rapport final Conception d’un système d’aide à la décision aux compagne marketing et commerciale.pdf

Université Mohammed Premier
école Supérieure de Technologie
OUJDA
Département génie informatique
Licence professionnelle en informatique décisionnelle
Conception d’un système d’aide à la décision
aux compagnes marketing et commerciales
Rapport de Stage Professionnel
LIEU DE STAGE : EVA FACTORY, OUJDA
AGENCE DE MARKETING DIGITAL ET DE L'INGÉNIERIE INFORMATIQUE
Réalisé par :
• LATRECHE Hicham
• SOUIDI Hanane
Encadré par :
• FIKRI Zakaria
Année universitaire 2021/2022

1
Page
Remerciements
Premièrement et avant toute chose, nous rendons grâce à Dieu
le tout puissant pour toutes les vertus qu’il nous offre jour après
jour, et pour nous avoir permis de suivre le chemin du savoir.
Ce modeste travail n’aurait pas pu voir le jour sans l’aide, la
contribution et le soutien de plusieurs personnes. Nous
voudrions leur rendre ici un hommage.
En premier lieu, nous remercions les composantes de la société Eva
Factory qui n’ont épargné aucun effort
pour nous aider et nous diriger durant la réalisation de ce
modeste travail
Nous remercions les membres du jury pour leurs attentions et
intérêts portés envers notre travail. Merci de nous avoir honorés
de votre présence.
Enfin, nous remercions l'ensemble des enseignants du
département génie l’informatique et toute personne qui a contribué
de près ou de loin à l'élaboration de ce projet.

2
Page
Dédicaces
Notre projet n’aura pas vu le jour sans ceux qui nous ont aidés
par leurs patiences leurs encouragements et nous ont soutenus dans
chacun de nos instants de faiblesse ;
Nous dédions ce modeste travail
A nos familles qui sont la source de notre motivation et notre espoir
Sans leur extrême attention, leurs sacrifices et leurs encouragements
tout au long de nos études, nous ne serons pas ce que nous sommes
devenus aujourd’hui.
J’espère qu’ils puissent trouver dans ce modeste travail un
témoignage de respect et d’affection envers eux en espérant que ça
soit à la hauteur de leurs attentes
A nos amis et nos collègues
Pour leur support et pour tous les bons moments qu’nous avons vécus
ensemble.
J’espère que notre amitié durera éternellement
A nos enseignants
Nous tenons également à remercier tous les enseignants de
l’Ecole supérieure de technologie d’Oujda, et plus précisément
les enseignants de la filière Informatique Décisionnelle niveau
licence professionnelle et la filière informatique de gestion qui nous ont
laissé mener une tâche aussi
importante que sensible.

3
Page
Table des matières
Table des matières
Résume
Introduction générale
Abréviation
CHAPITRE 1 : PRÉSENTATION DU CADRE DE PROJET : ............................................................. 10
INTRODUCTION ..................................................................................................................................................10
I) Présentation de l’entreprise ........................................................................ 11
1. Eva Factory .............................................................................................................................11
2. L’état décisionnelle au sein de l’entreprise...........................................................................11
3. Stratégie marketing et commercial de l’entreprise ......................................................................12
4. Problème.................................................................................................................................13
II) Présentation du projet ................................................................................. 13
1. Objectifs et intérêt du travail ...............................................................................................................13
2. Généralités sur les campagnes marketing et les campagnes commercial ............................................14
3. Planification et Méthodologie de travail..............................................................................................15
CONCLUSION ........................................................................................................................................................16
CHAPITRE 2 : ANALYSE ET CONCEPTION DU SYSTÈME D’AIDE À LA PRISE DE DÉCISION ........ 17
INTRODUCTION...........................................................................................................................................17
I) Les entrepôts de données ............................................................................ 18
1. DWS selon William H.Inmon .............................................................................................................18
2. Intégration des données par l’outil ETL ..............................................................................................19
3. Analyse en ligne des données Olap .....................................................................................................20
II) Aperçu aux systèmes décisionnels ............................................................. 20
1. DEFINITION EN BI...............................................................................................................................20
2. SYSTEME DECISIONNEL MODERNE......................................................................................................21
3. TABLEAU DE BORD DE LA BI...............................................................................................................22
III) Modélisation : .............................................................................................. 22
1. Table de fait................................................................................................................................................22
2. Diagramme des cas d'utilisation .................................................................................................................24
CONCLUSION ............................................................................................................ 16
CHAPITRE 3 : MISE EN PLACE DU PROJET DÉCISIONNEL ET NAVIGATION DANS LES DONNÉES .......25
INTRODUCTION .......................................................................................................................................25
I)Mise en place du projet décisionnel via Talend ............................................... 26
1. TALEND..............................................................................................................................................26
2. Chargement de data sources sous MySQL et dimension du DW.......................................................26
3. Chargement du fait ............................................................................................................................28
II)DATA MINING ................................................................................................... 29
1. Définition...........................................................................................................................................29
2. Analyse d données avec PYTHON.......................................................................................................29
3. Aperçu de NOTEBOOK .......................................................................................................................30
CONCLUSION................................................................................................................................................31
CHAPITRE 4 : IMPLÉMENTATION ET DÉPLOIEMENT DU SYSTÈME .....................................................32
INTRODUCTION .......................................................................................................................................32

