Sie sind auf Seite 1von 66

Linformatique dcisionnelle au service des

mtiers lentreprise.
Rapport de Stage de Fin dtude.
Spcialit mathmatiques
Option Ingnierie dAide la Dcision.

Par Dhekra AYACHI

Encadreur cole :
Encadreur entreprise :

Maria Malek
Rodolphe Ambroise & Nicolas Provost

Remerciements.
Je tiens tout d'abord remercier l'ensemble de l'quipe pdagogique de l'EISTI pour ces cinq annes
de formation durant lesquelles j'ai normment appris et vcu d'excellents moments.
J'adresse tout particulirement ma gratitude Maria Malek, Herv Demillevilles et Rachid Chelouah,
enseignants l'EISTI pour m'avoir permis de dcouvrir le monde du dcisionnel, datamining ainsi que
la recherche oprationnelle, domaines dans lesquels je nourris vivement l'espoir dy travailler et dy
voluer tout au long de ma carrire.
Je remercie notamment Rodolphe Ambroise, pour mavoir accueillie au sein de son quipe et de
mavoir fait confiance, afin de me permettre de vivre une exprience riche et passionnante et
dapprhender le mtier de prestataire de service en business intelligence dans le secteur
pharmaceutique.
Je tiens remercier particulirement Nicolas Provost pour tous les efforts quil a fourni, tant au
niveau thorique que pratique, me permettant davancer tout au long du stage.
Mon exprience en tant que membre dune TMA dcisionnelle m'a donn l'opportunit de travailler
au sein d'une quipe dynamique et motive, je saisi ainsi loccasion pour remercier tous les membres
de cette dernire : Amandine Ingignoli, Benot Domas, Denis Baudon, Julien Legoupil, Abdessemia
Hassouni et Isabelle Palard pour leur collaboration, leurs conseils et leur aide lorsque jen avais
besoin.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 2

Sommaire
REMERCIEMENTS.

INTRODUCTION GENERALE.

CHAPITRE 1 : LA RECHERCHE DE STAGE.

CHAPITRE 2: CONTEXTE GLOBALE DE LA MISSION.

2.1
UN ACTEUR MONDIAL DEPUIS 1969
2.1.1
Prsentation gnrale
2.1.2
Le mtier de LOGICA
2.1.2.1 La prestation de services informatiques
2.1.2.2 Le gage de qualit
2.1.3
Dimensions humaines et managriales
2.1.3.1 Suivi de l'avancement
2.1.3.2 Le Staff Manager, le Staff Manag
2.1.4
L'organisation interne
2.1.4.1
LOGICA France
2.1.4.2
La BUSINESS UNIT BDM-BI

7
7
8
8
9
9
9
9
10
10
11

2.2
UNE TMA DECISIONNELLE LOGICA POUR SANOFI FRANCE
2.2.1
SANOFI France
2.2.2
Le projet TMA Paris/Centre de service de la Gironde
2.2.2.1
Prsentation de lquipe
2.2.2.2
Principaux interlocuteurs
2.2.2.3
Un fil dAriane pour le suivi du SI
2.2.2.4
Rle et objectifs du projet TMA dcisionnelle

12
12
13
13
13
13
16

CHAPITRE 3 : LA BUSINESS INTELLIGENCE AU SERVICE DE LENTREPRISE

17

3.1
THEORIE ET ENJEUX DE LA BI
3.1.1 La prise de dcision en entreprise
3.1.2
Concepts de base de la BI
3.1.2.1 Elments logiciels
3.1.2.2 Architecture du SID

17
17
18
18
19

3.2
LE SYSTEME DINFORMATION DECISIONNEL DE SAF
3.2.1
Architecture gnrale du SID SHIVA
3.2.2
Primtre technique SHIVA
3.2.2.1 Technologies utilises
3.2.2.2 Structure des donnes de lentrept
3.2.2.3 Environnements de la base
3.2.2.4 Procdure dalimentation de la base
3.2.2.5 Rglementation de la gestion des donnes
3.2.2.6 Framework ORACLE-PLSQL
3.2.2.7 LOrdonnanceur VTOM
3.2.3
Portails dcisionnels et applications
3.2.4.1
Exemple de Reporting avec QlikView

20
20
21
21
21
21
22
24
24
26
26
26

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 3

CHAPITRE 4 : MISE EN PRATIQUE ET TRAVAIL EFFECTUE

28

4.1
OPERATIONS SUR LETL ET LENTREPOT DE DONNEES
4.1.1
Mise en place des volutions/corrections
4.1.2
Cas pratique 1 : Optimisation du sous systme applicatif Datamart Marchs Hospitaliers (HO-BI-ONE) .
4.1.2.1 Expression du besoin et spcification de la solution.
4.1.2.2 Vue densemble de la solution applicative.
4.1.2.3 Spcification de la solution applicative.
4.1.2.4 Cration du patch volutif de linterface 809
4.1.2.5 Tests.
4.1.2.6 Rsultats
4.1.3
Cas pratique 2 : Cration dun nouveau flux pour lintgration des donnes en provenance dIMS Xponent
Hebdo. 32
4.1.3.1 Expression du besoin et spcification de la solution.
4.1.3.2 Vue densemble de la solution applicative
4.1.3.3 Spcification de la solution applicative.
4.1.3.4 Cration des patchs volutifs de linterface 223
4.1.3.5 Tests.
4.1.3.6 Rsultats.
4.1.4
Divers autres petits cas pratiques : Reprise dhistorique, cration dindex.

28
28
30
30
30
31
31
32
32

4.2

39
39
39
41
41
46
48

OPERATIONS SUR UNE SOLUTION MDM : EBX


4.2.1.1 Expression du besoin et spcification de la solution
4.2.1.2 Prsentation de Loutil EBX et Lapplication Ogre
4.2.1.3 Vue densemble de la solution applicative
4.2.1.4 Spcification de la solution applicative
4.2.1.5 Tests
4.2.1.6 Rsultats

4.3
OPERATIONS SUR LES APPLICATIONS DECISIONNELLES
4.3.1 Amlioration du rapport de suivi dexploitation de la TMA sous QlikView
4.3.1.1 Expression du besoin et spcification de la solution
4.3.1.2 Ancien rapport et ses fonctionnalits

CHAPITRE 5 : CONNAISSANCES

32
33
34
37
38
38
39

48
48
48
48

51

5.1

UTILISEES

51

5.2

ACQUISES

51

CONCLUSION ET PERSPECTIVES

52

WEBOGRAPHIE ET BIBLIOGRAPHIE

53

ANNEXE

54

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 4

Introduction Gnrale.
Le secteur pharmaceutique est un secteur trs dvelopp en France, et la concurrence y est rude. Les
entreprises gagnantes sont celles qui savent tirer le meilleur parti des informations dont elles
disposent sur elles-mmes et sur leurs concurrents. SANOFI la trs tt dcel et sest fix pour
objectif de mettre en place un systme dcisionnel en support la performance de lentreprise.
Mon stage de fin dtudes a eu ainsi pour cadre le projet TMA 1 dcisionnelle qui consiste en la mise
disposition dune quipe de LOGICA pour mettre en uvre les outils et moyens ncessaires la
maintenance du systme dinformation dcisionnel de SANOFI France.
Ce prsent document rsume tous les aspects abords dans le cadre de ma mission, il est organis de
la manire suivante :
Le premier chapitre dcrit le contexte global du stage en prsentant LOGICA puis le projet TMA
dcisionnelle au sige de la filiale France de SANOFI. Le chapitre 2 aborde la thorie de la business
intelligence (BI) et sa mise en uvre au sein de la DSI SAF pour aboutir au chapitre 3, sur le travail
ralis. Ma mission ma en effet permis de parcourir diffrents aspects de la BI travers lesquels jai
pu voluer petits petit vers un profil de consultant, lequel requiert beaucoup de recul et de
connaissance des aspects fonctionnels et techniques du mtier. Finalement, la dernire partie du
rapport prsente mes conclusions et quelques perspectives.

Tierce Maintenance applicative ou TMA : est la maintenance applique un logiciel et assure par une expertise externe dans le
domaine des technologies de l'information et de la communication.
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 5

Chapitre 1 : La recherche de stage.


A la fin de ma troisime anne lEISTI, jai effectu mon stage dans une petite SSII du nom de
ST2I. En fin de la quatrime anne, je voulais me faire une ide des mtiers de linformatique qui
rpondent un seul mtier, jai donc effectu mon second stage DECATHLON. Toutes ces
expriences mont men vouloir travailler dans une SSII de taille assez grande.
La recherche na pas t trs difficile contrairement aux annes prcdentes puisque les entreprises
cherchent souvent de futurs jeunes diplms qui seront forms et resteront dans lentreprise.
Jai cherch contacter des entreprises de renom qui sont souvent en relation avec lcole comme
Alti, Altran, Sopra, Atos ou encore LOGICA et mon choix sest port sur cette dernire car elle
pourrait mapporter une grande exprience dans le dcisionnel vu son importance sur le march
actuel.
Jai donc pass les sessions de recrutement de LOGICA aprs leur appel. Il sagit dun test de logique,
dun travail en groupe ainsi que la rdaction dune lettre de motivation en anglais aprs un accueil
autour de la prsentation de lentreprise. Une fois cette tape valide, jai t convoque pour un
entretien avec une personne charge du personnel qui sest trs bien droul. Enfin, jai rencontr le
chef de projet pour lequel je devais travailler afin de passer un ultime entretien plutt technique .
En ralit, aprs mavoir tout de suite mis laise, elle ma prsent les projets sur lesquels je
pourrais intervenir. Un des projets tait lintgration dune TMA Dcisionnelle, ce qui correspondait
parfaitement ce que je cherchais. Jai accept sans hsitation de rejoindre le groupe.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 6

Chapitre 2: Contexte globale de la mission.


2.1 UN ACTEUR MONDIAL DEPUIS 1969
2.1.1 Prsentation gnrale
Connue jusqu'en 2008 dans le milieu de l'entreprise Franais sous le nom d'Unilog, LOGICA est la
filiale Franaise de la multinationale qui porte le mme nom. Acteur Europen reconnu dans les
secteurs du conseil en management, de lintgration de systmes et de loutsourcing 2 de processus
mtiers et IT, LOGICA emploie 40 000 collaborateurs dont 9000 en France. Son chiffre d'affaires pour
l'anne 2008 s'lve 4,5 milliards d'euros dont 95% a t ralis en Europe. Le graphique cidessous prsente l'historique de LOGICA:

Figure 1: Historique de LOGICA

Positionnement sur le march mondial


En tte des marchs Sudois et Portugais, LOGICA occupe le 4me rang du TOP TEN Franais des
socits de services. De par sa multi nationalit, LOGICA se positionne sur plusieurs marchs en
Europe, en Asie, aux Etats Unis et en Afrique.

Figure 2: Classement des premiers fournisseurs de services informatiques par zones gographiques dEurope Occidentale (Source:
Gartner)

Outsourcing : ou externalisation, dsigne le transfert de tout ou partie d'une fonction d'une organisation vers un partenaire externe.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 7

La place de LOGICA sur le march mondial des nouvelles technologies de l'information et de la


communication (NTIC) est trs importante :

5 000 milliards de dollars sont transfrs chaque jour grce des logiciels financiers de LOGICA,

Deux messages textuels de type SMS sur trois dans le monde transitent par des systmes
dvelopps par LOGICA,

Un tiers des satellites en orbite fonctionnent laide de logiciels LOGICA.

Zoom sur le march Franais


LOGICA est trs prsente en France : une vingtaine d'implantations rparties dans tout le pays mais
galement 3 centres de services, regroupant prs de 600 personnes: Amiens, Gironde et RhneAlpes, et des centres dexpertise sur les technologies telles que SAP, Oracle, Web et DotNet. Elle tire
son pingle du jeu en ayant un bon positionnement sur plusieurs marchs:

N1 sur le march de la Tierce Maintenance Applicative

N1 sur le conseil et lintgration des EAI3

N2 sur le march des portails et web services: Dot Solutions

N2 sur le march de la Business Intelligence

N2 sur le CRM4 N3 sur le march de lIntgration de progiciels : SAP, JDE, Oracle, People Soft
Le graphe ci-dessous rsume la rpartition du chiffre d'affaires de LOGICA en France pour l'anne
2008 et par secteur:

Figure 3: Rpartition du chiffre daffaires 2008 France

2.1.2 Le mtier de LOGICA


2.1.2.1
La prestation de services informatiques

Offres cibles par secteur industriel: Secteur public (E-Services, Scurit, Formation, etc),
industrie, distribution et transport (Mise en uvre de logiciels de gestion d'entreprise), services
financiers (Paiements, Assurance, etc).

