pfeasmaaelouraoui

UNIVERSITE MOHAMMED V AGDAL

ECOLE MOHAMMADIA D’INGENIEURS

Réalisé par:

Mle. NADIA BENHACHEM

Mle. ASMAA ELOURAOUI

Département : Génie Informatique

Section : Systèmes d’Information

Dirigé par:

Mme. LAILA BENHLIMA

M.SLIMANE BAH

M.SAID ABOUKS

Mémoire de Projet de Fin d’Etudes

N° INF 09 /12

Année 2011-2012

Conception et mise en place d’un

système décisionnel pour le suivi

du flux de stock du compte ATAC

I

Dédicaces

A ta mémoire papa, enfin ta petite fille qui avait que 5ans achève son parcours

universitaire. J’aurai aimé que tu sois là mais je sais que tu assiste d’en haut et

j’espère que tu es fier de ta petite KHRIBIKA. Je te rends hommage cher papa et je

te dédie ce modeste travail.

A toi maman, pour la première fois je réalise que les mots ne servent à rien et quoi que

je dise je ne saurai exprimer ma gratitude à ton égard. Tu as vraiment consenti tant de

sacrifices pour faire de moi la personne que je suis aujourd’hui. Que Dieu le tout

puissant te béni chère maman.

A mes chers frères Younes et Karim je vous adore tant.

A ux plus belles sœurs du monde Saloua et Mouna .

A ma clique du lycée militaire Meryem,Hoda,Hakima,Zineb,Fatima,Fadoua…,

merci de m’avoir appris le vrai sens de l’amitié.

A mes chers amis hajjatiii, Fidaa, Safaa,Laila,Sarra ,adnane,adel merci d’être les

meilleurs amis du monde .

A tous ceux qui ont marqué ma vie et que j’ai oublié de citer.

Je vous dédie ce modeste travail avec l’expression de ma profonde gratitude

Asmaa…..

II

Dédicaces

Aux deux êtres qui ont donné sens à mon existence, à mes chers parents :

Aucun remerciement, aucun mot d’amour, aucune expression de gratitude ne sera suffisante pour

vous exprimer mon respect et ma reconnaissance pour tous vos sacrifices déployés afin de

m’élever dignement et d’assurer mon éducation dans les meilleures conditions.

Merci pour votre amour inconditionné, votre capacité à me pardonner, votre confiance qui m’a

couronnée.

Que ce travail humble devant le votre soit pour vous un témoignage de ma vive reconnaissance et

de mon amour filial.

A ma très chère sœurette Sanaa

Merci pour tes encouragements, ta confiance, ta présence et ton soutien dans les moments

difficiles. Tu es pour moi la meilleure sœur au monde. J’espère que tous tes rêves soient exhaussés

et je te souhaite tout le bonheur du monde ma chérie.

A mon oncle Samir et ma chère tante Fouzia

Franchement je ne trouve pas les expressions pour vous remercier, vous m’avez toujours

considéré comme votre fille, vous étiez toujours là à me soutenir et à m’indiquer la bonne voie

sans toutefois attendre de récompense. Vous êtes pour moi le plus magnifique modèle de

générosité, de labeur et de persévérance.

Merci pour vos efforts fournis afin de me soutenir…

Merci pour le temps que vous avez consacré à mon futur…

A Mon oncle Simohamed et ma chère tante Atika

Vous êtes très chers à moi vous les deux, vous avez contribué de près à ma réussite, vous n’avez

jamais hésité à me soutenir dans le meilleur et dans le pire.

Milles merci pour vos encouragements, votre soutien et vos prières…

Pour votre volonté ardente de me voir réussir…

Pour votre bienveillance sur mon avenir… Je vous aime tant …

A ma très chère grand-mère

Toute ma reconnaissance pour ton amour, tes encouragements et ta tendresse. Que dieu te garde

et te préserve pour nous.

A mes adorables cousines et cousins : Dounia, Anis, Réda et ma petite Hiba

Pour votre soutien et votre amour, pour tous les agréables moments que nous avons partagé

ensemble, je vous dédie ce travail et je vous souhaite une vie pleine de bonheur et de réussite.

A mes amis:Soukaina, Laila, Hanaa, Meriem,Soukaina hadane,Ilham,imane,

Mohammed,Anass chaouki,Mostafa,Smail,Hassan,Youssef,Anas douras

Merci d’être toujours là pour moi …

Nadia…

III

REMRECIEMENTS

Au terme de ce travail, nous tenons à remercier vivement et profondément tous ceux qui

ont contribué de près ou de loin à sa réalisation.

De prime à bord, nous souhaitons exprimer toute notre gratitude à nos encadrants à

l’Ecole Mohammadia d’Ingénieurs, Madame Laila Benhlima et Monsieur Slimane Bah

qui nous ont soutenu tout au long de notre projet avec leurs directives pertinentes et leurs

remarques très constructives.

Nos ardents remerciements s’adressent également à Monsieur Said Abouks, Ingénieur

d’état au sein de l’équipe ATAC du groupe HP CDG, pour la qualité de son encadrement,

sa permanente disponibilité, et ses précieux conseils qui nous ont permis de mener à bien

notre stage.

Nous remercions chaleureusement Monsieur Anass Elouradani, Ingénieur et membre de

l’équipe ATAC, pour son soutien, sa collaboration, ses orientations et ses explications

enrichissantes.

Nous exprimons également toute notre reconnaissance à Monsieur Mohamed Hadid,

chef de l’équipe ATAC qui nous a fait l’honneur de nous confier ce projet, ainsi que tous

les membres de l’équipe pour l’agréable ambiance de travail qui nous a permis une

meilleure intégration dans un environnement chaleureux et bienveillant.

Nos sincères remerciements pour les membres du Jury Madame Ounsa Roudies et

Monsieur Driss Ghanami pour le temps qu’ils nous ont réservé afin d’évaluer notre

humble travail.

Nous tenons à rendre hommage au corps professoral du département informatique qui

nous a fourni la matière première pour représenter notre école avec une meilleure image.

IV

Résumé

Affectées au pôle « Business Intelligence» de l’équipe ATAC au sein du groupe HP

CDG, notre projet de fin d’étude s’inscrit dans le cadre de l’informatique décisionnelle.

ATAC se charge de la gestion informatique de la totalité des entrepôts et des magasins du

client ATAC Market qui représente une filiale de la chaîne des supermarchés du groupe

Auchan. Dans ce contexte, et afin d’offrir aux managers du groupe un meilleur usage des

données pour leur prise de décision, l’équipe se base actuellement dans son processus

décisionnel sur une solution logicielle appelée Mapping.

En fait, l’édition des tableaux de bord via cette solution nécessite l’intervention d’un

informaticien qui doit sélectionner les tables concernées, élaborer les requêtes, et faire le

traçage manuel de l’interface de ses rapports. De plus, l’équipe ATAC ne dispose pas

d’un entrepôt de données propre au processus décisionnel, mais accède directement à la

base de production pour la restitution des données. Cette méthode s’avère critiquable

puisqu’elle augmente le temps de réponse de la base et crée une sorte de concurrence sur

l’accès simultané aux données entre les traitements opérationnels et décisionnels.

Pour remédier à tous ces problèmes, notre projet vise la mise en place un datamart destiné

au suivi des différentes sorties du stock des magasins du compte ATAC. L’alimentation

du datamart va s’effectuer en utilisant l’outil Talend. En outre, nous visons à migrer le

processus d’analyse et de reporting vers la suite logicielle de Business Object afin de

faciliter l’édition des tableaux de bord d’un coté, et permettre aux décideurs de consulter

les indicateurs et créer eux même leurs propres rapports d’un autre coté, et cela en

mettant à leur disposition une représentation métier organisée des données. Notre système

va donc permettre de gagner en terme d’autonomie, d’ergonomie des interfaces, et de

temps dans l’élaboration des rapports qui va être réduit à quelques secondes .

V

ملخص

يعرف ما أو القرارات إتخاد إلى الهادفة المعلوميات إطار في الدراسة نهاية مشروع يندرج

HP CDG . بشركة " ATAC"فريق لدى به القيام تم قد و " Business Intelligence"ب

يمثل الذي" ATAC"الزبون ومستودعات محالت لجميع المعلومياتي بالتسيير الفريق هذا يتكلف

منح أجل من و السياق، هذا في و". Auchan" التجارية لمجموعة المراكز سلسلة فروع إحدى

حاليا الصائبة يعتمد القرارات التخاذ الالزمة البيانات الستخدام الطرق أفضل المجموعة مسيري

".Mapping" يدعى برنامجي حل على الفريق

في الواقع، يتطلب إصدار لوحات القيادة بواسطة هذا الحل تدخل خبير في المعلوميات من أجل

فإن ذلك، على زيادة. وكذا التخطيط اليدوي لواجهة تقاريره إختيار الجداول، وضع الطلبات،

مباشرة يلج القرار،ولكنه اتخاد على المساعدة بعملية خاص بيانات مستودع يمتلك ال" ATAC"فريق

تزيد لكونها ناجعة غير تظل الطريقة هذه . الضرورية البيانات السترجاع اإلنتاج بيانات قاعدة إلى

العمليات بين البيانات إلى المتزامنالولوج على المنافسة من نوعا وتخلق القاعدة إستجابة زمن من

.اليومية العملية والمعالجات التقريرية

ما أو للبيانات مستودع و إنشاء تصميم مشروعنا يستهدف هذه المشاكل، كل على التغلب أجل من

هذا تزويد سيتم". ATAC" محالت مخزون مخارج مختلف متابعة أجل من" datamart"ب يسمى

نقل إلى مشروعنا خالل من نهدف ذلك، على عالوة ".Talend" إستعمال طريق عن بالبيانات األخير

Business"مجموعة برامج إلى" Reporting"ب يدعى ما أو التقارير وتقديم التحليل عملية

Object"، وإعداد المؤشرات معرفة من القرار صناع جهة،وتمكين من القيادة لوحات وضع لتسهيل

.للبيانات منظم وظيفي تمثيل توفير خالل من وذلك أخرى، جهة من بأنفسهم الخاصة تقاريرهم

الوقت في وربحا ،االستعمال سهلة وواجهات العمل، في استقاللية إنشائه إلى نسعى الذي النظام سيوفر

.ثواني لبضع تقليصه سيتم الذي التقارير إلعداد الالزم

VI

Abstract

As member of the ATAC team’s business intelligence center within HP CDG group, our project is

a part of the decision-making support system. ATAC is responsible of IT management of all

warehouses and stores of its customer said “ATAC Market customer”. This later is a subsidiary of

the supermarket chain Auchan.

ATAC managers, as any manager, have to make the right decisions. Currently, in order to offer to

the group’s managers a better use of the huge amount of data for decision making, the ATAC team

is using a software solution called Mapping.

However, publishing scorecards via this solution requires the involvement of an IT professional.

Indeed, this later must select the relevant tables, implement queries, and make manual drawing of

reports’ interface. Besides, the ATAC team does not have a specific data warehouse to support

decision making. In other words, it retrieves data directly from the production database. This

method is questionable as it increases the database response time and creates competition between

operational and decision-making treatments due to simultaneous access to data.

To address these issues, our project will implement a datamart for monitoring the various outputs

of the ATAC account’s stores inventory. The datamart will be fed using the Talend tool.

Furthermore, we aim to migrate the analysis and reporting process to the Business Object software

suite. The goal is, on one hand, to make scorecards creation easier and on the other hand, to enable

decision makers to view and create their own reports thanks to an organized business

representation of the data. Therefore, our proposed system will have several benefits: autonomy,

ergonomic interfaces, and time-saving for reporting. In fact, time will be reduced to few seconds

only.

VII

Liste des abréviations :

ABREVIATION DESIGNATION

APPS Applicatif Services

BI Business Intelligence

BPO Business Process Outsourcing

CA Chiffre d’Affaires

CDG Caisse de Dépôt et de Gestion

ERP Entreprise Resource Planning

ETL Extract Transform Load

GSD Global Service Desk

HP Hewlett Packard

ID Informatique Décisionnelle

ISO International Organisation for Standardization

IT Information Technology

ITIL Information Technology Infrastructure Library

ITO Infrastructure Technology Outsourcing

PGC Produits à Grande Consommation

RCP Rich Client Platform

SWT Standard Widget Toolkit

TOS Talend Open Source

TTC Toutes Taxes Comprises

TVA Taxes sur la Valeur Ajoutée

http://fr.wikipedia.org/wiki/Enterprise_Resource_Planning

VIII

Liste des Figures :

Figure 1.1 : Organigramme de l'equipe atac .................................................................................... 5

Figure 1.2 : Interface de l'erp gold ................................................................................................... 7

Figure 1.3 : Schema illustrant la demarche du traçage des tableaux de bord ................................... 9

Figure 1.4 : Planning de deroulement du pfe ................................................................................. 11

Figure 2.1 : Schema de l’organisation geographique du compte atac ............................................ 14

Figure 2.2 : Exemple de la structure marchandise du secteur pgc ............................................... 15

Figure 2.3 : Diagramme de cas d’utilisation decrivant les fonctionnalites du systeme .................. 16

Figure 2.4 : Diagramme de sequence- elaborer un rapport ............................................................ 17

Figure 2.5 : Schema en etoile ......................................................................................................... 19

Figure 2.6 : Schema en en flocon ................................................................................................... 20

Figure 2.7 : Schema conceptuel de l’iteration vente ...................................................................... 22

Figure 2.8 : Schema conceptuel de l’iteration demarque ............................................................... 24

Figure 2.9 : Schema conceptuel de l’iteration rupture de stock ...................................................... 25

Figure 2.10 : Schema conceptuel global du datamart ...................................................................... 26

Figure 2.11 : Processus decisionnel ................................................................................................. 27

Figure 3.1 : Diagramme de radar pour la comparaison des trois etls ............................................. 32

Figure 3.2 : Diagramme radar et le tableau d’evaluation des outils de reporting........................... 36