4
Page
I)Objectifs et outils de trivial ............................................................................... 26
1. Objectifs.............................................................................................................................................33
2. Outils utiliser .....................................................................................................................................33
II)Réalisation du tableau de bord........................................................................ 35
4. Overview ...........................................................................................................................................35
5. Marketing...........................................................................................................................................35
6. CommerceE........................................................................................................................................36
II)Intégration des tableaux de bord dans la platform ...................................... 36
1. Défusion des rapports et des tableaux de bord ..................................................................................37
2. Quelque fonctionnalisées de la Platform............................................................................................38
CONCLUSION................................................................................................................................................40
Conclusion générale.....................................................................................................................42
Référence .....................................................................................................................................41

5
Page
Liste des figures
1. FIGURE 1 : Logigramme d’activité d’Eva Factory........................................................................11
2. FIGURE 2 : Entonnoir Marketing ................................................................................................12
3. FIGURE 3 : Sprint......................................................................................................................14
4. FIGURE 4 : Diagramme de Gantt ................................................................................................15
5. FIGURE 5 : Caractéristique de DW..............................................................................................17
6. FIGURE 6 : Intégration des données ............................................................................................18
7. FIGURE 7 : Réponse d’un system décisionnel ..............................................................................19
8. FIGURE 8 : System d’aide à la prise de décision moderne .............................................................20
9. FIGURE 9 : MySQL Workbench .................................................................................................21
10. FIGURE 10 : Table de fait...........................................................................................................22
11. FIGURE 11 : Cas d’utilisation décideur........................................................................................23
12. FIGURE 12 : Cas d’utilisation utilisateur .....................................................................................23
13. FIGURE 13 : Talend...................................................................................................................25
14. FIGURE 14 : Schéma relationnel .................................................................................................26
15. FIGURE 16 : Chargement de démentions commercial ...................................................................26
16. FIGURE 16 : Chargement de démentions Marketing ..................................................................... 27
17. FIGURE 17 : Alimentation des démentions et table de fait.............................................................27
18. FIGURE 18 : Data mining Q&A..................................................................................................28
19. FIGURE 19 : Python &Google Colab...........................................................................................29
20. FIGURE 20 : Aperçu de Notebook...............................................................................................30
21. FIGURE 21 : Les étapes de power Bi ...........................................................................................32
22. FIGURE 22 : Power Bi ...............................................................................................................33
23. FIGURE 23 : Accueil de l’interface web.......................................................................................33
24. FIGURE 24 : HTML CSS JS PHP SQL........................................................................................34
25. FIGURE 25 : Tableau de bord des opérations général ........................................................................
26. FIGURE 26 : Tableau de bord Marketing .....................................................................................35
27. FIGURE 27 : Tableau de bord Commerce.....................................................................................35
28. FIGURE 28 : Ajouter un tableau de bord ......................................................................................36
29. FIGURE 29: Dasbhbard publier sur le web .................................................................................37
30. FIGURE 30 : Navigation dans le Dashboard ................................................................................38
31. FIGURE 31 : Résulta de navigation..............................................................................................38
32. FIGURE 32 : Navigation par domaine..........................................................................................39
33. FIGURE 33 : Destination du lien .................................................................................................39

6
Page
Abréviations
BI: « Business intelligence » Ensemble de données consolidées qui permet la
prise de décision.
DW : « Data Warehouse » C’est la base de données central appelé Entrepôt de
donnée.
ETL : « Extract, Transform and Load » Extraction transformation et chargement.
OLAP : « On-Line Analytical Processing » Analyse en ligne des données.
KPI : « Key Performance Indicator » Indicateur Clé de Performance (ICP); il
permet de bien piloter et de mesurer l'efficacité d'une campagne marketing.
CSV : « Comma separated values » est le fichier de base des données recueillies,
c’est valeurs séparées par des virgules.
Ads : est le terme informel désignant une publicité (“advertisement”).
Mots-clés
Système, Décisionnel, D’aide, Campagnes, Prise De Décisions, Data, Data
Marketing, Data Integration, Business Intelligence, Data Warehouse, Talend,
Power Bi, Dashboard, Start-Up, E-marketing, Data Analytique, ETL, Esb, Olap,
Extra Data, Transform Data, Load Data, social media marketing, Reporting

7
Page
Résumé
La thématique principale de ce travail se fait dans le cadre du
mémoire de stage de fin d’étude afin d’obtenir notre diplôme de licence
professionnelle en informatique décisionnelle qui concerne la
conception d’un système d’aide à la prise des décisions aux campagnes
marketing et commerciales dans les entreprises.
Afin de bien comprendre les concepts, nous avons effectués un
état des lieux qui nous a permis de comprendre le système décisionnel
de de déceler ces limites. Pour pallier à ces limites, nous avons fixé
comme objectif : la réalisation d'un système qui aidera à obtenir les
résultats finaux voulus, et par la suite nous avons implémenté un cahier
de charge qui passe par une analyse du système existant, une conception
de la zone d’entreposage, par une implémentation et un déploiement de
l’entrepôt des données.
Pour éviter l’effet tunnel, nous nous sommes appuyés sur l’une des
méthodes de gestion des projets les plus utilisés du moment qui est la
méthode agile tout en découpant les sprints selon le principe SMART.
Tout ceci va se faire en suivant les règles éditées par les deux pères
fondateurs de l’entrepôt de données : William H. Inmon l’inventeur du
concept et Ralph Kimball. Une fois l’entrepôt de données construites,
nous avons fait une analyse de données en utilisant Python pour tirer les
indicateurs de performance KPI des compagnes marketing et
commerciales à partir des données précédentes ; afin de présenter ces
KPIs dans la partie d’usage des outils de Reporting comme PowerBI.