Offres cibles par march: Management des systmes d'information, Business Intelligence,
march des technologies propres (Green agenda), SOA et architecture d'entreprise, scurit, ...
Stratgie de partenariat: LOGICA sappuie sur une stratgie de partenariat solide et organise autour
de partenariats stratgiques globaux (SAP, Microsoft et Oracle), partenariats stratgiques avec des
entreprises
3

EAI ou enterprise application intgration : est une architecture intergicielle permettant des applications htrognes de grer leurs
changes.
4
CRM ou customer relationship management : se traduit par gestion de la relation client.
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 8


telles que HP, IBM et Cisco ainsi que des partenariats spcifiques avec les diteurs (Business
Objects, FileNet, HRAccess, Hyprion, Sun, Tibco, Qlik View)

Conseil en management: Fonctions d'entreprise et processus mtier, connaissance des secteurs


d'activit, solutions et technologies informatiques.

Outsourcing: Gestion d'infrastructures et d'applications distance, externalisation des tests,


services de formation des utilisateurs, ...
2.1.2.2
Le gage de qualit
LOGICA mne ce jour une large campagne de communication et de sensibilisation de ses
collaborateurs l'esprit de la marque et de ses valeurs. Ainsi l'entreprise se veut:

Engage auprs de ses clients pour leur succs

Innovante en leur apportant des rponses intelligentes et cratives

Ouverte en s'adaptant constamment aux besoins du client


Ces trois valeurs gravitent autour d'un mme objectif qui est d'atteindre le niveau de l'excellence:
Be brilliant together . Adopt depuis dbut 2010, cet emblme est dsormais la signature de tout
collaborateur de LOGICA et reprsente le gage de satisfaction de ses clients.
2.1.3 Dimensions humaines et managriales
2.1.3.1
Suivi de l'avancement
LOGICA a mis en place plusieurs outils permettant de suivre ltat davancement de chaque
collaborateur et de chaque projet auxquels il est rattach :

RMA: Le Rapport Mensuel d'Activit est un formulaire complter par tous les salaris de
l'entreprise. Il permet de suivre et d'analyser l'activit de chaque collaborateur sur le mois.

CRAH: Le Compte Rendu d'Activit Hebdomadaire est un document que chaque employ de
LOGICA doit remplir et remettre son Chef de Projet. Il rpertorie chaque tche qui lui est assigne,
le temps pass dessus et le temps qu'il lui reste faire pour finaliser la tche. C'est via ce document
que l'employ prcise les difficults qu'il a pu rencontrer, le retard que cela a engendr et la raison
de ce retard.

GAMAWEB: Cest est une application web qui pour certains projets, remplace le CRAH. Chaque
membre d'un projet remplit dans un formulaire le temps qu'il a pass sur les tches qui lui sont
affectes. A la diffrence du CRAH qui est unique pour chaque utilisateur, GAMAWEB regroupe
toutes les personnes travaillant sur un mme projet. Cela permet au chef de projet d'avoir un
compte rendu gnral rapidement et de manire dtaille de tous les intervenants sur le projet.
Dans le cadre de ma mission, j'ai utilis CRAH afin de rendre compte de mon activit hebdomadaire.
2.1.3.2
Le Staff Manager, le Staff Manag
Lorsqu'un nouveau collaborateur arrive chez Logica, un Staff Manager lui est assign. Le Staff Manager
est un employ ayant au moins 2 3 ans d'exprience et un coefficient de 150. Il assure au sein de son
entit, le lien entre le jeune collaborateur, ou le Staff Manag, et sa direction.
Chaque anne, Staff Manager et Staff Manag fixent un plan de progression personnalis, avec une
cible principale, des comptences dvelopper sous formes d'objectifs atteindre et un plan
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 9

daccompagnement, qui doit permettre au salari de progresser et de mesurer le degr d'atteinte de


ses objectifs. Le Staff Manager fait partie du mme projet que son Staff Manag. De cette manire, il
est au courant des difficults existant au sein du projet mais galement de son volution.
Pour ma part, j'ai vcu cette exprience avec mon matre de stage qui a tenu me faire passer un
entretien de dbut de mission en Mai dernier afin que je puisse avoir un visu sur mes objectifs et ce
quon attend de moi sur le projet.
Des entretiens de suivi de mission ont lieu plusieurs fois dans l'anne avec le staff Manager. Ces
moments d'changes permettent un suivi prcis des objectifs et du ressentiment de l'employ sur la
mission laquelle il est affect. De ces entretiens, le staff manager value le degr de satisfaction de
lemploy qu'il restituera sous la forme d'un "feu" (vert, orange ou rouge) aux ressources humaines. La
couleur de ce feu indique s'il est ncessaire de prvoir un futur changement d'affectation de l'employ
ou si tout se passe bien.
Un entretien annuel plus pouss a lieu en fin d'anne. Il vise :
Effectuer le bilan des 12 derniers mois valuer les comptences de l'employ
Construire un plan dvolution court et moyen terme et des objectifs de dveloppement de
comptences
Dfinir les moyens mettre en uvre pour atteindre les objectifs dfinis prcdemment
Cet entretien fait parti du systme d'valuation et d'volution de Logica.
Vous trouverez lentretien que jai eu en dbut de mission avec mes encadreurs page 53 54.
2.1.4 L'organisation interne
2.1.4.1
LOGICA France
LOGICA se caractrise par une organisation interne matricielle applique toutes ses filiales et sous
entits. Cette organisation suit deux logiques:

La logique verticale regroupe les principaux secteurs d'activit des clients

La logique horizontale suit un schma d'expertise technique et mtier.


Cette stratgie d'organisation permet l'entreprise de faciliter les changes de savoir-faire entre
collaborateurs et entre projets afin de:

Renforcer sa capacit dvelopper des stratgies d'innovation

Enrichir sa connaissance d'un client, mtier ou march


L'efficacit de cette organisation est garantie par une excellente communication interne: diffrents
outils mis en place (Portail WEB Ssame, rencontres et Newsletter Practice, blogs communautaires,
etc) et points mensuels avec les Staff Managers.
Il est ainsi plus facile d'changer l'information, de travailler en commun sur un axe d'amlioration,
dorganiser des veilles technologiques, etc. LOGICA est donc une entreprise qui concentre son
activit autour du client qui reste le coeur de mtier de toute socit de service. La filiale France
rassemble ainsi quatre entits juridiques:

LOGICA Business Consulting, regroupant les activits de conseil

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 10


LOGICA ITS Paris-Nord, regroupant les activits d'ingnierie et d'intgration dans la rgion
Paris-Nord

LOGICA ITS Rgions, quivalant ITS Paris-Nord pour les autres rgions Franaises

LOGICA Outsourcing, regroupant les activits d'externalisation


2.1.4.2
La BUSINESS UNIT BDM-BI
A l'chelle d'ITS Paris-Nord, la logique horizontale est reprsente par une dcomposition en six
Business Unit comme le montre la figure 4 ci-dessus. Chaque BU se dcompose ensuite en practices
qui se dcomposent ensuite en plusieurs quipes.
Pour terminer cette partie, je prsenterai la practice BI (Business Intelligence) unique entit de la BU
BDM (Business and Data Management) dans laquelle j'ai effectu l'intgralit de mon stage.
La practice BI
L'informatique dcisionnelle ou BI dsigne l'ensemble des outils, moyens et mthodes permettant de
collecter, consolider, modliser et restituer les donnes, matrielles ou immatrielles, d'une
entreprise en vue de lui offrir une aide la dcision en lui permettant:

D'analyser son activit au plus prs

De se projeter dans un avenir de plus en plus proche

D'anticiper les attentes de ses clients et des marchs


La practice BI regroupe tous les mtiers et comptences permettant de rpondre aux attentes du
march franais de la BI. Lensemble des offres est ax sur les secteurs cls de LOGICA :

Gestion de la performance de lentreprise

Gestion des donnes (Migration, management de la qualit, intgration de donnes dans un


HUB, gestion des donnes non structures)

Gestion du risque Gestion des ressources humaines

Offres mergentes (SAS, Microsoft, QlikView, )


Plus de 340 collaborateurs

Une quipe de management dcompose en management des Ressources, management des


offres, management technologique et management de projet.

Une quipe de coordination

Une quipe d'encadrement de projet

Un accompagnement RH constitu de 80 Staff Managers

Une quipe d'assistantes

Des quipes oprationnelles composes de 150 Ingnieurs/Analystes, 16 Experts/Architectes et


de 91 Consultants/Concepteurs

Les outils de communication mensuels


11 Affinity Groups5 orients Solutions et Filires
Newsletter
PING (Point INGnieur) entre les Staff Managers et les Staff Manags

Affinity group : communaut au sein dune BU LOGICA qui permet de prsenter et dchanger autour de diffrents sujets orients
solutions ou filires dvolution.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 11

Une organisation matricielle


La practice BI s'organise elle aussi de faon matricielle:

Systme vertical : les quipes commerciales, techniques et projet se rpartissent par secteur
commercial

Systme horizontal : Constitu des Business Solution Teams et les Solutions skill
Mon stage s'tant droul dans le cadre d'un projet remport par LOGICA la suite d'un appel
d'offre de SANOFI France, je prsenterai dans ce qui suit cette entreprise ainsi que la mission qui m'a
t confie.
2.2 UNE TMA DECISIONNELLE LOGICA POUR SANOFI FRANCE
2.2.1 SANOFI France
SANOFI France est une filiale de SANOFI, un groupe pharmaceutique mondial rassemblant plus de
100.000 collaborateurs rpartis sur une centaine de pays. Leader en France avec 12,5% des parts du
march, son CA atteint le montant de 29,3 milliards en 2009. D'aprs le groupement pour
llaboration et la ralisation de statistiques (GERS), plus d'un article sur cinq livr dans une
pharmacie Franaise est un produit de la socit.
Son offre s'tend en effet sur plus de 400 produits rpartis entre les mdicaments de prescription, les
gnriques et les produits de sant grand public et animale. Les domaines d'expertise de SANOFI
regroupent les traitements des thromboses, des maladies cardiovasculaires, des maladies
mtaboliques, du systme nerveux et du diabte, les vaccins, l'oncologie ainsi que la mdecine
interne.
Depuis la fusion survenue le 1er juillet 2007, SANOFI France (SAF), SANOFI OTC (SAO) et Winthrop
sont runies sous une seule et mme enseigne : SANOFI France . Aujourdhui, chacune de ces
filiales se rserve la production dune ou plusieurs typologie de mdicament. Les ventes en revanche
sont toutes ralises par la socit SAF sur diffrents canaux : grossistes, hpitaux, pharmacies et
parapharmacies.
Le sige de la filiale France abrite plusieurs fonctions : Business Excellence, RH, Supply chain (gestion
des moyens logistiques), Finance, Affaires publiques et communication, Juridique, Relation avec la
filiale Europe de SAF, Stratgie et Business Development et enfin la direction gnrale France.
Ma mission de consultant BI junior sest droule au sein de la division DataWareHouse, entit de la
direction des systmes dinformation (DSI) qui est rattache la fonction Finance.
Cette division a en charge la mise en uvre du systme dinformation dcisionnel au sein de SAF. Elle
sappuie sur une quipe de tierce maintenance applicative ou TMA au sein de laquelle jai effectu
mon stage et que je prsenterai dans les paragraphes suivants.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 12

