un grand volume de données. Quand les
associations sont vérifiées, l’outil du data mining les remonte à l’utilisateur.» [FRANCO
et al, 2001]
4.2. Objectifs des outils de Datamining
Le data mining répond à deux objectifs, qui sont :

29
 Exploiter autant que possible le capital d’informations disponible et faire sortir
les informations cachées. [FRANCO et al, 2001]
 Constituer des modèles pour découvrir des tendances ou pour anticiper l’avenir.
[SAPORTA 2012]
5. Reporting
5.1. Définition
Le Reporting est : « l’ensemble des comptes rendus permettant à une entreprise de
suivre son activité et de s’évaluer grâce à la création périodique de rapports et de bilans
analytiques de son activité. Ces rapports sont souvent destinés au manager ou au corps
exécutif. » [POLETTO 2012]
Les résultats du reporting sont des rapports périodiques ayant un format prédéfini
[POLETTO 2012]. Les rapports seront ensuite diffusés périodiquement en automatique
ou ponctuellement à la demande sur l’intranet. [HAMLAOUI et al, 2014]
5.2. Objectifs du Reporting
Le but de ces rapports et bilans réguliers est de faire un point ponctuel sur la
stratégie de l’entreprise et ainsi permettre d’évaluer les moyens mis en œuvre
[POLETTO 2012]. De plus, ils fournissent également une aide à la décision pour les
choix stratégiques et économiques de l’entreprise.
Conclusion
Une fois l’information structurée et bien stockée dans l’entrepôt de données, vient le
rôle des outils décisionnels qui permettent d’effectuer des analyses et tirer des
décisions. Ces outils peuvent aller des plus simples : comme les analyses OLAP et le
Reporting, jusqu’aux plus complexes tels que : le Datamining et les tableaux de bord.
Le choix de l’outil à utiliser dépend des besoins de l’entreprise. Cette dernière doit
décider des outils à déployer à son niveau.
Dans le dernier chapitre de la partie I, nous allons voir le domaine du métier des
assurances qui est l’objet de notre sujet de PFE.

Chapitre 4
Les assurances
« Le calcul des probabilités, appliqué à la
mortalité humaine a donné naissance à une
science nouvelle : celle des assurances.»
Emile de Girardin1
Dans sa théorie des besoins de l’homme, Maslow 2a classé le besoin de protection et de
sécurité en deuxième lieu après les besoins physiologiques. Le besoin de sécurité est ressenti
par tout individu. Chacun souhaite se protéger contre les différents risques qui le
menacent.
Il s’agit donc d’un besoin de préservation de notre existence et de nos propriétés .Pour
répondre à ce besoin, l’idée d’assurance est apparue.
Que-ce que l’assurance ? Quelle est l’histoire de son évolution ?
1
C’est un journaliste et homme de politique français.
2
Abraham Maslow était un psychologue américain connu pour sa théorie de l’hiérarchie des besoins.

Partie I Chapitre 4 : Les assurances
1. Terminologies
Nous présentons ci-dessous quelques concepts utilisés dans le métier des assurances :
 Contrat d’assurance ou Police d’assurance : c’est un document qui constate
l’engagement réciproque de l’assureur et de l’assuré. Ce document est composé au
moins des conditions générales et des conditions particulières dans lesquelles le
service sera rendu. Il comprend la prime, la prestation et le risque. [CCSF 2010]
 Prime : c’est un versement effectué par le souscripteur ou l’adhérent en contrepartie
des garanties accordées par l’assureur. [CCSF 2010]
 Sinistre : réalisation de l’événement incertain, créant des dommages. [CCSF 2010]
 Expert d’assurances : après un sinistre, l'expert d'assurances intervient à la
demande d'un client et il doit évaluer le montant des dommages matériels et
éventuellement, celui du préjudice moral subi par le client. [Web 09]
2. Définition de l’assurance
La compréhension du domaine des assurances passe par la définition de quelques
notions telles que : « l’assurance » qui est considérée comme un processus de garantie
du risque, sur le plan juridique et comme une entité organisée en mutualité sur le plan
technique. [OUBAZIZ 2012]
La définition juridique : l’assurance peut être définie comme : « une convention par
laquelle, en contre-partie d’une prime, l’assureur s’engage à garantir le souscripteur en
cas de réalisation d’un risque aléatoire prévu au contrat. » [LAMBERT-FAIVRE 1999]
La définition technique : l’assurance se définie comme « l’opération par laquelle un
assureur organise en mutualité une multitude d’assurés exposés à la réalisation de
certains risques et indemnise ceux d’entre eux qui subissent un sinistre grâce à la masse
comme des primes collectées. » [LAMBERT-FAIVRE 1999]
L'assurance permet le partage des risques entre une multitude de personnes, chaque
assuré ayant droit à recevoir une indemnité en fonction de la nature et de l'importance
des dommages subis en cas de sinistre ou d'accident, en contrepartie du paiement d'une
cotisation appelée prime d'assurance. Le plus souvent, la prime est payée au début

