La Business Intelligence

La Business Intelligence
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LA BUSINESS
INTELLIGENCE
!"#$%&'(# *+,-.
./01"%2 3+45.-65
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LE
SOMMAIRE
7 !" 89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! 01. Quest ce que la BI ?
! 02. La BI applique aux Tlcoms
! 03. Les tapes dun projet BI
! 04. Les outils et les solutions du
dcisionnel
! 05. Une nouvelle re pour la BI
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Dans les grandes organisations, 25% des employs utilisent des
solutions de Business Intelligence (BI)
Le chiffre d'affaires mondial des logiciels de Business Intelligence
est de 13,8 milliards de dollars en 2013, une augmentation de 7% par
rapport 2012
Seule une entreprise sur 2 a tendue la BI lensemble de ses
activits. Les autres se cantonnent des secteurs spcifiques
Une entreprise sur 5 se sert de la BI pour prvoir son dveloppement
futur.
: !"
NOTRE
INTRODUCTION
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
QUEST CE QUE
LA BI ?
; !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Quest ce que la BI ? Telecoms Les tapes dun projet BI Outils et solutions Une nouvelle re pour la BI
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LHISTOIRE
8 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
1965, cration par Dick Pick dun systme dexploitation comportant un SGBD
! Premier systme o le logiciel et les donnes sont spares
1976, cration de SAS
1989, Howard Dresner (Gartner), popularise le terme Business Intelligence
2005, Wal-Mart doit grer 460 To de base de donnes, 2 fois plus quInternet
Aujourdhui 90% des donnes dans le monde ont t gnres ces
2 dernires annes

89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
DEFINITION ET
OBJECTIFS
< !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
La BI (ou informatique dcisionnelle) est une solution informatique
permettant de collecter, danalyser et de traiter toutes les donnes internes
lentreprise selon des critres spcifiques ou externe (utile son mtier).
Les rsultats de cette analyse permettent aux dirigeants dobtenir une vue
densemble sur leur activit, une meilleur comprhension du comportement
client et une meilleure ractivit face au march.
Objectifs principaux :
! Accroitre ses parts de march
! Rduire ses cots / Augmenter ses revenus
! Mieux comprendre le comportement des clients
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
COMMENT
A FONCTIONNE ?
Une architecture BI de manire gnrale :
9 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SID = Systme dInformation
Dcisionnel
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
PREMIERE PHASE
LALIMENTATION
= !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
PREMIERE PHASE
ETL
> !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Les bases de donnes sont souvent htrognes, avec des doublons.
Elles proviennent de diffrentes sources, internes ou externes.
Les donnes sont de diffrents formats, selon des structures diffrentes
(strates)
LETL (Extract, Transform and Load), se charge de rcuprer les donnes,
de les nettoyer, et enfin de les charger dans le Datawarehouse.
LETL ajoute des informations la donnes tel que le type, la provenance
ou encore la date de mise jour de la donne. Ce sont les metadonnes.
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SECONDE PHASE
LA MODELISATION : DATAWAREHOUSES
?@ !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Cest lentrept, le centre de stockage du systme. Les donnes sont
envoyes par lETL.
Il spare la partie oprationnelle (bases de donnes) du systme
dcisionnel (outils de reporting).
! Il y a donc une tanchit des donnes.
But : Centraliser et uniformiser les donnes de lentreprise.
! Tous les mtiers possdent la mme information, la bonne !
" Comporte des mcanismes de redondance, sauvegarde, reprise sur
incident.
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SECONDE PHASE
?? !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
4 PRINCIPES:
Non volatile : seule la lecture est autorise, pas de perte de donnes.
Intgration de donnes htrognes : ETL.
Historis : aucune donne nest supprime, tout est conserv et archiv.
Cel diffre du modle annule et remplace des SGBD.
Orient mtier : les donnes sont organises et rassembles par thmes
et non pas par processus fonctionnels. On passe donc dune vision verticale
une vision transverse des donnes.
! Par exemple les chiffres de ventes et les types de produits vendus sont
regroups pour connatre quel produit sest le mieux vendu.
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SECONDE PHASE
?7 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
ARCHITECTURE TECHNIQUE
SMP : Symetric Multi-Processing
! Une seule machine
! Plusieurs processeurs en parallle, mmoire partage
! Recommand pour les petits DWH (<50 To)
MPP : Massively Parallel Processing
! Plusieurs machines
! Grand nombre de processeurs possdant leur propre mmoire
! Recommand pour les gros DWH, calculs intensifs
! Dveloppement dapplications spcifiques
CLUSTER
! Machines organises en grappe, interconnectes en Ethernet
! Haute disponibilit
! Scalabilit
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SECONDE PHASE
LA MODELISATION : DATAMARTS
?: !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Linformation stocke dans le Datawarehouse est brute, avec des logs,
tables dvnements
! Laccs direct lentrept est donc rserv aux utilisateurs avancs
Un Datamart, ou magasin de donnes, est un sous-ensemble du
Datawarehouse destin un secteur particulier de lentreprise.
! On pourra avoir un Datamart commercial, un autre RH, ou encore un
marketing.
Performances amliores, car seules les donnes utiles au secteur sont
prsentes.
Synchronisation avec le Datawarehouse, afin de prserver lintgrit
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SECONDE PHASE
LA MODELISATION : CUBES OLAP
?; !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Cubes OLAP (On-Line Analytical Processing) = reprsentation
multidimensionnelle dinformations.
Agrge, met en forme les relations entre les donnes.
Tous les agrgats sont pr-calculs.
! Temps de rponse trs rapides