Figure 4.1 : Chargement de la dimension structure marchandise .................................................. 40

Figure 4.2 : Chargement de la table structure organisation ............................................................ 41

Figure 4.3 : Chargement de la table dimension temps ................................................................... 42

Figure 4.4 : Transformation de la date ........................................................................................... 43

Figure 4.5 : Chargement de la dimension type demarque .............................................................. 43

Figure 4.6 : Chargement de la table de fait vente ........................................................................... 45

Figure 4.7 : Traitement effectue pat le composant taggregaterow ................................................. 45

Figure 4.8 : Planification des jobs .................................................................................................. 45

Figure 4.9 : Temps de chargement de la table de fait demarque .................................................... 46

Figure 4.10 : L’univers ATAC ......................................................................................................... 49

Figure 4.11 : Interface desktop intelligence ..................................................................................... 50

Figure 4.12 : Navigation dans la hierarchie ..................................................................................... 50

Figure 4.13 : Rapport du pourcentage du chiffre d’affaires des magasins dans le reseau sud ......... 52

Figure 4.14 : Evolution du chiffre d’affaires dans le temps ............................................................. 52

Figure 4.15 : Quantite de demarques dans chaque secteur en fonction des types de demarque ...... 53

Figure 4.16 : Diagramme des quantites des demarques ................................................................... 53

Figure 4.17 : Nombre d’article en rupture ....................................................................................... 54

Figure 4.18 : Taux de demarque en 2011 ......................................................................................... 54

IX

Liste des tableaux :

TABLEAU 3.1 : ILLUSTRATION DU RESULTAT DE L’EVALUATION……………………. 32

TABLEAU 4.1 : COMPOSANTS DE TALEND UTILISES……………………………………. 39

TABLEAU 4.2 : ETATS REALISES AU PROFIT DU COMPTE ATAC………………………. 51

X

Sommaire

Introduction .......................................................................................................................... 1

Chapitre 1 : Contexte général du projet .............................................................................. 3

1.1 Organisme d’accueil ......................................................................................................... 4

1.1.1 Présentation du groupe HP-CDG ............................................................................... 4

1.1.2 Présentation de l’équipe ATAC ................................................................................. 5

1.2 Cadrage du projet .............................................................................................................. 6

1.2.1 Cadre du projet .......................................................................................................... 6

1.2.2 Description du projet ................................................................................................. 6

1.2.3 Etude de l’existant .................................................................................................... 7

1.3 Problématique ................................................................................................................... 9

1.4 Objectifs et solutions ...................................................................................................... 10

1.5 Conduite et démarche du projet .................................................................................... 11

Chapitre 2 : Analyse et conception .................................................................................... 13

2.1 Analyse des besoins ......................................................................................................... 14

2.2 Les cas d’utilisation du système ..................................................................................... 16

2.3 Modélisation .................................................................................................................... 18

2.3.1 Notions clés de la modélisation multidimensionnelle .......................................... 18

2.3.1.1 Concept de dimension ............................................................................................ 18

2.3.1.2 Concept de fait ........................................................................................................ 18

2.3.1.3 Modèle de données ................................................................................................. 19

2.3.2 Choix du modèle de données .................................................................................. 20

2.3.3 Modélisation de l’itération vente : ......................................................................... 21

2.3.3.1 Indicateurs recueillis ................................................................................................ 21

2.3.3.2 Dimensions recueillies .............................................................................................. 21

2.3.3.3 Schéma conceptuel de l’itération Vente .................................................................. 22

2.3.4 Modélisation de l’itération démarque et dons aux associations : ....................... 23

2.3.4.1 Indicateurs recueillis ................................................................................................ 23

2.3.4.2 Dimensions recueillies .............................................................................................. 23

2.3.4.3 Schéma conceptuel de l’itération Démarque ...................................................... 23

2.3.5 Modélisation de l’itération rupture de stock ....................................................... 24

2.3.5.1 Indicateurs recueillis .............................................................................................. 24

XI

2.3.5.2 Dimensions recueillies ........................................................................................... 25

2.3.5.3 Schéma conceptuel de l’itération rupture de stock .............................................. 25

2.3.6 Schéma conceptuel global du datamart ................................................................. 26

Chapitre 3 : Etude comparative des outils ......................................................................... 28

3.1 Outils ETL ......................................................................................................................... 29

3.1.1 Présentation des ETL choisis .................................................................................. 29

3.1.2 Choix de l’outil ETL .................................................................................................. 30

3.2 Outils Reporting ............................................................................................................. 33

3.2.1 Présentation des outils Reporting .......................................................................... 33

3.2.2 Choix de l’outil Reporting ....................................................................................... 34

Chapitre 4 : Réalisation……………………………………………………………..….…38

4.1 Alimentation du Datamart .............................................................................................. 39

4.1.1 Composants Talend utilisés .................................................................................... 39

4.1.2 Alimentation des tables de dimensions ................................................................. 40

4.1.3 Alimentation des tables de faits ........................................................................... 44

4.1.4 Paramétrage de la fréquence de la mise à jour du datamart ............................... 45

4.1.5 Analyse du temps de chargement ........................................................................... 46

4.2 Création de l’univers et reporting ................................................................................... 47

4.2.1 Création de l’univers................................................................................................ 47

4.2.2 Analyse et reporting ................................................................................................ 49

4.2.2.1 Analyses multidimensionnelles ................................................................................ 49

4.2.2.2 Reporting .................................................................................................................. 51

Conclusion .......................................................................................................................... 56

Bibliographie et Webographie ............................................................................................ 57

Annexes…………...…………………………………………………………………...….59

1

Introduction

Dans leur quête de compétitivité, les entreprises essaient de plus en plus d’exploiter les

informations dont elles disposent pour améliorer leur processus de prise de décision.

Cependant, face à la multiplication des sources de l’information, le volume des données

collectées croît progressivement et rend difficile d’organiser, d’exploiter, ou de

comprendre ce qu’expriment ces informations: des tendances, des faiblesses ou des forces

cachées. Ce problème nuit grandement à la stratégie de l’entreprise et la met dans

l’obligation de bien manager ses informations pour en faire un réel avantage concurrentiel.

Tel est le cas pour la chaîne des supermarchés ATAC Market, filiale du groupe Auchan et

acteur majeur de la grande distribution en France. Elle dispose de plus de 400 magasins

situés dans diverses régions. Ces magasins mettent à la disposition de leurs clients plus de

10 000 références de produits. Dans ce contexte, si le chiffre d’affaires baisse dans une

période bien précise, de nombreuses questions se posent : quelle est la gamme de produits

touchée par cette baisse ? Dans quel segment de distribution ? Dans quelle région ? Le

chiffre d’affaires varie-t-il de la même façon chaque année ?...etc.

Pour répondre à ces questions, l’équipe ATAC chargée de la gestion informatique de la

chaine des supermarchés ATAC Market utilise la solution logicielle Mapping dans son

processus décisionnel. En fait, l’utilisateur de Mapping élabore ses rapports en interrogeant

directement la base de production. Ceci augmente le temps de réponse du système

puisqu’il nécessite l’exécution d’un certain nombre de jointures et d’agrégations pour

obtenir le résultat souhaité. De plus, Mapping adapte une méthode de traçage manuelle des

interfaces des rapports, Ce traitement fastidieux peut prendre toute une journée pour

l’élaboration d’un seul tableau de bord. Il s’avère donc nécessaire de mettre en place un

système propre au processus décisionnel englobant des données ciblées, agrégées et bien

structurées avec une interface flexible et facile à utiliser. Ce dernier va permettre alors

d’analyser le passé, le présent et de simuler l’avenir pour anticiper les changements de

l’entreprise.

2

Ainsi notre projet de fin d’étude s’inscrit dans le cadre de l’informatique décisionnelle (ID)

ou le Business Intelligence (BI). Il consiste à mettre en place un système qui répond au

besoin de notre client ATAC, et qui permet d’obtenir une vision globale sur l’évolution de

son activité. Ainsi ATAC, serait en mesure d’évaluer efficacement le flux de stock dans les

différents magasins en traitant les ventes, les démarques (en d’autres terme les pertes

produites dans les différents points de vente), ainsi que les diverses causes qui contribuent

à la rupture des articles.

Pour atteindre ces objectifs, notre projet s’est déroulé en deux phases principales. La

première a consisté à créer une base de données décisionnelle (Datamart) qui englobe des

données agrégées et bien structurées. Son rôle est d'intégrer et de stocker l'information

utile aux décideurs et de conserver l'historique des données qui fera l’objet des analyses

effectuées pour des prises de décision. Quant à la deuxième phase, elle permet de

représenter les données collectées auparavant sous forme de tableaux de bord ou de

graphes permettant ainsi aux managers d’élaborer eux même des rapports selon leurs

propres besoins sans avoir recours au service informatique grâce aux fonctionnalités

qu’offre l’outil Business Object.

Ce présent rapport se compose de quatre chapitres. Dans le premier nous introduisons le

contexte général ainsi que la conduite du notre projet, ensuite nous passons à l’analyse et la

modélisation conceptuelle de la base décisionnelle dans le deuxième chapitre. Le troisième

chapitre parlera du choix des outils à utiliser, et finalement nous consacrons le dernier

chapitre aux étapes de réalisation du projet à savoir la phase d’alimentation du Datamart et

la phase de reporting. Enfin nous ouvrons quelques perspectives pour notre projet

Rapport PFE Chapitre 1 : Contexte général du projet

3

Chapitre

1


4

1.1 Organisme d’accueil :

Nous présentons dans cette partie le groupe HP-CDG avec ses différentes activités, ainsi

que l’équipe ATAC ou s’est déroulé notre stage.

1.1.1 Présentation du groupe HP-CDG

Le groupe HP-CDG est le résultat d’un partenariat entre HP, le leader mondial du marché

IT et la Caisse de dépôt et de gestion (CDG). Ce partenariat vient dans le cadre du

développement d’une plateforme de services informatiques tournée vers l’offshore

francophone et hispanophone et à destination du marché intérieur marocain. [CDG, 2009]

Depuis fin 2009, il est établi dans la technopole de Rabat, Technopolis. Au début de 2012,

le capital humain de HP CDG IT Services Maroc s’élève à 715 personnes, la tranche d’âge

est majoritairement de 19 à 29 ans.

Il est important de noter que HP-CDG a décroché la certification ISO 27001 en Février

2011 et la certification ISO 9001 en Aout. De plus, 72 % des ressources de l'entreprise

sont certifiées ITIL v3.

Les activités de HP CDG :

L'entreprise offre des services dans différents domaines qui sont :

Data Center Services (ITO) : son but est de soutenir les projets et le fonctionnement

d'un centre de données, avec comme activités principales :

La gestion du stockage des données.

La gestion du réseau informatique.

Global Service Desk (GSD): Point d’accès unique pour toutes les demandes du

service informatique, c’est donc l’interface opérationnelle principale entre le

service informatique et les utilisateurs.

Service applicatif (APPS) : Assure la conception, l’intégration, le déploiement des

équipements applicatifs, ses principales activités sont :

La maintenance des logiciels.

La mise en place d'une méthode de test aux différentes étapes d'un projet.

L’intégration ERP.

Le développement informatique.

L’assistance à maîtrise d’ouvrage.

http://fr.wikipedia.org/wiki/2009

http://fr.wikipedia.org/wiki/Rabat

http://fr.wikipedia.org/wiki/Technopolis

http://fr.wikipedia.org/wiki/2012

http://fr.wikipedia.org/wiki/ISO_27001

http://fr.wikipedia.org/wiki/ISO_9001

http://fr.wikipedia.org/wiki/ITIL

http://fr.wikipedia.org/wiki/Administrateur_de_bases_de_donn%C3%A9es

http://fr.wikipedia.org/wiki/Network_management

http://fr.wikipedia.org/wiki/Maintenance

http://fr.wikipedia.org/wiki/Logiciel

http://fr.wikipedia.org/wiki/Enterprise_Resource_Planning

http://fr.wikipedia.org/wiki/D%C3%A9veloppement_informatique

http://fr.wikipedia.org/wiki/Assistant_%C3%A0_ma%C3%AEtrise_d%E2%80%99ouvrage


5

Business Process Outsourcing (BPO) : Sa principale activité est la réception et le

traitement des demandes des clients. [wiki, 2011]

Notre projet de fin d’études s’est déroulé dans le cadre du développement informatique du

service applicatif APPS au sein de l’équipe ATAC.

1.1.2 Présentation de l’équipe ATAC

La société HP CDG prend en charge la gestion de plusieurs comptes clients parmi lesquels

l’enseigne ATAC qui est une chaîne de supermarchés du groupe Auchan en France et qui

contient près de 400 Supermarchés et 14 Entrepôts régionaux qui représentent les

fournisseurs logistiques des points de vente. [HP CDG, 2012]

La gestion de ce compte client est assurée au Maroc par l’équipe Back office ATAC

divisée en 3 domaines :

Domaine Gold Stock : se charge du processus logistique, d’inventaire, et de

transport ainsi que des détails de la facturation et des délais de livraison des

marchandises.

Domaine Gold Central : centralise tous les flux de vente, d’achat et de

réapprovisionnement, et travaille sur l’optimisation des prévisions de ventes et des

stratégies de réapprovisionnement des stocks.

Domaine BI : gère le flux entre Gold Stock et Gold Central ainsi que le processus

décisionnel.

Figure 1.1 : Organigramme de l'équipe ATAC

http://fr.wikipedia.org/wiki/Business_Process_Outsourcing


6

Une équipe de support N1 est disponible pour recevoir et répondre aux demandes du client

en premier lieu au cas où elle dispose des procédures nécessaires à ce travail, sinon elle

renvoie le problème à l’équipe du niveau 2. En plus de l’équipe Back office du Maroc, il y

a l’équipe front office située en France qui se charge de la maintenance et de l’évolution

des projets.

1.2 Cadrage du projet

Après avoir présenté notre organisme d’accueil, nous passons à la présentation du cadre de

notre projet ainsi que sa description.

