SlideShare une entreprise Scribd logo
1  sur  36
Télécharger pour lire hors ligne
Les modélisations
décisionnelles

Eric Mauvais

Directeur
eric.mauvais@decilogic.fr

DeciLogic – Les modélisations décisionnelles
Pourquoi mettre en place un SID ?
Les enjeux du Système d’Information Décisionnel

Définition des modèles de données décisionnels
Vues, Faits et Dimensions
Intégration des vues
Normalisation des contextes
La forme dimensionnelle normales et ses conséquences

Formes dimensionnelles complexes
Etats et flux
Les représentations du temps
Dérives dimensionnelles
Indicateurs qualifiés
Méthodes de consolidation

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

L’analyse multidimensionnelle est une approche naturelle :
L’utilisateur raisonne instinctivement suivant l’expression d’un contexte (les dimensions)
et de mesures (les faits) :
« Je souhaiterais connaitre mon chiffre d’affaires, par produit, par agence pour le mois
de décembre ? »
Les clauses « Pour » et « Par » (respectivement « Where » et « Group By » de vos
requêtes) correspondent à vos dimensions, ou axes d’analyse. Le chiffre d’affaires lui
correspond à la mesure, ou au fait.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

Une méthode de modélisation faits/dimensions part du processus métier
analysé vers l’analyse :
1
. Identification du processus métier analysé
2. Établissement du niveau de granularité de l’analyse
3. Établissement des dimensions qui s’appliquent à chaque ligne de fait
4. Identification des caractéristiques numériques qui s’appliquent à chaque
ligne de fait

Cette méthode demande une vision complète et décrite du processus
métier et de son implémentation. Elle permet de construire le tableau qui
croise les processus métier et les dimensions :
Approche de type matricielle ou « Bus »

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

1

. Identification du processus métier analysé :
Il s’agit bien de processus et non de départements ou de services
Quels sont les exemples concrets des décisions qui seraient pris ?
Quels gains ? Meilleure réactivité, hausse de productivité, optimistaion des
couts, accroissement de part de marché…
La mise en place d’un DW a un coût ! Le processus choisi doit être judicieux

2. Établissement du niveau de granularité de l’analyse :
Pour un ticket de caisse, vous souhaitez conserver chaque ligne de produit
d’achat ? Chaque produit différent ? Regrouper un montant par famille ?...
« Je veux tout stocker », mais il faut faire des compromis…

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

3. Établissement des dimensions qui s’appliquent à chaque ligne
de fait :
Quelques questions pour cerner vos axes d’analyse :
« A qui ces données pourraient-elles être utiles ? »
« Comment les analystes regrouperaient-ils les données ? »
« Comment les filtreraient-ils ? »
« Quels sont les titres de colonnes des rapports existants ? »…
Cette étape doit être faite obligatoirement par une équipe hétérogène.

4. Identification des caractéristiques numériques qui s’appliquent à
chaque ligne de fait :
« Ce qui compte ne peut pas toujours être compté, et ce qui peut être compté
ne compte pas forcément. »
Comment mesurer la satisfaction client ?
Suivre une mesure à un coût qu’il faut juger par rapport à sa pertinence.
DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

Deux type d’informations caractérisent les faits :
Des mesures numériques propre à chaque instance de faits (quantité, prix, …)
Des dimensions caractéristiques plus ou moins complexes (fournisseur,
produit, …)

Les mesures numériques propres à chaque fait sont l’objet de calculs
d’analyse (montant global, moyenne globale, …)
et les dimensions constituent des facteurs de sélection des faits étudiés
(produits de telle ou telle marque, …).
Un processus d’entreprise peut être représenté à l’aide d’une ou
plusieurs tables de fait.
On peut distinguer 3 types de table de faits :
Table de fait de transaction
Table de fait périodique
Table de fait récapitulatif
DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

Table de fait de transaction :
Définir les clés des dimensions de chacune des transactions opérationnelles et extraire
les mesures intéressantes.
Définir la granularité en fonction du contexte, cad de l’ensemble des clés de dimension

Table de fait périodique :
Construite à partir de la table de fait de transaction. Image de synthèse à un instant
« T ».
Une approche peut être de proposer une table de transaction très détaillée sur 6 mois et
une table de fait périodique avec des dimensions moins profondes sur 36 mois.

Table de fait récapitulatif :
Complémentaire mais difficile à maintenir.
Ex : Processus vente = dimension : Temps/Magasin Employé/Produit/Client
Ex : Processus réclamation = dimensions : Temps/Produit
La table de fait récapitulative « Mesure produit » peut avoir du sens pour intégrer les
notions de ventes et réclamation.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

« Quels ont été les frais de déplacement et le kilométrage
des commerciaux de la région Midi-Pyrénées ayant des
véhicules de 4 à 8 CV en juillet 2012 ? »
Vue : Frais/Employé/Véhicule/Région/Mois :
Frais de déplacement, kilométrage
par Employé (fonction)
par Véhicule (puissance)
par Région
par Mois

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

Les propriétés centrales, dont la valeur est déterminée par la combinaison des
quatre entités, sont des faits, et toutes les autres propriétés sont des conditions.
Un fait, une mesure, ou encore un indicateur, est une information déterminée par
la combinaison de deux ou plusieurs entités, susceptible de constituer le résultat
ou un élément du résultat d’une requête.
Une condition est une caractéristique d’entité susceptible d’intervenir comme
critère de définition d’une requête.
Structurellement, une vue comporte donc toujours une association et deux ou
plusieurs entités.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

« Je veux la liste des noms des commerciaux de la région Midi-Pyrénées
ayant des véhicules de 4 à 8 CV avec, pour chacun, les frais de
déplacement, le kilométrage et la marque du véhicule, pour juillet 2012. »
Vue enrichie par les nouvelles propriétés :
Frais de déplacement, kilométrage
/ Employé (nom, fonction)
/ Véhicule (marque, puissance)
/ Région
/ Mois

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

Dimension ou axe d’analyse
Dimensions stables, il s’agit d’une dimension qui n’évolue globalement pas.
Par exemple, la liste des départements français est une « dimension stable » du fait
d’une évolution quasi nulle.
Dimensions à évolution lente, il s’agit d’une dimension dont l’évolution est limitée.
Par exemple, la liste des catégories de produits vendus. (voir schéma)
Dimensions dégénérées, il s’agit d’une table qui ne contenait comme élément que la clé
elle-même, dans ce cas, cette dimension a été supprimée et la dimension est intégrée
directement dans la table de faits.
Dimensions conformes, dans ce cas il s’agit de deux dimensions dont la seconde est un
sous-ensemble de la première. On rencontre ce type de dimension dans le cas de la
modélisation en flocon.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