32
d’une certaine période et l’ensemble des primes collectées par l’assureur doit lui
permettre de couvrir les indemnités que celui-ci aura à régler pendant cette période.
C'est la raison pour laquelle on parle d'inversion de la relation entre prestataire de
services (Assureur) et clients (Assurés), puisque le client paie ici le prix (la prime) avant
de recevoir la prestation (l'indemnité) en cas de sinistre. [Web 10]
3. Historique des assurances
Selon [AMADOU 2007], depuis l’antiquité l’assurance existait sous forme d’entraide au
sein d’une communauté humaine. Dans ce qui suit, nous présentons les dates clés de
l’évolution de ce domaine :
 1400 av. J.-C en Egypte : les tailleurs de pierres créaient une caisse destinée à
soutenir les victimes en cas d'accidents.
 Au Moyen Age : les romains et les athéniens avaient accordé une convention « prêt à
la grosse aventure » qui était appliquée sur la Méditerranée, consistait à faire gager
le montant du prêt sur les marchandises dont l'arrivée à bon port déclenchait le
remboursement. Cette méthode a favorisé le commerce maritime qui renfermait des
risques du fait des aléas de la navigation.
 1347 à Gênes en Italie : l’envoi de la première police d’assurance.
 1424 en Italie : l’apparition des premières entreprises d'assurances maritimes.
 02 septembre 1666 à Londres : un incendie s’était déclenché dans une boulangerie.
On avait recensé 13000 maisons détruites, 400 rues dévastées, 100 églises ravagées
d’où la création de la première société d'assurance contre l'incendie sous le nom de
FSFO « Friendly Society Fire Office » par Edward LLOYD.
 1710 : création de la « Sun », le plus ancien assureur au monde.
 16 juillet 1976 : publication du code des assurances.
 Aujourd’hui : l’émergence du domaine des assurances qui est répandu partout dans
le monde afin de répondre aux besoins de sécurité.
4. Types d’assurance
Selon [YANAT 2009], on distingue deux grands types de contrats d’assurances qui sont
l’assurance de personnes et l’assurance des dommages.

33
1.1. Assurance des personnes
Les assurances des personnes ont pour objet de protéger l’assuré lui-même. Ce type
d’assurance regroupe plusieurs catégories :
a. Assurance-vie : c’est la constitution d’une épargne et le versement de celle-ci sous
forme d’un capital ou d’une rente après une certaine date.
b. Assurance-décès : assure aux bénéficiaires le versement d’un capital.
c. Assurance-santé : appelé aussi (Mutuelle) qui prend en charge la part des frais
médicaux non remboursés (Frais d’hospitalisation, assurance complémentaire …).
d. Autres : Chômage, Invalidité, Décès accidentel…
4.2. Assurance des dommages
Elle donne droit à une indemnité, égale au montant du préjudice dû à un événement
accidentel et involontaire affectant le patrimoine de l’assuré. Ce type regroupe :
a. Assurance de responsabilités : c’est la protection de responsabilité de l’assuré
qu’elle soit civile, familiale ou professionnelle.
b. Assurance de biens : c’est la protection des biens appartenant à l’assuré contre
les accidents, incendies, vols (automobile, habitat,…). Elle est aussi appelée l’IARD
(Incendie, Accident et Risques Divers).
2. Rôle social et économique de l’assurance
2.1. Rôle social
Sur le plan social, l’assurance est un moyen qui permet de garantir aux individus et aux
familles, la sécurité de leurs revenus et de leur patrimoine malgré tous les risques
auxquels ceux-ci sont exposés.
Selon [DADDI-HAMMOU 2010] voici quelques exemples :
 Offrir à un sinistré les fonds nécessaires pour reconstruire ou racheter une maison
après avoir perdu la sienne à cause d'un tremblement de terre, inondations....
 Garantir des revenus à la veuve et aux orphelins après la mort du père de famille.