8
Page
Introduction générale
Dans un paysage encombré de concurrence, une stratégie
marketing forte est cruciale pour se démarquer de la foule. Il ne suffit
plus d'avoir simplement le meilleur produit ou service sur le marché, il
faut aussi toucher le bon client et l’en convaincre. Ce n'est pas une
nouvelle. En fait, il y a de fortes chances que vos concurrents connaissent
également l'importance d'un marketing solide et aient au moins une
stratégie de base pour attirer l'attention de votre public. Les techniques
de marketing de base, pour de nombreuses entreprises, ne suffisent plus.
Pour cela la société Eva Factory souhaite à travers le programme
ESB| Eva Start ’Up Booster renforcer la stratégie marketing auprès de
ses clients, pour la plupart des Start’Up et c'est de là que nous nous
sommes inspirés du projet, un système d'aide à la décision pour les
campagnes marketing et commerciales, Et nous examinerons les
résultats d'une manière qui les rend compréhensibles pour quiconque
malgré son manque de connaissances dans le domaine de l'informatique
ou de l'analyse.

9
Page
Chapitre I : Présentation du cadre de
projet
Introduction :
Il est question dans ce chapitre de présenter l’existant qui fera l’objet de notre
travail sur divers aspects tels que : l’état fonctionnelle, étude du système actuel de
décision, les limites ou problèmes observés.

10
Page
I) Présentation de l’entreprise
1. Eva Factory [1] :
Eva Factory, est une S.A.R.L crée en 2017 située à Oujda, elle intervient
dans le domaine de l'Ingénierie Informatique et de Marketing Digital (Conception,
Design, développement et Marketing). Spécialisée dans la mise en place des
solutions et outils informatiques et technologiques sur-mesure :
• Le développement informatique (web, desktop et mobile);
• Création d’ERPs et conseil en systèmes informatiques ;
• Gestion des bases de données numérique ;
Accompagne la transformation numérique des entreprises en Marketing digital :
• Outils de référencement « SEO/SMO/SEM/ASO » ;
• Community management « e-reputation » ;
• Facebook Ads ;
Créant des univers graphiques originaux, moderne et créatifs :
• Infographie ;
• Motion graphique ;
• Formation professionnelle ciblée ;
Armée d’une équipe composée des spécialistes passionnés ayant plusieurs
années d’expérience dans les secteurs de l’informatique, design, marketing et
services administratifs, le groupe Eva mets en œuvre l’ensemble de nos
compétences et notre savoir-faire pour répondre à vos attentes et vous proposer une
gamme de services compétitifs, sur mesure et de qualité à prix juste.
En 2020, ESB | Eva Startup Booster a été déclenché est un catalyseur pour créer
des idées, promouvoir des startups et agréger des projets ; Sa mission principale est
de soutenir les jeunes étudiants émergents et de les motiver à créer les opportunités
de réseautage nécessaires pour franchir une étape vers la création d'une entreprise
en démarrage prospère.
2. L’état décisionnelle au sein de l’entreprise
A travers notre étude décisionnelle en « EVA FACTORY » on peut distinguer
trois niveaux hiérarchiques de prise de décision : CEO, Comité d'entreprise, les
chefs de service. Ici généralement l’ordre ne suit pas le schéma où il doit quitter de
la haute direction habilité et chevauché jusqu’au exécutant. Le directeur peut à
chaque moment décider du déroulement ou influencer le fonctionnement des
activités à chaque niveau. Les projets et objectifs de l’entreprise sont connus de
tous. C’est ce qui donne la latitude aux responsables d’entreprendre les décisions

11
Page
relatives à leurs activités et de même pour les exécutants en accord avec le DG et
ou le supérieur direct.
3. Stratégie marketing et commercial de
l’entreprise
Objectif premier d’une entreprise est de vendre et se faire du profit. C’est
dans cette optique que le service marketing et communication effectue
quotidiennement des tâches afin que cet objectif soit atteint. Tous les moyens sont
permis pour faire parler de soi et de ses services (campagnes publicitaires, création
de contenus sur les réseaux sociaux, marketing direct…). De la mise en place d’un
planning commercial, en passant par un planning de communication. Chaque
action est mûrement pensée en marketing, car se faire connaître, se faire accepter
et inciter les personnes à nous suivre dans notre vision n’est pas chose facile.
FIGURE 2 : Logigramme d’activité d’Eva Factory

12
Page
FIGURE 3:Entonnoir marketing
Quelques tâches répétitives observées :
• Gestions des pages Facebook, Instagram, twitter et LinkedIn ;
• Conception des créas pour les graphistes ;
• Répartition des zones de prospection et définition des objectifs de vente ;
• Mise en place des campagnes de promotions.
4. Problème
Nous pouvons noter comme problème : d’énorme difficultés de prise de
décisions stratégique en temps, fondé sur des données dont la véracité et l’intégrité
est mise en doute ; d’énorme difficultés d’exploitation des flux de données issue de
l’environnement extérieur qu’intérieur de l’entreprise. Il est à noter que ces
différents problèmes influencent fortement le BPM de l’entreprise et est plus
accentue sur le processus métier Marketing (les campagnes marketing ne sont pas
fondées sur des données concrètes et données des anciennes campagnes ne sont pas
exploitées ou avec efficience) et commerciale où le jeu de données est abondant.
Où les prises de décisions stratégiques sont généralement fondées sur du bruie et
des simples observations de la concurrence et de l’environnement extérieur en
général.
II) Présentation du projet
1. Objectifs et intérêt du travail
« Comprendre votre public est la meilleure voie vers le succès » [2].
Phase au problématique envisagé ; notre choix est porté sur la mise en place
d’une solution décisionnelle basé sur l’analyse des performances des anciennes
campagnes et des indicateurs ou KPIs permettant de mesurer la performance de la