1.2.1 Cadre du projet

Le développement rapide de la technologie, la forte concurrence dans le domaine

commercial, le besoin d’une gestion archivée des données ainsi que de connaitre les

tendances des clients sont tous des fortes raisons qui ont motivé ATAC pour développer

un système d’aide à la décision visant à améliorer sa politique de vente dans ses divers

magasins.

Relativement à ce fait, notre projet s’inscrit dans le domaine de l’informatique

décisionnelle connue en anglais par BI (Business Intelligence). Cette discipline désigne les

outils et les méthodes qui permettent de collecter, modéliser et restituer les données d’une

entreprise afin de lui donner une vision globale sur son activité, et permettre aux

dirigeants de se baser sur des indicateurs et des analyses précises dans leurs décisions.

Tout cela se fait via un entrepôt de données ( datawarehouse) qui représente une base

centralisée de données spécifiques afin de faciliter l’analyse des informations de

l’entreprise. Un datamart désigne un sous ensemble du datawarehouse contenant les

données d’un secteur particulier exemple (Vente, Ressources humaines…). (Voir annexe

E)

1.2.2 Description du projet

L’équipe ATAC où notre projet se déroule gère la totalité des sites (entrepôts et magasins)

de l’enseigne en question. Cela nécessite une étude globale de l’ensemble de ses

supermarchés pour donner aux décideurs les informations nécessaires sur leur activité

commerciale, en particulier l’évolution du chiffre d’affaires des ventes qui présente sans

doute la raison d’être de tout projet commercial.


7

De ce fait, notre travail a visé la mise en place d’un système décisionnel au profit du client

ATAC pour le suivi des différents types des sorties du stock de ses magasins à savoir :

Les ventes.

Les dons aux associations.

Les articles en démarque qui correspondent à l’ensemble des pertes des

produits des magasins.

Ce système va pouvoir fournir des données agrégées et analysées aux dirigeants de

l’enseigne sous forme de rapports et statistiques précises pour aider et contribuer à

l’amélioration de la politique de vente.

1.2.3 Etude de l’existant :

Afin de répondre à ses besoins décisionnels, l’équipe ATAC se basait auparavant sur un

ensemble d’outils existants que nous allons expliciter dans ce qui suit.

o L’ERP GOLD :

Tous les membres du groupe Auchan travaillent dans un environnement applicatif

identique qui déploie l’ERP G.O.L.D. C’est un progiciel commercialisé par l’éditeur

Aldata et conçu spécialement pour répondre aux besoins des industries de la grande

distribution du commerce de gros et de la logistique [Aldata, 2012]. G.O.L.D est structuré

en deux modules :

Module Gold Stock

Module Gold Central

Cela justifie la classification des domaines Gold Stock et Central Stock de l’équipe

ATAC.

Figure 1.2: Interface de l'ERP GOLD


8

Gold offre des fonctionnalités pour aider l’ensemble des grands distributeurs de vente tels

que la gestion des opérations en magasin, les prévisions, le réapprovisionnement, la

logistique, la distribution, la gestion des fournisseurs…etc. Cette solution repose sur une

base de données unique TPXTMI sur laquelle se basera notre projet.

o Mapping Suite

Pour l’exploitation de cette base de données dans la génération des rapports et des tableaux

de bord, l’équipe ATAC utilise Mapping Suite. C’est une solution logicielle qui autorise la

création et le pilotage de l’ensemble des éditions sur toute plateforme (iSeries/AS400,

Unix, Linux, Windows), quelque soit l’origine des informations (base de données, ERP,

fichiers, éditions…) et la destination (papier, mail, fax, Web…). Il faut noter également

qu’elle dispose d’un ordonnanceur qui permet d’imprimer les éditions selon un

paramétrage personnalisé en fonction du temps et du poste.

ATAC a acquis 3 modules Mapping qui sont principalement :

SPOOLER MAPPING : ce module permet de visualiser, supprimer, libérer et

transférer les spools (fichiers d'édition envoyés vers un périphérique d'impression).

MAPREPORT : permet d'extraire les données des sources diverses.

MAPDRAW : Il inclut une interface de dessin destinée à la réalisation des fonds

des pages et une autre permettant d'élaborer les maquettes. [Mapp, 2012]

Malgré la diversité des fonctionnalités que Mapping suite offre, elle son utilisation reste

critiquable dans certains points parmi lesquels:

L’exploitation directe de la base de données : elle accède directement aux données

de la base de production ce qui augmente le temps de réponse pour les utilisateurs

quotidiens et altère donc les performances de la base.

Traçage des tableaux de bord manuellement. En effet, une fois les données sont

restituées depuis la base source, l’utilisateur est amené à tracer lui-même

l’interface graphique de ses rapports dans le module MAPDRAW, et cela en

indiquant les coordonnées (X, Y, L, H) selon la taille des champs qu’il veut

insérer. Cette démarche de traçage est schématisée dans la figure 1.3 suivant :


9

Figure 1.3 : Schéma illustrant la démarche du traçage des tableaux de bord

Ces inconvénients rendent le travail fastidieux et inflexible pour l’équipe BI surtout pour

le développement et la maintenance des éditions de reporting opérationnelles ou

décisionnelles.

A travers l’étude et l’analyse du système existant, nous avons pu dégager un ensemble de

failles et de problèmes qui entravaient le bon déroulement du processus décisionnel, ce qui

va présenter l’objet de la problématique.

1.3 Problématique

L’équipe BI du back office élabore des rapports opérationnels qui traitent l’activité des

sites du groupe ATAC quotidiennement, ainsi que d’autre décisionnels pour offrir aux

décideurs une vision détaillée et bien analysée sur leur projet. Pour ce faire, elle accède

directement à la base de production pour restituer les données. En effet, pour calculer un

indicateur donné tel que le chiffre d’affaires par exemple, il faut parcourir la base de

données pour effectuer les agrégations et les jointures nécessaires afin d’obtenir le résultat

souhaité puisqu’on ne dispose pas des données calculées et agrégées propres à l’analyse.

Cette méthode s’avère critiquable puisqu’elle altère la performance de la base ainsi que son

temps de réponse qui augmente progressivement en fonction du nombre des traitements à

faire, surtout quand il s’agit d’une base aussi volumineuse que celle du client ATAC. De ce

Coordonnées

(X,Y,Y,Z)


10

fait, l’élaboration des rapports prendra un temps assez considérable surtout les rapports

décisionnels qui nécessitent une historisation de données à long terme.

En outre, la manipulation graphique des interfaces et le traçage manuel des tableaux de

bord rend le travail difficile et fastidieux. De plus, l’édition des rapports en utilisant cette

solution nécessite l’intervention d’un informaticien qui doit sélectionner les tables

concernées, élaborer les requêtes, et faire le traçage manuel de l’interface de ses rapports.

Le recours à cette solution crée aussi une sorte de concurrence sur l’accès simultané aux

données de production entre les traitements quotidiens effectués dans la base et les

requêtes visant à établir les rapports décisionnels.

1.4 Objectifs et solutions

Pour répondre à cette problématique, le client ATAC a jugé utile de concevoir et mettre en

place un datamart qui englobe tous les indicateurs stratégiques et essentiels à son métier et

qui permet d’anticiper sur l’avenir tout en réduisant le temps et les efforts déployés pour

assembler, transformer, modéliser et diffuser les informations aux décideurs et aux

analystes du service commercial.

La mise en place du nouveau datamart vise alors à :

Diminuer la charge de génération des rapports et des tableaux de bord sur la base de

production.

Produire des rapports sur des données de longue durée d’historisation et avec un

temps de réponse acceptable.

Garantir la fiabilité des informations.

Séparer le traitement quotidien effectué dans la base de production des requêtes

provenant du processus décisionnel.

Le client ATAC décide également de migrer une partie de son processus de reporting vers

la suite logicielle de Business Object afin de :

Faciliter le processus grâce à la flexibilité qu’il offre dans l’élaboration des rapports.

Permettre aux décideurs de consulter et éditer même les rapports sans avoir recours

au service informatique grâce à sa couche sémantique qui est une présentation des

données avec un vocabulaire métier.

Permettre le partage des rapports entre les services concernés.


11

Ainsi nous souhaitons assurer un suivi de tous les types des sorties du stock magasin à

savoir : les ventes, les articles en démarque et les dons aux associations selon plusieurs

axes d’analyse afin de mettre à la disposition des décideurs des informations précises et

efficientes sur des indicateurs stratégiques tels que : le chiffre d’affaires de chaque site,

les quantités vendues selon les marques des produits, le nombre d’articles en démarque

pour un rayon donné … etc.

Pour mener à bien notre projet nous décrivons dans la suite la conduite qu’il va adopter.

1.5 Conduite et démarche du projet

Pour réaliser la solution proposée, nous avons adopté la démarche suivante :

Etude de l’existant : cette phase sert à connaitre le système de production de

l’entreprise, notamment les données utiles pour le projet afin de bien cerner la

problématique existante.

Analyse des besoins : cette phase vise à déterminer les besoins des décideurs en termes

d’indicateurs à calculer et d’axes à analyser.

Etude comparative et installation des outils : cette phase est consacrée au choix de

l’outil le plus adapté aux besoins du projet et aux contraintes techniques de l’entreprise.

Conception et modélisation : cette étape présente le modèle de données du datamart

réalisé, tout en se basant sur les besoins exprimés dans la phase précédente.

Réalisation : il s’agit dans cette étape de la création et l’alimentation du datamart et

puis son exploitation dans l’édition des rapports via les outils choisis.

Figure 1.4: Planning de déroulement du PFE


12

Nous avons adopté dans cette conduite le Prototypage incrémental comme cycle de vie. En

effet, le développement suit une démarche incrémentale qui consiste à segmenter le travail

en plusieurs itérations (voir figure 1.4). Après l’évaluation et la validation du prototype, on

passe au suivant et ce cycle est répété jusqu’à atteindre un produit complet et satisfaisant

les besoins du client. [Hugues, 2002]

Dans notre cas nous nous sommes focalisées dans un premier temps à analyser, concevoir

et réaliser la partie réservée aux ventes et qui représente notre premier prototype, puis nous

sommes passées au 2éme prototype en ajoutant le volet des démarques qui inclut aussi les

dons aux associations et finalement la dernière partie que nous avons suggérée et qui

concerne l’analyse des ruptures des articles en stock.

Conclusion :

Cette étude nous a permis de connaitre l’environnement du travail, d’analyser l’existant

constitué de l’ERP GOLD et de la suite Mapping et de poser finalement la problématique.

Pour résoudre cette dernière, nous avons proposé la mise en place d’un nouveau datamart,

ainsi que la migration du processus reporting vers la suite logicielle de Business Object.

Nous passons dans le chapitre suivant à l’analyse des besoins et la modélisation du

datamart que nous souhaitons réalisé.

Rapport PFE Chapitre 2 : Analyse et conception

13

Chapitre

2


14

Nous nous intéressons dans le présent chapitre à l’analyse des besoins du client ATAC,

nous décrivons ensuite les différents indicateurs relatifs à cette analyse ainsi qu’aux

objectifs cités dans le premier chapitre et en fin nous présentons le modèle de données du

datamart que nous avons élaboré.

2.1 Analyse des besoins

Notre projet vise à satisfaire les besoins de la série des supermarchés du groupe Auchan

qui souhaite faire un suivi des sorties de son stock selon plusieurs axes d’analyse y

compris :

L’organisation géographique ou le réseau commercial : représente la structure selon

laquelle les magasins sont organisés géographiquement. En effet, il existe 9 réseaux

chacun contient un nombre défini de régions et chaque région englobe plusieurs magasins

[HP CDG, 2012]. Cette structure est schématisée comme suit :

Figure 2.1: Schéma de l’organisation géographique du compte ATAC

Les réseaux intégrés contiennent les propres sites d’ATAC par contre les franchisés sont

ceux qui commercialisent les produits d’un autre groupe de supermarchés selon un contrat

de franchise.

la structure interne des marchandises : elle décrit l’hiérarchie selon laquelle les

articles sont stockés dans le magasin en partant du secteur jusqu’aux articles et elle est

constitué de 7 niveaux hiérarchiques. Afin de bien saisir cette notion d’hiérarchie nous

proposons dans la figure 2.2 un exemple de la structure marchandise du secteur des

produits à grande consommation (PGC).


15

Figure 2.2 : Exemple de la structure marchandise du secteur PGC

Relativement à cette répartition géographique des sites du groupe et prenant en

considération le regroupement hiérarchique des articles au sein des magasins, nous avons

pu définir les principaux besoins du client ATAC comme suit :

Analyse du chiffre d’affaires réalisé, de la quantité vendue, ainsi que du rendement

de la série des supermarchés selon plusieurs axes afin de cibler les zones fortes en

terme de rentabilité et chercher à améliorer le rendement des autres.

Etude des démarques qui correspondent à l’ensemble des pertes des produits des

magasins en termes de valeur et de quantité selon les diverses types de démarque

(la casse, les produits périmés…) afin de pouvoir calculer le taux de démarque ou

de perte par rapport aux ventes réalisées.

Calcul en quantité et en valeur des dons aux associations pour avoir une idée

globale sur leur pourcentage par rapport aux bénéfices.

De plus, nous avons jugé qu’il serait aussi judicieux d’analyser les ruptures du stock dans

les différents sites, puisqu’elles influencent négativement au bon déroulement du processus

des ventes. Ceci aura nécessairement de l’impact sur le chiffre d’affaires de la série qui

présente l’objectif et l’indicateur primordial de chaque unité commerciale.


16

De ce fait nous avons proposé une analyse des ruptures en suggérant deux autres

indicateurs à calculer, à savoir :

Le nombre des produits en rupture dans les stocks des magasins en fonction des

sites, de la structure marchandise, et de la cause de la rupture.

La durée moyenne de rupture des articles dans les différents magasins en

fonction du motif de la rupture.