Dchargement des donnes du Datamart vers un cube
! Stockage spcifique, non ralisable pour toutes les donnes
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SECONDE PHASE
CUBES OLAP : EXEMPLE
?8 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Quelles sont les ventes du magasin de Villejuif, tous mois et catgories confondus ?
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SECONDE PHASE
LA MODELISATION : xOLAP
?< !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
ROLAP : Relationnel
Donnes obtenues partir de jointures entre les tables, cubes virtuels
Faible cot mais temps de rponse long
Langage SQL (Structured Query Language)
MOLAP : Multidimensionnel
Donnes dans un cube propritaire, physique
Temps de rponse courts car pr-calculs, cots levs
Langage MDX (Multi Dimensional Expressions)
HOLAP : Hybride
Donnes la fois dans le cube et dans des tables relationnelles
MOLAP=cas normaux, ROLAP=niveau de dtail plus fin
DOLAP : Desktop
! Tlchargement de petits cubes pour permettre une analyse hors connexion
! Dcentralisation de donnes vers des postes clients
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SECONDE PHASE
QUELS SONT LES MODELES DE DONNEES ?
?9 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Modle en toile : une table de faits entoure de plusieurs axes :
les tables de dimension

89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SECONDE PHASE
?= !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Modle en flocons : jointures entre les tables de dimension
La performance
prime sur la
structure
QUELS SONT LES MODELES DE DONNEES ?
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
TROISIEME PHASE
LE REPORTING
?> !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
REPORTING = Restitution des donnes sous forme de rapport

2 type de reporting existent :
Reporting ad hoc
! Cration dun rapport personnalis
! Choix des donnes intgrer depuis une interface
! Les vues prsentes sont adaptes aux besoins de lutilisateur
Reporting de masse
! Cration automatique de rapports
! Rpond un besoin rcurrent (ex: rsultats mensuels)

89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
DERNIERE PHASE
LE DATA MINING
7@ !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Le DATAMINING est l'utilisation d'outils statistiques ou d'algorithmes
mathmatiques sur les donnes afin de prdire, expliquer, ou de classer des
informations.