13
Page
campagne marketing, c’est-à-dire d’évaluer dans quelle mesure cette campagne a
permis d’atteindre les objectifs que l’entreprise s’était fixée.
• Gagnez en clarté sur votre public cible pour mieux leur
commercialiser votre produit.
• Utilisez l'analyse prédictive pour anticiper les tendances futures de
votre clientèle.
• Découvrez les meilleurs canaux pour héberger vos efforts marketing
et les optimiser.
• Améliorez l'expérience client pour votre public actuel.
2. Généralités sur les campagnes marketing et les
campagnes commerciales
Une campagne marketing est un ensemble organisé d’actions
destiné à atteindre un objectif précis.
Une campagne marketing se définit par :
➢ Un ou des objectifs : (Promouvoir un nouveau produit, un nouveau
service, une nouvelle gamme, Recueillir des feedbacks clients,
Communiquer sur un événement : ouverture d’un nouveau magasin,
fermeture d’un magasin, soldes, etc…) ;
➢ Des indicateurs ou KPIs : permettant de mesurer la performance de
la campagne marketing ;
➢ Une cible : Une campagne marketing s’adresse rarement à tous les
clients en base, elle cible des segments clients précis, caractérisés par
un certain nombre d’attributs socio-démographiques,
comportementaux…
➢ Un message : Une campagne marketing vise à transmettre un
message, un message qui va de la marque vers les clients ;
➢ Un canal : Quel canal ou media l’entreprise utilise-t-elle pour faire
passer le message de la campagne ? Les entreprises n’ont jamais eu
autant de canaux à leur disposition : l’email, la publicité print
(publicité dans des journaux, dans le métro, dans la rue, etc.), la
publicité télé ou radio, la publicité digitale, les réseaux sociaux, le
sms, les applications mobiles, etc. Le choix du canal n’est pas
anodin.
3. Le Datamarketing [2]
Qu'est-ce que le Datamarketing ?

14
Page
En termes simples, le marketing axé sur les données consiste à baser la
stratégie de marketing et de communication de votre marque sur les informations
quantitatives que vous avez recueillies sur votre public. Alors que les pratiques de
marketing traditionnelles étaient basées sur des hypothèses de longue date ou
simplement sur des sentiments « intestinaux », le marketing de données est basé
sur des faits quantifiables : vos données sur les consommateurs. Ce qui aurait
autrefois été une campagne de marketing de masse non ciblée basée sur une
supposition éclairée est désormais un effort factuel basé sur ce que vous savez être
vrai.
Quels sont ces avantages ?
Le principal avantage du data marketing est la spécificité qu'offre la
stratégie, l'amélioration de votre retour sur investissement et le succès global des
campagnes. Lorsque vous améliorez à la fois la précision et la rapidité des
campagnes marketing, vos efforts sont plus efficients et plus efficaces.
4. Planification et Méthodologie de travail
Nous avons utilisé des diagrammes de Gantt [6] pour planifier et programmer
notre projet. Ils vous aident à estimer la durée d'un projet, à déterminer les
ressources nécessaires et à planifier l'ordre dans lequel vous effectuerez les tâches.
Il est également utile pour gérer les dépendances entre les tâches.
FIGURE 4:Sprints
Chaque tâche est matérialisée par une barre horizontale, dont la position et
la longueur représentent la date de début, la durée et la date de fin. Ce diagramme
permet donc de visualiser d'un seul coup d'œil.

15
Page
FIGURE 5:Diagramme de Gantt
Conclusion
A travers de ce chapitre nous avons pu recueillir toutes les informations à
travers des réunions et des documentations qui nous ont permet d’identifier les
utilisateurs de notre futur système et leurs besoins. Cette étape définira la manière
de construire le système d’aide à la décision.

16
Page
Chapitre II : Analyse et conception du
système d’aide à la prise de décision
Introduction
Ce chapitre a pour but de vous présenter les grands concepts qui seront
abordés tout le long de notre projet. Nous pouvons citer : les systèmes décisionnels
(classiques et assistés par l’informatique), les campagnes marketing, les campagnes
commerciales, les Data Warehouse, Business Intelligence, intégration des données,
synchronisation des données et analyse en ligne des données.