3 types d’évolution lente
1 : Les anciennes valeurs ne sont pas
conservées.
2 : Les anciennes valeurs sont conservées, et
on rajoute une occurrence pour les nouvelles
valeurs. Une nouvelle clé est créée.
3 : La nouvelle valeur est insérée en tant que
nouveau champ, une date d’effet est stipulée.
Le champ d’origine n’est jamais modifié.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

« Combien de commerciaux de la région Midi-Pyrénées se sont-ils
déplacés avec des véhicules de 4 à 8 CV en juillet 2012? »
Reformulation :

« Pour combien de commerciaux de la région Midi-Pyrénées existe-t-il un
kilométrage et/ou des frais de déplacement non nuls avec des véhicules
de 4 à 8 CV en juillet 2012? »
Pour se donner une idée intuitive des notions de faits et de conditions, il
suffit d’imaginer la configuration des états de sortie correspondant aux
requêtes.
Les conditions ont naturellement tendance à y apparaître comme libellés
des lignes et des colonnes d’un tableau, alors que les faits remplissent
plutôt les cellules internes du tableau.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Vues, Faits et Dimensions

Un exemple d’acquisition de données :
Que voulez vous analyser (la dernière ligne du tableau) ? -> les faits
Quels sont vos critères d'analyse (la première ligne du tableau) ? -> les dimensions
Jusqu'à quel niveau de détail voulez-vous aller (les cellules à l'intérieur) ?

Analyse
Employe
 
Nom
 
Fonction
Frais déplacement, 
Kilométrage, Nombre de 
déplacement
 

Véhicule
Marque
Puissance

Date
Années
Mois

Géographie
Region
 

 

 

 

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Intégration des vues

L’objectif du SID est de fournir une structure informationnelle
intégrée et non de préparer l’exécution d’un jeu prédéfini de
requêtes.
Ne jamais introduire de chemin complexe ou ambigu.
Rester capable d’intégrer une nouvelle vue sans remise en
cause de la structure.
La notion de contexte :
Une consolidation directe des vues dans la réalité risque d’avoir un
impact important sur la structure.
Le contexte est une solution pour fournir un niveau de modélisation
intermédiaire. Il permet de regrouper un ensemble de faits et de
dimensions en cohérence.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Intégration des vues

Certaines informations sont dans plusieurs vues.
Certaines entités appartenant à plusieurs vues sont
fonctionnellement liées les unes aux autres.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Intégration des vues

La notion de hiérarchies
Représentent pour l’utilisateur des chemins de consolidation

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Intégration des vues

Ex : 3 modes de consolidation possible pour l’entité client
CSP = catégorie socio-professionnelle
Lieu de résidence
Structure commerciale

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Intégration des vues

Synthèse des contextes
5 dimensions pour 10 entités
Activité : marge, revenu, ventes
/ Canal : Canal
/ Client : Client
/ Territoire : Région - Pays
/ Temps : Jour - Mois - Trimestre
/ Produit : Produit - Gamme - Marque

Vues par expansion :
marge / Canal / Pays / Produit / Trimestre
revenu / Région / Mois / Produit / Client / Canal
ventes / Client / Gamme / Jour
revenu / Marque / Gamme / Mois / Région

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Normalisation des contextes

Par expérience, un contexte « raisonnable » possède entre 4
et 12 dimensions.
L’assemblage des vues reste spécifiques à chaque projet,
mais le critère suivant reste un bon guide :
« Un contexte est cohérent si toutes les vues qu’il autorise
ont une signification pour l’utilisateur »
Ne pas interdire de combinaisons à priori. Le rapprochement
de variables pas forcément liées est intéressant
Par contre des dimensions trop liées est problématique.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Normalisation des contextes

Dépendances et influences
Règle 1 : Il ne doit pas y avoir de dépendance fonctionnelle
entre 2 entités appartenant à des dimensions différentes
dans un même contexte.
Dans la pratique on se rend compte qu’une base
décisionnelle contient une forte proportion de valeur nulle.
Le SID met en œuvre des contextes valides, à l’utilisateur de
formuler des requêtes pertinentes.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
Normalisation des contextes

Définition des faits
Règle 2 : Tous les faits d’un contexte doivent être définis d’une
manière cohérente pour toutes les combinaisons dimensionnelles de
ce contexte.

Cohérence des grains
Le grain d’une dimension est le niveau de sélection le plus fin possible
de cette dimension.
Règle 3 : Tous les faits d’un contexte doivent être définis pour le grain
de ce contexte.

Navigation hiérarchique
Règle 4 : Le graphe de chaque dimension doit être acyclique.

DeciLogic – Les modélisations décisionnelles
Définition des modèles de données décisionnels
La forme dimensionnelle normales et ses conséquences

Si un contexte respecte les 4 règles, il est FDN : forme
dimensionnelle normale.
Représentation « en galaxie » d’un domaine :

DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Etats et flux

2 types de d’indicateur cohabitent dans un DW : les
indicateurs dynamiques et statiques.
Dynamique : représente un flux associé à un événement. Il
s’agit d’un agrégat au cours d’une période.
Ex : Plus ou moins value d’un placement.

Statique : représente un indication de situation à un instant
donné.
Ex : Solde d’un compte bancaire.

Les flux statiques sont intéressants pour :
Conserver un état sans pouvoir reconstituer ses flux.
Accélérer la consultation d’un état plutôt que reconstituer sa mémoire.
Figer un état pour le comparer.

DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Les représentations du temps

Forte distinction entre le SIO et le SID dans ce domaine.
Autant de grain que de situation : journée, mois…seconde…
Irrégularité périodique :
Une période élémentaire d’un contexte est l’intervalle de temps à
l’intérieur duquel il n’est pas utile de tenir compte des variations.
Une période possède au moins 2 attributs : date de début, date de fin.

Trouver un compromis avec les bases sources pour charger
des données cohérentes par rapport à la période de base du
contexte.
Les utilisateurs ont souvent un axe temporel différent :
exercice comptable / exploitation. Il est conseillé d’avoir une
seule période de base qui est ensuite consolidée ou filtrée
pour présenter les résultats.
DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Les représentations du temps

Périodes et évènements
Le temps n’est pas seulement une période, il peut être perçu
également comme un évènement.
Ex : Mémoriser une série de succession d’évènement
Il peut être judicieux de conserver un état pour des besoins de comparaison.

DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Dérives dimensionnelles

L’écoulement du temps à des incidences sur les faits et les
dimensions.
Les clients apparaissent, vieillissent, disparaissent, se marient,
déménagent, ont des enfants…
L’entreprise lance de nouveaux produits, en abandonne d’anciens,
modifie son découpage géographique, opère des fusionsacquisition…

2 types de changements potentiels : le contenu et la
structure.

DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Dérives dimensionnelles

Le contenu :
Gérer les changement d’état par l’ajout d’entité pour ne pas
compliquer le modèle.
Associer des occurrences permanentes et mouvantes.
A noter l’évolution législatif en ce qui concerne l’immatriculation.

DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Dérives dimensionnelles

Le contenu :
Rattacher des dimensions à des changements d’états.
En fait le SID est intéressé par un client mais par « un client dans un
certain état »

DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Dérives dimensionnelles

Le périmètre :
Au cours d’une période une zone géographique commerciale peut
changer, il faut alors pouvoir consolider les données à périmètre
constant.

Prise en compte des dimensions changeantes :
Commune de naissance et de résidence appartiennent-elles au même
contexte ?
La commune de naissance est-elle une entité à part entière ?
Invoque-t-on les mêmes attributs conditionnels dans la commune de
naissance et de résidence ?

DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Dérives dimensionnelles

Le périmètre :
Au cours d’une période une zone géographique commerciale peut
changer, il faut alors pouvoir consolider les données à périmètre
constant.

Prise en compte des dimensions changeantes :
Commune de naissance et de résidence appartiennent-elles au même
contexte ?
La commune de naissance est-elle une entité à part entière ?
Invoque-t-on les mêmes attributs conditionnels dans la commune de
naissance et de résidence ?

DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Dérives dimensionnelles

Une solution possible, la redondance des informations pour
éviter les boucles et conserver une structure évolutive :

DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Indicateurs qualifiés

Distinguer un indicateur fondamental d’un indicateur qualifié :
HT et TTC
En francs, en dollars
En valeur prévue, en valeur réalisée
Selon plusieurs unités de mesure…

DeciLogic – Les modélisations décisionnelles
Formes dimensionnelles complexes
Méthodes de consolidation

Un indicateur peut être :
Additif (ex : chiffre d’affaires, quantité, chiffre)
Non additif (ex précédent : la moyenne des ventes, niveau de stock )
Semi-additif (cumulable par addition dans certaines hiérarchie
seulement)

Un contexte est donc complètement abouti lorsque la
consolidation de chaque fait dans chaque hiérarchie est
spécifiée.

DeciLogic – Les modélisations décisionnelles
DeciLogic, votre partenaire

Une expertise mise à l’épreuve d’un engagement total

DeciLogic – Les modélisations décisionnelles

Contenu connexe

Tendances

Business Intelligence
Business IntelligenceBusiness Intelligence
Business IntelligenceLilia Sfaxi
 
Système d'information décisionnel : à quoi cela sert-il ?
Système d'information décisionnel : à quoi cela sert-il ?Système d'information décisionnel : à quoi cela sert-il ?
Système d'information décisionnel : à quoi cela sert-il ?Michel Bruley
 
Bi agile : Réinventer le décisionnel d’entreprise pour répondre au plus près ...
Bi agile : Réinventer le décisionnel d’entreprise pour répondre au plus près ...Bi agile : Réinventer le décisionnel d’entreprise pour répondre au plus près ...
Bi agile : Réinventer le décisionnel d’entreprise pour répondre au plus près ...Jean-Michel Franco
 
Business Intelligence au coeur de la décision
Business Intelligence au coeur de la décision Business Intelligence au coeur de la décision
Business Intelligence au coeur de la décision Amal Brioual
 
Comment Choisir Votre Solution BI
Comment Choisir Votre Solution BIComment Choisir Votre Solution BI
Comment Choisir Votre Solution BILASSA Rafik
 
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
 
Méthodologie D’Intelligence D’Affaires
Méthodologie D’Intelligence D’AffairesMéthodologie D’Intelligence D’Affaires
Méthodologie D’Intelligence D’AffairesAlain Charpentier
 
Système décisionnel apports aux diverses fonctions de l'entreprise
Système décisionnel apports aux diverses fonctions de l'entrepriseSystème décisionnel apports aux diverses fonctions de l'entreprise
Système décisionnel apports aux diverses fonctions de l'entrepriseMichel Bruley
 
La Business Intelligence
La Business Intelligence La Business Intelligence
La Business Intelligence Khchaf Mouna
 
BUSINESS INTELIGENCE : Exploitation d'un Datamart
BUSINESS INTELIGENCE : Exploitation d'un DatamartBUSINESS INTELIGENCE : Exploitation d'un Datamart
BUSINESS INTELIGENCE : Exploitation d'un DatamartFalitokiniaina Rabearison
 
Projet décisionnel
Projet décisionnelProjet décisionnel
Projet décisionnelSiham JABRI
 
Séminaire Business Intelligence Agile
Séminaire Business Intelligence AgileSéminaire Business Intelligence Agile
Séminaire Business Intelligence AgileSoft Computing
 
Mise en place de système d’information
Mise en place de système d’informationMise en place de système d’information
Mise en place de système d’informationPatrick Ostertag
 
MDM et BI : practices similaires, complémentaires ou différentes ?
MDM et BI : practices similaires, complémentaires ou différentes ?MDM et BI : practices similaires, complémentaires ou différentes ?
MDM et BI : practices similaires, complémentaires ou différentes ?Jean-Michel Franco
 
Choisir sa solution décisionnelle - Partie 2 - Des modèles à l’analyse
Choisir sa solution décisionnelle - Partie 2 - Des modèles à l’analyseChoisir sa solution décisionnelle - Partie 2 - Des modèles à l’analyse
Choisir sa solution décisionnelle - Partie 2 - Des modèles à l’analysePhilippe Geiger
 
Datasio - Big Data Congress Paris 2012
Datasio - Big Data Congress Paris 2012Datasio - Big Data Congress Paris 2012
Datasio - Big Data Congress Paris 2012datasio
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligences.poles
 
Matinale MDM 2013 Business & Decision
Matinale MDM 2013 Business & DecisionMatinale MDM 2013 Business & Decision
Matinale MDM 2013 Business & DecisionJean-Michel Franco
 

Tendances (20)

Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
 
Système d'information décisionnel : à quoi cela sert-il ?
Système d'information décisionnel : à quoi cela sert-il ?Système d'information décisionnel : à quoi cela sert-il ?
Système d'information décisionnel : à quoi cela sert-il ?
 
Bi agile : Réinventer le décisionnel d’entreprise pour répondre au plus près ...
Bi agile : Réinventer le décisionnel d’entreprise pour répondre au plus près ...Bi agile : Réinventer le décisionnel d’entreprise pour répondre au plus près ...
Bi agile : Réinventer le décisionnel d’entreprise pour répondre au plus près ...
 