2.2.2 Le projet TMA Paris/Centre de service de la Gironde


2.2.2.1
Prsentation de lquipe
Rpartie entre le sige de SAF Parisud au sein de la DSI et le centre de service de Gironde (CSG),
l'quipe TMA reprsente un quivalent de 8 ressources temps plein et fonctionne en mode forfait
, c'est--dire que LOGICA sengage auprs de SAF sur le rsultat et non sur les moyens mis en place
pour y parvenir. C'est au sein de cette quipe que s'est droul mon stage de consultant BI Junior.
Cette quipe se compose actuellement de 12 personnes:
Directeur de projet : Chafik Bensaber (Parisud)
Chef de projet : Rodolphe AMBROISE (Parisud)
Directeur de projet : Gwendal Baron (CSG)
Chef de projet : Isabelle Palard (CSG)
Analyste : Julien Legoupil (CSG)
Concepteur : Nicolas Provost (Parisud)
Dveloppeurs : Denis Baudon (CSG), Amandine Ingignoli (Parisud), Benot Domas (CSG), Abdessemia
Hassouni (Parisud), Azzeddine Alguennouni (CSG) et moi mme (Parisud)
Lquipe est encadre en interne par deux chefs de projet ayant pour objectif de piloter le projet
TMA dcisionnelle en assurant le suivi du planning, le respect des charges et des normes de qualit
dfinies dans le cadre de la convention de service en LOGICA et SAF.
2.2.2.2
Principaux interlocuteurs
Dun point de vue technique, la TMA bnficie dinterlocuteurs en interne chez SANOFI qui elle
dlgue les oprations de :

Mise en production des lments dvelopps au sein de la TMA


Gestion du planning dexploitation des traitements et son pilotage technique
Pilotage des montes de version des bases de donnes et autres lments

Cela permet la TMA de se focaliser encore plus sur le mtier pour lequel des utilisateurs cls (key
users) ont t dfinis chacun sur un primtre fonctionnel de SANOFI France.
Ces utilisateurs ont pour responsabilit d'assurer un support applicatif et fonctionnel et de jouer le
rle d'interlocuteurs vis--vis de la TMA.
2.2.2.3
Un fil dAriane pour le suivi du SI
Version 1.0.1 du Freeware Mantis, Ariane est le systme choisi par la DSI pour le suivi des anomalies
logicielles (bugs) rencontres par les utilisateurs ainsi que leurs nouveaux besoins. Le principe de cet
outil consiste enregistrer la dclaration d'une fiche Ariane, puis, mettre jour l'avancement de sa
rsolution, jusqu' sa clture. Le dclarant de la fiche peut s'informer tout moment via linterface
Web Ariane de l'avancement du traitement de sa demande. Adapt par SANOFI France pour les
besoins spcifiques de sa DSI, loutil est galement utilis par la TMA lchelle du systme
dinformation dcisionnel.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 13

Chaque fiche possde deux catgories qui permettent de distinguer la nature de la demande saisie:
Type Evoltif/Projet : Expertise, maintenance prventive, maintenance volutive...
Types Autres demandes : Maintenance Corrective, support, administration, problmes,
passage de comptence
Les bugs sont aussi qualifis par :
Une svrit : Saisie par lutilisateur, elle mesure limpact business de la demande : majeure,
medium, mineure,
Une priorit : Pouvant tre saisie par lutilisateur, la priorit va orienter la planification de la
rsolution de la demande et peut donc tre requalifie par la TMA.
Entre le moment o la demande est cre dans loutil et le moment o elle est rsolue, le statut de la
demande va voluer en fonction de lavancement du traitement de la demande
Deux diffrents Workflow sont mis en place, un pour la partie Evolutive (avec gestion du devis) et un
autre plus simple pour le traitement des incidents et demandes de support.
Les diffrents statuts sont :
Nouveau : Premier statut obtenu la cration de la demande
En validation devis : Statut spcifique aux volutions, est utilis lorsque la TMA a envoy un
devis au rapporteur pour validation.
Accept : Fait office de validation du devis
Affect : Indique que la demande a t prise en compte par la TMA et quun intervenant va sen
charger.
Question : Indique que lintervenant de la TMA a besoin dinformations complmentaires
venant du rapporteur pour traiter la demande.
Recette utilisateur : Indique que la demande a t rsolue et livre en recette par la TMA pour
que le rapporteur puisse effectuer sa recette.
RDFC : Fait office de PV de recette et indique que la TMA peut demander linstallation des
sources GIS.
Ferm : Indique que la demande a t livre en production et est oprationnelle.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 14

Ci-dessous le schma du workflow dans le cas dun incident / dune demande de support :

Figure 4 : Workflow Incidents/Demande de support

Ci-dessous le schma du workflow volutif (avec la validation dun devis) :

Figure 5: Workflow volutif


AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 15

La mise jour et le traitement des fiches Ariane est, comme nous le verrons dans la partie suivante,
au cur du mtier de la TMA. Elle fait lobjet dune convention de service tablie entre SANOFI
France et son prestataire LOGICA visant maintenir un niveau minimum de qualit de service et
mesurer la performance de lquipe TMA.
2.2.2.4
Rle et objectifs du projet TMA dcisionnelle
En tant que sous systme de la DSI SAF, le SI dcisionnel est soumis des exigences de continuit de
service et de matrise des besoins de ses utilisateurs. De ce fait lquipe TMA dcisionnelle LOGICA a
pour objectifs de :

Dcharger les ressources client des tches techniques pour qu'elles puissent se focaliser sur la
performance mtier

Garantir la gestion des donnes du systme dcisionnel et assurer leur cohrence

Industrialiser la maintenance applicative du systme d'information dcisionnel

Standardisation du support applicatif et matriser le budget


Les diffrentes tches au sein de lquipe se rpartissent donc de la manire suivante :

Maintenance du systme dinformation dcisionnel (SID)

Traitements de production et dexploitation

Correction

Evolution

Prvention

Support aux utilisateurs

Ralisation de projets dcisionnels


Ma mission consistait apprhender le mtier de consultant junior en informatique dcisionnelle en
tant que prestataire au sein de lquipe TMA dcisionnelle. Jai t ce sujet trs rapidement
intgre dans lquipe et immerge dans les environnements fonctionnels et techniques du SID. Ma
mission ma permis davoir une vision globale de loutil de restitution utilis chez SAF pour les
rapports danalyse : QlikView. Les sujets que jai eus en charge se rsument donc comme ceci :

Oprations de maintenance sur les lments logiciels du SID


Conduite danalyses et dtudes sur le SID but volutif, correctif ou informatif
Maintien des suivis de configuration des lments logiciels du SID
Rdaction et implmentation de tests unitaires
Rdactions de spcifications techniques
Modification de reportings pour les utilisateurs finaux
Participation lanimation dateliers fonctionnels

Afin de mieux rendre compte des connaissances acquises au cours de ma mission, je prsenterai tout
dabord les principes thoriques de la business intelligence pour arriver ensuite sa mise en uvre
au sein de la DSI SAF et du travail ralis.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 16

Chapitre 3 : La business intelligence au service de


lentreprise
3.1 THEORIE ET ENJEUX DE LA BI
3.1.1 La prise de dcision en entreprise
Dans toute entreprise ou organisation, la fonction la plus importante de l'administrateur rside dans
la prise de dcision. Pour ce faire, il doit choisir, consciemment, entre plusieurs solutions afin
datteindre un objectif. Le processus dcisionnel se dcompose en 5 tapes :

Dfinir le problme rsoudre / objectif atteindre

Rassembler les faits et donnes

Evaluer et interprter

Etablir plusieurs solutions

Choisir une solution / dcider


Les tapes 2 et 3 sont particulirement cruciales car dans le monde de lentreprise actuel, les
donnes sont :

Quantifies en Giga (milliard) et Tra (billion ou millier de milliard) chaque jour

De formats htrognes

Hberges dans plusieurs bases oprationnelles diffrentes


De manire assez intuitive, les enjeux du processus dcisionnels se sont donc articuls autour de :

La qualit de linformation et de la connaissance extraite de cette information

La fiabilit de cette connaissance

La quantit toujours grandissante de linformation traiter

Le dlai dinterprtation de linformation en connaissance VERSUS le dlai de la prise de


dcision
Linformatique dcisionnelle (en anglais : BI pour Business Intelligence) dsigne justement les
moyens, outils et mthodes qui transforment la donne en connaissance et offrent ainsi une aide la
dcision aux responsables de la stratgie.

Figure 6: La BI en support la prise de dcision

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 17

3.1.2 Concepts de base de la BI


3.1.2.1
Elments logiciels
Les lments de la chane dcisionnelle se rpartissent en 4 catgories remplissant chacune une
fonction prcise du processus de dcision.
a. Les ETL : Extract pour extraction des donnes, Transform pour transformation des donnes et
Load pour chargement des donnes. Cet outil se charge de collecter les donnes de lensemble des
bases de production de lentreprise, vrifier leur cohrence (doublons, valeurs nulles, formatages,
transcodification, contrles dintgrit des donnes), les organiser et les insrer dans lentrept.
Lutilisation des ETL permet de rsoudre les problmatiques suivantes:

Traabilit des donnes


Gestion des diffrents flux alimentant le systme dcisionnel
Automatisation des traitements de formatage, nettoyage et consolidation des donnes

b. Le DataWareHouse : Une fois collectes et consolides par lETL, les donnes sont stockes dans
un entrept appel DataWareHouse ou DWH. Ces donnes sont :

Orientes sujet : Les donnes dans lentrept sont rparties par sujet et non par
application.
Historises : La prise en compte de lvolution des donnes est essentielle pour la prise
de dcision.
Non volatiles : Le rafrachissement de lentrept consiste uniquement rajouter de
nouvelles donnes sans perdre ou modifier celles qui existent dj.
Intgres : Les donnes du DWH sont cohrentes (mise en correspondance des formats,
etc)

Pour certains besoins, les donnes peuvent tre regroupes au sein des DWH en sous ensembles
appels DataMarts. Les DataMarts se focalisent sur un thme, un sujet ou un mtier (ex le DataMart
VENTES va regrouper lensemble des donnes de ventes : factures, commandes, clients, marchs,
produits, etc).
c. Le portail dcisionnel : Il a pour objectif de distribuer linformation auprs de lensemble des
partenaires et de banaliser laccs au DataWareHouse. En effet, un simple navigateur web est
suffisant pour accder aux informations de lentreprise. Lutilisateur une fois connect, peut exploiter
ses tableaux de bords, consulter ses sources dinformation etc.
d. Les outils de reporting et danalyse : Hbergs dans le portail dcisionnel, les outils permettent
de restituer linformation aux utilisateurs sous forme dindicateurs, de tableaux de bord, de rapports
... Ces outils interrogent lentrept dcisionnel par le biais de requtes spcifiques dfinies pour les
besoins de lanalyse mene.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 18

3.1.2.2

Architecture du SID

Figure 7: Architecture type d'un systme d'information dcisionnel

Dans les systmes relationnels, lentrept est une base de donnes relationnelle. Toutefois, le
modle relationnel requiert des extensions pour supporter les requtes danalyses
multidimensionnelles des applications danalyse. La technologie ROLAP 6 rpond ce besoin.
Un modle adapt lentrept dcisionnel est un modle qui organise les donnes de manire :

Optimiser lexcution de requtes multidimensionnelles, complexes et spcifiques

Fournir une vue globale des donnes et oriente sujet

Pour cela la modlisation multidimensionnelle sattache considrer un sujet analys comme un point
dans un espace plusieurs dimensions. Les donnes sont organises de manire mettre en vidence le sujet
ou fait (ex : montant des ventes) et les diffrentes perspectives de lanalyse appeles dimensions (ex : temps,
clients, produits vendus). Cette modlisation peut tre mise en uvre par deux types de modles : relationnel
et multidimensionnel.
La plupart des outils ROLAP ncessitent que la donne soit structure en utilisant un schma en toile ou en
flocon de neige.

ROLAP: acronyme de Relational On-Line Analytical Processing, cest une technique de modlisation et de stockage des donnes base
sur une structure relationnelle.
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 19

3.2 LE SYSTEME DINFORMATION DECISIONNEL DE SAF


3.2.1 Architecture gnrale du SID SHIVA
La figure 8 rsume larchitecture du systme dinformation dcisionnel mis en uvre sur le site
Parisud de SANOFI France et baptis SHIVA. Comme nous pouvons le voir, les donnes en entre
sont de diffrentes origines. Un Framework PLSQL combin loutil ORACLE 10g remplissent la
fonction ETL. Lentrept SHIVA hberge deux bases de donnes relies par un dblink7 :
7

Dblink : ou database link est un objet d'une base de donnes permettant d'excuter des requtes sur une autre base de
donnes.
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 20

Base SHIVODS, ODS pour operational data store : utilise par lETL pour les diffrents
traitements sur les donnes, elle contient les donnes de niveau fin comme par exemple une date,
un numro darticle ou le montant d'une vente. Cest dans lODS SHIVA que ces donnes sont
agrges et prpares travers les diffrentes tapes de lalimentation avant leur insertion dans le
DWH, comme nous le verrons dans la partie suivante.
Base SHIVDWH, DWH pour DataWareHouse o sont stockes les donnes traites.
Les outils utiliss pour la production de rapports danalyse sont : Cognos, QlikView et Business
Objects.