17
Page
I) Les entrepôts de données
« Un entrepôt de données ne s'achète pas, il se construit. » Bill
Inmon
1. Les DWs selon William H. Inmon [3] :
• Définition :
Un entrepôt de données (Data Warehouse) selon Bill Inmon; le père du concept
d'entrepôt de données est une collection de données thématiques, intégrées, non
volatiles et historisées pour la prise de décisions.
➢ Caractéristiques
Les quatre caractéristiques spécifiques des DW selon inventeur de ce terme
William H. Inmon. Elles doivent être orientées sujet, intégrées, non volatiles et
« time-variant ».
• ce qui signifie qu’il doit être possible de les définir par leur sujet. Par
exemple, un DataWarehouse peut être déployé spécialement pour
analyser les données liées aux ventes de l’entreprise. Cette DW servira à
répondre à des questions comme « quels ont été les meilleurs clients
pour tel produit X au cours d’une période d’un an».
Orientées sujet :
• la DW doit être en mesure d’assembler des données en provenance de
différentes sources dans un format consistant. Elles doivent permettre
de résoudre les problèmes comme les conflits de noms et les
incohérences en termes d’unités de mesure.
Intégrées:
• Troisièmement, les DW doivent être non-volatiles. Cela signifie qu’une
fois qu’une donnée est entrée dans la DW, elle ne doit plus changer.
L’utilisateur est ainsi en mesure d’analyser les données (requêtes,
rapport,analyse, datamining).
Non volatiles :
•La prise en compte de l’évolution des données est primordiale pour la prise de décision et
notamment les prédictions. Dans un système de production ; la donnée est mise à jour à
chaque nouvelle transaction. Dans un DW, la donnée ne doit jamais être mise à jour. Un
référentiel temps doit être associé à la donnée afin d’être capable d’identifier une valeur
particulière dans le temps.
Time-variant (Historiées):
FIGURE 6 : caractéristique du DW

18
Page
2. Intégration des données par l’outil ETL
L’intégration des données consiste à combiner les données résidant dans
différentes sources et fournissant aux utilisateurs une vue unifiée d'entre eux. (De
notre cas on doit fusionner les bases données du service commerciale et du service
Marketing). Comme on peut voir sur la figure suivante :
FIGURE 7 : Intégration des données
Ainsi, nous aborderons la méthode d'intégration qui nous convient : L’ETL
(Extract, Transform and Load)[3] permet la consolidation des données à l’aide des
trois opérations suivantes :
- Extraction : Identifier et extraire les données de sources ayant subi une
modification depuis la dernière exécution.
- Transformation : Appliquer diverses transformations aux données pour
les nettoyer, les intégrer et les agréger.
- Chargement : Insérer les données transformées dans l’entrepôt et gérer
les changements aux données existantes.
Il traite normalement de grandes quantités de données en lots et est surtout
utilisé avec les entrepôts de données et les comptoirs de données.
Parmi ses avantages :

19
Page
- Optimiser pour la structure de l’entrepôt de données ;
- Pouvoir traiter de grandes quantités de données dans une même exécution
(traitement en lot) ;
- Permettre des transformations complexes et agrégations sur les données ;
- Être contrôlée par l’administrateur ;
- Permettre la réutilisation des processus et transformations.
3. Analyse en ligne des données
Le terme OLAP (On-Line Analytical Processing) désigne une classe de
technologies conçue pour l’accès aux données et pour une analyse instantanée de
ces dernières, dans le but de répondre aux besoins de Reporting et d’analyse.
R. Kimball définit le concept « OLAP » comme « Activité globale de requêtage et
de présentation de données textuelles et numériques contenues dans l’entrepôt de
données ; Style d’interrogation spécifiquement dimensionnel » [Kimball, 2005].
II) Aperçu aux systèmes décisionnels
1. Définition d'un système décisionnel en
Business Intelligence [4] :
Un système est un ensemble de technologies destinées à permettre aux
collaborateurs d'avoir accès et de comprendre les données de pilotage rapidement,
de telle sorte qu'ils prennent une décision meilleure a temps, résultant d'un
processus comportant le choix conscient entre plusieurs solutions en vue d'atteindre
un objectif précis.
Un système décisionnel permet de répondre aux questions suivantes :
FIGURE 8 : Réponse d’un système décisionnel
• Tableau de bord
Que s'est il passé ?
• Analyse
Pourquoi cela s'est il passé ?
• Prédiction
Que va-t-il se passé ?
• Aide opérationnelle
Que se passe-t- il en ce moment ?
• Prise de décision ou entrepôt actif
Que devrait- il se passer ou que faire ?

20
Page
2. Systèmes d’aide à la prise de décision moderne [3]
Les systèmes d’aide à la prise de décision de nos jours sont fondés sur
généralement cinq grands concepts (Business Intelligence, Data Warehouse, Data
integration, synchronisation des données et l’analyse en ligne des données) qui
dépendent les uns des autres et ne sont pas tous obligatoires. Leurs agencements
dépendent du résultat attendu et des contraintes du milieu où ils doivent être
appliqués.
Ce type d’application repose sur une architecture commune dont les bases
théoriques viennent principalement de Ralph Kimball, Bill Inmon et DanLinstedt.
Les étapes sont :
FIGURE 9 Systèmes d’aide à la prise de décision moderne
3. Le tableau de bord de la Business Intelligence [5]
Le tableau de bord est au cœur du système de Business Intelligence de
l'entreprise. Le soin apporté à son élaboration conditionne la réussite globale du
projet décisionnel d'entreprise.
➢ Pourquoi nous devons créer un tableau de bord
marketing ?
Nos tableaux doivent répondre à des objectifs différents :
• Faire le suivi d’une campagne précise
1
• Les données opérationnelles sont extraites périodiquement de sources
hétérogènes : fichiers plats, fichiers Excel, base de données (DB2,
Oracle, SQL Server, etc.), service web, données massives et stockées
dans un entrepôt de données.
2
• Les données sont restructurées, enrichies, agrégées, reformatées,
nomenclatures pour être présentées à l'utilisateur sous une forme
sémantique (vues métiers ayant du sens) qui permet aux décideurs
d'interagir avec les données sans avoir à connaître leur structure de
stockage physique, de schémas en étoile qui permettent de répartir les
faits et mesures selon des dimensions hiérarchisées, de rapports pré-
préparés paramétrables, de tableaux de bords plus synthétiques et
interactifs.
3
• Ces données sont livrées aux divers domaines fonctionnels (direction
stratégique, finance, production, comptabilité, ressources humaines,
etc.) à travers un système de sécurité ou de data mart spécialisé à des
fins de consultations, d'analyse, d'alertes prédéfinies, d'exploration de
données, etc.