Dans le cadre de cette spécification des besoins du projet, nous avons établi un diagramme

de Usecase pour définir aussi bien les acteurs de notre système que les services qu’il offre.

2.2 Les cas d’utilisation du système :

Il y a 3 acteurs qui interagissent avec le système que nous avons élaboré à savoir : le

décideur, l’analyste de l’équipe marketing et l’administrateur ou l’informaticien de

l’équipe BI. Nous résumons les différents services offerts par notre système dans le

diagramme suivant :

Figure 2.3: Diagramme de cas d’utilisation décrivant les fonctionnalités du système

Les services offerts par le système sont :

Consultation des rapports : Le décideur ainsi que l’analyste du service commercial et

marketing accèdent au système après une authentification puis choisissent parmi les

rapports et les tableaux de bord déjà élaborés ceux qu’ils souhaitent visualiser.

Elaboration des rapports : le système offre aussi aux décideurs et aux analystes du

service commercial la possibilité de créer leurs propres rapports juste en cliquant sur

les indicateurs et les axes selon lesquels ils veulent les élaborer. Grâce à cette

possibilité, les analystes marketing de l’enseigne ATAC vont pouvoir suivre les

variations des différents indicateurs. Cela va permettre de cibler les produits de faible


17

rentabilité pour analyser les causes de ces variations et proposer aux décideurs des

solutions capables d’améliorer le rendement du groupe.

Ajout des indicateurs : l’administrateur du système ou l’informaticien de l’équipe BI du

compte ATAC peut ajouter d’autres indicateurs en relation avec les données du

datamart selon l’évolution des besoins du groupe.

Paramétrage du système : l’administrateur peut aussi modifier ou rectifier la politique

du rafraichissement des données du datamart selon ses besoins.

Nous détaillons dans la figure 2.4 le cas d’utilisation de l’élaboration des rapports sous

forme du diagramme de séquence.

Figure 2.4: Diagramme de séquence- Elaborer un rapport

Après l’authentification, l’utilisateur choisit d’abord la forme du rapport qu’il souhaite

crée, ensuite il indique les indicateurs et les dimensions selon lesquels il veut effectuer ses

analyses, et finalement il pose ses conditions souhaitées sur les données pour exécuter et

récupérer le rapport à la fin.

Apres avoir analysé les besoins du client ATAC et présenté les fonctionnalités de notre

système nous passons maintenant aux différentes étapes de sa modélisation.


18

2.3 Modélisation

Avant d’entamer la modélisation nous étions amenés tout d’abord à collecter et

comprendre les données relatives au domaine de la vente du groupe Auchan afin de

sélectionner ce qui nous sera utile pour répondre aux besoins établis. Ainsi nous avons

suivi les étapes suivantes :

Déterminer les tables sources dans la base de production sur lesquelles nous allons

se baser pour récupérer les données nécessaires à notre projet.

Identifier les différents indicateurs de performance à calculer et à exprimer en

fonction des besoins expliqués auparavant.

Identifier les dimensions ou les axes d’analyse suivant les besoins des décideurs

tout en attribuant à chaque axe une certaine hiérarchie afin d’accroitre le degré

d’analyse.

Etablir le schéma conceptuel.

Suivant le cycle de vie de notre travail cette démarche a été adoptée dans chaque itération.

2.3.1 Notions clés de la modélisation multidimensionnelle :

Un entrepôt de données est le lieu de stockage centralisé d'un extrait des bases de

production, il est organisé suivant un modèle spécifique qui facilite les traitements

décisionnels.

Suivant cette définition, les données à analyser au niveau d'un entrepôt doivent

correspondre à une structuration selon plusieurs axes d'analyse pouvant représenter des

notions variées telles que le temps, la localisation géographique…etc. On parle alors de

modélisation et des traitements multidimensionnels des données.

Conceptuellement, cette modélisation multidimensionnelle a donné naissance à deux

concepts: fait et dimension [Dw, 2006]

2.3.1.1 Concept de dimension :

Une dimension modélise une perspective de l'analyse. Elle contient des attributs

permettant de qualifier ou d’expliquer l’activité. Elle peut être aussi munie d'une

hiérarchie pour restreindre ou accroître le degré d'analyse. [Dw, 2006]

2.3.1.2 Concept de fait :

Le fait modélise le sujet de l'analyse. En effet. C’est une table formée de mesures

correspondantes aux informations de l'activité analysée. Ces mesures sont numériques et


19

représentent les indicateurs de performances que visent les analystes comme le chiffre

d’affaires, la quantité vendue…etc. Cette table contient donc de plus les identifiants des

tables de dimensions. [Dw, 2006]

2.3.1.3 Modèle de données :

Un modèle de données est une façon de mettre en relation les dimensions et les faits dans

un entrepôt de données. Nous présentons trois types de modèles à savoir: le modèle en

étoile, le modèle en flocon et le modèle en constellation. [Dw, 2006]

Modèle en étoile:

Dans un schéma en étoile comme le montre la figure 2.5, une table centrale de fait

référence les tables de dimensions par des clés étrangères. Chaque dimension est décrite

par une seule table dont les attributs représentent les diverses granularités possibles. Il est

appelé modèle en étoile parce que toutes les dimensions sont directement reliées à la table

de faits. [Dw, 2006]

Figure 2.5: Schéma en étoile

Modèle en flocon :

Dans un schéma en flocon illustré dans la figure 2.6, la table de fait référence juste les

tables de dimensions du premier niveau. Contrairement au modèle en étoile, ce type de

modélisation consiste à décomposer les dimensions en sous hiérarchies. La modélisation en

flocon est donc une émanation du modèle en étoile. En effet, le fait est conservé et les

dimensions sont éclatées selon l’hiérarchie des paramètres. Nous décrivons le même

exemple du modèle en étoile mais cette fois ci en utilisant le modèle en flocon [Dw,

2006] :


20

Figure 2.6: Schéma en en flocon

Modèle en constellation :

Une constellation est une série d'étoiles reliées entre elles par des dimensions. Il s'agit

donc d'étoiles avec des dimensions en commun. L’objectif est d’avoir un environnement

décisionnel où il serait possible de naviguer d'étoile en étoile à la recherche de

l'information. [Dw, 2006]

2.3.2 Choix du modèle de données

Pour modéliser notre système décisionnel nous avions le choix entre deux types de

modélisation à savoir : le modèle en étoile et le modèle en flocon de neige. Nous avons

opté pour le modèle en étoile parce ce nous avons jugé qu’il est le mieux adapté à notre cas

d’utilisation puisqu’il est considéré comme étant le modèle le plus simple, surtout au

niveau des jointures entre les différentes tables du datamart. En effet, nos tables de

dimensions contiennent plusieurs niveaux d’hiérarchie donc le choix du modèle en flocon

donnera naissance à des requêtes plus complexes et moins performantes à causes de la

multiplicité des jointures. Le modèle en étoile permet donc de faciliter la navigation entre

les tables de fait et de dimension et rend la restitution des données plus fluide.

En outre, le modèle en flocon est considéré comme étant le mieux adapté pour la

cardinalité (n-n) entre les tables de dimensions. Or dans notre cas toutes les dimensions

recueillis sont de cardinalité (1-n). En effet, si on prend l’exemple de la structure

marchandise, la relation entre les différents niveaux d’hiérarchie est toujours de cardinalité

(1-n) : un article appartient à un seul segment et un segment contient plusieurs articles et de


21

même pour les autres niveaux de la structure. Par conséquent, le modèle en étoile est très

suffisant pour répondre à nos besoins.

2.3.3 Modélisation de l’itération vente :

2.3.3.1 Indicateurs recueillis :

En se basant sur les besoins exprimés des utilisateurs finaux de notre système, nous avons

pu dégager un ensemble d’indicateurs nécessaires à évaluer les ventes du client ATAC et

qui sont :

Le chiffre d’affaires (CA) ou le montant total des ventes de chaque entité du

réseau commercial du groupe Auchan, et par rapport aux différents niveaux de la structure

marchandise (rayon, famille, segment…). Cet indicateur va permettre aux décideurs de

distinguer entre les surfaces de ventes de fort rendement et d’autres qui ne réalisent pas

un grand chiffre d’affaires.

Le CA sera aussi calculé pour une unité de temps bien précise qui va d’une journée à une

année par rapport aux marques des produits et leur type afin de montrer aux dirigeants les

articles les plus sollicités par les clients.

Cet indicateur est calculé via la relation suivante :

Chiffre d’affaires TTC (toute taxe comprise) = Prix unitaire TTC * quantité vendue

La marge ou la rentabilité de la série des supermarchés qui se calcule comme suit

Marge = chiffre d’affaires – coût de revient

Le coût de revient présente la somme des dépenses ou des charges mises en œuvre pour la

production d’un article de la série.

Quantité vendue des articles par magasin, par secteur, par marque…etc. et même

par unité de temps ce qui va aider à savoir les périodes de l’année où la consommation

augmente et quels sont les types des produits qui sont concernés ?

2.3.3.2 Dimensions recueillies

Selon l’analyse des besoins que nous avons effectué et prenant en compte les données

disponibles et les indicateurs à calculer, nous avons relevé les dimensions suivantes qui nous

ont permis grâce à leur hiérarchie de détailler l’analyse tout en passant d’un niveau de

granularité à un autre plus fin et vice versa.

Dimension temps : C’est l’axe d'analyse le plus fréquent dans la construction des

datamarts. Il est commun à toutes les tables de fait de notre entrepôt de données. Son


22

importance vient du fait qu’il permet de situer dans le temps chaque fait enregistré, ainsi

que de suivre son évolution périodique.

Dimension Réseau commercial ou structure de l’organisation géographique. Cette

dimension va permettre de savoir par exemple : les régions qui sont plus rentables, à quel

réseau appartiennent-elles ? ...etc. Ce qui va détecter les préférences des clients par secteur

géographique.

Dimension structure marchandise pour détailler l’analyse et pouvoir préciser par

exemple quelle est la famille des produits la plus sollicitée ? quel est le secteur qui génère

un grand chiffre d’affaires ?...etc.

2.3.3.3 Schéma conceptuel de l’itération Vente

L’identification des indicateurs à calculer et le choix des axes d’analyse nous a mené à

élaborer la première table de fait vente illustrée dans la figue 2.7 qui contient toutes les

données relatives aux ventes et nécessaires pour le calcul des indicateurs recueillis, à

savoir : le chiffre d’affaires, la quantité vendue et la marge ou la rentabilité du groupe.

La table vente est aussi liée aux trois dimensions nécessaires au calcul des indicateurs et à

l’analyse des données : le réseau commercial, la structure des marchandises et finalement

l’axe temps.

Figure 2.7: Schéma conceptuel de l’itération vente


23

2.3.4 Modélisation de l’itération démarque et dons aux associations :

2.3.4.1 Indicateurs recueillis

ATAC comme toute autre unité commercial enregistre à chaque période du temps une

quantité de perte au niveau de ses produits. De ce fait, nous nous sommes intéressées à

calculer les indicateurs en relation avec les démarques ainsi que les dons qu’offre le groupe

aux associations à savoir :

Quantité des démarques ou de l’ensemble des pertes des produits et cela inclut aussi la

quantité des dons aux associations.

Valeur des démarques : présente le coût de perte que génère une démarque.

Taux de démarque : présente la valeur des démarques par rapport au chiffre d’affaires

d’une entreprise :

Taux de démarque = valeur des démarques / chiffre d’affaires.

Ce dernier indicateur permet d’évaluer le poids des pertes des produits dans les différents

magasins ce qui permettra de mesurer l'efficacité des pratiques d'entreposage et de gestion

du stock.

Pour calculer ces mesures nous avions besoin de quatre dimensions.


Les démarques seront aussi analysées selon l’échelle temporelle, géographique, et même

suivant la structure des marchandises pour déterminer les familles des produits qui

enregistrent plus de pertes, les réseaux qui soutiennent plus les associations, etc.

Par conséquent cette itération partage avec les ventes les trois dimensions : Temps,

Structure marchandise et Réseau commercial.

De plus, nous rajoutons une dimension spécifique aux démarques qui est :

Dimension Type Démarque : Cette dimension définit le type de démarque, s’il

s’agit d’une casse ou un produit périmé par exemple. Elle inclut aussi les dons aux

associations puisque tous les deux ne participent pas à l’évolution du chiffre d’affaires.

Donc la distinction entre les dons et les pures démarques se fera en spécifiant juste

l’id_type correspondant.

2.3.4.3 Schéma conceptuel de l’itération Démarque

Le calcul des indicateurs propres à l’itération démarque se fait via la table de fait

Démarque qui regroupe toutes les informations liées aux deux types de mouvements :

démarques et dons aux associations dans le stock du compte ATAC. Afin de différencier


24

entre les dons et les autres démarques nous avons filtré selon le type de démarque comme

le montre la figure 2.8.

La table de fait Démarque est reliée aux quartes dimensions citées auparavant.

Figure 2.8: Schéma conceptuel de l’itération démarque

2.3.5 Modélisation de l’itération rupture de stock

2.3.5.1 Indicateurs recueillis

Toujours dans le cadre de l’amélioration de la politique des ventes du groupe, nous avons

proposé d’analyser les ruptures dans le stock des magasins pour remédier à tout problème

provenant de ce type d’évènement et altérant par conséquent le bon déroulement du

processus vente.

Pour ce faire nous avons évalué les mesures suivantes :

Durée rupture : Cet indicateur sert à évaluer la durée que prennent les articles pour

réapparaitre dans l’assortiment d’un point de vente donné, en d’autre termes, c’est la

durée nécessaire pour qu’un article redevienne disponible dans la liste des produits

proposés à la vente après sa rupture.

Nombre d’article : il permet de visualiser le nombre d’article en rupture dans le stock

des magasins et de détecter même la cause de ces ruptures, ce qui permettra au

groupe d’agir pour les éviter ou au moins les diminuer.