Figure 8: Architecture du SID SHIVA

3.2.2 Primtre technique SHIVA


3.2.2.1
Technologies utilises

Oracle 10g et Framework PL/SQL : Moteur ROLAP relationnel et ETL

Unix : Systme dexploitation des serveurs

Shell korn : Traitements sur les rpertoires et fichiers

VTOM Absyss : Ordonnanceur pour les traitements de lETL

Business Objects v5 et v6 : Outil danalyse

Cognos : Suite danalyse comprenant un portail et un gnrateur de rapport

Qlik View : Outil danalyse


3.2.2.2
Structure des donnes de lentrept
Le DWH SHIVA contient des donnes agrges selon le modle en toile ou encore en flocon.
Pour exemple, le schma en page 55 de lannexe prsente le modle en toile correspondant au
sous ensemble des factures au sein du DataMart des tablissements hospitalier.
3.2.2.3
Environnements de la base
Il existe trois environnements pour le systme SHIVA : production, recette et dveloppement.
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 21

Chacun se compose de deux bases de donnes relationnelles ODS et DWH:

Environnement de dveloppement SHIVA : La base SHIVODSD hberge les schmas DEVODS9,


ODSSHIVA et la base SHIVDWHD les schmas DEVDWH9 et DWHSHIVA. DEVODS9 et DEVDWH9
correspondent aux bases de dveloppement ddies la TMA. ODSSHIVA et DWHSHIVA
reprsentent lenvironnement de recette business qui est utilis par la TMA et/ou les utilisateurs
pour tester ou valider les lments logiciels destins une installation en environnement de
production. De ce fait, cette base contient des donnes trs proches de ce qui existe en production.

Environnement de pr-production SHIVA : les bases SHIVODSR (pour lODS) et SHIVDWHR


(pour le DWH) sont destines aux intervenants techniques pour tester les lments logiciels livrs par
la TMA avant une mise en production.

Environnement de production SHIVA : les bases SHIVODSP (pour lODS) et SHIVDWHP (pour le
DWH) sont destines aux utilisateurs finaux et lusage des outils danalyse.
3.2.2.4
Procdure dalimentation de la base
Comme vu prcdemment, lalimentation de la base SHIVA seffectue en deux temps : dabord
lalimentation de lODS puis, lalimentation du DWH. La procdure se dcompose en 5 tapes dont
une facultative, pouvant sajouter la fin du processus dalimentation de lODS ou du DWH : la
postAlimentation. Celle-ci est souvent utilise pour enrichir les donnes, ou garder lhistorique dune
table particulire.

Figure 9: Droulement de la procdure d'alimentation dans SHIVA

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 22

Le modle de donnes se compose ainsi de 3 types de tables, chacune ayant un rle particulier dans
la chane dalimentation :

Tables LOD pour les donnes importes dautres bases ou LODEXT chargeant les fichiers plats :
Dans le 1er cas, les donnes sont rcupres dans une vue V_LOD via un dblink puis charges dans la
table LOD, dans le second, les donnes sont rcupres partir du fichier auquel la LODEXT a t
associe dans la table interne INT_FIC ds la prsence de celui-ci dans le rpertoire de LOAD.
La figure 11 nous montre comme exemple le
script de cration de la table LODEXT_PVCDIS0. La
premire partie du script dclare les attributs de
la LODEXT. Ceux-ci correspondent aux champs du
fichier charg. Le script mentionne ensuite
lutilisation de lORACLE LOADER qui rcupre le
fichier
correspondant
au
format
LODEXT_PVCDIS0. Chaque enregistrement est
dlimit par un \n, et une ligne dentte ne sera
pas prise en compte. Chaque champs est dlimit
par un ;.
Badfile et logfile sont des fichiers utiliss par le
systme pour retracer le droulement de la
lecture du fichier par la LODEXT.

Figure 10: Exemple de script d'une table LODEXT : LODEXT_PVCDIS0

Tables SAS : Ces tables contiennent les


mmes champs de la LOD/LODEXT qui
les alimente avec en plus le champ
DATCREDWH qui relate de la date de
cration de lenregistrement dans le
systme SHIVA et FLGCTLDWH qui de
nature binaire, prends la valeur 1
lorsque lenregistrement est valide
lissue de ltape de contrle ou que le
celui-ci nest pas bloquant et 0 sinon.
Ces contrles portent sur le format des
donnes, la cohrence (absence de
valeurs nulles par ex) ou lexistence de
rfrence vers une autre table et sont
excuts par les procdures de la fonction de contrle.
Les enregistrements valides
Figure 11: Exemple de script d'une table SAS:SAS_WEB_TLC
sont par la suite slectionnes dans une
vue V_SAS.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 23


Tables finales : Elles contiennent les donnes de la SAS ayant 1 pour valeur du champ
FLGCTLDWH et alimentes partir de la vue V_SAS correspondante. Elles sont dotes dune cl
fonctionnelle (contraintes dunicit sur un ou plusieurs champs) et ventuellement de cls
trangres (rfrences vers une ou plusieurs tables). La cl primaire dune table finale, champ
IDEODS, correspond un numro interne attribu par une squence ddie la gestion des
enregistrements de la table. Grce linstruction MERGE, lenregistrement est ajout si la cl
fonctionnelle nexiste pas dj dans la table finale, avec incrmentation de la cl primaire. La date de
cration est stocke dans le champ IDEODSTRTCRE (ou IDEDWHTRTCRE pour les tables du DWH) et la
date de modification dans IDEODSTRTMAJ (ou IDEDWHTRTMAJ).
3.2.2.5
Rglementation de la gestion des donnes
La gestion de lalimentation des donnes est sujette une rglementation tablie par la filiale France
de SANOFI :

Pouvoir charger les donnes partir dautres bases Oracle et/ou de fichiers plats

Dcomposer lalimentation et lextraction de donnes en plusieurs parties fonctionnelles


appeles interfaces8. Par exemple, il peut y avoir une interface pour lalimentation des mdecins et
une autre pour lextraction des donnes de ventes.

Dcomposer en plusieurs tapes au sein dune mme interface lalimentation et lextraction


des donnes

Avoir un sas permettant le contrle des donnes insrer dans la base

Interdire lexcution parallle de deux traitements dune mme interface

Avoir une structure commune permettant une maintenance aise

Avoir un systme de log plusieurs niveaux (fonctionnement normal, fonctionnement en mode


debug9)

Avoir un systme de mesure (temps, volume) pour toutes les oprations ralises en base

Avoir un suivi des diffrents contrles raliss dans le sas de donnes.


Afin de respecter ces rgles de gestion, un cadre commun ou Framework a t dfini pour les
traitements ORACLE et UNIX. Celui-ci permet lors de la mise en place dune nouvelle interface, de
saffranchir de toute la gestion interne pour une meilleure efficacit en ne se consacrant qu la
partie : traitement des donnes.
3.2.2.6
Framework ORACLE-PLSQL
Le Framework impose des rgles en accord avec les rgles dalimentation de la base dfinies
prcdemment. Sa mise en place correspond la rutilisation de fonctionnalits communes et une
normalisation de dveloppement.
En rsum :

Interface: Flux dans le SID SHIVA qui met jour un ensemble de tables

Mode debug: utilis pour dtecter lorigine de lerreur lors de lexcution en chec dun traitement sur une interface.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 24

En dtail :
Pour chaque interface, un package PL/SQL doit tre cr.
Ce package se compose de deux lments :

Une spcification o sont dclars les fonctions et variables requises (package spec) et un corps
o sont implmentes les fonctions dclares dans la spcification (package body).
Chaque package contient 3 fonctions obligatoires et une fonction facultative pour les interfaces
dalimentation:

F_CHARGEMENT, fonction pour ltape de chargement


F_CONTROLE, fonction pour ltape de contrle
F_ALIMENTATION, fonction pour ltape dalimentation
F_POSTALIMENTATION, fonction facultative de post-alimentation

Dans le cas dune interface dextraction, le package PL/SQL contient une fonction dextraction :
F_EXTRACTION.

Dautres fonctions ou procdures internes ncessaires au fonctionnement des fonctions


dtapes, peuvent galement tre cres. Pour les fonctions de chaque tape (chargement, contrle,
etc.), des briques de codes, communes tous les traitements, sont utiliser. Celles-ci sont :
une brique dinitialisation excuter avant tout traitement sur les donnes
une brique de fin dexcution russie excuter aprs tout traitement sur les donnes
une brique de fin dexcution en chec excuter ds lapparition dune anomalie

Figure 12: Structure d'une fonction d'tape

Ces briques permettent :

Dinterdire lexcution parallle de deux traitements dune mme interface

Davoir une structure commune permettant une maintenance aise

De mettre en place le systme de log au niveau dsir (fonctionnement normal,


fonctionnement en debug)
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 25


Pour chaque ordre SQL, un systme de mesure utilisant le systme de log, est mis en place. Des
messages sont formats dans le systme de log et fournissent les informations suivantes :

Nom de la table concerne par lordre SQL

Ordre SQL

Nombre de lignes insres par lordre SQL

Nombre de lignes mises jour par lordre SQL

Nombre de lignes supprimes par lordre SQL

Dure dexcution de lordre

Pour les tapes de contrle, un systme didentification des erreurs utilisant le systme de log,
est mis en place. Ces messages sont formats dans le systme de log de la faon suivante :

Nom de la table du SAS concerne par le contrle

Identifiant de lerreur associe au contrle

Nombre de lignes en erreur

Libell de lerreur

Les packages gnriques sappuient sur des tables de fonctionnement dites internes qui
permettent dassurer un systme de log retraant les traitements excuts et les erreurs ventuelles
rencontres.

Lensemble des fonctions et actions implmentes dans SHIVA sont excuts par des scripts
Shell : action sur des fichiers/rpertoires (copie, dplacement), excution dautres scripts (perl, awk
), excution de requtes Oracle via sqlplus Les Shell gnriques de lancement des interfaces ont
pour nom shiva<Num_Interface>Fonction.sh avec Fonction une des fonction gnrique excuter
soit:

Alim : alimentation

Chg : Chargement

Ctrl : Contrle

DecFic : decompression des fichiers, prparation des fichiers

CtrlFic : pour Contrle Fichier

Ext : Extraction

PostAlim : PostAlimentation
Le processus dalimentation dans lODS est lanc par le Shell shiva<Num_Interface>Maj.sh. Celui-ci
appelle ainsi les 3 autres Shell qui correspondent aux diffrentes tapes (chargement, contrle,
alimentation) et optionnellement un 4me Shell pour la post-alimentation.
Le processus dalimentation dans le DWH est lanc par le shell shiva<Num_Interface>Alim.sh.
3.2.2.7
LOrdonnanceur VTOM
Lordonnanceur permet de planifier lenchanement des diffrents Shell excuter. Il gre galement
les dpendances inter-traitements. Tous les traitements appartenant la mme famille fonctionnelle
sont rassembls dans une application VTOM. Pour chaque application, une plage horaire dexcution
est dfinie.
3.2.3 Portails dcisionnels et applications
3.2.4.1
Exemple de Reporting avec QlikView
Visions est un nom gnrique pour dfinir le primtre dapplications ralises sous QlikView. Ces
applications sont hberges dans un serveur ddi et accessibles aux utilisateurs via le rpertoire
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 26

projet Visions. Elles peuvent tre excutes sur le serveur de fichier ou localement sur les postes
utilisateurs.
Une application se compose de plusieurs onglets en plus de longlet dintroduction loutil QlilkView.
Chaque onglet prsente une liste dindicateurs et de tableaux relatifs un sujet danalyse.
Par exemple, dans lapplication Prvision CA ces onglets sont :

Portefeuille de commandes : onglet principal danalyse. On y retrouve la prsentation du CA


des commandes dans trois tableaux croiss ventils par point dexpdition, jour de chargement. Le
premier tableau crois apporte une vision sur tout le primtre de commandes, le second sur les
commandes bloques, et enfin le dernier sur les commandes composes darticles dots dun
schma contingent spcifique

Extraction clients : listing des clients

Extraction commandes : listing des commandes

Les fonctionnalits de lapplication sont les


suivantes :

Rechargement des donnes en


cliquant sur le bouton correspondant.