34
 Verser des sommes substitutives au salaire pour un employé qui a perdu son poste
de travail à cause d'un accident qui l'a rendu incapable d'exercer sa profession.
 Aider les malades financièrement pour s'offrir des méthodes de soins plus efficaces
afin de récupérer rapidement leurs capacités physiques.
2.2. Rôle économique
Sur le plan économique, l’assurance joue un rôle important, car selon [MULUMBA-
KENGA et al, 2011] :
Elle permet aux individus d’investir dans des projets en étendant leurs activités au-delà
de ce que le permet un monde sans assurance. Comme elle tend à réduire l’impact de
risque sur l’individu avec l’augmentation de l’effectif d’individus au sein d’un groupe.
Selon [AMADOU 2007] et [DEARBORN 2003] l’assurance est considérée comme :
 Collecteur d’impôts : les produits fournis par l'assurance à sa clientèle engendre
des taxes au profit de l'Etat.
 Créateur d’emploi : l’assurance crée aussi des emplois à travers le personnel qu'elle
met à sa disposition de façon directe ou indirecte.
 Croissance de l’économie du pays : les compagnies d’assurance utilisent les primes
collectés pour :
 Payer les réclamations et les frais d’accomplissement du métier.
 Réserver le reste pour les pertes futures.
 Investir dans des projets économiques importants.
Conclusion
Dans ce chapitre nous avons mis l’accent sur les concepts de base liés au domaine des
assurances. Nous avons montré également les différentes catégories de l’assurance,
nous avons essayé d’illustrer la contribution essentielle de ce domaine sur le plan social
et économique.
L’étude du domaine des assurances nous permet de présenter la CAAT comme une
entreprise Algérienne spécialisée dans ce domaine, ce qui fera l’objet de la prochaine
partie.

35
Références bibliographiques
[AMADOU 2007] AMADOU S. Assurance et économie : cas du Sénégal. Dakar :
CISSE Université Dakar Bourguiba, 2007
[BELLACHE et al, 2014] BELLACHE T, TOUZENE M W. Systèmes décisionnels et modélisation
multidimensionnelle, Mémoire de master en informatique. Alger: ESI,
2014
[BELLATRECHE 2000] BELLATRECHE L. Utilisation des Vues Matérialisées, des Index et de la
Fragmentation dans la conception logique et physique d’un Entrepôt de
Données. Thèse de doctorat en informatique. France : Université de
Clermont-Ferrand II, 2000
[BOUALI et al, 2014] BOUALI M. MEZIANE K. Conception et Réalisation d’un Data Warehouse
et d’un Tableau de bord pour le pôle Automotive et Service du Groupe
Cevital «Activité Vente ». Mémoire de PFE en informatique. Alger: ESI,
2014
[BOUQUIN 2003] BOUQUIN H. Le contrôle de gestion. France: Edition P.U.F, 2003
[CCSF 2010] CCSF Secrétariat général. Comité Consultatif du Secteur Financier.
Glossaire d’assurance, 2010
[CHOUDER 2007] CHOUDER L. Entrepôt Distribué de Données. Thèse de magistère en
informatique. Alger : Institut National de Formation en Informatique
(I.N.I), 2007
[DADDI-HAMMOU 2010] DADDI HAMMOU M. Analyse du comportement du consommateur dans
le marché algérien des assurances. Mémoire de fin de cycle en commerce
et marketing. Alger : ENSSEA (EX INPS), 2010
[DEARBORN 2003] Dearborn Financial Services. Insurance Fundamentals, Dearborn Career
Development, 2003
[ENCINAS 2005] ENCINAS SERNA M.T. Entrepôts de données pour l’aide à la décision
médicale : Conception et expérimentation. Thèse de doctorat en
informatique. France: Université Joseph Fourier, 2005
[FERNANDEZ 2008] Fernandez A. Les nouveaux tableaux de bord des managers : le projet
décisionnel dans sa totalité. 4ème Edition, Paris : Edition d’organisation
(Eyrolles), 2004
[FRANCO et al, 2001] FRANCO J., DE LINGNROLLES S. Piloter l’entreprise grâce au data
warehouse. 2ème Edition, France: Eyrolles, 2001