25


Afin de permettre aux décideurs de prendre les mesures nécessaires et capables de

remédier aux problèmes des ruptures du stock nous avons jugé intéressant de connaitre le

nombre d’articles en rupture dans chaque zone géographique, la durée moyenne de rupture

dans un rayon donné des marchandises… etc. D’où la nécessité d’une analyse selon les

trois dimensions : Temps, Structure marchandise et Réseau commercial.

En outre, nous avons proposé la dimension suivante :

Dimension Cause Rupture : cette dimension spécifie les différentes causes qui peuvent

être à l’origine de la rupture d’un article comme exemple Vente. C'est-à-dire que le

produit est suspendu parce qu’il était complètement vendu. Cette dimension aidera à

avoir un aperçu sur les causes les plus fréquentes et donc de prévoir des précautions

pour éviter ou diminuer les ruptures.

2.3.5.3 Schéma conceptuel de l’itération rupture de stock :

Les deux indicateurs proposés : nombre d’article et durée moyenne de rupture vont être

calculés dans la table de fait Rupture schématisée dans la figure 2.9. Afin d’assurer

l’analyse multidimensionnelle, cette table est reliée aux quartes dimensions déjà explicitée:

Figure 2.9: Schéma conceptuel de l’itération rupture de stock


26

2.3.6 Schéma conceptuel global du datamart

La suite logique de notre conception nous a mené à concevoir un schéma en constellation

pour notre datamart qui consiste à fusionner plusieurs modèles en étoile utilisant des

dimensions communes.

Figure 2.10: Schéma conceptuel global du datamart

Ainsi la figure 2.10 englobe les trois tables de fait : vente, démarque et rupture qui

construisent le schéma final de notre datamart. L’analyse est partagée selon trois

dimensions essentielles : temps, réseau commercial et structure marchandise. Les deux

autres dimensions spécifiques type démarque et cause rupture feront l’objet de l’analyse

des démarques et des ruptures respectivement.

Ce dernier schéma va être transformé en réalité à des tables dans un nouveau datamart.

Ces tables contiendront les données nécessaires à l’analyse et au reporting. Nous illustrons

alors brièvement ce processus décisionnel dans ce qui suit.

2.2 Processus décisionnel :

Comme tout projet BI, notre projet passe par un processus décisionnel qui part de la

collecte des données jusqu’à leur affichage sous forme d’états de reporting. Nous

résumons ainsi les quatre phases de notre chaine décisionnelle dans la figure 2.11.

Identification des sources de données : pour la collecte des données, nous nous

sommes basées sur la base de données oracle de l’ERP GOLD. Il suffit donc de

sélectionner les tables nécessaires à notre thématique.


27

Alimentation de la base de données décisionnelle : C’est à ce niveau qu’apparait

la première couche logicielle de l’environnement décisionnel à savoir l’ETL qui

fait le traitement nécessaire et alimente la base décisionnelle destinataire. (Voir

annexe E)

Création de l’univers et analyse multidimensionnelle : consiste à créer tout

d’abord une représentation métier des données appelée univers avec l’outil

Business Object. Cet univers contient les indicateurs calculés et prêts à être

analyser selon les besoins. Une fois l’univers est crée, le système offre la

possibilité d’analyser les données selon les diverses dimensions et de naviguer dans

les différents niveaux hiérarchiques afin de permettre une analyse plus poussé des

données.

Reporting : c’est l’étape finale et le fruit de tout processus BI, elle consiste à créer

des états sous plusieurs formes : tableaux, digrammes de camembert, histogramme,

etc. Cette bonne représentation des données permet de bien les manager pour en

faire un réel support d’aide à la décision. (Voir annexe E)

Figure 2.11: Processus décisionnel

Conclusion :

Dans ce chapitre, nous avons relevé un ensemble d’indicateurs stratégiques à calculer

suivant des axes d’analyses adéquats. Ensuite nous avons explicité la modélisation de

chaque itération du projet en utilisant le modèle en étoile pour donner au final le schéma

conceptuel global de notre datamart. Pour mener à bien le processus décisionnel pré décrit

qui part de la collecte de données jusqu’à leur présentation sous forme d’états, il faut faire

le bon choix des outils utilisés. C’est ce qui fera l’objet du chapitre suivant.

Rapport PFE Chapitre 3 : Etude comparative des outils

28

Chapitre

3


29

Nous avons consacré ce chapitre à la justification du choix des outils utilisés dans les deux

phases de notre projet, à savoir l’alimentation du datamart et la phase du reporting pour la

présentation des rapports. Pour la première phase, nous avons choisi de comparer entre les

Open source «Talend Open Studio», «Pentaho Data Integration » (« Kettle » à l'origine),

et « Clover ETL » puisque notre société ne souhaite pas investir financièrement dans

l’achat d’une licence d’un logiciel de ce genre. La 2éme partie sera dédiée à la

comparaison du « BusinessObject » et « Pentaho Reporting suite ».

3.1 Outils ETL :

L’ETL est l'acronyme de « Extract – Transform -Load ». Il permet de faire l’extraction ou

le chargement des données depuis différentes sources qui peuvent être hétérogènes, puis

leurs transformations afin de les rendre homogènes, et enfin le chargement dans la base

cible. Pour réaliser notre datamart, nous avons choisi de comparer entre « Pentaho Data

Integration », « Talend Open Studio » et « Clover ETL », car ils nous apparaissent les plus

utiles et intéressants à l’heure actuelle comme étant des ETL Open source. Nous

présentons dans ce qui suit chacun de ses outils et nous établissons ensuite l’étude

comparative selon différents critères.

3.1.1 Présentation des ETL choisis :

Talend Open Studio

Talend Open Studio est développé par Talend en 2006, qui est une société française

relativement jeune. Il génère un code spécifique en Java ou Perl pour intégrer les données.

Talend Open Studio utilise une interface graphique, le « Job Designer » qui permet la

création des processus de manipulation de données. Il contient aussi une palette graphique

de plus de 250 composants et connecteurs. [Atol, 2007]

Pentaho Data Integration (Enciennement KETTLE)

Pentaho Data Integration est un outil ETL de la suite décisionnelle Open Source Pentaho.

Il dispose d'une interface graphique « Spoon » depuis laquelle on peut créer les traitements

qui sont stockés dans un référentiel (repository). [Atol, 2007]

Clover ETL

Clover a créé deux outils : Clover ETL qui est un framework et Clover.GUI interface

graphique facilitant la création de flux de données, mais elle est disponible sous licence

commerciale, et tous les deux sont basés sur la technologie Java. Clover met à la


30

disposition des utilisateurs une quarantaine de composants de transformation et supporte en

natif plusieurs SGBD. [Axege, 2012]

3.1.2 Choix de l’outil ETL :

Nous avons effectué l’étude des 3 outils Talend Open Studio, Pentaho Data Integration et

selon plusieurs aspects de comparaison.

Nous présentons ci-après une synthèse de la comparaison de ces outils par critère :

Communauté

Une communauté dynamique et large d’un outil constitue un critère important pour

refléter sa réputation et sa fiabilité. Ainsi nous pensons qu’il serait logique que notre choix

opte pour celui qui est soutenu ou financé par un grand organisme ou des experts.

Concernant cet aspect, nous signalons un avantage de Talend Open Studio et de Pentaho

Data Integration qui sont les plus utilisés au monde, et qui sont tous les deux développés

par les sociétés Talend Open Integration solutions et Pentaho. Quant à Clover ETL, il

s’avère que sa communauté est beaucoup plus restreinte et moins active que les deux

autres. [Atol, 2007] [Axege, 2012]

Ergonomie

L’interface Clover ETL nécessite l’installation d’Eclipse sur la machine, Pentaho et Talend

disposent d’une interface graphique basée respectivement sur SWT(Standard Widget

Toolkit) et Eclipse RCP(Rich Client Platform).Mais Talend reste le plus facile à utiliser du

point de vue ergonomique. [Atol, 2007] [Axege, 2012]

Intégration dans une suite BI

Talend est partenaire des éditeurs des suites décisionnelles connues sur le marché à savoir

SpagoBI et JasperIntelligence, alors que l’intégration de Kattle dans la suite Pentaho est en

cours. Par contre, Clover ETL n’a pas été intégré jusqu’à présent. [Atol, 2007] [Axege,

2012]

Documentation

La disponibilité de documentation, des supports professionnels et des séminaires de

formation sur l’utilisation et les fonctionnalités qu’offre un outil sont nécessaires pour le

succès de son déploiement. Actuellement, Les sociétés qui prennent en charge Talend

Open Studio et Pentaho Data Integration effectuent de nombreux séminaires qui suscitent

un très grand intérêt de la part de la communauté BI. [Atol, 2007] [Axege, 2012]


31

Accessibilité

Pour ce critère il faut noter que l’utilisation de l’interface graphique Clover GUI est

payante contrairement à Talend Open Source(TOS) et Pentaho Data Integration(PDI).

[Atol, 2007] [Axege, 2012]

Compatibilité

TOS et PDI gèrent la plupart des SGBD nativement et permettent aussi l’accès à une très

grande diversité de fichiers (XML, Excel, CSV, ZIP, etc.). Cependant, Clover ETL, même

s'il est compatible avec les principaux formats mais reste moins satisfaisant à ce niveau.

[Atol, 2007] [Axege, 2012]

Lecture et écriture dans un SGBD

Talend Open Studio montre ici un avantage par rapport aux autres ETL puisqu’il

permet :

La lecture et l’écriture des données complexes des systèmes d’informations

géographiques.

un designer graphique de requêtes et sauvegarde exécutées dans un fichier

sql.

A ce niveau Les offres de Pentaho Data Integration et Clover ETL sont moins

satisfaisantes. Même s’ils permettent, toutefois, l'exécution des procédures stockées, la

normalisation et la dénormalisation de tables. [Atol, 2007] [Axege, 2012]

Calcul et transformations

TOS et PDI permettent de faire à peu près toutes les transformations envisageables dans le

cadre d'un projet, grâce à de nombreux composants. En effet, en termes de fonctionnalités,

les composants Talend sont plus que 250 en Java et Perl, alors que Pentaho comprend

environ 180 composants. Clover ETL reste moins complet que ses derniers avec environ

57 composants. [Atol, 2007] [Axege, 2012]

Planification

Talend dispose d’un Planificateur (scheduler) pour la planification des Jobs. Clover ETL

dispose également d’un scheduler intégré, mais juste pour la version payante. En ce qui

concerne Pentaho, il est nécessaire d’utiliser un scheduler externe. [Atol, 2007] [Axege,

2012]

Option d’administration

Pentaho Data Integration offre d’avantage des services gratuits à ce niveau du fait qu'il a

été développé pour exécuter des transformations sur un serveur distant.


32

Pour Talend Open Studio, il propose de nombreuses options d’administration dont,

cependant, certaines sont payantes. Les options d’administration offertes par Clover ETL,

quant à elles, sont toutes payantes. [Atol, 2007] [Axege, 2012]

Pour évaluer les trois outils étudiés, nous avons adopté un système de points sur une

échelle de 5. Nous n’avons, toutefois, pas utilisé un système de points pondérés car nous

considérons dans notre cas que tous les critères étudiés ont presque le même degré

d’importance et d’impact sur le choix de l’outil à adopter. Nous récapitulons ci après dans

un tableau le résultat de notre évaluation :

TABLEAU 3.1 : ILLUSTRATION DU RESULTAT DE L’EVALUATION

Critère d’évaluation Talend Pentaho Clover.ETL

Communauté 5 5 3

documentation 5 5 4

Ergonomie 5 4 4

Accessibilité 5 5 0

Intégration dans une suite BI 5 4 0

Compatibilité 5 5 4

Lecture et écriture dans un SGBD 5 3 3

Calcul et transformations 5 4 3

Planification 5 0 0

Option d’administration 3 5 0

Total 53 44 25

En utilisant le diagramme de radar qui sert comme comparateur multidimensionnel, nous

obtenons la représentation suivante :

Figure 3.1: Diagramme de radar pour la comparaison des trois ETLs

0

2

4

6 Document…

Ergonomie

Accessibilité

Intégration …

Compatibilté

Lecture et …

Calcul et …

Planification

Option … Talend Open Studio

Pentaho Data Integration

Clover ETL


33

On lit sur chaque axe partant du centre, la valeur que prend chaque critère, nous

remarquons clairement que Talend Open Studio est en avance par rapport à Pentaho Data

Integration et Clover ETL suivant les différents axes. Par conséquent, nous optons pour

l’outil Talend Open Studio qui donne des avantages supplémentaires bien utiles dans notre

projet.

3.2 Outils Reporting :

L’efficacité de certaines solutions open sources permettent réellement d’envisager leur

utilisation au sein d'une structure professionnelle. Pour cela nous avons établi une étude

comparative entre Business Object que notre client possède, et Pentaho Reporting suite

qui se classe devant Jaspersoft et BIRT et les autres outils de reporting selon une étude

établie par des experts (Pentaho (47%) des entreprises, devant Jaspersoft (28%),

autres(25%) ). Avant de passer à la comparaison nous commençons par présenter chacun

de ces outils. [Legran, 2010]

3.2.1 Présentation des outils Reporting :

Pentaho Reporting suite :

Présentation :

Pentaho est une plateforme complète d’informatique décisionnelle open source entièrement

développée en Java et permettant le reporting simple et l'OLAP.

Un autre aspect spécifique de la suite Pentaho, c’est d’être sponsorisée et d’appartenir à la

à un organisme privé Pentaho Corporation.

Modules :

Pentaho intègre ou supporte la plupart des composants décisionnels open sources existants

à savoir :

CUBE DESIGNER : permet la création des cubes afin d’être utilisés par la Suite

Pentaho.

PENTAHO ANALYSIS : sert à l’analyse des cubes OLAP.

PENTAHO REPORT DESIGNER : pour la génération de rapports.