21
Page
• Suivre la performance des leviers que vous gérez
• Prendre de la hauteur sur vos canaux pour informer votre direction
Afin de permettre aux décideurs de :
• Un gain de temps inhumain
• Une visibilité des performances accrue
• Une prise de décision facilitée
• Des résultats facilement exploitables
➢ Qu’est-ce qu’un bon Dashboard marketing ?
Un bon dashboard marketing doit être… :
• Interactif : il doit intégrer des chiffres provenant de diverses sources et
présenter une vue consolidée.
• Dynamique : il doit montrer les KPIs pertinents et actualisés, et ainsi
répondre à vos questions en temps réel.
• Flexible et évolutif : il doit offrir la possibilité d’ajouter de nouvelles
mesures marketing et de retirer celles qui ne présentent plus d’intérêt.
• Facile à lire : on doit comprendre en un clin d’œil la situation actuelle
grâce à des informations présentées de manière claire et hiérarchisée.
Et surtout, il faut éviter la surcharge de données !
• Adaptable : les tableaux de bord se construisent sur une temporalité
définie. Cela peut être sur la journée, lorsque l’on a besoin d’analyses
en temps réel (en cas de campagne précise par exemple) ou sur une
semaine, un mois, un trimestre ou même une année complète.
III) Modélisation
1. Table de fait
FIGURE 10 :MYSQL WORKBENSH
La table de faits est utilisée pour créer des schémas. L'enregistrement d'une
table de faits est une combinaison d'attributs de différentes tables de dimension
Grâce à cela, nous souhaitons donner une vue complète des données qui seront

22
Page
incluses dans notre conception, et nous nous sommes appuyés sur l’outil MySQL
Workbench.
Ce dernier est un outil visuel unifié pour les architectes de bases de données,
les développeurs et les administrateurs de base de données. MySQL Workbench
fournit la modélisation des données, le développement SQL et des outils
d'administration complets pour la configuration du serveur, l'administration des
utilisateurs, la sauvegarde et bien plus encore.
FIGURE 11 : Table de fait

23
Page
2. Diagramme de cas d’utilisation [8]:
On a aussi ajouté des diagrammes des cas d’utilisation qui modélisent
l’objectif du système
FIGURE 12:cas d'utilisation décideur
FIGURE 13:Cas d'utilisation utilisateur
Conclusion
Dans ce chapitre nous avons présenté la conception de notre système en
détaillant tous les modules utilisés.

24
Page
Chapitre III : Mise en place du projet
décisionnel et navigation dans les données
Introduction
Ce chapitre a pour but de vous présenter les grands concepts qui seront
abordés tout le long de notre projet. Nous pouvons citer : les systèmes décisionnels
(classiques et assistés par l’informatique), les campagnes marketing, les campagnes
commerciales, les Data Warehouse, Business Intelligence, intégration des données,
synchronisation des données et analyse en ligne des données.

25
Page
I) Mise en place du projet décisionnel via Talend
1. Talend[9]
Talend est un éditeur français de solutions open source dédiées à la gestion
des données d'entreprise. Il propose des solutions complètes pour l’exploitation
des données depuis 2005.
Les produits du catalogue de Talend couvrent de nombreuses dimensions :
qualification, préparation, intégration, gouvernance, ESB, Big Data etc...
FIGURE 14:TALEND
2. Chargement des Data Sources sous Mysql et les
dimensions du DW
On procède tout d'abord au chargement de chacun des fichiers Excel dans
une table miroir dans Mysql. Après quoi j'effectue la jointure des tables et on le
charge dans une table globale.
A partir de cette table globale, je charge une BD relationnelle sous Mysql
toujours.
L’intérêt centrale du modèle relationnel est de décrire un ensemble de
données comme une collection de prédicats sur un ensemble fini de variables
sous-jacentes, décrivant les contraintes sur les valeurs et les combinaisons de
valeurs possibles.

26
Page
FIGURE 15:Schéma relationnel
FIGURE 16: Chargement des dimensions commerciales
Chargement des dimensions pour crée la table de faits
Dimensions et hiérarchies :
1- Client : Client – Région -Dépense.
2- Commerciale :
Commande-Client-Produit-Prix.
3- Store :
Produit – Site Web - Brande
5- Temps :
Année mois jour trimestre.