Finance
! Gestion adapte du risque dans les tablissements financiers avec du
scoring des clients
Industrie
! Optimisation d'une chane de montage
! Systme de rsolution de panne par la description des symptmes
! Prvision de pics de consommation d'un rseau (tlphone, nergie
lectrique...)
Marketing
! Ciblage des offres
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
TELECOMS
ET BI
7? !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
DEPENSES TELECOM
ET BI
77 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Les tlcoms sont le poste de dpense le plus important pour 61% des
entreprises de moins de 200 salaris .
Ncessit doptimisation des services tlcoms aux entreprises.
La BI intervient dans les logiciels de TEM (Telecom Expense Management)
! Importation et contrle des factures
! Rassemblement des cots mobile, fixe, VOIP, options
! Ventilation des cots par centre de frais
! Analyse de la consommation
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
TABLEAU DE BORD
ET BI
7: !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
<= Tableau de bord TEM
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
SWOT DE LA
7; !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
BUSINESS INTELLIGENCE
89
Savolr ce qul se passe dans l'enLreprlse
eL pourquol
Maxlmlsauon des performances de
l'enLreprlse
8ases de donnees ables eL robusLes
CapaclLes d'analyse ad-hoc
llmlLees
lnvesussemenL lmporLanL
uependance du uaLa Warehouse