Business Intelligence au coeur de la décision
Business Intelligence au coeur de la décision Business Intelligence au coeur de la décision
Business Intelligence au coeur de la décision
 
Comment Choisir Votre Solution BI
Comment Choisir Votre Solution BIComment Choisir Votre Solution BI
Comment Choisir Votre Solution BI
 
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 ?
 
Business intelligence
Business  intelligenceBusiness  intelligence
Business intelligence
 
Méthodologie D’Intelligence D’Affaires
Méthodologie D’Intelligence D’AffairesMéthodologie D’Intelligence D’Affaires
Méthodologie D’Intelligence D’Affaires
 
Système décisionnel apports aux diverses fonctions de l'entreprise
Système décisionnel apports aux diverses fonctions de l'entrepriseSystème décisionnel apports aux diverses fonctions de l'entreprise
Système décisionnel apports aux diverses fonctions de l'entreprise
 
La Business Intelligence
La Business Intelligence La Business Intelligence
La Business Intelligence
 
BUSINESS INTELIGENCE : Exploitation d'un Datamart
BUSINESS INTELIGENCE : Exploitation d'un DatamartBUSINESS INTELIGENCE : Exploitation d'un Datamart
BUSINESS INTELIGENCE : Exploitation d'un Datamart
 
Projet décisionnel
Projet décisionnelProjet décisionnel
Projet décisionnel
 
Séminaire Business Intelligence Agile
Séminaire Business Intelligence AgileSéminaire Business Intelligence Agile
Séminaire Business Intelligence Agile
 
Pfe
PfePfe
Pfe
 
Mise en place de système d’information
Mise en place de système d’informationMise en place de système d’information
Mise en place de système d’information
 
MDM et BI : practices similaires, complémentaires ou différentes ?
MDM et BI : practices similaires, complémentaires ou différentes ?MDM et BI : practices similaires, complémentaires ou différentes ?
MDM et BI : practices similaires, complémentaires ou différentes ?
 
Choisir sa solution décisionnelle - Partie 2 - Des modèles à l’analyse
Choisir sa solution décisionnelle - Partie 2 - Des modèles à l’analyseChoisir sa solution décisionnelle - Partie 2 - Des modèles à l’analyse
Choisir sa solution décisionnelle - Partie 2 - Des modèles à l’analyse
 
Datasio - Big Data Congress Paris 2012
Datasio - Big Data Congress Paris 2012Datasio - Big Data Congress Paris 2012
Datasio - Big Data Congress Paris 2012
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
 
Matinale MDM 2013 Business & Decision
Matinale MDM 2013 Business & DecisionMatinale MDM 2013 Business & Decision
Matinale MDM 2013 Business & Decision
 

En vedette

Réussir son analyse des besoins dans la conduite d'un projet informatique (2007)
Réussir son analyse des besoins dans la conduite d'un projet informatique (2007)Réussir son analyse des besoins dans la conduite d'un projet informatique (2007)
Réussir son analyse des besoins dans la conduite d'un projet informatique (2007)Ardesi Midi-Pyrénées
 
Part I Y&P Airlines
Part I   Y&P AirlinesPart I   Y&P Airlines
Part I Y&P Airlinesberty21
 
Leioa français(10)
Leioa français(10)Leioa français(10)
Leioa français(10)db-lurrutia
 
YouAreCoach @ Swiss W2
YouAreCoach @ Swiss W2YouAreCoach @ Swiss W2
YouAreCoach @ Swiss W2presedo
 
Arxtech POS Systems 2015 FR
Arxtech POS Systems 2015 FRArxtech POS Systems 2015 FR
Arxtech POS Systems 2015 FRArxtech Canada
 
Dictionnaireselon Desprosges
Dictionnaireselon DesprosgesDictionnaireselon Desprosges
Dictionnaireselon Desprosgesjeffbuffet
 
WUD 08 Paris : Introduction
WUD 08 Paris : IntroductionWUD 08 Paris : Introduction
WUD 08 Paris : IntroductionFrederic CAVAZZA
 
Tutorial Alumnos Socrative
Tutorial  Alumnos SocrativeTutorial  Alumnos Socrative
Tutorial Alumnos SocrativeCintia Gomez
 
Ecco Digital! L\'agence de Marketing Créatif...
Ecco Digital! L\'agence de Marketing Créatif...Ecco Digital! L\'agence de Marketing Créatif...
Ecco Digital! L\'agence de Marketing Créatif...guest0b6e3
 
Norma Mexicana para la Interoperabilidad de Entornos de Objetos de Aprendizaje
Norma Mexicana para la Interoperabilidad de Entornos de Objetos de AprendizajeNorma Mexicana para la Interoperabilidad de Entornos de Objetos de Aprendizaje
Norma Mexicana para la Interoperabilidad de Entornos de Objetos de AprendizajeGabriel López-Morteo
 

En vedette (20)

Réussir son analyse des besoins dans la conduite d'un projet informatique (2007)
Réussir son analyse des besoins dans la conduite d'un projet informatique (2007)Réussir son analyse des besoins dans la conduite d'un projet informatique (2007)
Réussir son analyse des besoins dans la conduite d'un projet informatique (2007)
 
Part I Y&P Airlines
Part I   Y&P AirlinesPart I   Y&P Airlines
Part I Y&P Airlines
 
Leioa français(10)
Leioa français(10)Leioa français(10)
Leioa français(10)
 
Quien tiene el cuerpo
Quien tiene el cuerpoQuien tiene el cuerpo
Quien tiene el cuerpo
 
Haute-Garonne
Haute-GaronneHaute-Garonne
Haute-Garonne
 
YouAreCoach @ Swiss W2
YouAreCoach @ Swiss W2YouAreCoach @ Swiss W2
YouAreCoach @ Swiss W2
 
Arxtech POS Systems 2015 FR
Arxtech POS Systems 2015 FRArxtech POS Systems 2015 FR
Arxtech POS Systems 2015 FR
 
5
55
5
 
Dictionnaireselon Desprosges
Dictionnaireselon DesprosgesDictionnaireselon Desprosges
Dictionnaireselon Desprosges
 
Galanterie
GalanterieGalanterie
Galanterie
 
Arbres rares
Arbres raresArbres rares
Arbres rares
 
WUD 08 Paris : Introduction
WUD 08 Paris : IntroductionWUD 08 Paris : Introduction
WUD 08 Paris : Introduction
 
Tutorial Alumnos Socrative
Tutorial  Alumnos SocrativeTutorial  Alumnos Socrative
Tutorial Alumnos Socrative
 
Ecco Digital! L\'agence de Marketing Créatif...
Ecco Digital! L\'agence de Marketing Créatif...Ecco Digital! L\'agence de Marketing Créatif...
Ecco Digital! L\'agence de Marketing Créatif...
 