27
Page
FIGURE 17:Dimension du Marketing
Chargement des dimensions pour crée la table de faits
Dimensions et hiérarchies :
1- Campagnes :
Client – Région -Dépense.
2- Brands :
Site web – E Store.
5- Temps :
Année-Mois-Jour -Trimestre.
3. Chargement du Fait
FIGURE 18:Alimentation des dimensions et tables de fait
Après avoir préparé les dimensions, elles seront transférées dans la base de
données globale

28
Page
II) DATA MINING
1. Définition :
Dans un contexte marketing, le data mining regroupe l'ensemble des
technologies susceptibles d'analyser les informations d'une base de données
marketing pour y trouver des informations utiles à l'action marketing et
d'éventuelles corrélations signifiantes et utilisables entre les données. Sur un plan
plus général, le data mining est un processus qui permet d'extraire des informations
commercialement pertinentes à partir d'une grande masse d'informations.
• Techniques de data mining
FIGURE 19:Q&A datamining
2. Analyse de données avec Python
• Objectifs
Avant de passer au produit final qui est représentait par le Reporting, nous
allons faire un Pré-traitement des données via le langage Pyton et l'interface Google
Collab. Ce notebook basé sur le principe question-réponse va nous permettre de
faire un premier design pour notre tableau de bord.
• Outils utiliser
•Cette technique est utilisée pour obtenir des informations importantes et pertinentes sur les
données et les métadonnées. Cette technique d'exploration de données permet de classer les
données dans différentes classes.
Classification
•Le clustering est une division d'informations en groupes d'objets connectés. Décrire les données par
quelques clusters perd principalement certains détails confinés, mais apporte une amélioration. Il
modélise les données par ses clusters.
Clustring
•L'analyse de régression est le processus d'exploration de données utilisé pour identifier et analyser
la relation entre les variables en raison de la présence de l'autre facteur. Il est utilisé pour définir la
probabilité de la variable spécifique. Régression,
Régression
•Les règles d'association sont des instructions si-alors qui permettent de montrer la probabilité
d'interactions entre des éléments de données au sein de grands ensembles de données dans
différents types de bases de données. L'exploration de règles d'association a plusieurs applications et
est couramment utilisée pour faciliter les corrélations de ventes dans des ensembles de données ou
de données médicales.
Règles d'association
•La prédiction utilise une combinaison d'autres techniques d'exploration de données telles que les
tendances, le regroupement, la classification, etc. Elle analyse les événements ou les instances
passés dans le bon ordre pour prédire un événement futur
Prediction

29
Page
Python est le langage le plus utilisé pour la Data Science. Pour cause, ce
langage est simple, lisible, propre, flexible et compatible avec de nombreuses
plateformes. Ses nombreuses bibliothèques, telles que TensorFlow, Scipy et
Numpy permettent d'effectuer une large variété de tâches.
FIGURE 20:Python et Google Colab
Colaboratory[7], souvent raccourci en "Colab", est un produit
de Google Research. Colab permet à n'importe qui d'écrire et d'exécuter le code
Python de son choix par le biais du navigateur. C'est un environnement
particulièrement adapté au machine learning, à l'analyse de données et à
l'éducation.
3. Aperçu du Notebook
• Notebook
La raison de cet aperçu de la revue est la nature interactive du matériel
Python Notebooks. La possibilité d'expérimenter des données et de voir les
résultats du code pour chaque commande écrite le rend idéal pour étudier,
rechercher et poser des questions stratégiques, où l'accent est mis sur l'analyse des
données plutôt que sur le développement.

30
Page
FIGURE 21:Aperçu du Notebook
Sur la base de l'observation des graphe suivantes, nous devons remarquer
les formes les plus compatibles avec la fonction incrémentale linéaire, et pour
cela nous devons prendre en compte les cellules incluses dans ce graphique et les
plus équilibrées.
Conclusion
Cette section est liée à la tâche de préparer et de purifier la base de données
et d'essayer d'extraire les meilleurs indicateurs de l'évolution à travers l’analyse
de données pour que notre afin de donner un sens à nos tableaux de bords.

31
Page
Chapitre VI : Implémentation et déploiement
du système
Introduction
Ce chapitre comprend le Reporting et les méthodes utilisées pour le rendre
disponible à tous les utilisateurs concernés. Nous nous appuierons sur tout ce qui
précède pour construire cette solution. Cette étape est la plus importante. Elle
permettra à quiconque de comprendre notre projet, qui, nous l'espérons, être clair
et facile à comprendre à travers les décisions qui seront prises, son succès
confirmera le succès de notre travail.

32
Page
I) Objectifs et outils de travail
1. Objectifs
L'idée est que nous allons construire un tableau de bord à partir de l’entrepôt
de données précédent qui devrait contenir les indicateurs de performance KPI que
nous avons extrait précédemment et nous utiliserons pour cela l'application Power
Bi qui nous permettra de publier le rapport sur le Web et de l'intégrer dans
l'application web qui permettra à chacun de mémoriser l'application et de la
commenter ou de la partager sous forme de rapport.
FIGURE 22:les étapes de Power Bi
2. Outils utilisés
• Microsoft Power Bi [10] :
L'avantage de cet outil, c'est qu'il vous permet de visualiser chaque élément
dans son grand ensemble pour prendre une décision plus éclairée. La présentation
visuelle du tableau de bord permet d'identifier en un regard les données
importantes à la prise de décision.
FIGURE 23:Power Bi

33
Page
Mais la meilleure fonctionnalité qui nous a fait l'utiliser parmi le reste des outils
c’est l'option Publier sur le web ; car on peut facilement incorporer du
contenu Power BI interactif dans des billets de blog, des sites web, des e-mails ou
des réseaux sociaux. Et aussi modifier, mettre à jour ou actualiser vos visuels
publiés, ou bien annuler leur partage.
• L’interface web :
FIGURE 24:Accueil de l'interface web
Ainsi Nous avons créé une platform web simple qui vise à publier un
tableau de bord en utilisant des langages de programmation
HTML/CSS/JAVASCRIPT pour la mise en page et PHP/SQL pour relier la base
de données avec la platform et il sera également possible d'ajouter/supprimer et
modifier les données.
FIGURE 25:HTML CSS JS PHP SQL
II) Réalisation du tableau de bord
Notre tableau de bord se devise en trois pages : Overview, commerce et
Marketing.