8uslness lnLelllgence 3.0
8l 1emps reel
8uslness lnLelllgence Moblle
Le 8lC uaLa
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES ETAPES
DUN PROJET BI
78 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Quest ce que la BI ? Tlcoms Les tapes dun projet BI Outils et solutions Une nouvelle re pour la BI
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
ETAPES 0
LES PRREQUIS
7< !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! 6&A%A#B#&C '# "% D%EC# '/(#0F1&
GHE'AIC%/(# #C J1"/FKE#L
" L'appul de la hauLe dlrecuon
permeL de falre passer les
changemenLs plus facllemenL
! ,1&&I#2 '# KE%"/CI #C B%CE(/CI
/&M1(B%FKE#
" une soluuon 8l permeL de mesurer
l'eLaL de sanLe de l'enLreprlse (vla
ses donnees)
! !00N2 O '#2 (#221E(0#2 C#0D&/KE#2
#$JI(/B#&CI#2 '%&2 "% B/2# #& J"%0# '#
21"EF1&2 *-
" Courbe d'apprenussage molns
abrupLe
Penser GRAND,,
commencer PETIT
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
ETAPES 1 & 2
METRIQUES &
OUTILS INTERNES
79 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! -'#&FP0%F1& '#2 BIC(/KE#2
2C(%CIA/KE#2 '# "Q#&C(#J(/2#
" lanlcauon d'aLellers de Lravall
avec les dlerenLes equlpes
" 8ecuellle maxlmum des meLrlques
de dlerenLs deparLemenLs (P8,
Markeung, roducuon, SAv,
llnance.)
! !&%"R2# '#2 1EF"2 /&C#(&#2
" L'analyse des rapporLs exlsLanL
(produlLs manuellemenL)
" Mellleure comprehenslon des
meLrlques
" ldenucauon des sources de donnees
uullsees
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
ETAPES 3 & 4
AUDIT &
COLLABORATION
7= !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! !E'/F1& '#2 '1&&I#2
" ueLermlnauon des sources de donnees
dlsponlbles
" our chaque source, l'audlL permeL
d'ldenuer :
Le nlveau de quallLe
La procedure de mlse a [our
Les employes responsables des
modlcauons
La frequences des mlses a [our
! +HC#&F1& '# "% 01""%H1(%F1& '#2
(#221E(0#2 0"I2
" 8essources cles = employes ayanL une
grande comprehenslon des
acuvlLes de l'enLreprlse, des Sl ou des
procedures operauonnelles
" laclllLe enormemenL la mlse en place
de la soluuon 8l
" 8uL : ldenuer ces ressources eL avolr
leur collaborauon pendanL LouLe la
duree du pro[eL
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
ETAPES 5 & 6
CONSOLIDER,
IDENTIFIER
7> !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! S1&21"/'%F1& #C 1(A%&/2%F1& '#2 H#21/&2
/'#&FPI2
" ermeL de regrouper de faon loglque
les meLrlques a produlre
" ermeL une sLandardlsauon de Lous les
requls
! -'#&FP0%F1& '#2 21E(0#2 '# '1&&I#2
&I0#22%/(#2
" our chaque meLrlque a produlre :
u'ou provlenL la donnee pour
ceue mesure ?
LsL-elle acLuellemenL dlsponlble
dans l'enLreprlse ?
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
ETAPES 7 & 8
PROCEDURES &
SCOPE DU PROJET
:@ !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! -'#&FP0%F1& '#2 B1'/P0%F1&2 %E$
J(10I'E(#2 1JI(%F1&&#""#2
" euL avolr lleu dans cerLalns cas
" LlsLer ces modlcauons eL evaluer
leurs lmpacLs budgeLalres (Lxemple :
a[ouL d'une nouvelle ressource)
! ,IP&/F1& 'E 201J# 'E J(1T#C
" 8eallse avec le sponsor du pro[eL
" ueLermlnauon de son envergure eL des
reallsauons (a parur de la llsLe des
besolns recuelllls)
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
ROI DUN PROJET
DECISIONNEL
:? !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! -" #2C '/U0/"# '# 0%"0E"#( "# 5+- 'QE& J(1T#C
'I0/2/1&&#"
! S%"0E" 'E 01VC
" Llcences loglclelles
" CoL du maLerlel
" Consulung
" ersonnel
" lormauon
! S%"0E" '#2 HI&IP0#2
" Les beneces sonL bases sur des
esumauons
" Cn peuL uullser le modele A88CA
! !EAB#&C%F1& '#2 5#W#&E#2
" Cuel esL le revenue annuel de
l'organlsauon ?
" Cuel esL le pourcenLage de crolssance
reallse grce aux acuons enLreprlses
sulLe a une mellleure vlslblllLe sur les
venLes ?
! 5I'E0F1& '#2 S1VC2
" A comblen s'eleve les depenses
annuelles de l'organlsauon ?
" Cuel esL le pourcenLage d'economles
reallsees grce aux acuons enLreprlses
sulLe a une mellleure vlslblllLe sur les
coLs ?
! !BI"/1(%F1& '# "% X(1'E0FW/CI
" Cn s'lnLeresse lcl au Lemps consomme
a la producuon des rapporLs de la parL
des employes.
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES OUTILS ET
LES SOLUTIONS
DU DECISIONNEL
:7 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES LEADERS EN
DATA WAREHOUSE
:: !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Y%(C&#( Z%A/0 [E%'(%&C \J1C2
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES LEADERS EN
DATA WAREHOUSE
:; !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! LsL devenu parLenalre d'P en !anvler
2013
! ropose des appllances (Pardware,
soware eL servlces pre-congures)
! Soware : Mlcroso SCL Server 2012
! Pardware : P, uell, l8M
! Cre cloud : Wlndows Azure vlrLual
Machlne
! LnLreprlse Allemande, connue pour ses
L8
! 4 grandes ores :
" neLweaver 8uslness Warehouse
" neLweaver 8uslness Warehouse
AcceleraLor
" PAnA
" Sybase lC
! Pardware : P, uell, l8M
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES LEADERS EN
DATA WAREHOUSE
:8 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! 8ases de donnees : u82 eL lnformlx
! Loglclel uaLa warehouse : lnfosphere
! SysLemes uaLa warehouse : ureuaLa,
soluuons sur les sysLemes Z
! Appllances : uaLabase 11g, LxadaLa,
uaLabase 12c, aruuonlng
! 8ase de donnees : Cracle
! laLeformes prlses en charges : Llnux,
Solarls, Wlndows
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES LEADERS EN
DATA WAREHOUSE
:< !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! Leader hlsLorlque des enLrepLs de
donnees
! Connu pour ses serveurs M
(Masslvely arallel rocesslng)
! Le SC8u8 1eradaLa a eLe conu des
l'orlglne pour le declslonnel
! CS des machlnes : Mlcroso, SuSL
(llnux)
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES OUTILS
DE REPORTING
:9 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES OUTILS
DE REPORTING
:= !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! Loglclel d'explorauon eL vlsuallsauon
dlsposanL d'un moLeur ln-memory
! Les prlx de Spoulre:
" Cloud work group: 2000$/an
" Cloud personal : 300$/an
! Les prlx de 1ableau :
" ueskLop professlonal : 1999$/an
" ueskLop personal : 999$/an
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES OUTILS
DE REPORTING
:> !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! LdlLeur de loglclel speclallse en
lnformauque declslonnel
! rlx llcense :
" Analyucs ro : 8700 $/an
" vlsual uaLa ulscovery : 10,170 $/an
! Loglclel de 8uslness lnLelllgence
! rlx llcense : 1330$/an