Figure 13: Page d'invite de slection des axes d'analyse

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 27


Sur la gauche de chacun des onglets,
une zone comportant des invites de
slections de donnes est dfinie. Cest par
le biais de ces objets quil va tre possible
daffiner des analyses en sintressant par
exemple un unique point dexpdition ou
mme un seul client. Ds quune slection
est effectue, cette dernire saffiche dans
la zone de slections actives situe en haut
gauche ; dans cette zone, on peut effacer
une slection
ou la verrouiller.

Figure 14: Structure du tableau crois chiffre


d'affaire:
adhrent/produit

Afficher/masquer les indicateurs en


cochant/dcochant
les
boutons
correspondants.

Figure 15: Structure de la liste des CA client-produit

Chapitre 4 : Mise en pratique et travail effectu


4.1 OPERATIONS SUR LETL ET LENTREPOT DE DONNEES
4.1.1 Mise en place des volutions/corrections

Cration des patchs : Les patchs concernent toutes les modifications ou crations de la base de
donnes SHIVA ODS ou SHIVA DWH (tables, vues, squences, packages, synonymes, insertion de
donnes).

Emplacement : Les patchs sont dabord placs sous lenvironnement de dveloppement pour
tre tests, puis sous lenvironnement de recette. Pour chaque cration ou modification dune
interface, il faut crer sur lenvironnement de dveloppement un rpertoire dont le nom a la forme
suivante : <Num_Interface>_<Num_Version> avec :

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 28

<Num_Interface> : Numro de linterface concerne par le patch (3 chiffres)

<Num_Version> : Numro de version du patch (4 chiffres)


Exemple : 301_0000 pour la cration de linterface 301, 301_0001 pour le patch permettant la
modification de linterface 301 (version 2).

Contenu :

A la racine du patch :

Un fichier <Num_Interface> _<Num_Version> _define_parametre.sql qui contient les


paramtres des clauses de stockage (tablespaces et taille des init/extent).

Un fichier readme.txt qui contient le nom des objets cres et modifis ainsi que leur
version. Il peut contenir des pr-requis linstallation du patch (par exemple les patchs qui doivent
tre installs avant celui-ci).

Un fichier install.lst qui contient tous les fichiers installer, et dans leur ordre
dinstallation. Dune manire gnrale : les Shell, puis les tables, les objets, les packages, les
access, les insert et enfin les synonymes.
Un rpertoire install (facultatif) : Ce rpertoire contient tous les fichiers SQL excuter pour
installer les ob-jets de la base (Table, vues, package). On pourra trouver :
<Num_Interface>_<Num_Version>_install_table.sql
<Num_Interface>_<Num_Version>_install_objet.sql
<Num_Interface>_<Num_Version>_install_pckb.sql
<Num_Interface>_<Num_Version>_install_pcks.sql
<Num_Interface>_<Num_Version>_install_acces.sql
<Num_Interface>_<Num_Version>_insert.sql
<Num_Interface>_<Num_Version>_install_synonyme.sql
Un rpertoire Shell (facultatif) : Ce rpertoire contient tous les Shell installer. Pour une
cration dinterface, on pourra avoir :
shiva<Num_Interface>Alim.sh (script dalimentation des tables LODEXT)
shiva<Num_Interface>Chg.sh (script de chargement des tables du SAS)
shiva<Num_Interface>Ctrl.sh (script de contrle des tables du SAS et copie vers les tables
SAP)
shiva<Num_Interface>Maj.sh (script regroupant les traitements Alim, Chg et Ctrl)
Eventuellement : shiva<Num_Interface>PostAlim.sh (script de post-alimentation)

Un rpertoire sql (facultatif) : Ce rpertoire contient tous les fichiers sql installer.

Un rpertoire uninstall : Ce rpertoire contient un fichier qui liste tous les fichiers SQL
excuter pour la dsinstallation : <Num_Interface>_<Num_Version>_uninstall_total.sql, les fichiers
sql excuter pour la dsinstallation des objets et un script sh pour remettre les anciennes versions
des fichiers sh modifis.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 29

4.1.2 Cas pratique 1 : Optimisation du sous systme applicatif Datamart Marchs Hospitaliers
(HO-BI-ONE) .
4.1.2.1
Expression du besoin et spcification de la solution.
HoBiOne est un Datamart qui croise les donnes de ventes et les charges quotidiennement depuis
des fichiers plats et contenants les donnes des marchs hospitaliers (Appels doffres) pour le canal
Hpital.
Plusieurs sous ensembles de donnes sont identifis dans le modle du Datamart HO-BI-ONE :

Donnes Eurydice

Ventes agrges SAP

Dtails des ventes ralises SAP.


Lexcution du flux Hobione a t juge trop longue et de ce fait une optimisation de ce flux devait
tre mise en place afin de rduire de manire consquente son temps de traitement. De plus, le
temps de traitement de ce datamart dcalait toute la chaine dexploitation SAP qui permet de mettre
disposition toutes les donnes de ventes de SANOFI France.
Une tude a t mene par dautres intervenants et un certain nombre de solutions techniques a t
propos permettant doptimiser ce flux .Un document a t rdig cet effet expliquant les actions
mettre en place.
Ma mission tait donc de mettre en place les solutions choisies afin de rduire le temps de
traitement.

4.1.2.2
Vue densemble de la solution applicative.
Ltude doptimisation du package a mis en avant deux axes damlioration :

La procdure P_LODFAIAGR, qui rcupre les faits agrgs, prsente 4 boucles de 12 itrations
dune dure unitaire moyenne de 1 minute et 15 secondes.

Ltape de rafraichissement des vue matrialises sexcute en 48 minutes avec un


rafraichissement mettant au maximum 11 minutes sexcuter pour la vue DTM_HBO_VENINT_7C.
Aprs tudes dexperts, loptimisation de cette procdure du flux Hobione doit tre mene dans
lordre suivant :

Optimisation des 4 boucles.

Etude des vues matrialises.


En effet il a t montr que regrouper les 4 boucles au sein dune mme boucle devrait permettre de
gagner 40 minutes.
La modification des vue matrialises devrait permettre de rcuprer 10 15 minutes
supplmentaires.
Soit un gain estim 50 minutes reprsentant environ 35% sur le traitement.
Pour raliser cette optimisation, il faut donc modifier la procdure concern dans le package body
ainsi que les vues matrialises comme indiqu dans le document. Pour cela, on fait les modifications
dans la base de dveloppement, on teste, si les tests sont bons alors on importe ces modifications
sur la base de recette et on teste. On fait valider loptimisation en recette par les utilisateurs et sils
sont satisfaits on livre en production.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 30

4.1.2.3
Spcification de la solution applicative.
Optimisation des 4 boucles de la procdure P_LODFAIAR
La procdure P_LODFAIAGR, rcupre les faits agrgs, et prsente 4 boucles qui font des merge (Un
merge met jour une table A avec les valeurs d'une table B, en faisant la correspondance sur un
certain nombre de colonnes.) sur la mme une mme table DTM_HBO_VENINT mettant jour les
agrgations des mesures pour les priodes CM, CF, QF et QM.
Il a t dmontr, de manire exprimentale, que fusionner les 4 merge optimisait le temps de
traitement. Il fallait donc faire la refonte du code PL/SQL de cette procdure afin quelle continue
faire les mmes traitements que les 4 merge spars. Le package body de ce flux devait donc tre
modifi.
Optimisation des 4 Vues matrialiss
Les vues concernes sont quasiment les mmes juste un filtre simple un champ change.
Dans ces 4 vues matrialises, Il a t constat dans la clause WHERE que la fonction
F_GET_IDEJOUDAT est applique au champ DTMHBOVENINT_IDEDTMPER de la table
DTM_HBO_VENINT ce qui pour effet dobliger Oracle parcourir lintgralit des partitions.
En
changeant lordre du filtre pour sortir DTMHBOVENINT_IDEDTMPER de la fonction
F_GET_IDEJOUDAT et donc pour cela utiliser la fonction inverse, F_GET_DATIDEJOU, la requte est
plus optimale.
Ancienne Requte :
WHERE

DTMHBOVENINT_IDEDTMPRO = DTMHBOREFPRO_IDEDTM
AND PCK_INT_UTL.F_GET_IDEJOUDAT (DTMHBOVENINT_IDEDTMPER) BETWEEN ADD_MONTHS (
TRUNC (
SYSDATE,
'MONTH'
),
'-11'
)
AND TRUNC (
SYSDATE,
'MONTH'
)

Nouvelle requte :
WHERE
AND

DTMHBOVENINT_IDEDTMPRO = DTMHBOREFPRO_IDEDTM

DTMHBOVENINT_IDEDTMPER
PCK_INT_UTL.F_GET_DATIDEJOU(ADD_MONTHS(TRUNC(SYSDATE,'MONTH'),'-11'))
PCK_INT_UTL.F_GET_DATIDEJOU(TRUNC(SYSDATE,'MONTH'))

BETWEEN
AND

4.1.2.4
Cration du patch volutif de linterface 809
A partir de lanalyse, on peut dduire que les objets qui seront impacts par laction volutive sont :
Vues pour modifier les vues matrialises.
Cration des scripts :

809_<Num_Version>_install_objet.sql

809_<Num_Version>_uninstall_objet.sql
Package body pour modification de la procdure P_LODFAIAGR.
Cration des scripts :
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 31

809_<Num_Version>_install_pckb.sql
809_<Num_Version>_uninstall_pckb.sql

4.1.2.5
Tests.
Pour cette tape un plan de test unitaire a t rdig.
Dans les tests, on doit vrifier que les scripts dinstallation et de dsinstallation des patchs
dvolution sexcutent sans erreurs.
On doit vrifier que les traitements du package fonctionnent comme avant lvolution.
Et pour finir, on doit vrifier que le temps de mises jours des 4 vues matrialises ainsi que le
rafraichissement du package diminue comme prvu dans les spcifications (objectif de lvolution).
Il fallait tre trs rigoureux dans les tests pour que la mise en production ne soit pas en chec,
dautant plus que le bon droulement dautres flux dpend troitement du flux Hobione.
Vous trouverez le fichier du plan de tests en Annexe 56.
4.1.2.6
Rsultats
Aprs la mise en production, le temps de traitement est pass de 4h 2h30 soit une baisse de
presque 40% de son temps de traitement. Loptimisation a t ralise avec succs et le client
satisfait de la mise disposition des donnes 1H30 plutt le matin.

Figure 16: Evolution du temps de traitement du flux Hobione aprs loptimisation

4.1.3 Cas pratique 2 : Cration dun nouveau flux pour lintgration des donnes en provenance
dIMS Xponent Hebdo.

4.1.3.1
Expression du besoin et spcification de la solution.
Le responsable du SID Shiva a eu un nouveau besoin savoir lintgration hebdomadaire de donnes
Xponent weekly data dans une base de donnes dcisionnelle, base qui servira pour du reporting
ultrieurement.
Les donnes Xponent permettent de rapprocher les ventes avec lactivit des visiteurs mdicaux, en
prcisant le lieu et lorigine de la prescription. Lefficacit de la visite mdicale sur la prescription est
ainsi plus facilement mesurable.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 32

Ces donnes facilitent lanalyse et le pilotage des performances de la force de vente et doivent
permettre :
Aux collaborateurs sige et terrain danalyser les ventes externes au niveau le plus fin par unit
gographique, produit et par March pour :
- Identifier et cibler les zones prospecter en priorit (analyse gographique)
- Analyser limplantation dun produit (analyse concurrentielle)
- Raliser un tat des lieux pour btir les plans dactions rgionaux/sectoriels
- Simuler des plans dactions avec rsultats associs
Aux collaborateurs sige :
- Aider la sectorisation
- Aider la fixation dobjectifs de ventes pour les rseaux
- Calculer les primes des rseaux de ventes
- Croiser les Ventes, lactivit et des donnes de qualification mdecin
Le primtre du projet dintgration stend de la rception des donnes en entre jusqu' leur
intgration dans le DWH SHIVA. De plus, les donnes doivent tre historises, et une mise jours de
la table de fait devra tre mise jour chaque rception de nouveaux fichiers.
4.1.3.2
Vue densemble de la solution applicative
Les fichiers sont envoys par IMS10 une fois par semaine. Ils sont rceptionns via flux CFT
directement dans le rpertoire prvu cet effet.
En entre, nous recevons plusieurs lots de fichiers, chaque lot correspond un march.
On peut dcomposer le primtre du projet dintgration en 3 tapes:

Cration de la cible

Une intgration sous ODS

Une publication sous DWH


Dune faon gnrale, la publication des donnes se fait en mode delta. Les nouvelles lignes de lODS
sont publies dans le DWH et les anciennes (reprise historique) sont mises jour dans le DWH.
On part du principe que le lODS na aucune action sur les tables DWH. Le rle de lODS se restreint
la prparation des sources de donnes au processus de publication (Chargement des tables, cration
de vues).
Chaque semaine la rception des donnes IMS XWD, les donnes dans lODS sont effaces, les
donnes de faits sont insres en annule et remplace dans le DWH et les donnes de rfrence sont
mises jour dans le DWH. Cest donc le DWH qui contiendra lhistorique des donnes IMS.
Aprs avoir interview le client et fait valider les spcifications fonctionnelles, on cre effectue
chaque fois les mmes tapes, savoir cration des cibles, intgration ODS et publications DWH, en
dveloppement, on teste et si cest bon on refait les mmes tapes en base de recette. On fait
valider le besoin en Recette par le client et si sa recette est sans soucis, on livre alors en production.