Meetup html
Meetup htmlMeetup html
Meetup html
 
Norma Mexicana para la Interoperabilidad de Entornos de Objetos de Aprendizaje
Norma Mexicana para la Interoperabilidad de Entornos de Objetos de AprendizajeNorma Mexicana para la Interoperabilidad de Entornos de Objetos de Aprendizaje
Norma Mexicana para la Interoperabilidad de Entornos de Objetos de Aprendizaje
 
Los contratos de trabajo
Los contratos de trabajoLos contratos de trabajo
Los contratos de trabajo
 
Cómo acercarse a dios
Cómo acercarse a diosCómo acercarse a dios
Cómo acercarse a dios
 
Laur R
Laur RLaur R
Laur R
 
C Pas Du Xfiles!!
C Pas Du Xfiles!!C Pas Du Xfiles!!
C Pas Du Xfiles!!
 

Similaire à DeciLogic, les modélisations décisionnelles

Séminaire IDS Scheer Processus Santé part 1
Séminaire IDS Scheer Processus Santé part 1Séminaire IDS Scheer Processus Santé part 1
Séminaire IDS Scheer Processus Santé part 1SAGIDS1
 
Cv dominique emmanuel
Cv dominique emmanuelCv dominique emmanuel
Cv dominique emmanuelDOMEMM
 
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
 
Decizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage CourteDecizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage CourteDecizia
 
Offre onepoint - Referentiels et business intelligence
Offre onepoint - Referentiels et business intelligenceOffre onepoint - Referentiels et business intelligence
Offre onepoint - Referentiels et business intelligenceGroupeONEPOINT
 
Francois Paulus Semsoft Big Data & analyse
Francois Paulus Semsoft Big Data & analyseFrancois Paulus Semsoft Big Data & analyse
Francois Paulus Semsoft Big Data & analyseInsurance_Marketing
 
Pilotez votre Stratégie Clients avec des Tableaux de bord intégrant 100% de v...
Pilotez votre Stratégie Clients avec des Tableaux de bord intégrant 100% de v...Pilotez votre Stratégie Clients avec des Tableaux de bord intégrant 100% de v...
Pilotez votre Stratégie Clients avec des Tableaux de bord intégrant 100% de v...Report One
 
Cours data warehouse
Cours data warehouseCours data warehouse
Cours data warehousekhlifi z
 
Web Analytics : L’importance de la collecte et de l’analyse de données pour v...
Web Analytics : L’importance de la collecte et de l’analyse de données pour v...Web Analytics : L’importance de la collecte et de l’analyse de données pour v...
Web Analytics : L’importance de la collecte et de l’analyse de données pour v...AQT-presentations
 
Atelier comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...
Atelier   comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...Atelier   comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...
Atelier comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...polenumerique33
 
7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...dibs-conseil
 
CHAP 1 PRÉSENTATION GENERALE.pdf
CHAP 1 PRÉSENTATION GENERALE.pdfCHAP 1 PRÉSENTATION GENERALE.pdf
CHAP 1 PRÉSENTATION GENERALE.pdfamine17157
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleLilia Sfaxi
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business IntelligenceWalid Chamour
 
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
 

Similaire à DeciLogic, les modélisations décisionnelles (20)

chap3.pdf
chap3.pdfchap3.pdf
chap3.pdf
 
Séminaire IDS Scheer Processus Santé part 1
Séminaire IDS Scheer Processus Santé part 1Séminaire IDS Scheer Processus Santé part 1
Séminaire IDS Scheer Processus Santé part 1
 
Cv dominique emmanuel
Cv dominique emmanuelCv dominique emmanuel
Cv dominique emmanuel
 
Projet BI - 1 - Analyse des besoins
Projet BI - 1 - Analyse des besoinsProjet BI - 1 - Analyse des besoins
Projet BI - 1 - Analyse des besoins
 
Séance 3.pptx
Séance 3.pptxSéance 3.pptx
Séance 3.pptx
 
Decizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage CourteDecizia Décisionnel et Pilotage Courte
Decizia Décisionnel et Pilotage Courte
 
Offre onepoint - Referentiels et business intelligence
Offre onepoint - Referentiels et business intelligenceOffre onepoint - Referentiels et business intelligence
Offre onepoint - Referentiels et business intelligence
 
Francois Paulus Semsoft Big Data & analyse
Francois Paulus Semsoft Big Data & analyseFrancois Paulus Semsoft Big Data & analyse
Francois Paulus Semsoft Big Data & analyse
 
Pilotez votre Stratégie Clients avec des Tableaux de bord intégrant 100% de v...
Pilotez votre Stratégie Clients avec des Tableaux de bord intégrant 100% de v...Pilotez votre Stratégie Clients avec des Tableaux de bord intégrant 100% de v...
Pilotez votre Stratégie Clients avec des Tableaux de bord intégrant 100% de v...
 
Cours data warehouse
Cours data warehouseCours data warehouse
Cours data warehouse
 
Bi vf-3
Bi vf-3Bi vf-3
Bi vf-3
 
Web Analytics : L’importance de la collecte et de l’analyse de données pour v...
Web Analytics : L’importance de la collecte et de l’analyse de données pour v...Web Analytics : L’importance de la collecte et de l’analyse de données pour v...
Web Analytics : L’importance de la collecte et de l’analyse de données pour v...
 
Atelier comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...
Atelier   comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...Atelier   comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...
Atelier comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...
 
7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...
 
CHAP 1 PRÉSENTATION GENERALE.pdf
CHAP 1 PRÉSENTATION GENERALE.pdfCHAP 1 PRÉSENTATION GENERALE.pdf
CHAP 1 PRÉSENTATION GENERALE.pdf
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
 
DatAct saison 2 - Partage des données
DatAct saison 2 - Partage des donnéesDatAct saison 2 - Partage des données
DatAct saison 2 - Partage des données
 
Resume de BI
Resume de BIResume de BI
Resume de BI
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
 
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...
 