89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES OUTILS
DE REPORTING
;@ !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! ower 8l pour Cmce 363
" ower lvoL
" ower vlew
" ower Cuery
" ower Maps
! 1rols gammes de Larlfs :
" LnLreprlses de caLegorle L3/L3 :
240$/an
" Cpuon de manlere auLonome :
480$/an
" Cmce 363 rolus : 624$/an
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
UNE NOUVELLE
ERE POUR LA BI
;? !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
BIG DATA vs.
BI
;7 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
Descriptive
Analytics
Diagnostic
Analytics
Predictive
Analytics
Prescriptive
Analytics
Pass Futur
Data Analytics
BUSINESS INTELLIGENCE
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
BIG DATA vs.
BI
;: !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
DISCIPLINE TECHNOLOGIES COMPETENCES FOCUS
BUSINESS
INTELLIGENCE
TRADITIONNELLE
Outils ETL / SQL
RDMS
Reporting
Visualisation

Programmation
Analyse de donne
Modlisation de donnes
Rapport de dveloppement
Statistiques basiques
Technique darchitecture
Analyses Business &
Stratgie
Prsentation
Dlivrer de linformation/
Reporting
Data visualisation
Statistique descriptive
Intgration et consolidation
de donnes
DATA
ANALYSIS
DATA
SCIENCE
Logiciel de modlisation de
donnes
Logiciel de diagramme
Logiciel de documentation
SQL
Logiciel de profilage de
donnes
Modlisation de donne
Analyses Business
Manipulation de donnes
Statistiques basiques

Rgles Business
Dfinition et traabilit des
donnes
Relations entre les entits
Attributs des donnes
Structure des donnes
Sources et cibles des donnes
Qualit des donnes
Logiciel de statistique
Donnes Columnar (format)
Map-Reduce
NoSQL
Langages programmation
Logiciel visualisation de
donnes
Statistiques avances
Programmation
Analyses Business
Technologies de data
management modern et
architectures associes

Modles prdictif
Analyses statistiques
avances
Data Mining
Gestion de donnes non-
structures
Gros volumes de donnes
Recherche
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LA BI
SELF-SERVICE
;; !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! uonner du pouvolr aux uullsaLeurs

! L'uullsaLeurs peuL acceder lul mme a
l'lnformauon sans auendre des
semalnes, ll esL molns dependanL du
servlces l1 de l'enLreprlse
! Les besolns de la 8l Self-Servlce
necesslLe plusleurs soluuons
-&01&WI&/#&C2 'E \#"M \#(W/0#
! L'uullsaLeur [oue avec des donnees sans
comprendre leur naLure
! Les employes onL besoln de comprendre
quelles donnees lls peuvenL crolre eL
celles donL lls ne peuvenL pas.
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LA BI
COLLABORATIVE
;8 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
] ,#E$ C^C#2 W%"#&C B/#E$ KEQE&# _
! Elle permet de partager de
linformation afin de prendre
collectivement des dcisions justes
et pertinentes.
! Ajout, aux traditionnels tableaux de
bord, dannotations, de
commentaires, dvaluations
! Exemple : SharePoint ou Google
docs

