CH18 LES SYSTEMES DECISIONNELS 28/02/20141UE8 COURS DE M.BIZON.

CH18 LES SYSTEMES DECISIONNELS

11/04/23 1UE8 COURS DE M.BIZON

I- Le SIADA- But d’un SIAD

Le SIAD est un outil d’observation et de description qui vise, à partir de données de gestion et/ou de statistiques, à donner aux managers d’une entreprise les moyens d’identifier des alertes de gestion, de suivre l’évolution de l’activité et de disposer d’outils d’investigation de sujets ou phénomènes particuliers.

Le SIAD tire parti de l’ensemble des données produites ou acquises par l’entreprise

Le SIAD vise à présenter des informations utiles

Le SIAD vise à fournir aux utilisateurs un outil de consultation commode


Les outils fournis par le SIAD :

- le tableau de bord comportant des alertes ;

- des tableaux préformatés contenant l’essentiel de la statistique d’activité et d’environnement ;

- des tableaux et graphiques restituant les résultats d’interrogations en utilisant la technologie "hypercubes" ;

- la restitution d’analyses sophistiquées (analyse de corrélation, simulation etc.) utilisant les outils de " datamining ".


1) La technologie " hypercubes "

Cette technologie permet à l’utilisateur, par la production de tableaux multidimensionnels intermédiaires, de construire par sélection les séries chronologiques ou les tableaux croisés dont il a besoin.

2) Administration du dispositif

La fonction d’évolution des hypercubes, comme du dispositif dans son ensemble, sera assurée par une cellule d’administration centrale en relation avec les analystes.


B. Architecture du SIAD

Un SIAD peut être présenté selon trois couches :

-L’alimentation par les applications opérationnelles constitue la première couche ; -La deuxième couche est constituée par le stockage historisé, l’agrégation et la constitution des cubes ;

- La restitution sous forme d’alerteurs, de tableaux préformatés, de tableaux croisés et de graphiques constitue la troisième couche.


1

2

3


C- Les apports du SIAD à la gestion

Le SIAD a pour but de fournir des données observées alimentant, après recoupement avec d’autres sources (économiques, démographiques, marketing etc.) la compréhension du marché et permettant de réaliser le suivi de l’activité, l’analyse de son impact, l’optimisation des moyens, de façon à faciliter l’orientation de l’action

Le SIAD a donc vocation à fournir les indicateurs de pilotage permettant à un responsable opérationnel d’évaluer la qualité et la productivité du travail


II L’entrepôt de données (datawarehouse)

A- Structure

Un datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données :

• orientées « métier » ou business

• présentées selon différents axes d'analyse ou « dimensions »

• non volatiles : stables, en lecture seule, non modifiables

• intégrées : en provenance de sources hétérogènes ou d’origines diverses

• archivées et donc datées 11/04/23 8UE8 COURS DE M.BIZON

Ces données sont conservées dans le datawarehouse :

• de préférence sous forme élémentaire et détaillée (exemple : chaque opération sur chaque compte de chaque client, ...) si la volumétrie le permet,

• éventuellement sous forme agrégée selon les axes ou dimensions d'analyse prévus (mais ces agrégations sont plutôt réalisées dans les datamarts que dans les datawarehouses proprement dits).


B- Les Outils logiciels de datawarehouse.

Les logiciels usuels de datawarehouse comportent :

- des outils commodes pour sélectionner les variables que l’on veut croiser, et regrouper les modalités que l’on souhaite agréger ;

- des outils de représentation graphique (courbes, histogrammes, " fromages " etc.) facilitant la visualisation des données ;

- des fonctionnalités de tableur permettant de réaliser sur le tableau de nombre tous les calculs jugés opportuns ;


III- Le forage de données (DATAMINING)

L’exploration de données, aussi connue sous les noms fouille de données, datamining (forage de données) ou encore Extraction de Connaissances (ECD en français), a pour objet l’extraction d'un savoir ou d'une connaissance à partir de grandes quantités de données

Lorsque la source n’est pas directement un entrepôt de données, il s'agira très souvent de construire une base de données ou un datamart dédié à l'analyse et aux analystes

On peut également structurer les données de l’entrepôt sous forme d’un hypercube OLAP,


Exemples d'applications

• Analyser les comportements des consommateurs : ventes croisées , similarités de comportements, cartes de fidélité, …prédire la réponse à un mailing ou à une opération de marketing direct (par exemple pour en optimiser les coûts)• Prédire l’attrition (ou churn) des clients : quels sont les indices de comportement permettant de détecter la probabilité qu’un client a de quitter son fournisseur (sa banque, son opérateur de téléphonie mobile, …)• Détecter des comportements anormaux ou frauduleux (transactions financières, escroquerie aux assurances, distribution d’énergie, …)• Rechercher des critères qui permettront d’établir ensuite un scoring pour repérer les « bons » clients sans facteur de risque (scoring de crédit) et leur proposer peut-être une tarification adaptée (par exemple pour une banque ou une compagnie d’assurance).• Suggérer lors d’un appel à un call center, en temps réel, une réponse de l’opérateur qui soit adaptée


11/04/23 UE8 COURS DE M.BIZON 15

SIAD en milieu hospitalier

http://www.piloter.org/business-intelligence/data-warehousing.htm

retour


Un DataMart (littéralement en anglais magasin de données) est un sous-ensemble d’une base de données relationnelle utilisé en informatique décisionnelle ; il est généralement exploité en entreprise pour restituer des informations ciblées sur un métier spécifique, constituant pour ce dernier un ensemble d’indicateurs à vocation de pilotage de l’activité et d’aide à la décision. Un DataMart, selon les définitions, est issu ou fait partie d’un DataWarehouse, et en reprend par conséquent la plupart des caractéristiques.

11/04/23 UE8 COURS DE M.BIZON 17

Un hypercube OLAP (ou cube OLAP) est une représentation abstraite d'informations multidimensionnelles exclusivement numérique utilisé par l'approche OLAP (acronyme de On-line Analytical Processing). Cette structure est prévue à des fins d'analyses interactives par une ou plusieurs personnes (souvent ni informaticiens ni statisticiens) du métier que ces données sont censées représenter.

retour

CH18 LES SYSTEMES DECISIONNELS 28/02/20141UE8 COURS DE M.BIZON.

Documents

Transcript of CH18 LES SYSTEMES DECISIONNELS 28/02/20141UE8 COURS DE M.BIZON.