Dernier

Installation de Sylius 2.0 et découverte du nouveau backoffice en Bootstrap
Installation de Sylius 2.0 et découverte du nouveau backoffice en BootstrapInstallation de Sylius 2.0 et découverte du nouveau backoffice en Bootstrap
Installation de Sylius 2.0 et découverte du nouveau backoffice en BootstrapMaxime Huran 🌈
 
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...Infopole1
 
Les Metiers de l'Intelligence Artificielle
Les Metiers de l'Intelligence ArtificielleLes Metiers de l'Intelligence Artificielle
Les Metiers de l'Intelligence ArtificielleErol GIRAUDY
 
Mes succès sur Microsoft LEARN et examens
Mes succès sur Microsoft LEARN et examensMes succès sur Microsoft LEARN et examens
Mes succès sur Microsoft LEARN et examensErol GIRAUDY
 
KIT-COPILOT and more Article du 20240311
KIT-COPILOT and more Article du 20240311KIT-COPILOT and more Article du 20240311
KIT-COPILOT and more Article du 20240311Erol GIRAUDY
 
The Importance of Indoor Air Quality (French)
The Importance of Indoor Air Quality (French)The Importance of Indoor Air Quality (French)
The Importance of Indoor Air Quality (French)IES VE
 

Dernier (6)

Installation de Sylius 2.0 et découverte du nouveau backoffice en Bootstrap
Installation de Sylius 2.0 et découverte du nouveau backoffice en BootstrapInstallation de Sylius 2.0 et découverte du nouveau backoffice en Bootstrap
Installation de Sylius 2.0 et découverte du nouveau backoffice en Bootstrap
 
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
 
Les Metiers de l'Intelligence Artificielle
Les Metiers de l'Intelligence ArtificielleLes Metiers de l'Intelligence Artificielle
Les Metiers de l'Intelligence Artificielle
 
Mes succès sur Microsoft LEARN et examens
Mes succès sur Microsoft LEARN et examensMes succès sur Microsoft LEARN et examens
Mes succès sur Microsoft LEARN et examens
 
KIT-COPILOT and more Article du 20240311
KIT-COPILOT and more Article du 20240311KIT-COPILOT and more Article du 20240311
KIT-COPILOT and more Article du 20240311
 
The Importance of Indoor Air Quality (French)
The Importance of Indoor Air Quality (French)The Importance of Indoor Air Quality (French)
The Importance of Indoor Air Quality (French)
 