34
Page
1. Overview
Cette interface est destinée aux dernières opérations réalisées par l'entreprise et
répond aux questions suivantes :
Quelle est la région avec les revenus les plus élevés ?
Quelles sont les marques qui font le plus affaire avec nous ?
Les plateformes publicitaires les plus populaire ?
FIGURE 26:tableau de bord des opération général
2. Marketing
Ce tableau de bord nous confirme dans quelle mesure les téléspectateurs ont
répondu à la campagne publicitaire et les données démographiques des personnes
intéressées par la campagne.

35
Page
FIGURE 27:tableau de bord marketing
3. Commerce
Nous avons décidé de rendre ce tableau plus spécialisé dans ce qui est lié
au client afin de déterminer les meilleurs et les plus achetés.
FIGURE 28:Tableau de bord commercial
III) Intégration des tableaux dans la platform
web
1. Défusion des rapports et des tableaux de bord

36
Page
L'intégration se fera en connectant l'utilisateur à l'application Web et en le
publiant sur le lien Dashboard Power PI, à travers lequel il pourra le communiquer
aux personnes concernées par le sujet.
FIGURE 29:ajouter un tableau de bord
Ce qui suit est l’interface principale de l'application, qui comprend des
informations extraites de celle-ci dans PhpMyAdmin et le tableau de bord Power
Bi précédemment publié.
La page ci-dessous est divisée en 3 sections :
Partie à gauche contient : Il permet à l'utilisateur de modifier les informations
affichées en fonction de la spécialisation souhaitée : Général, Marketing,
Commerce, et il permet aux décideurs de gérer les données qui existe et donnez
leurs avis sous forme de commentaire.
Partie milieu : le tableau de bord Power Bi version Web avec une lise des choix
qui permet de changer les tableaux de bord actuel.

37
Page
Partie droite : contient des information général tell que meilleur platform
publicitaire, liste des utilisateurs ……
FIGURE 30:Dashboard publier sur le web
Le tableau de bord inférieur n'est pas lié à la base de données dans le
PhpMyAdmin mais à celle du Power Bi et conserve la fonction d'interaction.
2. Quelques fonctionnalités de la platform
Quant à la figure suivante, il s'agit d'une liste d'options pour les tableaux de
bord récemment publiés, accompagnés du titre, de la date et du nom de l'éditeur.
FIGURE 31: NAVIGATION DANS LES DASHBOARD
Lorsque nous cliquons sur l'une de ces options le tableau de bord concerné
s’affiche.

38
Page
FIGURE 32:résultat de navigation
Comme pour la barre de à gauche, les données sont organisées selon le
champ auquel elles appartiennent Marketing/Commerce/autre.
FIGURE 33:Navigation par domaine
L'utilisateur peut préparer son propre rapport sur la base des notes, choisir
le Dashboard mettre un rapport pour lui, et qui pourra le publier au format PDF.

39
Page
FIGURE 34:exporter le rapport sous forme Pdf
Les fichiers PDF sont créés avec la bibliothèque FPDF[11] de PHP contient
des informations générales sur certains Dashboard choisie et les commentaires du
rédigen,et aussi des liens, en cliquant sur ce dernier il nous affiche la format web
des Dashboard présélectionnés par le rédigent du rapport.
FIGURE 35 : destination du lien
Conclusion
A travers ce chapitre, nous avons présenté le travail réalisé et les résultats
obtenus. En espérant que nos produits sont simples à utiliser et flexible.

40
Page
Conclusion générale
En guise de conclusion nous pouvons dire que durant notre projet on a traité
quatre chapitres l’élaboration de cet entrepôt nous a permis de confronter une
expérience professionnelle dans le domaine de l’informatique décisionnelle.
En outre, notre projet nous a offert de l’opportunité de concrétiser nos
connaissances théoriques à l’aide d’un cas réel. Ainsi, ce projet nous a apporté le
plus concernant les langages de programmation et les outils de développements.
Nous avons présenté dans ce rapport toutes les étapes nécessaires pour la
constitution d’un système décisionnel et entrepôt de données des compagne
Marketing et commercial.
Sur le plan professionnel, ce projet de fin d’études nous a permis de se
familiariser avec certains concepts et outils et d’acquérir des nouvelles
connaissances à propos de conception d’entrepôt de données, analyse de données
avec Python, ETL et cube OLAP avec Talend, Programmation Web et tableau de
bord avec Microsoft Power BI ……

41
Page
Références
1. https://fr.linkedin.com/company/eva-factory
2. https://www.accudata.com/blog/data-marketing/
3. https://www.grin.com/document/934154
4. https://www.memoireonline.com/
5. https://www.plezi.co/fr/tableau-de-bord-marketing/
6. https://monday.com/
7. https://colab.research.google.com/drive/
8. https://www.lucidchart.com/pages/fr
9. https://www.talend.com/fr/
10.https://powerbi.microsoft.com/fr-fr/
11.http://fpdf.org/

rapport final Conception d’un système d’aide à la décision aux compagne marketing et commerciale.pdf

Recommandé

Recommandé

Contenu connexe

Similaire à rapport final Conception d’un système d’aide à la décision aux compagne marketing et commerciale.pdf

Similaire à rapport final Conception d’un système d’aide à la décision aux compagne marketing et commerciale.pdf (20)

rapport final Conception d’un système d’aide à la décision aux compagne marketing et commerciale.pdf