36
[GAM EL GOLLI 2008] GAM EL GOLLI I. Ingénierie des Exigences pour les Systèmes
d’Information Décisionnels: Concepts, Modèles et Processus La méthode
CADWE. Thèse de doctorat en informatique. Paris I : Université Paris I –
Panthéon – Sorbonne, 2008
[HAMLAOUI et al, 2014] HAMLAOUI N, HAMROUN K. Conception et réalisation d’un Data
warehouse et d’un tableau de bord pour la banque AL Baraka d’Algérie.
Mémoire de PFE en informatique, Alger : ESI, 2014
[INFORMATICA 2008] INFORMATICA. Des données de qualité : Exploitez le capital de votre
organisation. Un livre blanc de JEMM research, 2008
[INMON 2002] INMON W.H. Building the Data Warehouse. 3rd Edition, USA: John Wiley
& Sons, 2002
[JUGLARET 2013] JUGLARET F. Indicateurs et Tableaux de Bord pour la prévention des
risques en Santé-Sécurité au Travail. Thèse de doctorat en Sciences et
Génie des Activités à Risques. Paris : École Nationale Supérieure des
Mines de Paris, 2013
[KANICLIDES et al, 1994] KANICLIDES T., KIMBLE C. Executive Information Systems: A framework
for their development and use. England: University of York - Department
of Computer Science, 1994
[KHOURI 2008] KHOURI S. Modélisation conceptuelle à base ontologique d’un entrepôt
de données. Thèse de magistère en informatique. Alger : Institut National
de Formation en Informatique (I.N.I), 2008
[KIMBALL 2005] KIMBALL R. Le Data Warehouse, Guide de conduite de projet. 1ère
Edition, France: Eyrolles, 2005.
[KIMBALL et al, 2013] KIMBALL R, MARGY R. The Data warehouse toolkit: The Definitive Guide
to Dimensional Modeling. 3rd Edition, United States of America: John
Wiley & Sons, 2013
[LAMBERT-FAIVRE 1999] LAMBERT-FAIVRE Y. Droits des assurances, 10ème Edition. Paris : Ed
Dalloz Delta, 1999
[LEVET 2001] LEVET J-L. L’intelligence économique : mode de pensée, mode d’action,
Paris : Economica, 2001
[MULUMBA-KENGA et al,
2011]
MULUMBA-KENGA MARCEL T, DEVODER P. L’organisation du marché
des assurances et l’impact de l’industrie des assurances sur l’économie
Cas de la R. D. Congo : Louvain School of Management, 2011
[ORACLE 2009] ORACLE. Oracle Database 11g: Data Warehousing Fundamentals, 6-The
ETL Process: Extracting Data, 2009