BI PENTAHO : la plateforme qui permet la publication des rapports et la

réalisation des analyses OLAP sous formes de web services. [Loria, 2008]


34

Business Object :

Présentation :

Business Object est avant tout une société franco-américaine née en 1989 et a conçu un

outil d'aide à la décision accessible à l'utilisateur final. Il permet l'interrogation, la

présentation et l'analyse des données issues d'un système d'informations afin de prendre

des décisions.

Modules :

DESIGNER : Permet de construire les Univers, les documenter et les mettre à la

disposition des équipes utilisatrices. En effet, Un Univers est une représentation totale

ou partielle de la base de données adaptée à un métier de l'entreprise ou à un domaine

d'application particulier. Il regroupe un ensemble de mots du vocabulaire métier.

DESKTOP INTELLIGENCE : Permet de créer des rapports à partir des univers déjà

conçus.

WEB INTELLIGENCE : Permet d’interroger, de mettre en forme et d’analyser les

informations des rapports sur le Web.

SUPERVISOR : Gère les droits d'accès, définit les groupes et les utilisateurs, leur

affecte des droits sur les différents modules et leur fonctionnalités, et sur les ressources

de l’Univers.

OUTILS DE CONVERSION DE RAPPORT : Permet de convertir les rapports desktop

intelligence au format web intelligence. [Loria, 2008]

3.2.2 Choix de l’outil Reporting :

Après avoir présenté les deux logiciels proposés, nous passons à l’étude comparative qui

va s’articuler autour de quatre axes que nous jugeons utile dans le choix de l’outil

reporting à savoir :

Installation

Documentation

IHM

Sécurité

o Installation :

BusinessObject : l’installation se fait à travers un seul exécutable qui permet

d’installer automatiquement la totalité des modules.

Pentaho Reporting suite : disponible sous nombreux formats, mais nécessite

de rassembler les exécutables de chaque composant. [Loria, 2008]


35

o Documentation :

BusinessObject: plus de 1000 pages disponibles sur le site officiel du BO,

permettant de faciliter la manipulation de cet outil en détaillant le

fonctionnement à partir des exemples illustratifs.

Pentaho Reporting suite : malheureusement la documentation de qualité est

un problème récurrent chez Pentaho pour la suite de reporting, ce qui

complique la réussite à se servir des fonctionnalités qu’offrent les différents

composants. [Loria, 2008]

o IHM

Nous analysons ce critère selon deux phases : la création des cubes qui consiste à élaborer

les dimensions et les indicateurs, et la phase de présentation des rapports.

Création des cubes :

BusinessObject : l’interface est agréable, l’utilisateur est guidé par des

messages d’erreurs ou d’informations s’il manque des choses importantes, les

icônes sont assez parlantes et offrant un nombre important d’options qui

facilite la création des dimensions et des mesures en choisissant juste les

données et les opérateurs. Les mesures ou les dimensions sont représentées

sous forme de mots du vocabulaire professionnel en masquant leur

correspondance SQL, on parle alors d’objets. En outre BO adopte aussi la

notion de classe qui regroupe ses objets selon le thème (exemple : vente,

achat…). Tous ces concepts s’affichent dans l’Univers.

Pentaho : l’interface de Pentaho propose un ensemble de fonctionnalités sous

forme d’une ligne de boutants un peu rigides et non parlants et par conséquent

la création des mesures et des dimensions nécessite un certain niveau

d’innovation. [Loria, 2008]

Présentation des rapports :

BusinessObject : Business Object offre une couche sémantique qui permet de

traduire les concepts techniques à un vocabulaire métier afin de permettre aux

décideurs non informaticiens d’interroger eux- même de façon intuitive la base

de données décisionnelle, ainsi il peut présenter les données restituées sous

forme de tableaux, tableaux croisés, des graphes…etc.

Pentaho : la présentation des rapports passe nécessairement par un service

informatique. En effet, Pentaho propose un assistant d’édition de rapport qui

utilise les concepts technique et nécessite une bonne connaissance de la


36

structure de la base de données. En outre, Pentaho lui manque la représentation

des rapports en tableaux croisés. [Loria, 2008]

o Sécurité :

BusinessObject : L'Univers accède aux données d'un serveur via une

connexion SGBDR déjà sécurisée. l'accès aux Univers est géré par le module

« SUPERVISOR ». De même, l'accès à certains objets peut être interdit par ce

dernier selon leur niveau de confidentialité.

Pentaho : comporte également une plate-forme d'administration (Pentaho

Administration Console) qui permet la gestion des droits d'accès, la

planification d'évènements, la gestion centralisée des sources de données. Mais

cette plateforme reste basique et c’est la version commerciale qui complète les

fonctionnalités d’administration et de personnalisation des actions. [Loria,

2008]

Pour évaluer ces critères nous suivons le même barème utilisé dans la partie ETL. Nous

résumons le résultat dans la figure suivante :

outils Installation Documentation IHM Sécurité

Business Object 5 5 5 5

Pentaho 3 2 1 3

1: Figure 3.2: Diagramme Radar et le tableau d’évaluation des outils de reporting

D’après ce diagramme de radar, Business Object est en avance avec un grand écart. Nous

estimons alors qu'il est plus efficace à utiliser que Pentaho, notamment grâce à

l'exploration de l’univers qui offre plusieurs fonctionnalités utiles dans l’élaboration des

0

1

2

3

4

5 Installation

Documentation

IHM

Sécurité Business Object

Pentaho


37

rapports décisionnels. De plus, l'investissement consenti par le client ATAC dans

l’obtention de sa licence soutient fortement notre choix.

Conclusion :

Ce chapitre nous a permis de choisir parmi les outils proposés ceux qui sont les plus

adaptés aux besoins de notre travail. En effet, nous avons opté pour l’ETL Talend Open

Studio pour le chargement des tables de notre base de données décisionnelle et Business

Object pour la représentation des données restituées. Nous mettons en lumière les

différentes phases de la réalisation de notre projet dans le chapitre suivant.

Rapport PFE Chapitre 4 : Réalisation

38

Chapitre

4


39

Apres avoir conçu le modèle de données du datamart et fait le choix des outils à utiliser, nous

présentons dans ce présent chapitre la réalisation du projet en deux grandes parties :

alimentation du datamart et création de l’univers et reporting.

4.1 Alimentation du Datamart

Cette partie est considérée comme étant la phase la plus délicate. Elle contient trois étapes :

l’extraction, la transformation et le chargement des données (voir annexe E). Cette phase

intermédiaire dans le projet s’avère importante et demande beaucoup de réflexion et de

précision car les données chargées doivent évidemment être complètes et exactes. Nous

commençons tout d’abord par donner un aperçu sur les composants de l’outil utilisé, ensuite

nous expliquons les détails d’alimentation du datamart.

4.1.1 Composants Talend utilisés :

D’après l’étude comparative établie dans le chapitre précédent notre choix a porté sur l’outil

Talend que nous avons jugé convenable pour la réalisation de cette phase. Nous présentons

ainsi un ensemble de ses composants qui nous ont servi à créer et alimenter nos tables

destinataires.

TABLEAU 4.1 COMPOSANTS DE TALEND UTILISES

tOracleOutput

permet de lire et extraire les tables à partir de notre base de

données source

tOracleOutput

Sert à alimenter des tables de faits et de dimensions

nouvellement créées en insérant les données provenant des

différentes sources.

tMap

c’est le composant le plus utilisé dans notre projet, il permet

d’effectuer plusieurs opérations à savoir les jointures, le filtrage,

les transformations des flux, gère les sorties multiples…

tFilterRow

ce composant permet de filtrer l’enregistrement selon les

conditions souhaitées sur les colonnes.

tFilterColomuns

comme son nom l’indique, il sert à filtrer et choisir des colonnes

d’une table source et même a mapper les colonnes sources aux

colonnes cibles.

tUniquRow

Ce composant sert à fusionner les entrées dans la même sortie et

à supprimer les doublons du flux d’entrée avant de procéder au

chargement

tAggregateRow

Ce composant reçoit un flux et l’agrège selon une ou plusieurs

colonnes.

tReplicate

Il sert à dupliquer un flux de données autant de fois que

nécessaire.


40

Après avoir présenté les composants utilisés dans cette phase, nous passons aux détails du

chargement des tables de notre magasin de données. Pour réaliser cette partie nous avons

donné la priorité aux tables de dimensions afin d’assurer les contraintes d’intégrité dans les

tables de faits qui contiennent les clés primaires des tables de dimensions. Cette démarche a

été suivie pour chaque itération de notre projet. Nous présentons donc en premier lieu le

chargement de chaque table de dimensions puis nous détaillerons le traitement appliqué dans

l’alimentation d’une des trois tables de fait.

4.1.2 Alimentation des tables de dimensions :

Au cours du processus itératif adopté dans notre travail, nous étions amenés à alimenter cinq

tables de dimension à savoir : la structure marchandise, le réseau commercial, le temps, le

type des démarques et le type des ruptures. Ces deux dernière dimensions sont spécifiques

aux itérations démarque et rupture respectivement. Le chargement de ces tables passe

impérativement par l’exécution des jobs. En effet, un job est un traitement qui permet

d’extraire les données et d’y effectuer les transformations nécessaires pour les stocker

finalement dans les tables destinataires.

Dimension structure marchandise :

Cette phase consiste à alimenter la table de dimension structure marchandise qui contient

plusieurs niveaux d’hiérarchie comme nous l’avons montré dans la figure 2.2, et par

conséquent plusieurs champs à sélectionner et plusieurs jointures à effectuer. Pour ce faire,

nous nous sommes basées sur cinq tables sources comme c’est illustré dans la figure 4.1 :

Figure 4.1:Chargement de la dimension Structure Marchandise

Les unités de vente Article Racine-

Segment-Famille…-

Secteur

Différencie les magasins

des entrepôts Type et Marque

Libellés

Jointure


41

La table « MG_STRUCTURE_MARCHANDISE » contient les identifiants de chaque

élément de la structure (article, segment, famille…). Sa petite granularité est « la racine de

l’article » à titre d’exemple « Coca Cola ». Par contre la table « ARTUV » permet de

récupérer les différentes unités de vente que peut avoir une racine d’un article, pour notre

exemple nous aurons (Coca 1/2L, Coca 1L, Coca 2L) comme unités de vente. La table

« STRUCTOBJ » contient à son tour les libellés de chaque objet (unité de vente, racine de

l’article, segment, famille…), et finalement la table « ATRAC » qui spécifie le type et la

marque de chaque article. Le composant tMap_3 fait alors les jointures nécessaires entre ces

tables et renvoie le résultat à la table cible « Structure_marchandise ».

Dimension structure organisation

De même que pour la dimension marchandise, le chargement de la dimension organisation

Consiste à réliser une jointure entre quatres sources :

« MG_STRUCTURE_ORGANISATION » qui renvoie les differents identifiants du réseau

commercial (magasin, réseau, région), et trois autres sources qui nous renseignent sur les

libellés correspondants à ces codes. La figure 4.2 indique le rôle du composant tMap qui fait

le filtrage et la jointure entre les tables .

Figure 4.2 : Chargement de la table Structure Organisation

Dimension temps : Suivant le cycle de vie de notre projet, cette table a été alimentée

en 3 phases : La première pour stocker les dates liées à la vente, la deuxième phase

intègre les dates des démarques, et la dernière rajoute les dates propres aux ruptures.

Jointure avec tMap

http://francite.net/education/cyberprof/page111.html


42

Après l’accomplissement des trois itérations nous avons élaboré un seul job décrit

dans la figure 4.3, et qui permet d’extraire, de transformer et de récupérer en une

seule exécution les dates provenant des trois sources.

Figure 4.3:Chargement de la table Dimension Temps

Nous avons établi à travers ce job deux jointures à la fois : une entre la table « STOMVT »

qui enregistre tous les mouvements des sorties du stock et la table « SIDGENE » qui nous

renseigne sur les magasins du compte ATAC, et ceci pour se focaliser sur les ventes et les

démarques juste dans les magasins. Une autre entre « ARTRUPT » et « SITDGENE » pour

le même but mais concernant les ruptures cette fois ci. Le flux provenant de « SITDGENE » a

été dupliqué grâce au composant tReplicat. Ensuite, après avoir filtré les mouvements et

converti les champs qui nécessitent ce traitement, nous avons fusionné les différents champs

de date avec le composant tUnit pour leur appliquer des procédures de transformation visant

à séparer les jours, mois, libellé mois et année et à rajouter même le trimestre comme illustre

la figure 4.4 suivante :

Source des données

de rupture

Source des données de

Vente et Démarque

Filtrage du

champ Date

Fusion des dates

Extraction du

mois, jour..


43

Figure 4.4: Transformation de la date

Dimension type Démarque et type Rupture :

Cette phase consiste à alimenter la table type démarque qui permettra de préciser s’il s’agit d’une

perte produite par une casse, une transformation au niveau de l’article…, ou plutôt un don

offert aux associations.

Figure 4.5: Chargement de la dimension type démarque

Comme le montre le job de la figure 4.5, il s’agit de filtrer les enregistrements correspondants

aux démarques à partir de la table « STOMVT » et de les joindre avec la table de

paramétrage « TRA_PARPOSTES » qui contient la signification des codes restitués afin

d’attribuer à chaque identifiant son libellé correspondant.

Pour alimenter la table type rupture, nous avons suivi les mêmes démarches mais en se basant

cette fois ci sur les données de la table « ARTRUPT » au lieu de « STOMVT».

Procédure de

transformation


44

4.1.3 Alimentation des tables de faits :

Nous étions amenés dans notre projet à alimenter trois tables de fait à savoir : les ventes, les

démarques et les ruptures. Nous présentons dans ce qui suit l’alimentation détaillée de la

table Vente. Le traitement des autres tables est explicité dans l’annexe A.

Fait Vente :

Pour alimenter la table de fait vente nous avons conçu le job illustré dans la figure 4.6 qui est

en mesure de calculer les indicateurs suivants :

La quantité vendue.

Le chiffre d’affaires(CA).

La marge ou la rentabilité.