89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LA BI
EN TEMPS REEL
;< !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! S1&&E IA%"#B#&C 21E2 "# &1B '# 5`*-
G5#%" `/B# *E2/&#22 -&C#""/A#&0#L
" ulsposer en Lemps reel des lnformauons
perunenLes eL mlses a [our
" AllmenLauon du sysLeme declslonnel
uldlee
" 8educuon de l'lmpacL de l'exLracuon de
donne sur le Sl
" LxLracuon des donnees en hauLes
dlsponlblllLes
" Cesuon d'lmporLanL volumes de
donnees
" AllmenLauon des daLawarehouses en
Lemps reel provenanL de plusleurs
sources heLerogenes.
a1/ '# Z11(# 2E( "#2 J(/$ '# "% BIB1/(# W/W#
TEMPS
COT DE LA
MEMOIRE /
VITESSE
1980 : Mmoire $10,000/MB
2000 : Mmoire $1/MB
2014 : Mmoire $0.004/MB
a#2 H%2#2 '# '1&&I#2 ] /&bB#B1(R _
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LA BI
EN TEMPS REEL
;9 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
a#2 H%2#2 '# '1&&I#2 ] /&bB#B1(R _

! SLockage des donnees en memolre vlve
! Caln en rapldlLe (1000 fols plus raplde
que les acces dlsque), on passe d'heures
en mlnuLes ou en secondes mme pour
cerLalnes requLes.
! SLockage eL manlpulauon eecLues sur
la mme base (pas de Lraducuon)
! Acces concurrenLs respecLes

a#2 A(%&'2 %0C#E(2 'E B1B#&C2
LxLreme daLa performance
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LA BI
MOBILE
;= !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
!EAB#&C%F1& J#(B%&#&C# '#2 'IH/C2 !EAB#&C%F1& '#2 '#W/0#2 B1H/"#2
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LA BI
MOBILE
;> !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! 68 des organlsauons [ugenL le su[eL
lmporLanL
! Avolr de l'lnformauon a n'lmporLe quel
momenL, avolr de l'lnformauon
n'lmporLe ou
! ose des problemes de securlLe comme
pour la Lendance du 8?Cu (c'esL lcl que
des soluuons MuM peuvenL Lre mlses
en place)
`1EC #2C M%/CcW% ^C(# M%/C W/% E& '#W/0# B1H/"#
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LA BI
PREDICTIVE
8@ !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LA BI
PREDICTIVE
8? !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
9 1HT#0FM2 2C(%CIA/KE#2 KE# "Q%&%"RF02
J(#'/0FW# %/'# O %d#/&'(#

_ Lre compeuuf
La crolssance de l'enLreprlse
Le renforcemenL
uaLa
redlcuve
Analyucs

Markeung
Sales
lraud deLecuon
Call CenLer
Core 8uslness
CapaclLy
S"/#&C2
6&C(#J(/2#
redlcuve
Models
8uslness lnLelllgence
8uslness unlLs:

L'amellorauon
La sausfacuon des cllenLs
Apprendre
Aglr
1
6
7
7
2
2
3
2
7
4
3
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LE DATA
STORYTELLING
87 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! ermeL la mlse en scene des donnees
! Le daLa sLoryLelllng c'esL :
" vlsuallsauon
" Anlmauon
" lnLeracuvlLe
" Ce qul permeL de raconLer une
hlsLolre
Pans 8osllng's 200 counLrles, 200 years, 4
mlnuLes 1he !oy of SLaLs 88C lour
http://www.youtube.com/watch?v=jbkSRLYSojo
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LE DATA
STORYTELLING
8: !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
4 eLapes du schema narrauf :
- SlLuauon lnluale
- LlemenL perLurbaLeur (le probleme)
- LlemenL de resoluuon
- SlLuauon nale (apres resoluuon)
Au[ourd'hul on peuL falre vlvre les donnees
grce a une muluLude d'ouuls.