37
[OUBAZIZ 2012]
OUBAZIZ S. Les réformes institutionnelles dans le secteur des
assurances : cas de l’industrie assurancielle algérienne. Mémoire de
magistère en management des entreprises. Tizi-Ouzou : Université
Mouloud Mammeri de Tizi-Ouzou, 2012
[POLETTO 2012] POLETTO M. L’informatique décisionnelle. Thèse professionnelle en
Informatique. France : Ecole Supérieure d’Informatique CESI EXIA, 2012
[ROUX 1991] ROUX F J. Infocentre pourquoi ? Comment?. France : Eyrolles, 1991
[SAPORTA 2012] SAPORTA G. Introduction au Data Mining et à l’apprentissage statistique.
Paris : Chaire de Statistique Appliquée & CEDRIC, CNAM, 2012
[TESTE 2000] TESTE O. Modélisation et manipulation d'entrepôts de données
complexes et historisées. Thèse de doctorat en informatique. Toulouse :
Université Paul Sabatier de Toulouse (sciences) ,2000
[TOURNIER 2007] TOURNIER R. Analyse en ligne (OLAP) de documents. Thèse de doctorat
en informatique. Toulouse : Université Toulouse III – Paul Sabatier, 2007
[YANAT 2009] YANAT S. Bases techniques de l’assurance. Formation Bancassurance,
Document interne, CAAT – BNA, 2009
1.1. Références Webographiques
[Web 01] PETITE-ENTREPRISE. L’information dans l’entreprise [en ligne], Fiche Pratique, Janvier
2012. Disponible sur : <http://www.petite-entreprise.net/P-3079-81-G1-l-information-
dans-l-entreprise.html> (Consulté le 21.07.2014)
[Web 02] DRISSI M. La prise de décision au sein de l’entreprise [en ligne], 01.10.2008. Disponible
sur : <http://www.enviedentreprendre.com/2008/10/la-prise-de-dci.html> (Consulté le
20.07.2014)
[Web 03] GRIM Y. Passez en mode BI [en ligne]. Disponible sur : <www.developpez.com > (Consulté
le 11.07.2014)
[Web 04] ORACLE. Oracle® Business Intelligence Standard Edition One Tutorial
Release 10g [en ligne]. Disponible
sur : <http://docs.oracle.com/html/E10312_01/dm_concepts.htm> (Consulté le
24.08.2014)
[Web 05] CAAT. Présentation de la CAAT, 2012 [en ligne]. Disponible sur :
<http://fr.slideshare.net/hamadouchehamid/prsentation-march-amp-caat2012-

38
14490020?qid=4e860f48-db91-4fb2-9ed5-a729d8b8120e&v=qf1&b=&from_search=6>
(Consulté le 10.08.2014)
[Web 06] MC2I (cabinet de conseil en SI à Paris). Systèmes décisionnels : Conseil en systèmes
décisionnels [en ligne]. Disponible sur : <http://www.mc2i.fr/-Systemes-decisionnels->
[Web 07] FERNANDEZ A. GIMSI : Le projet business intelligence clés en main. Méthode pour
concevoir et réaliser le système décisionnel de l’entreprise [en ligne], 2014. Disponible
sur <www.piloter.org> (Consulté le 10.08.2014)
[Web 08] OILLIC J F. Guide tableau de bord [en ligne]. Disponible sur :<www.rca.fr> (Consulté
le 11.08.2014)
[Web 09] COMPARIS (site comparateur sur Internet en Suisse). Prestation d’assurance [en ligne].
Disponible sur : <http://fr.comparis.ch/hausrat-
versicherung/info/glossar/versicherungsleistung.aspx> (Consulté le 19.07.2014)
[Web 10] PICARD.P. ASSURANCE : Économie de l'assurance [en ligne]. Disponible sur :
<http://www.universalis.fr/encyclopedie/assurance-economie-de-l-assurance/>
[Web 11] ESA de Paris. Présentation du monde de l’assurance [en ligne]. Disponible sur :
<http://formation-bts-
assurances.esaassurance.com/ecole_superieure_assurances/presentation_assurance.htm
> (Consulté le 19.07.014)
[Web 12] MSDN. SQL Server Management Studio [en ligne]. Disponible sur : <
https://msdn.microsoft.com/fr-fr/library/hh213248.aspx > (Consulté le 06.05.2015)
[Web 13] TECHNET. SQL Server Integration Services [en ligne]. Disponible sur : <
https://technet.microsoft.com/en-us/library/ms141026.aspx > (Consulté le 06.05.2015)
[Web 14] TECHNET. SQL Server Analysis Services [en ligne]. Disponible sur : <
https://technet.microsoft.com/fr-fr/library/ms175609%28v=sql.90%29.aspx >
[Web 15] MSDN. Reporting Services (SSRS) [en ligne]. Disponible sur : <
https://msdn.microsoft.com/fr-fr/library/ms159106.aspx > (Consulté le 06.05.2015)

Les systèmes d'information décisionnel pour les assurances

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à Les systèmes d'information décisionnel pour les assurances

Similaire à Les systèmes d'information décisionnel pour les assurances (20)

Plus de dihiaselma

Plus de dihiaselma (20)

Les systèmes d'information décisionnel pour les assurances