Pour ce faire, nous avons effectué les traitements suivants explicités dans la figure 4.6 :

Jointure entre la table qui enregistrent les mouvements de vente (STOMVT) et celle

qui renseigne sur les magasins (SITDGENE).

Filtrage des mouvements propres aux ventes.

Conversions des champs de quantité, prix... pour pouvoir leur appliquer des calculs

grâce au composant tConvertType.

Calcul de l’indicateur du chiffre d’affaires et de la valeur totale du prix de revient avec

le composant tMap_8 et en utilisant les relations suivantes :

Chiffre d’affaires = Quantité vendue *prix hors taxe *(1+TVA).

Prix de revient = prix de revient unitaire * quantité.

Calcul du chiffre d’affaires, la quantité vendue et du prix de revient pour la plus

petite granularité du groupe qui constitue la clé primaire de la table Vente à savoir : le

magasin (STMSITE), l’article (STMCINL) et la date du mouvement(STMDMVT).

Ce calcul est fait grâce au composant tAggregatRow illustré dans la figure 4.7.

Calcul de la marge via le tMap_2 avec la relation :

Marge = chiffre d’affaires – prix de revient.

Ce dernier composant identifie aussi la clé de la nouvelle table et envoie les

données à la base cible.


45

Figure 4.6: Chargement de la table de fait Vente

Figure 4.7:Traitement effectué pat le composant tAggregateRow

4.1.4 Paramétrage de la fréquence de la mise à jour du datamart :

Les données d’un datamart doivent être constamment mises à jour. Pour ce faire, nous avons

paramétré les actions du rafraichissement que proposent Talend selon notre besoin (voir

l’annexe B). En outre, une fois qu’un flux d’extraction-transformation-chargement est défini,

il est possible de le déclencher de manière ponctuelle ou périodique. Ceci grâce à un outil de

planification de tâches. La figure 4.8 illustre ce planificateur des jobs.

Figure 4.8: Planification des jobs

Axes

d’analyse

Mesures

Filtrage des champs

nécessaires au calcul des

indicateurs de vente Calcul des

indicateurs


46

Cet ordonnanceur permet d’exécuter les jobs du chargement des tables de fait

quotidiennement ainsi que la table de dimension Temps, puisque les magasins effectuent

d’une façon permanente leurs transactions de vente. Par contre les autres jobs relatifs aux

autres dimensions (structure marchandise, structure organisation, type démarque…) se lancent

d’une façon hebdomadaire vu qu’ils évoluent lentement dans le temps.

4.1.5 Analyse du temps de chargement

Le temps de chargement ne varie pas beaucoup entre les différentes procédures (jobs) puisque

nous utilisons le même type de source à savoir la base de données du client ATAC. Par

contre, ce temps peut varier d’une table à une autre et entre l’extraction de la source et le

chargement dans la base cible. Ce temps change aussi en fonction du traitement effectué, s’il

s’agit d’une jointure simple, d’une transformation ou d’un calcul à faire.

Ainsi nous remarquons à travers la figure 4.9 que le temps de l’extraction des données depuis

la base source est estimé entre 30 et 40 lignes par secondes, alors que le temps du chargement

dans la base de destination peut aller jusqu'à 2100 lignes par secondes. Le calcul se fait aussi

rapidement dans Talend dans l’ordre de 2000 lignes par secondes.

Figure 4.9: Temps de chargement de la table de fait Démarque

La table la plus volumineuse de la base est la table « STOMVT » qui contient plus de 5

millions de lignes et qui englobe les différents mouvements des ventes et des démarques.

Cependant, la mise à jour du datamart sera quotidienne pour les tables de fait, donc la

moyenne des transactions de ventes par exemple qui peuvent être enregistrées chaque jour est

de l’ordre de 30.000 lignes. Le chargement de ces lignes se fera approximativement en 10

minutes.


47

Après avoir construit et alimenté notre magasin de données, nous passons maintenant à son

exploitation dans le processus reporting qui constitue la fin logique de chaque projet BI. Pour

ce faire, nous avons utilisé l'outil Business Object présenté dans le troisième chapitre pour

mettre tout d’abord à la disposition des décideurs une présentation métier organisée des

données, et générer ensuite des rapports et des statistiques qui seront utiles pour le compte

ATAC dans sa prise de décision

4.2 Création de l’univers et reporting

Nous présentons dans la première partie les étapes suivies dans la création de l’univers puis

nous donnons les états réalisés dans la partie reporting.

4.2.1 Création de l’univers

Comme nous l’avons présenté dans le chapitre de l’étude comparative des outils, Business

Objects dispose d’un module Designer qui permet la création des Univers. En effet, l’univers

est une représentation métier des données techniques issues du datamart, Il offre à son

utilisateur la possibilité d’interroger la base, d’analyser et d’élaborer des rapports avec son

vocabulaire quotidien et sans avoir l'obligation de comprendre le langage SQL, ou la structure

complexe de la base de données. (Voir l’annexe C)

Dans notre cas, nous avons crée l’univers ATAC à partir des trois tables de fait : vente,

démarque et rupture avec les différentes dimensions d’analyses. Pour ce faire nous avons

suivi les étapes suivantes :

Création et paramétrage de la connexion au datamart.

Insertion des tables depuis le datamart.

Traitement des ambiguïtés. En effet, l’utilisation multiple d’une table dans l’univers

peut causer une certaine ambigüité. Tel est le cas des tables de dimension qui sont partagées

entre les trois tables de fait. Pour remédier à ce problème, ils existent plusieurs solutions

parmi lesquelles la création des alias c'est-à-dire des noms logiques que nous affectons à des

tables tel que la table structure_marchandise2, Temps2, et structure_organisation2 illustrées

dans la figure 4.10 dans le cas ou ces tables s’utilisent différemment pour plusieurs fois.

Apres avoir crée la connexion, inséré les tables et résolu le problème des ambiguïtés nous

sommes passé à la structuration de l’univers sous forme de classes et d’objet.


48

Création des objets : l’objet est un élément constitutif de l’univers qui sera directement

manipulé par l’utilisateur, vu que c’est une information composés de données de la

base mais définie avec le vocabulaire métier. Il y a trois types d’objets :

Dimension : comme son nom l’indique, elle représente une donnée

qualitative d’un axe d’analyse sur laquelle nous allons effecteur un calcul

(ex : magasin, région, réseau...)

Indicateur : ce sont les indicateurs unitaires que nous avons calculé

dans la phase de l’alimentation du datamart, mais sur lesquels nous avons

appliqué des opérations de comptage ou de moyenne selon les besoins de

l’analyse. (ex : nombre d’article en rupture, chiffre d’affaires …).

Objet information : c’est un objet qui présente généralement un

complément d’information sur une dimension déjà définie (ex. : libellé

d’un rayon…)

Création des classes : une classe est un regroupement thématique des objets. Dans

notre cas, et comme c’est indiqué dans la figure 4.10, nous avons crée trois classes :

une pour les ventes, une autre pour les ruptures de stock et une troisième pour les

démarque. Dans chaque classe, nous avons mis deux sous-classe : une pour les

dimensions et une autre propre aux indicateurs afin d’offrir à l’utilisateur une interface

bien structurée.


49

Figure 4.10: L’Univers ATAC

4.2.2 Analyse et reporting

Avant de passer à la phase de reporting, nous présentons d’abord l’analyse

multidimensionnelle qui permet justement d’analyser les indicateurs calculés en fonction des

différentes dimensions.

4.2.2.1 Analyses multidimensionnelles

Une fois l’univers ATAC est crée, Business Object offre une interface conviviale appelée

Desktop Intelligence. C’est une interface dédiée à l’utilisateur final pour lui faciliter

l’utilisation des différentes fonctionnalités de l’univers.

Grâce à cette interface intuitive, l’utilisateur peut alors effectuer ses analyses et ses rapports

de façon autonome sans avoir aucune connaissance technique. En effet, il n’a qu’à glisser les

indicateurs et les dimensions nécessaires à son analyse dans l’onglet « objet du résultat »

comme c’est illustré dans la figure 4.11 et à préciser ensuite les restrictions et les conditions

qu’il souhaite poser dans l’onglet « condition ». Les requêtes SQL correspondantes sont

générées automatiquement par le système.


50

Figure 4.11: Interface Desktop Intelligence

La figure 4.11 montre l’exemple d’une requête générée automatiquement pour visualiser la

quantité des démarques dans les différents magasins de la région « Damien Rancheard » en

fonction des types de démarque en 2011.

L’utilisateur peut aussi réaliser ses rapports et ses statistiques suivant les différents niveaux.

En effet, comme le montre la figure 4.12, il peut naviguer facilement dans la hiérarchie des

dimensions lors de son analyse.

Figure 4.12: Navigation dans la hiérarchie

La figure 4.12 montre que nous pouvons détailler le pourcentage du chiffre d’affaires d’un

réseau par exemple, juste en cliquant sur ce dernier pour expliciter les pourcentages de ses

différentes régions, de même nous pouvons cliquer sur une région pour obtenir le pourcentage

du chiffre d’affaires des magasins qui y appartiennent. Cette possibilité de navigation entre les


51

niveaux hiérarchiques facilite la visualisation des détails et aide l’utilisateur à aller plus loin

dans son analyse.

4.2.2.2 Reporting

Le reporting présente le fruit de tout projet décisionnel. Il permet d’étudier, de visualiser et

d’exploiter les données de l’entreprise dans l’objectif de les bien manager pour en faire un

réel support d’aide à la décision. (Voir l’annexe E)

Dans notre cas et afin de répondre aux besoins décisionnels du client ATAC, nous avons

établi un certain nombre d’états (Annexe D) sous forme de tableaux croisés ou des graphiques

paramétrables comme l’histogramme, les camemberts, les courbes, diagrammes en aires etc.

Nous résumons dans le tableau suivant les états réalisés au profit du compte ATAC :

Tableau 4.2 : Etats Réalisés au profit du compte ATAC

Etats réalisés

Pourcentage du chiffre d’affaires des magasins dans le réseau Sud

Evolution du chiffre d’affaires par jour et par rayon au mois de Janvier 2011

Quantité des démarques dans chaque secteur en fonction des types de démarque

Nombre d’articles en rupture en fonction du motif

Taux de démarques des sous rayons des magasins dans le dernier trimestre de l’année

2011.

Valeur des démarques des régions par type de démarque

Rentabilité de chaque réseau.

Durée moyenne de rupture comparée entre quatre régions

Chiffre d’affaires des dix premiers magasins

Evolution de la quantité vendue dans les réseaux par mois et par famille de produit.

Pourcentage des dons aux associations dans les régions du réseau Est.

Nombre d’articles en rupture dans le magasin VIRTY par famille de produits.

Evolution du nombre d’article en rupture depuis l’année 2010

Durée moyenne de rupture des sous familles en fonction des causes de rupture

Nous présentons ainsi quelques exemples de ces états. La figure 4.13 présente un exemple

d’état sous forme de diagramme de camemberts qui fournit le pourcentage du chiffre

d’affaires réalisé dans chaque magasin du réseau Sud. Ceci donnera aux décideurs une vue


52

globale sur leurs sites les plus rentable comme Duplex Paris XV et les aidera à améliorer le

rendement des magasins de faible rentabilité comme le magasin Golbey.

Figure 4.13: Rapport du pourcentage du chiffre d’affaires des magasins dans le réseau Sud

Pour suivre l’évolution de ce chiffre d’affaires dans une période donnée, nous avons proposé

l’état illustré dans la figure 4.14 qui présente cette évolution au mois de Janvier dans les

rayons les plus importants des supermarchés du groupe Auchan.

Figure 4.14: Evolution du chiffre d’affaires dans le temps

pourcentage du chiffre d’affaires des magasins dans le réseau

Sud


53

Concernant les démarques, le tableau de la figure 4.15 indique leur quantité dans les quatre

secteurs de produits en fonction des types de démarques dans l’année 2011.

Figure 4.15 Quantité de démarques dans chaque secteur en fonction des types de démarque

Pour mieux visualiser ces résultats, nous avons accompagné ce tableau avec le diagramme

illustré dans la figure 4.16. On constate que les articles périmés et cassés présentent la plus

grande quantité de perte.

Figure 4.16: Diagramme des quantités des démarques

Pour les ruptures de stock, la figure 4.17 présente le nombre des articles en rupture dans les

différentes régions du réseau Franchise en fonction des causes de ces ruptures. Cet état donne

une vision détaillée sur les régions ou se produisent plus de ruptures afin d’inciter les

décideurs à prendre les mesures nécessaires pour les éviter ou au moins les diminuer.


54

2: Figure 4.17 : Nombre d’article en rupture

La dernière figure 4.18 illustre la valeur des démarques y compris les dons aux associations

par rapport au chiffre d’affaires réalisé en 2011. Cette valeur est représentée par l’indicateur

taux de démarque que nous avons calculé dans les différents sous- rayons des magasins du

compte ATAC.

Figure 4.18: Taux de démarque en 2011


55

Conclusion :

Ce chapitre a décri la réalisation de notre système décisionnel. En effet, nous avons

commencé tout d’abord par l’alimentation de notre datamart via l’outil Talend. Ensuite,

nous avons crée l’univers ATAC sur lequel s’est effectuée l’analyse multidimensionnelle des

indicateurs stratégiques recueillis avec l’outil Business Object, pour finir par la génération des

tableaux et des rapports de synthèses exploitables par les preneurs de décision.

56

Conclusion

Notre projet de fin d’étude a été pour nous non seulement une étape à franchir pour achever

notre parcours académique, mais aussi une grande opportunité de prendre part à un projet réel

qui s’inscrit dans le cadre de l’informatique décisionnelle. Cette dernière a pour objectif

d’offrir un meilleur usage du flot de données afin d’aider les managers à la prise de décision.