10

IMS: Cest est une socit de service qui met disposition de SANOFI une large gamme de solutions, services, conseil et
doutsourcing pour laccompagner dans llaboration de sa stratgie et ses prises de dcisions. Elle aide SANOFI identifier de
nouveaux axes de dveloppement.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 33

4.1.3.3

Spcification de la solution applicative.

Cration de la cible.
La base de donnes permettant de stocker les donnes afin de servir pour le reporting, est une base
de donnes dcisionnelle. Elle consiste en une table de fait contenant les lments analyser, et elle
est lie plusieurs tables de dimension servant pour lanalyse et la prise de dcision.
Nous crons donc le modle de donnes en toile qui va tre aliment par les donnes sources.
En entre, nous recevons plusieurs lots de fichiers, chacun constitu des fichiers suivants :
Le fichier du march SYS_F_MARKET_*
Le fichier des priodes IMS_F_PERIOD_PER_*
Le fichier des produits IMS_F_PRODUCT_PRO_*
Le fichier des mesures IMS_F_MEASURES_*
Le fichier des gographies IMS_F_GEOGRAPHY_*
Le fichier des spcialits IMS_F_SPECIALITY_SPE_*
Le fichier des cip IMS_F_CIPBRIDGE_*
Le fichier des faits IMS_F_FACT_*
Chaque fichier servira alimenter une table (Fait ou dimensions)

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 34

Ci-dessous le modle mis en place sur le DWH :

Figure 17: Modle de donnes de linterface 223

Un modle similaire est cr sur lODS.


En effet nous avons une table de fait (contenant les mesures analyser) lie aux dimensions (axes
danalyse) qui sont les marchs, priodes, spcialits, produits, gographies, spcialits, Types de
mesures et CipBridge.
Intgration sous ODS.
Une fois la cible cre, place lintgration des fichiers.
Lintgration sous ODS se dcompose en plusieurs tapes :

AYACHI D.

Rception de plusieurs lots de fichiers


Dcompression des lots, puis traitement des fichiers lot par lot
Chargement ODS
Contrle des fichiers
Contrles dintgrits, de valeur
Alimentation ODS

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 35

Ci-dessous le schma de lalimentation de lODS :

Figure 18: Schma dalimentation de lODS

En effet, on charge tout dabord les donnes dans les tables LODEXT puis on transfre les donnes
vers les tables SAS.
Les donnes seront contrles dans les tables SAS conformment aux spcifications (les donnes non
valides seront bloques). Parmi les contrles, il y a des contrles de non nullits des cls
fonctionnelles (Rejet de la ligne lorsque lun des champs de la cl fonctionnelle est nul), ainsi que la
vrification de lexistence de donnes de dimensions (donnes des champs non nulles).
Enfin, nous alimentons les donnes valides dans les tables finales.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 36

Publication sur DWH


La publication sur le DWH ne fait que du mapping (sans transformation) tant donn que La cible et
la source sont identiques.
Ci-dessous le schma de lalimentation du DWH :
Dans le DWH, on charge les donnes partir des
tables finales de lODS, les tables finales du DWH (via
dblink)

Figure 19: Schma dalimentation de lODS

4.1.3.4
Cration des patchs volutifs de linterface 223
tant donn que cest la cration dun nouveau flux il faut crer tous les fichiers constituant un patch
savoir :
A la racine du patch :

Un fichier 223_0000_define_parametre.sql qui contient les paramtres des clauses de


stockage (tablespaces et taille des init/extent).

Un fichier readme.txt qui contient le nom des objets cres et modifis ainsi que leur
version. Il peut contenir des pr-requis linstallation du patch (par exemple les patchs qui doivent
tre installs avant celui-ci).

Un fichier install.lst qui contient tous les fichiers installer, et dans leur ordre
dinstallation. Dune manire gnrale : les Shell, puis les tables, les objets, les packages, les
access, les insert et enfin les synonymes.
Un rpertoire install (facultatif) : Ce rpertoire contient tous les fichiers SQL excuter pour installer
les ob-jets de la base (Table, vues, package). On pourra trouver :

223_0000_install_table.sql

223_0000_install_objet.sql

223_0000_install_pckb.sql

223_0000_install_pcks.sql

223_0000_ install_acces.sql

223_0000_insert.sql

223_0000_install_synonyme.sql

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 37

Un rpertoire Shell (facultatif) : Ce rpertoire contient tous les Shell installer. Pour une cration
dinterface, on pourra avoir :

shiva223Alim.sh (script dalimentation des tables LODEXT)

shiva223Chg.sh (script de chargement des tables du SAS)

shiva223Ctrl.sh (script de contrle des tables du SAS et copie vers les tables SAP)

shiva223Maj.sh (script regroupant les traitements Alim, Chg et Ctrl)

Un rpertoire uninstall : Ce rpertoire contient un fichier qui liste tous les fichiers SQL excuter
pour la dsinstallation : 223_0000_uninstall_total.sql, les fichiers sql excuter pour la
dsinstallation des objets et un script sh pour remettre les anciennes versions des fichiers sh
modifis.
Ci-dessous le patch DWH qui a t install :

Figure20: Patchs dinstallation ODS et DWH

4.1.3.5
Tests.
Pour cette tape un plan de test unitaire a t rdig.
Dans les tests, on doit vrifier que :

Les scripts dinstallation et de dsinstallation des patchs sexcutent sans erreurs.

Les fichiers sont bien prsents dans le rpertoire prvu pour.

Les traitements se font lot par lot.

Les diffrentes tapes du chargement ODS se droulent sans erreurs (chargement,


contrle, alimentation).

La publication sur le DWH de passe sans erreurs.


Vous trouverez le tableau montrant les tests unitaires mis en place suite la cration de cette
nouvelle interface ainsi quun exemple de script de cration de la table des faits en Annexe page 57
58.
4.1.3.6
Rsultats.
Les donnes sont intgres toutes les semaines sans erreurs de chargement.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 38

4.1.4 Divers autres petits cas pratiques : Reprise dhistorique, cration dindex.
Tout au long du stage, selon le besoin des clients jai effectu des petites tches ponctuelles but
volutif ou correctif telles que des modifications de filtres de certaines vues matrialises, la
modification de champs de certaines tables, la cration dindexes sur des tables pour des
optimisations, la reprise dhistorique de certaines donnes manquantes sur une priode dtermine,
la cration renvoyant lhistorique sur une priode prcise
Pour chaque cas, il fallait modifier le package body et/ ou les tables et/ou les vues. Et bien
videmment crer le patch dvolution ou de correction correspondant.
Vous trouverez des exemples de scripts permettant de renvoyer une reprise dhistorique sur une
priode saisie par lutilisateur ou encore la modification de certains champs en Annexe partir de la
page 61 63.
4.2 OPERATIONS SUR UNE SOLUTION MDM : EBX

4.2.1.1
Expression du besoin et spcification de la solution
A partir dun fichier Excel exposant les diffrentes caractristiques des autorisations de mises en
march des mdicaments ou encore AMM, les clients souhaitent avoir les donnes respectives
5000 mdicaments, sur un outil plus ergonomique savoir un rfrentiel consultable nimporte
quel moment par nimporte qui, leur permettant ainsi une meilleure exploitation des donnes.
Ces donnes ntaient jusquici disponibles que sur le fichier Excel en question et ce dernier ntait
pas trs pratique (100 colonnes et 5000 lignes). De plus ces donnes l seront rintgres plus tard
dans dautres bases de donnes pour rpondre dautres besoins.
Le but de ce projet est de crer une maquette qui sera prsent au client afin de lui montrer ce quil
pourrait avoir si on utilise loutil EBX, outil dj utilis pour des projets similaires.
Une fois la maquette ralise, on la prsente aux clients et on intgrera toutes les donnes sous EBX,
sils le souhaitent toujours.

4.2.1.2
Prsentation de Loutil EBX et Lapplication Ogre
Dans cette partie, une description de loutil est faite ainsi que le MDM de SANOFI Ogre .
A- Loutil EBX
Bas sur Java et XML Schema, EBX.Platform est une solution standard et non intrusive qui permet
aux entreprises d'unifier et de grer leurs donnes de rfrence et leurs paramtres travers leurs
systmes d'information. EBX.Platform repose sur une approche matrialise , possdant ainsi de
trs bonnes performances au niveau des traitements (performances que nous prsenterons plus
loin), du fait de lefficacit de son rfrentiel.
Bas sur le standard XML Schema, EBX.Platform simplifie la dfinition de modles qui ont pour
objectif dunifier les donnes de rfrence dune entreprise. En utilisant la technologie XML Schema,
ces modles peuvent tre de tous types (simples, complexes) et de toutes natures (mtiers,
techniques, graphiques). Un des principaux avantages de XML Schema est de permettre la dfinition
de modles de donnes structures, types et ayant de puissantes proprits de validation.
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 39

Figure 21 : larchitecture dEBX.Platform

Son architecture gnrale est notamment constitue de :

Les modles EBX (Master Data Models) permettent de crer une dfinition unifie et
enrichie des donnes de rfrence et paramtres. Ces modles sont des documents XML Schema
conformes la recommandation du W3C [1].

Le rfrentiel EBX (Master Data Repository) permet de grer plusieurs instances de


donnes de rfrence dans un rfrentiel unique.

Le moteur de configuration (Master Data Configuration Engine) est conu pour


supporter de larges volumes de donnes et des mcanismes de factorisation des donnes tout en
assurant une interaction avec lutilisateur qui est automatise, intuitive et scurise (interface
homme-machine gnre par introspection du modle, libells et descriptions, messages interactifs
de validation, rapports de validation complets).
Le langage XML Schema apporte de nombreux avantages parmi lesquels on peut citer :

une riche bibliothque de types de donnes de base pleinement spcifis ;

une structure hirarchique de base, simple apprhender pour le dveloppeur et


lutilisateur final ;

un standard largement reconnu par lindustrie ;

la spcification immdiate des formats dchanges avec les sources de donnes


htrognes (instances XML).
b- Lapplication Ogre AMM
OGRE est un progiciel utilis afin de grer plusieurs rfrentiels du Datawarehouse SHIVA dont
principalement le rfrentiel produits (100 000 produits environ)

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 40

Lapplication est une extension du logiciel de Master Data Management EBX.Platform (nomm EBX
dans la suite de ce document), permettant de dunifier, grer et intgrer des donnes de rfrence
travers un systme dinformation.