DeciLogic, les modélisations décisionnelles

  • 2. Pourquoi mettre en place un SID ? Les enjeux du Système d’Information Décisionnel Définition des modèles de données décisionnels Vues, Faits et Dimensions Intégration des vues Normalisation des contextes La forme dimensionnelle normales et ses conséquences Formes dimensionnelles complexes Etats et flux Les représentations du temps Dérives dimensionnelles Indicateurs qualifiés Méthodes de consolidation DeciLogic – Les modélisations décisionnelles
  • 3. Définition des modèles de données décisionnels Vues, Faits et Dimensions L’analyse multidimensionnelle est une approche naturelle : L’utilisateur raisonne instinctivement suivant l’expression d’un contexte (les dimensions) et de mesures (les faits) : « Je souhaiterais connaitre mon chiffre d’affaires, par produit, par agence pour le mois de décembre ? » Les clauses « Pour » et « Par » (respectivement « Where » et « Group By » de vos requêtes) correspondent à vos dimensions, ou axes d’analyse. Le chiffre d’affaires lui correspond à la mesure, ou au fait. DeciLogic – Les modélisations décisionnelles
  • 4. Définition des modèles de données décisionnels Vues, Faits et Dimensions Une méthode de modélisation faits/dimensions part du processus métier analysé vers l’analyse : 1 . Identification du processus métier analysé 2. Établissement du niveau de granularité de l’analyse 3. Établissement des dimensions qui s’appliquent à chaque ligne de fait 4. Identification des caractéristiques numériques qui s’appliquent à chaque ligne de fait Cette méthode demande une vision complète et décrite du processus métier et de son implémentation. Elle permet de construire le tableau qui croise les processus métier et les dimensions : Approche de type matricielle ou « Bus » DeciLogic – Les modélisations décisionnelles
  • 5. Définition des modèles de données décisionnels Vues, Faits et Dimensions 1 . Identification du processus métier analysé : Il s’agit bien de processus et non de départements ou de services Quels sont les exemples concrets des décisions qui seraient pris ? Quels gains ? Meilleure réactivité, hausse de productivité, optimistaion des couts, accroissement de part de marché… La mise en place d’un DW a un coût ! Le processus choisi doit être judicieux 2. Établissement du niveau de granularité de l’analyse : Pour un ticket de caisse, vous souhaitez conserver chaque ligne de produit d’achat ? Chaque produit différent ? Regrouper un montant par famille ?... « Je veux tout stocker », mais il faut faire des compromis… DeciLogic – Les modélisations décisionnelles
  • 6. Définition des modèles de données décisionnels Vues, Faits et Dimensions 3. Établissement des dimensions qui s’appliquent à chaque ligne de fait : Quelques questions pour cerner vos axes d’analyse : « A qui ces données pourraient-elles être utiles ? » « Comment les analystes regrouperaient-ils les données ? » « Comment les filtreraient-ils ? » « Quels sont les titres de colonnes des rapports existants ? »… Cette étape doit être faite obligatoirement par une équipe hétérogène. 4. Identification des caractéristiques numériques qui s’appliquent à chaque ligne de fait : « Ce qui compte ne peut pas toujours être compté, et ce qui peut être compté ne compte pas forcément. » Comment mesurer la satisfaction client ? Suivre une mesure à un coût qu’il faut juger par rapport à sa pertinence. DeciLogic – Les modélisations décisionnelles
  • 7. Définition des modèles de données décisionnels Vues, Faits et Dimensions Deux type d’informations caractérisent les faits : Des mesures numériques propre à chaque instance de faits (quantité, prix, …) Des dimensions caractéristiques plus ou moins complexes (fournisseur, produit, …) Les mesures numériques propres à chaque fait sont l’objet de calculs d’analyse (montant global, moyenne globale, …) et les dimensions constituent des facteurs de sélection des faits étudiés (produits de telle ou telle marque, …). Un processus d’entreprise peut être représenté à l’aide d’une ou plusieurs tables de fait. On peut distinguer 3 types de table de faits : Table de fait de transaction Table de fait périodique Table de fait récapitulatif DeciLogic – Les modélisations décisionnelles
  • 8. Définition des modèles de données décisionnels Vues, Faits et Dimensions Table de fait de transaction : Définir les clés des dimensions de chacune des transactions opérationnelles et extraire les mesures intéressantes. Définir la granularité en fonction du contexte, cad de l’ensemble des clés de dimension Table de fait périodique : Construite à partir de la table de fait de transaction. Image de synthèse à un instant « T ». Une approche peut être de proposer une table de transaction très détaillée sur 6 mois et une table de fait périodique avec des dimensions moins profondes sur 36 mois. Table de fait récapitulatif : Complémentaire mais difficile à maintenir. Ex : Processus vente = dimension : Temps/Magasin Employé/Produit/Client Ex : Processus réclamation = dimensions : Temps/Produit La table de fait récapitulative « Mesure produit » peut avoir du sens pour intégrer les notions de ventes et réclamation. DeciLogic – Les modélisations décisionnelles
  • 9. Définition des modèles de données décisionnels Vues, Faits et Dimensions « Quels ont été les frais de déplacement et le kilométrage des commerciaux de la région Midi-Pyrénées ayant des véhicules de 4 à 8 CV en juillet 2012 ? » Vue : Frais/Employé/Véhicule/Région/Mois : Frais de déplacement, kilométrage par Employé (fonction) par Véhicule (puissance) par Région par Mois DeciLogic – Les modélisations décisionnelles
  • 10. Définition des modèles de données décisionnels Vues, Faits et Dimensions Les propriétés centrales, dont la valeur est déterminée par la combinaison des quatre entités, sont des faits, et toutes les autres propriétés sont des conditions. Un fait, une mesure, ou encore un indicateur, est une information déterminée par la combinaison de deux ou plusieurs entités, susceptible de constituer le résultat ou un élément du résultat d’une requête. Une condition est une caractéristique d’entité susceptible d’intervenir comme critère de définition d’une requête. Structurellement, une vue comporte donc toujours une association et deux ou plusieurs entités. DeciLogic – Les modélisations décisionnelles
  • 11. Définition des modèles de données décisionnels Vues, Faits et Dimensions « Je veux la liste des noms des commerciaux de la région Midi-Pyrénées ayant des véhicules de 4 à 8 CV avec, pour chacun, les frais de déplacement, le kilométrage et la marque du véhicule, pour juillet 2012. » Vue enrichie par les nouvelles propriétés : Frais de déplacement, kilométrage / Employé (nom, fonction) / Véhicule (marque, puissance) / Région / Mois DeciLogic – Les modélisations décisionnelles
  • 12. Définition des modèles de données décisionnels Vues, Faits et Dimensions Dimension ou axe d’analyse Dimensions stables, il s’agit d’une dimension qui n’évolue globalement pas. Par exemple, la liste des départements français est une « dimension stable » du fait d’une évolution quasi nulle. Dimensions à évolution lente, il s’agit d’une dimension dont l’évolution est limitée. Par exemple, la liste des catégories de produits vendus. (voir schéma) Dimensions dégénérées, il s’agit d’une table qui ne contenait comme élément que la clé elle-même, dans ce cas, cette dimension a été supprimée et la dimension est intégrée directement dans la table de faits. Dimensions conformes, dans ce cas il s’agit de deux dimensions dont la seconde est un sous-ensemble de la première. On rencontre ce type de dimension dans le cas de la modélisation en flocon. DeciLogic – Les modélisations décisionnelles
  • 13. Définition des modèles de données décisionnels Vues, Faits et Dimensions 3 types d’évolution lente 1 : Les anciennes valeurs ne sont pas conservées. 2 : Les anciennes valeurs sont conservées, et on rajoute une occurrence pour les nouvelles valeurs. Une nouvelle clé est créée. 3 : La nouvelle valeur est insérée en tant que nouveau champ, une date d’effet est stipulée. Le champ d’origine n’est jamais modifié. DeciLogic – Les modélisations décisionnelles
  • 14. Définition des modèles de données décisionnels Vues, Faits et Dimensions « Combien de commerciaux de la région Midi-Pyrénées se sont-ils déplacés avec des véhicules de 4 à 8 CV en juillet 2012? » Reformulation : « Pour combien de commerciaux de la région Midi-Pyrénées existe-t-il un kilométrage et/ou des frais de déplacement non nuls avec des véhicules de 4 à 8 CV en juillet 2012? » Pour se donner une idée intuitive des notions de faits et de conditions, il suffit d’imaginer la configuration des états de sortie correspondant aux requêtes. Les conditions ont naturellement tendance à y apparaître comme libellés des lignes et des colonnes d’un tableau, alors que les faits remplissent plutôt les cellules internes du tableau. DeciLogic – Les modélisations décisionnelles