Nous rappelons que notre stage qui s’est déroulé au sein de HP CDG consistait à mettre en

place un système décisionnel qui facilite l’élaboration des rapports décisionnels au profit du

compte ATAC. Ce système a permis alors de gagner en termes de temps, d’ergonomie et

d’autonomie grâce au datamart mis en place et à l’univers crée sous Business Object. En

effet, le processus reporting dispose désormais d’un entrepôt ciblé, structuré et propre à son

traitement. Il est donc devenu indépendant et séparé des traitements quotidiens. L’édition des

rapports qui prenait toute une journée auparavant est devenue instantanée en quelque clic

seulement. L’affichage du résultat se fait actuellement en glissant juste les indicateurs et les

dimensions qui sont représentées par des boutons et peut prendre plusieurs formes, tableau

croisé, graphique à barres, à secteurs, à nuages de points…etc. Ainsi un manager qui a peu de

connaissances en informatique peut créer un ensemble d’états de reporting selon ses besoins

et les visualiser en choisissant le graphe le plus significatif et le plus parlant.

Ce stage a également été une occasion pour nous de découvrir le dynamisme et

l’enthousiasme qui marquent l’équipe ATAC au sein de HP CDG. Le travail avec cette équipe

nous a permis de concrétiser nos connaissances techniques et théoriques ainsi que d’acquérir

d’autres propres au monde professionnel.

Les difficultés majeures rencontrées durant ce projet résident essentiellement dans la

nouveauté des technologies à savoir Talend et Business Object qui nous étaient complètement

inconnus au départ. De plus, le travail et la collaboration dans une grande équipe telle que

l’équipe ATAC a nécessité de développer plus notre esprit d’équipe afin d’aboutir à nos

objectifs ciblés.

Comme perspective à ce projet, nous proposons aussi de mettre en place deux autres

datamarts. Un pour la gestion des commandes des magasins, et un autre pour le traitement du

flux de stock dans les entrepôts. En effet, la série ATAC comprend les magasins ou les surfaces

de vente et les entrepôts qui représentent leurs fournisseurs logistiques. L’ensemble de ces

datamarts va mettre en lumière l’activité commerciale de l’intégralité de la série ATAC.

57

Bibliographie et Webographie

[CDG, 2009] : http://www.cdg.ma/index.php?option=com_content&task=view&id=34&Itemid=249

Site officiel de la caisse de dépôt et de gestion.

[Wiki, 2011] : http://fr.wikipedia.org/wiki/HP-CDG_IT_services_Maroc

Informations sur le groupe HP CDG.

[HPCDG,2012]: Documentation offerte par la société HP CDG.

[Aldata, 2012]: http://www.aldata.com/fr/produits/aldata-gold

Site officiel d’Altdata éditeur de l’ERP GOLD.

[Mapp, 2012] : http://www.mappingsuite.com/fr/produits/composition-impression-archivage-

diffusion-pilotage-0032.html.

Site officiel de la suite logicielle Mapping.

[Hugues, 2002]: http://users.polytech.unice.fr/~hugues/GL/chapitre2.pdf

Description du cycle de vie Prototypage.

[Dw, 2006] : http://www.dwfacile.com/Portail_md.htm

Les notions clés de la modélisation multidimensionnelle.

[Atol, 2007] : http://www.atolcd.com/fileadmin/Publications/Atol_CD_Livre_Blanc_ETL_Open_

Source.pdf

Les ETL Open source.

[Axege ,2012] : http://www.axege.com/Evaluation-de-deux-ETL-Clover-ETL-vs-Talend-Open-

Studio.html

ETL Clover et Talend Open Studio.

[Legran, 2010] : http://www.legrandbi.com/2010/01/beyenetwork-third-nature-etude-bi-

pentaho/

http://www.cdg.ma/index.php?option=com_content&task=view&id=34&Itemid=249

http://www.cdg.ma/index.php?option=com_content&task=view&id=34&Itemid=249

http://fr.wikipedia.org/wiki/HP-CDG_IT_services_Maroc

http://www.aldata.com/fr/produits/aldata-gold

http://www.mappingsuite.com/fr/produits/composition-impression-archivage-

http://users.polytech.unice.fr/~hugues/GL/chapitre2.pdf

http://www.dwfacile.com/Portail_md.htm

http://www.atolcd.com/fileadmin/Publications/Atol_CD_Livre_Blanc_ETL_Open_Source.pdf

http://www.atolcd.com/fileadmin/Publications/Atol_CD_Livre_Blanc_ETL_Open_Source.pdf

http://www.axege.com/Evaluation-de-deux-ETL-Clover-ETL-vs-Talend-Open-Studio.html

http://www.axege.com/Evaluation-de-deux-ETL-Clover-ETL-vs-Talend-Open-Studio.html

http://www.legrandbi.com/2010/01/beyenetwork-third-nature-etude-bi-pentaho/

http://www.legrandbi.com/2010/01/beyenetwork-third-nature-etude-bi-pentaho/

58

Etude Comparative entre les outils de Reporting Open source.

[Loria, 2008] : http://www.loria.fr/~peguiron/miage/Projet_Bibliographique.pdf

Les outils de Reporting Open source.

[Com, 2012] : http://www.commentcamarche.net/contents/entreprise/datawarehouse-

datamart.php3

Les notions sur datawarehouse et datamart

.

http://www.loria.fr/~peguiron/miage/Projet_Bibliographique.pdf

http://www.commentcamarche.net/contents/entreprise/datawarehouse-

59

ANNEXES

Annexe A : Alimentation des tables de fait Démarque et rupture

1. Alimentation de la table de fait Démarque

Figure A1: alimentation de la table de fait Démarque

L’alimentation de la table de fait démarque s’effectue de la même façon à peu près que celle

des ventes vue qu’elles sont toutes les deux extraites de la même source, la différence apparait

plutôt dans le filtrage et la partie des calculs. En effet, on filtre les champs « STMMOTF »

entre 10 et 19 et « STMTMVT » entre 100 et 124 pour avoir les mouvements des démarques

et des dons aux associations, puis on calcule les indicateurs recueillis dans cette partie en

prenant la valeur absolue des données car elles sont enregistrées négatives dans la base source

pour indiquer qu’elles présentent des pertes .

2. Alimentation de la table de fait Rupture:

Cette partie se base principalement sur la table « ARTRUP » qui englobe toutes les données

concernant les ruptures du stock au sein des magasins ATAC: Afin d’alimenter la table de fait

Rupture nous avons établi le job suivant :

60

Figure A2: Chargement de la table de fait Rupture4

Nous avons effectué la jointure entre « ARTRUP » et « Mg_Structure_Marchandise » pour

regrouper toutes les données nécessaires à l’identification d’un article en rupture, Ensuite, La

partie calcul a consisté à calculer le nombre d’article en rupture ainsi que la durée moyenne

que peut prendre ces articles avant de redevenir disponibles dans la liste des produits

proposés à la vente.

61

Annexe B : Paramétrage du rafraichissement du datamart selon

Le besoin

Les données d’un Datamart doivent être constamment mises à jour. Pour ce faire, l’outil

Talend permet de choisir la politique de rafraichissement propice à chaque table. En effet , il

est possible de choisir comme action sur les données « update or insert » comme le montre la

figure A3 si l’on prévoit un nombre de lignes à mettre à jour supérieur à celui des lignes à

insérer ou bien «insert or update » dans la situation inverse.

Figure B1: Rafraichissement des tables destinataires

Dans notre cas, nous avons choisi l’action «insert or update » pour toutes les tables de fait

ainsi que la dimension temps puisque le nombre d’insertions des mouvements de vente,

démarque et rupture sera surement supérieur aux nombres de rafraichissement et c’est pareil

pour les dates. Concernant les autres dimensions qui nécessitent plus de mises à jour que

d’insertions nous avons opté pour l’action « update or insert ».

62

Annexe C : Univers de Business Object

1. Rôle de l’univers

L’univers a comme rôle de fournir une interface simple à utiliser et compréhensible

permettant à des exploiteurs de BUSINESS OBJECTS d'exécuter des requêtes dans une base

de données afin de créer des rapports et d'effectuer des analyses de données. On utilise

DESIGNER pour créer des objets qui représentent les structures de la base de données, par

exemple les colonnes et les fonctions de base de données, dont les utilisateurs ont besoin pour

accéder et interroger la base, afin d'obtenir les informations nécessaires à leur activité

professionnelle. [Loria, 2008]

2. Designer pour créer des univers :

DESIGNER offre une interface graphique qui permet de sélectionner et d'afficher des tables

dans une base de données. Les tables de bases de données sont représentées par des symboles

de tables dans un diagramme de schéma. A partir de cette interface, on peut manipuler des

tables, créer des jointures qui lient les tables, créer des tables d'alias et des contextes, et

résoudre des boucles dans le schéma. Les utilisateurs BUSINESS OBJECTS ne voient pas ce

schéma. [Loria, 2008]

63

Annexe D : Exemple d’états élaborés

Figure D1 : valeur des démarques des régions par type de démarque

64

Figure D2 : Rentabilité des réseaux

Figure D3 : Nombre d’articles en rupture dans le magasin VIRTY par famille de produits

65

Figure D4 : Durée moyenne de rupture comparée entre quatre région

66

Annexe E : Termes usuels du décisionnel :

Datawarehouse :

Le lieu de stockage intermédiaire des différentes données en vue de la constitution du système

d'information décisionnel est appelé entrepôt de données (en anglais datawarehouse). Le

datawarehouse est ainsi le lieu unique de consolidation de l'ensemble des données de

l'entreprises. Le créateur du concept de DataWareHouse, Bill Inmon, le définit comme suit :

« Un datawarehouse est une collection de données thématiques, intégrées, non volatiles et

historisées pour la prise de décisions. »

Ses principales caractéristiques sont donc les suivantes :

Orientation sujet du data warehouse : Le DW est organisé autour des sujets majeurs de

l’entreprise, contrairement aux données des systèmes de production généralement organisées

par processus fonctionnel. L’intérêt de cette organisation est de disposer de l’ensemble des

informations utiles sur un sujet, le plus souvent transversal aux structures fonctionnelles et

organisationnelles de l’entreprise.

Les données sont intégrées : Les données alimentant le DW proviennent de multiples

applications sources hétérogènes. Les données des systèmes de production doivent être

converties, reformatées et nettoyées, de façon à être intégrées dans le data warehouse.

Les données sont non-volatiles et historisées : Les données des systèmes opérationnels

sont constamment manipulées, modifiées ; elles sont mises à jour à chaque nouvelle

transaction. Ainsi, une même requête demandée à quelques semaines d’intervalle pourra

fournir des résultats différents. Par opposition, les données du data warehouse sont le reflet

d’une photo instantanée des données du système opérationnel. Lorsque intervient un

changement important dans les données, une nouvelle photo est prise de façon à ce que le DW

garde une trace de l’historique des données.

Ainsi, Le DW est arrivé comme une reconnaissance de la valeur et du rôle de l’information, à

savoir son utilisation à des fins stratégiques. C’est une plate-forme avec des données de très

bonne qualité qui supportent des applications de type informationnel, comme les applications

d’aide à la décision, ainsi que les processus dans l’entreprise. Il augmente la productivité des

décideurs d’entreprise en consolidant, convertissant, transformant et intégrant les données de

67

différents systèmes opérationnels et en leur fournissant une vue consistante, globale et unifiée

de leur entreprise. [Com, 2012]

Datamart :

Le terme Datamart (littéralement magasin de données) désigne un sous-ensemble du

datawarehouse contenant les données du datawarehouse pour un secteur particulier de

l'entreprise (département, direction, service, gamme de produit, etc.) en vue de restreindre les

données au périmètre métier d’un groupe d’utilisateurs. [Com, 2012]

ETL :

un outil ETL (Extraction / Transformation / Loading) permet à partir de diverses sources de

données, d'extraire de l'information, de faire des transformations afin de nettoyer les données

et de charger des données utiles dans le datawarehouse ou le datamart . Les sources de

données peuvent être diverses (HTML, XML, base de données, fichiers texte, tableurs, ERP

etc.) comùe illustre la figure E1. [Atol, 2007]

Figure E1 : Processus ETL

L’acronyme ETL signifie

Extract :Extraire

Accéder à la majorité des systèmes de stockage de données (SGBD, ERP, fichiers à plat...)

afin de récupérer les données identifiées et sélectionnées. Prendre en compte les questions de

synchronisation et de périodicité des rafraichissements.

68

Transform :Transformer :

Toutes les données ne sont pas utilisables telles quelles. Elles méritent d'être vérifiées,

reformatées, nettoyées afin d'éliminer les valeurs aberrantes et les doublons et consolidées.

Load :Charger :

Insérer les données dans le Datawarehouse ou le Datamart. Elles sont ensuite disponibles

pour les différents outils d'analyse et de présentation que sont le Datamining, l'analyse

multidimenensionnelle OLAP, les analyses géographiques, les requêteurs et autres

reportings et bien sûr les tableaux de bord .

Reporting :

Les outils de création de rapport (reporting tools) extraient les données et proposent une mise

en forme destinée à la diffusion : par impression ou par des services Internet ou Intranet. Ils

sont très utilisés pour générer des tableaux de bord conventionnels, qui sont souvent

composés et diffusés automatiquement et périodiquement sans demande spécifique des

utilisateurs. Ces tableaux de bord peuvent être transformés en graphes pour donner une

représentation intelligente des informations afin de faciliter aux décideurs l’analyse et

l’interprétation des états. [Loria, 2008]

http://www.piloter.org/business-intelligence/datawarehouse.htm

http://www.piloter.org/business-intelligence/datamart.htm

http://www.piloter.org/business-intelligence/analyse-business-intelligence.htm

http://www.piloter.org/business-intelligence/datamining.htm

http://www.piloter.org/business-intelligence/olap.htm

http://www.piloter.org/business-intelligence/reporting.htm

http://www.piloter.org/business-intelligence/reporting.htm

http://www.nodesway.com/tableau_de_bord/principe-tableau-de-bord.htm

pfeasmaaelouraoui

Documents

Transcript of pfeasmaaelouraoui