Le Rfrentiel Produit permet de :


Fournir un outil de gestion du rfrentiel produit de la filiale France unique et centralis
permettant :
o
de grer les produits internes,
o
de grer les produits concurrents que la filiale France souhaite analyser,
o
de grer les marchs de nos produits,
o
de grer les hirarchies produites,
o
de grer les liens entre les diffrents identifiants produits internes et externes
lentreprise,
o
de grer les liens entre lorganisation de la filiale France et les produits,
o
dalimenter les applications oprationnelles ou dcisionnelles qui en ont besoin.

damliorer les changes entre les diffrents mtiers

damliorer le dialogue entre les diffrents acteurs de la filiale France

dtre ractif par rapport larrive dun nouveau produit ou prsentation sur le march,

damliorer et fiabiliser les changes avec les fournisseurs de donnes lies au produit,

de fiabiliser lintgration dans le DWH des donnes de ventes internes et externes et des
donnes qualitatives par des contrles sappuyant le rfrentiel produit.
4.2.1.3
Vue densemble de la solution applicative
Suite lexpression du besoin, une analyse des donnes est primordiale pour comprendre le sens
des diffrentes informations concernant un AMM.
Une fois les besoins compris et les donnes analyses, la phase de modlisation peut commencer.
Ds que la phase de modlisation est termine, on refait un atelier avec le client pour valider les
spcifications fonctionnelles. Ensuite commence alors la phase de dveloppement, savoir cration
de la structure/ base de donne. Et enfin prparation et nettoyage des donnes avant quelles soient
intgres.
Aprs la phase de dveloppement on finit avec la phase de Test et si tout va bien on livre la maquette
au client afin quil la recette.
4.2.1.4
Spcification de la solution applicative

Etude des donnes / Recueil du Besoin


Dans le but de proposer une solution optimale au client, il fallait dans un premier temps tudier les
donnes du fichier Excel qui dcrivent un mdicament.
En effet, certaines donnes pouvaient tre regroupes. Cest pour cela quil fallait tudier toutes les
informations du tableau et comprendre chaque champ afin de pouvoir dtecter les liens entre les
donnes et les regrouper quand cest possible.
Aprs avoir pris connaissance des donnes, une interview utilisateur a t faite et les fonctionnalits
souhaites concernant la maquette ont t notes.
Le but du projet est qu partir des donnes du fichier Excel, une base donne exploitable via EBX,
contenant les donnes lies aux mdicaments.
Le client veut un modle propre, intuitif et rutilisable pour dautre projet.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 41


Modlisation
Une fois la phase de requte du besoin termine, place la modlisation !
Lanalyse des donnes a dmontre que plusieurs informations pouvaient tre regroupes dans des
tables de rfrences afin de dcharger la table des mdicaments.
Exemple :
Plusieurs mdicaments peuvent avoir la mme adresse de site de production.
On peut donc ressortir les adresses et les mettre dans une table de rfrences. Ainsi dans la table des
mdicaments, on aura juste une cl faisant rfrence ladresse correspondante.
Aprs analyse minutieuse des donnes, nous avons dcid de crer :

Une table AMM sera cre avec les donnes du fichier Excel (65 champs)
16 tables de rfrence simples, qui sont :
-Rfrence titulaire AMM
- Rfrence Type procdure
-Rfrence Contenance
-Rfrence DLU
-Rfrence conditions conservations
- Rfrence Site
-Rfrence Code
-Rfrence Axe thrapeutique
-Rfrence Gamme DAR
-Rfrence Exploitant
-Rfrence Laboratoire dorigine
-Rfrence Statut AMM
-Rfrence RMS CMS
-Rfrence Liste
-Rfrence Chefs
-Rfrence Gestion Globale Locale
-Table Mdicament

Il y aura 2 tables de liens permettant de faire le lien entre certaines tables pour pouvoir rcuprer les
cls trangres. Ces tables de liens sont :
- Table Liens AMM/Medicament (2 champs).
- Table Liens Site/ Type de site/ AMM (3 champs)
Nous obtenons une table des mdicaments AMM qui est dcharge (65 champs) lie 18 tables de
rfrence et de lien.
Le modle est construit sous larchitecture 1-N.
Exemple : En effet un AMM peut tre li plusieurs sites et peut avoir plusieurs contenances.
Vous trouverez toutes les colonnes du fichier Excel dcrivant un mdicament (une centaine de
champs) en Annexe page 59 60.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 42

Ci-dessous le MCD des donnes AMM mis en place.


AMM

Rfrence_Titulaire AMM
+Titulaire_ID
+Titulaire_Libelle
Rfrence_Type_procedure
+Type_Procedure_ID
+Type_Procedure_Libelle
Rfrence_condition_conservation
+Condition_Conservation_ID
+Condition_Conservation_Libelle

Rfrence_DLU
+DLU_ID
+DLU
+DLU aprs ouverture

Table de Liens AMM/SItes/Types_Sites


+Code AMM()
+Adresse()
+Type de Site()
Table de Lien AMM/Medicament
+Code AMM
+Code Medicament
Rfrence_Code_ATC
+Code_ATC_ID
+Code_ATC_libelle
Rfrence_Axe_thrapeutique
+Axe_therap_ID
+Axe_therap_libelle

Rfrence_Gamme_DAR
+Gamme_ID
+Gamme_Libelle

+AMM_ID
+Num_NL_Code_EMEA
+Code_CIS
+Nom de Marque
+Dnomination du produit (libell AMM)
+DCI
+DOSAGE
+Titulaire AMM
+Exploitant
+Laboratoire d'origine 1 (avant fusion)
+Laboratoire d'origine 2 (aprs fusion)
+Date AMM (1re AMM ou validation)
+Statut
+Nom Princeps AMM bis/gen/auto-gen
+Type de procdure
+RMS/CMS
+Etat de commercialisation
+Contenance
+Code CIP 7
+Code CIP 13
+Date de lancement
+Arrt de commercialisation (date information Afssaps)
+Arrt de commercialisation (date Officielle)
+Date Peremption dernier lot
+Liste
+D.L.U.
+Conditions de conservation
+D.L.U aprs ouverture
+Sites
+Code ATC
+Axe thrapeutique
+Gamme DAR
+Responsable Gamme
+Chef de projet rglementaire
+Chef de projet CMC
+Gestion globale/locale
+Liste de sant publique (A ou B)
+AMM de - de 5 ans 07/05/08
+AMM de - de 5 ans et jamais renouvele au 07/05/08
+chance AMM (avant transpo)
+Echance AMM (aprs prorogation) = Ancienne chance +9 mois
+Date planifie dpt maxi (avant transpo)
+Alignement date dpt
+Date planifie dpt SAF (avant transpo)
+Dpt planifi (aprs prorogation) = chance aprs prorogation -6mois
+Nature dossier renouvellement (complet/simplifi)
+Prochaine chance AMM (avec ou sans prorogation + 5 ans)
+Dpt planifi prochain Renouvellement
+Dpt planifi complment dossier (si chance AMM > 07/05/2008 et dpt ralis <07/05/2008)
+Dpt planifi Test de lisibilit
+Date relle dpt Renouvellement
+Date relle dpt Complment dossier
+Date relle dpt Test de lisibilit
+Commentaires RQ
+AMM rfrence pour Export
+Promotion OUI (promu) / NON (non promu)
+Arrts de com effectifs/ Lancements prvus
+Alerte caducit
+Date planifie de dpt caducit
+Caducit AMM
+Rationalisation/Caducit AMM NC / Dpt Afssaps
+Rationalisation AMM NC /Commentaires rglementaires (11/08)
+Rationalisation AMM NC / Propositions rglementaires (11/08): OUI ( abroger) / NON
+Rationalisation AMM NC / Commentaires stratgie (04/2009)
+Rationalisation AMM NC / Retour stratgie
+Rationalisation AMM NC / Retour Groupe
+Rationalisation AMM NC /Dcision collegiale 27/04/2010
+Rationalisation AMM NC /Dcision collegiale 27/04/2010 Commentaires
+Retour Discontinuation process
+Rationalisation AMM NC /Dcision collegiale 07/09/2010
+Rationalisation AMM NC /Commentaires 07/09/2010

Rfrence_Exploitant
+Exploitant_ID
+Exploitant_Libelle
Rfrence_Labo_origine
+Labo_Origine_ID
+LaboOrigine_Niveau1
+LaboOrigine_Niveau2
Rfrence_Statut_AMM
+Statut_ID
+Statut_Libelle
Rfrence_RMS_CMS
+RMS_CMS_ID
+RMS_CMS_Libelle

Table de Lien AMM/Medicament


+Code AMM
+Code Medicament

Medicament
+Code_Medicament
+CIP13_ID
+CIP_7
+Code_EAN13
+Code_GMID
+Date_Lancement
+Date_Arret_Commercialisation1
+Date_Arret_Commercialisation2
+Contenance
Rfrence_Contenance
+Contenance_ID
+Contenance

Rfrence_Liste
+Liste_ID
+Liste_Libelle
Rfrence_Responsables
+Respos_ID
+Respos_Libelle

Rfrence_Gestion_Globale_Locale
+Gestion_ID
+Gestion_Libelle

Figure 22 : Modle conceptuel de donnes des donnes AMM

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 43


Cration du modle de donnes : tables de rfrences /table des mdicaments.
Une fois la modle valid, place sa cration sous EBX.
La cration du modle a t faite grce au module DMA Data Model Assistant dEBX qui est aide la
cration des modles de rfrentiels.
Jai cre toutes les tables de rfrence ainsi que la table des mdicaments.
Pour chaque table cration des attributs en indiquant leurs noms, leurs descriptions, leur types
(entiers, chaines de caractres), leur types de contraintes (cl primaire/ cl trangre ou attribut
simple. Si la cl est trangre, il faut indiquer le champ de la table trangre auquel la cl fait
rfrence.

Figure 23 : Cration dun attribut.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 44

On cre ainsi toutes les tables ncessaires lapplication.

Figure 24 : Liste des tables cres.

Une fois le modle construit, ce dernier est publi et un fichier XML est constitu. La base de
donnes est ainsi cre !

Intgration des donnes


Dans cette tape, il fallait prparer pralablement les fichiers Excel contenant les donnes intgrer.
Les donnes sont rcupres telles quelles sont du fichier Excel et sont traites.
En effet, EBX a besoin dun format spcifique de donnes savoir un Encoding UTF-8, ne supportant
ni les accents, ni les caractres spciaux. Il ne fallait pas supprimer des donnes pour ne pas
dnaturer la source. Il leur fallait donc un traitement spcifique.
Par ailleurs dans certains cas, il fallait faire un script en VBA permettant dobtenir le rsultat
souhaite.
Par exemple :

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 45

Pour la table Medicament, partir du fichier Excel on voulait remplacer les donnes du champ,
Contenance qui est une cl trangre, par ses ID se trouvant dans la une autre table : la table des
contenance.

Figure 25: Lien entre la table Mdicament/Table Contenance

A partir de deux feuilles, une montrant les donnes du fichier Excel contenant diffrentes donnes
dont la contenance et une montrant les diffrentes contenances et leur ID, lidal est de pouvoir
rcuprer les ID correspondant la contenance en question dans le fichier 2 et de remplacer la
contenance du fichier 1 par son ID dans le fichier 2.
Un script VBA a t implment cet effet.
Ainsi nous remplissons toutes les tables du modle de donnes en commenant par les tables de
rfrences, ensuite de liens et pour finir la table des AMM.
Vous trouverez le code dvelopp en VBA pour remplir la table des Mdicaments, en Annexe page 62.
4.2.1.5

Tests

Dans cette phase, on vrifie que la table des AMM est bien lie toutes les tables de rfrences par
le biais des cls trangres.
On vrifie que la liaison des donnes 1-N fonctionne bien, savoir quun AMM peut avoir plusieurs
contenances, peut se trouver sur plusieurs sites. On vrifie aussi quil a bien rcupr les
informations prises sur les tables de rfrences.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 46

Figure 26: Table AMM Visu dtaill

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 47

4.2.1.6
Rsultats
Aprs avoir fini dintgrer toutes les donnes nous pouvons voir un tableau contenant la liste des
AMM.
tant donn que cest juste une maquette, on a rempli toutes les tables de rfrence mais on a
intgre que deux AMM portant les marques ACADIONE et ACEBUTODOL.
Le reste des 5000 AMM sera intgr si la maquette satisfait les besoins du client et surtout sils sont
satisfaits par les fonctionnalits de loutil EBX.