  • 15. Définition des modèles de données décisionnels Vues, Faits et Dimensions Un exemple d’acquisition de données : Que voulez vous analyser (la dernière ligne du tableau) ? -> les faits Quels sont vos critères d'analyse (la première ligne du tableau) ? -> les dimensions Jusqu'à quel niveau de détail voulez-vous aller (les cellules à l'intérieur) ? Analyse Employe   Nom   Fonction Frais déplacement,  Kilométrage, Nombre de  déplacement   Véhicule Marque Puissance Date Années Mois Géographie Region         DeciLogic – Les modélisations décisionnelles
  • 16. Définition des modèles de données décisionnels Intégration des vues L’objectif du SID est de fournir une structure informationnelle intégrée et non de préparer l’exécution d’un jeu prédéfini de requêtes. Ne jamais introduire de chemin complexe ou ambigu. Rester capable d’intégrer une nouvelle vue sans remise en cause de la structure. La notion de contexte : Une consolidation directe des vues dans la réalité risque d’avoir un impact important sur la structure. Le contexte est une solution pour fournir un niveau de modélisation intermédiaire. Il permet de regrouper un ensemble de faits et de dimensions en cohérence. DeciLogic – Les modélisations décisionnelles
  • 17. Définition des modèles de données décisionnels Intégration des vues Certaines informations sont dans plusieurs vues. Certaines entités appartenant à plusieurs vues sont fonctionnellement liées les unes aux autres. DeciLogic – Les modélisations décisionnelles
  • 18. Définition des modèles de données décisionnels Intégration des vues La notion de hiérarchies Représentent pour l’utilisateur des chemins de consolidation DeciLogic – Les modélisations décisionnelles
  • 19. Définition des modèles de données décisionnels Intégration des vues Ex : 3 modes de consolidation possible pour l’entité client CSP = catégorie socio-professionnelle Lieu de résidence Structure commerciale DeciLogic – Les modélisations décisionnelles
  • 20. Définition des modèles de données décisionnels Intégration des vues Synthèse des contextes 5 dimensions pour 10 entités Activité : marge, revenu, ventes / Canal : Canal / Client : Client / Territoire : Région - Pays / Temps : Jour - Mois - Trimestre / Produit : Produit - Gamme - Marque Vues par expansion : marge / Canal / Pays / Produit / Trimestre revenu / Région / Mois / Produit / Client / Canal ventes / Client / Gamme / Jour revenu / Marque / Gamme / Mois / Région DeciLogic – Les modélisations décisionnelles
  • 21. Définition des modèles de données décisionnels Normalisation des contextes Par expérience, un contexte « raisonnable » possède entre 4 et 12 dimensions. L’assemblage des vues reste spécifiques à chaque projet, mais le critère suivant reste un bon guide : « Un contexte est cohérent si toutes les vues qu’il autorise ont une signification pour l’utilisateur » Ne pas interdire de combinaisons à priori. Le rapprochement de variables pas forcément liées est intéressant Par contre des dimensions trop liées est problématique. DeciLogic – Les modélisations décisionnelles
  • 22. Définition des modèles de données décisionnels Normalisation des contextes Dépendances et influences Règle 1 : Il ne doit pas y avoir de dépendance fonctionnelle entre 2 entités appartenant à des dimensions différentes dans un même contexte. Dans la pratique on se rend compte qu’une base décisionnelle contient une forte proportion de valeur nulle. Le SID met en œuvre des contextes valides, à l’utilisateur de formuler des requêtes pertinentes. DeciLogic – Les modélisations décisionnelles
  • 23. Définition des modèles de données décisionnels Normalisation des contextes Définition des faits Règle 2 : Tous les faits d’un contexte doivent être définis d’une manière cohérente pour toutes les combinaisons dimensionnelles de ce contexte. Cohérence des grains Le grain d’une dimension est le niveau de sélection le plus fin possible de cette dimension. Règle 3 : Tous les faits d’un contexte doivent être définis pour le grain de ce contexte. Navigation hiérarchique Règle 4 : Le graphe de chaque dimension doit être acyclique. DeciLogic – Les modélisations décisionnelles
  • 24. Définition des modèles de données décisionnels La forme dimensionnelle normales et ses conséquences Si un contexte respecte les 4 règles, il est FDN : forme dimensionnelle normale. Représentation « en galaxie » d’un domaine : DeciLogic – Les modélisations décisionnelles
  • 25. Formes dimensionnelles complexes Etats et flux 2 types de d’indicateur cohabitent dans un DW : les indicateurs dynamiques et statiques. Dynamique : représente un flux associé à un événement. Il s’agit d’un agrégat au cours d’une période. Ex : Plus ou moins value d’un placement. Statique : représente un indication de situation à un instant donné. Ex : Solde d’un compte bancaire. Les flux statiques sont intéressants pour : Conserver un état sans pouvoir reconstituer ses flux. Accélérer la consultation d’un état plutôt que reconstituer sa mémoire. Figer un état pour le comparer. DeciLogic – Les modélisations décisionnelles
  • 26. Formes dimensionnelles complexes Les représentations du temps Forte distinction entre le SIO et le SID dans ce domaine. Autant de grain que de situation : journée, mois…seconde… Irrégularité périodique : Une période élémentaire d’un contexte est l’intervalle de temps à l’intérieur duquel il n’est pas utile de tenir compte des variations. Une période possède au moins 2 attributs : date de début, date de fin. Trouver un compromis avec les bases sources pour charger des données cohérentes par rapport à la période de base du contexte. Les utilisateurs ont souvent un axe temporel différent : exercice comptable / exploitation. Il est conseillé d’avoir une seule période de base qui est ensuite consolidée ou filtrée pour présenter les résultats. DeciLogic – Les modélisations décisionnelles
  • 27. Formes dimensionnelles complexes Les représentations du temps Périodes et évènements Le temps n’est pas seulement une période, il peut être perçu également comme un évènement. Ex : Mémoriser une série de succession d’évènement Il peut être judicieux de conserver un état pour des besoins de comparaison. DeciLogic – Les modélisations décisionnelles
  • 28. Formes dimensionnelles complexes Dérives dimensionnelles L’écoulement du temps à des incidences sur les faits et les dimensions. Les clients apparaissent, vieillissent, disparaissent, se marient, déménagent, ont des enfants… L’entreprise lance de nouveaux produits, en abandonne d’anciens, modifie son découpage géographique, opère des fusionsacquisition… 2 types de changements potentiels : le contenu et la structure. DeciLogic – Les modélisations décisionnelles
  • 29. Formes dimensionnelles complexes Dérives dimensionnelles Le contenu : Gérer les changement d’état par l’ajout d’entité pour ne pas compliquer le modèle. Associer des occurrences permanentes et mouvantes. A noter l’évolution législatif en ce qui concerne l’immatriculation. DeciLogic – Les modélisations décisionnelles
  • 30. Formes dimensionnelles complexes Dérives dimensionnelles Le contenu : Rattacher des dimensions à des changements d’états. En fait le SID est intéressé par un client mais par « un client dans un certain état » DeciLogic – Les modélisations décisionnelles
  • 31. Formes dimensionnelles complexes Dérives dimensionnelles Le périmètre : Au cours d’une période une zone géographique commerciale peut changer, il faut alors pouvoir consolider les données à périmètre constant. Prise en compte des dimensions changeantes : Commune de naissance et de résidence appartiennent-elles au même contexte ? La commune de naissance est-elle une entité à part entière ? Invoque-t-on les mêmes attributs conditionnels dans la commune de naissance et de résidence ? DeciLogic – Les modélisations décisionnelles
  • 32. Formes dimensionnelles complexes Dérives dimensionnelles Le périmètre : Au cours d’une période une zone géographique commerciale peut changer, il faut alors pouvoir consolider les données à périmètre constant. Prise en compte des dimensions changeantes : Commune de naissance et de résidence appartiennent-elles au même contexte ? La commune de naissance est-elle une entité à part entière ? Invoque-t-on les mêmes attributs conditionnels dans la commune de naissance et de résidence ? DeciLogic – Les modélisations décisionnelles
  • 33. Formes dimensionnelles complexes Dérives dimensionnelles Une solution possible, la redondance des informations pour éviter les boucles et conserver une structure évolutive : DeciLogic – Les modélisations décisionnelles
  • 34. Formes dimensionnelles complexes Indicateurs qualifiés Distinguer un indicateur fondamental d’un indicateur qualifié : HT et TTC En francs, en dollars En valeur prévue, en valeur réalisée Selon plusieurs unités de mesure… DeciLogic – Les modélisations décisionnelles
  • 35. Formes dimensionnelles complexes Méthodes de consolidation Un indicateur peut être : Additif (ex : chiffre d’affaires, quantité, chiffre) Non additif (ex précédent : la moyenne des ventes, niveau de stock ) Semi-additif (cumulable par addition dans certaines hiérarchie seulement) Un contexte est donc complètement abouti lorsque la consolidation de chaque fait dans chaque hiérarchie est spécifiée. DeciLogic – Les modélisations décisionnelles
  • 36. DeciLogic, votre partenaire Une expertise mise à l’épreuve d’un engagement total DeciLogic – Les modélisations décisionnelles

Notes de l'éditeur

  1. {}