] 4&# D/2C1/(# #2C E& %(H(# _
Schma
narratif
Le
contenu
Les
illustrations
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LE DATA
STORYTELLING
8; !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LES OUTILS DE BI
1ableau, ?ellown, SLoryboard, SAS vlsual analyucs, l8M
Cognos lnslghL, Capmlnder, 8eCraphlc, MlcrosLraLegy,
Mlcroso (excel, geoow, powervlew), Sllce/!ulcy Analyucs,
Such.lo.

LES PLATEFORMES DATAVIS
uaLaseed, Sparkwlse, vlsuallze.rs, uaLaPero, Cuadrlgram.
LES OUTILS DE PRESENTATION
owerpolnL, keynoLe, rezl, Meograph, 8unkr, uaLalayer,
Swlpe, Lmaze, resenL.me.
LES OUTILS WEBDOC
lynL, lloodllghL, ALavlsL, ConducLr, u[ehouu, llxmasLer, Lhe
korsakov SysLem, popcorn Maker, SLoryplaneL, zeega,
3WuCC.
LES OUTILS DE DEVELOPPEMENT
P1ML3, !avascrlpL 3u.[s, !query, rocesslng,
SuperconducLor, 8 (CgploL, Cooglevls, playwlLh).
LES AUTRES OUTILS
1lmellne 3u, Mahaya, Llgnes de Lemps, ulplLy, 1lme8lme,
Ml ndmanager, lreeml nd, My1houghLs, numbeez,
Soundcloud.
aQ1EF" /'I%" e ,R&%B/KE#f BE"FBI'/%f
/&C#(%0FMf 01&&#0CI %E$ '1&&I#2g
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
LE DATA
STORYTELLING
88 !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! ues ores de [obs exlsLenL depuls
quelques mols pour ce domalne comme
MasLer daLa sLoryLeller (exemple :
daLasLoryLelllng manager de nlke)

! Le daLasLoryLelllng esL une reelle
Lendance du momenL eL un moyen
emcace d'exprlmer ses ldees eL de
reporLer des donnees de manlere
dynaml que, l nL ul uve eL surL ouL
comprehenslble par son audlence
lreeform SkeLchlng de Mlcroso 8esearch
http://www.youtube.com/watch?v=5KSZuHGTcC8
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
NOTRE
CONCLUSION
8< !"
!"#$%&'(# *+,-.
./01"%2 3+45.-65
! La 8l esL au[ourd'hul une necesslLe pour
LouLe enLreprlse
! C'esL un domalne qul ne cesse d'evoluer
sulvanL les dlerenLes evoluuons
Lechnologlques eL besolns meuers
! Les entreprises daujourdhui
nexploitent pas assez le potentiel de
leur solution BI
! Le 8lg uaLa esL plus une opporLunlLe
qu'une menace eL va pouvolr
developper de nouvelles meLhodes
d'analyses an de repondre au 8uslness
! ue nombreux ouuls apparalssenL de plus
en plus concernanL la vlsuallsauon de
donnees
! La ma[orlLe des acLeurs de la 8l ore de
plus en plus de soluuons cloud a leurs
cllenLs
89
!"#$%&'(# *+,-.
./01"%2 3+45.-65
MERCI DE
VOTRE ATTENTION
!"#$%&'(# *+,-.
./01"%2 3+45.-65
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
89 !" 89

La Business Intelligence

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

La Business Intelligence

Hochgeladen von

Copyright:

Verfügbare Formate

La Business Intelligence

Das könnte Ihnen auch gefallen