Figure 27: Table AMM Visu gnral

4.3 OPERATIONS SUR LES APPLICATIONS DECISIONNELLES


4.3.1

Amlioration du rapport de suivi dexploitation de la TMA sous QlikView

4.3.1.1
Expression du besoin et spcification de la solution
Pour pouvoir suivre au mieux lexploitation des logs, la TMA utilisait plusieurs outils dont un rapport
Qlik View quelle souhaitait faire voluer afin que ce dernier devienne plus pertinent.
On ma demande de faire voluer le rapport existant afin que ce dernier leurs soit dune aide plus
importante.
Vous trouverez ci-dessous lancien rapport, avec ses fonctionnalits et le nouveau rapport avec les
modifications demandes.
4.3.1.2

Ancien rapport et ses fonctionnalits

Lancien rapport permettait de suivre lvolution du temps de traitement dune interface donne, en
fonction du jour, ltape de chargement ou encor le statut. Il y avait notamment deux rapports
identiques, la diffrence tait essentiellement la base de donnes de lentrept, lODS ou DWH.
Le nouveau rapport devrait dans un premier temps rassembler sur un mme rapport les traitements
lis aux deux bases de donnes de lentrept mais aussi amliorer laspect de ce dernier.
Il fallait aussi pouvoir voir lvolution des temps de traitement par famille fonctionnelle (datamart,
application ) et pouvoir zoomer dans le temps, c'est--dire voir lvolution dune interface par mois,
semaine, jusquau niveau de dtail le plus fin qui est le jour.
Enfin en plus du graphique, il fallait rajouter un tableau indiquant pour chaque interface
slectionne les dtails du traitement savoir, date de dbut, date de fin, dure

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 48

Pour raliser ce rapport, je me suis auto forme sur cet outil, afin de pouvoir faire les
dveloppements ncessaires.
Vous trouverez ci-joint lancien rapport dexploitation.

Figure 28: Ancien Rapport dexploitation

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 49

Vous trouverez ci-joint le nouveau rapport dexploitation avec les volutions demandes.

Figure 28: Nouveau Rapport dexploitation modifi

Dans ce nouveau rapport, lutilisateur peut cliquer (en haut au centre) sur un bouton correspondant la base
de donnes quil veut analyser. Il peut dsormais analyser les traitements en fonction de la famille
fonctionnelle choisie, mois, semaine ou jour avec un effet de zoom.
Deux lments supplmentaires que jai jugs utiles ont t ajouts :
Pouvoir faire une recherche par nom sur lobjet analyser : famille fonctionnelle nom de linterface ou
encore ltape dalimentation de lentrept
Un petit tableau montrant les slections actives pour savoir en fonctions de quelles slections les
rsultats sont affichs

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 50

Chapitre 5 : Connaissances
5.1

UTILISEES

a. Le dcisionnel
Etant en option dingnierie daide la dcision, mes connaissances acquises lors de mes deux
dernires annes dtude en cole dingnieur ainsi que lors de mon dernier stage mont beaucoup
aide. En effet, lcole nous avons eu raliser un mini projet dcisionnel, qui ma vite fait dcouvrir
cet univers. Et le stage de 2me anne, ma permis de dcouvrir toutes les tapes dun projet
dcisionnel de A Z savoir requtes du besoin, rdactions de spcifications fonctionnelles et
techniques, modlisation dimensionnelle( toile et flocon), extractions des donnes et le
dveloppement de tableaux de bord riches en information.
b. La programmation
Les connaissances acquises en programmation PL/SQL lcole ma permis de madapter trs vite dans
le dveloppement de flux permettant les extractions de donnes.
En effet toute modification ou cration dun flux (procdures, fonctions, vues) entrainaient dautres
modifications faire dans le package body en question ou dans dautres packages afin que le tout
fonctionne correctement.
De plus lors de conduite dvolution, touts les impacts reporter sur dautres quil faut prendre en
compte lors du dveloppement ntaient pas forcment indiqus dans le document de spcification de
la solution propose, il fallait donc les anticiper en ayant un recul et des connaissances globales et
techniques sur le fonctionnement gnral du flux.
5.2

ACQUISES

a.
Loutil dAnalyse QlikView
Aprs deux volutions faire sur des rapports QlikView, je possde prsent des connaissances
solides sur cet outil. Il est trs utilis sur le march dans le cadre de llaboration de tableaux de bords.
Jai appris manipuler un nouvel outil dcisionnel qui me servira surement dans de futures missions.
b. Loutil Mantis
Jai eu utiliser plusieurs fois utiliser ce systme de suivi d'anomalies logicielles que je ne connaissais
pas avant. Je suis contente davoir appris lutiliser car dun ct il nous apprend indirectement les
tapes de traitement danomalie ou de conduite dvolution. Par ailleurs cet outil est trs utilis dans
le monde de lentreprise et avoir une exprience pratique sur cet outil est un vrai plus.
c.
Maintenance applicative
Jai appris tout au long de stage faire des conduites danalyses et dtudes sur un SID but volutif,
correctif ou informatif. Jai pu constater limportance de la gestion des donnes histories dans un
entrept de donnes lors des diffrentes oprations de maintenance volutive ou corrective. Les
changements induits par de telles oprations impactent en effet les donnes et leur structure dans la
base. On apprend alors tre vigilent lors de limplmentation des patchs correctifs ou volutifs de
manire assurer une continuit et une prennit des donnes dans le SID.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 51

Conclusion et perspectives
Bilan
Ce stage m'a permis d'une part, d'apprhender les mcanismes de la prestation notamment la notion
de projet au forait. De plus, il m'a galement permis d'assimiler l'importance de la communication
entre le client et les membres du projet, devoir tre ractif face un problme en s'assurant de
proposer des solutions adaptes et d'initiative en proposant des amliorations afin d'viter que le
problme ne se reproduise ou, dans le cas o ce n'est pas possible, pour en minimiser l'impact.
Voulant voluer vers le consulting dcisionnel, je retiens galement quun bon consultant a avant tout
une bonne expertise technique. Ensuite, il a une connaissance globale de loffre technologique du
march, une capacit dcoute et de formulation des besoins vis--vis de ses interlocuteurs quils
soient techniques ou non et un savoir vendre qui lui permet de convaincre ses commanditaires de la
valeur ajoute de la solution quil lui propose.

Perspectives
Mes deux expriences professionnelles dans lunivers du dcisionnel, la fois sur un projet spcifique
et complet lors de mon prcdent stage chez Decathlon et aussi en faisant de la maintenance
applicative dans une TMA BI, mont aid avoir une vision globale des processus informatiques
ddis la prise de dcision.
Cette connaissance que je compte utiliser bon escient, me conforte dans mes choix de carrire et
alimente mon ambition de continuer dans cette voie, en tant certaine que la casquette Aide la
dcision avec des connaissances en data Mining , Fouille de donnes et recherche oprationnelle ,
connaissances acquises lcole ; me servira et que ce sera un vritable plus par rapport aux autres
consultants.
Et pour clore ce rapport, jai le plaisir dannoncer que Logica ma finalement propose une prembauche, je suis ravie de la confiance que lon ma accorde durant ce stage et je continuerais
laventure avec eux bien volontiers si possible.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 52

Webographie et bibliographie

http://www.commentcamarche.net/contents/entreprise/business-intelligence.php3
http://fr.wikipedia.org
http://arel.eisti.fr
Intranet SAF: Is@ France
Portail interne Logica: Sesame
Documents internes Logica et Sanofi aventis France

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 53

Annexe

Rapport dentretien de dbut de mission effectu avec mon encadreur Nicolas Provost en Mai 2011

Dbut de mission
Nom du collaborateur
Coefficient/titre

Ayachi Dhekra

Responsable entretien

Nicolas PROVOST

Date

Signatures

16/05/2011

Ayachi DHEKRA

Stagiaire

MISSION : IDENTIFICATION ET RAPPEL


Client : SANOFI AVENTIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Projet : TMA SAF BI. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Contexte technique : Systme BI primtre vente (ETL Oracle PL/SQL - Outil restitution BO/Cognos/QlikView). . . .
......

DESCRIPTION DE LA MISSION (CONTEXTE FONCTION OCCUPEE)


Assurer le contrle, le maintient et lvolution applicative du systme de restituions BI sur le primtre vente au sein
dun environnement ETL PL/SQL et de restitution BO / Cognos / QlikView

Liste des tches identifies :


1. Correction dincidents/anomalies (1-2j par semaine)
2. Ralisation dEvolutions : (1-2j par semaine)
Analyse (avec Support)
Ralisation (possibilit de solliciter un rfrent)
Rdaction du plan de test
Passage du plan de test
Installation sur environnement
Ralisation du patch
Gestion du fichier de configuration
Dpt sur eRoom
3. Mise jour Ariane, suivi des fiches affectes. (inclus dans les charges de dveloppement/analyse)
4. Participation au plan de progrs TMA

5. Participation aux phases de conception


6. Ralisation de chiffrage sur des primtres fonctionnels matriss

DEFINITION DES OBJECTIFS DE LA MISSION


AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 54

Objectifs fixs de la mission


Reporting :
Evaluer correctement son Reste Faire en tches et en dlai (STD/DEV/TU)
Remonter
les
alertes

bon
escient
(gains/pertes/drives/sous-charge/surcharge/incomprhension
technique/fonctionnelle/ Elment de blocage divers)

Evaluation : Apprciation encadrement


Autonomie Technique :
Devenir autonome techniquement en PL/SQL, Unix, ralisation de patch et les divers environnements SHIVA.
Optionnel : Devenir autonome sur quelques domaines fonctionnels
Monter en comptence sur la techno BO/QlikView

Evaluation : Apprciation encadrement


Production :
Qualit des dvs

Evaluation : moins de 10% de retours


Respect des charges et dlais :

Evaluation : Effectuer un gain de production de 20% sur les volutions (hors charge de pilotage)
Respect des dlais :

Evaluation :90% des volutions livres dans les dlais


Adquation de la mission avec les objectifs annuels

Oui

COMMENTAIRES DU RESPONSABLE DE LENTRETIEN

Non (Si non rvision ventuelles des objectifs annuels)

(moyens mettre en uvre, motivation de lIO, comprhension de la

mission)

Dhekra fait preuve dimplication.


Elle se pose les bonnes questions au bon moment, elle ne fonce pas tte baisser.
Elle est soucieuse de comprendre ce quelle fait, et de la qualit de ses developpements.
Dehkra fait de trs bon reporting, mais ils doivent tre plus rgulier, mme quand tout va bien.
Elle doit continuer alerter quand elle est confronte des difficults, techniques, fonctionnelles ou de
comprhension
Elle doit tenir inform son encadrement de son RAF.
Dehkra sera mise contribution pour la conception et le chiffrage dune demande importante (15-20 jours)

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 55

Modle de donnes Facture du Datamart des marchs hospitaliers.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 56

Plan de tests unitaire de loptimisation du flux Hobione.

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 57

Plan de tests pour lintgration des flux Xponent Weekly data en provenance dIMS

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 58

Plan de tests pour lintgration des flux Xponent Weekly data en provenance dIMS

Code Sql de la cration de la table des faits PHAHEB_FAC :

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 59

Champs du tableau du fichier Excel initial dcrivant Un AMM

A- N NL (ou code EMEA) )


B- Code CIS)
C- Nom de Marque
D- Dnomination du produit (libell AMM) )
E- DCI)
F- DOSAGE)
G- Titulaire AMM (autorisation de mise sur march) )
H- Eploitant)
I- Laboratoire d'origine 1 (avant fusion sanofi-aventis) )
J- Laboratoire d'origine 2 (avant fusion sa-f) )
K- Date AMM (1re AMM ou validation) )
K- Statut : AMM/AMM Bis/AMM Gen/Auto-gen/Ali/DM/Cosm)
M- Nom Princeps AMM bis/gen/auto-gen)
N- Type de procdure)
O- RMS/CMS )
P- Etat de commercialisation)
Q- Contenance)
R- Code CIP 7 chiffres / Code ACL (DM)
S- Code CIP 13 chiffres
T- Date de lancement
U- Arrt de commercialisation (date information Afssaps)
V- Arrt de commercialisation (date Officielle)
W- Date Peremption dernier lot
X- Liste
Y- D.L.U
Z- Conditions de conservation
AA- D.L.U aprs ouverture
AB- Site de production PF I
AC- Site de production PF II
AD- Site de production PF III
AE- Site de production PF IV
AF- Site de production PF V
AG- Site de production PF VI
AH Site de conditionnement PF I
AI- Site de conditionnement PF II
AJ- Site de conditionnement PF III
AK- Site de conditionnement PF IV
AL- Site de conditionnement PF V
AM- Site de conditionnement PF VI
AN- Site de conditionnement PF VII
AO- Site de conditionnement PF VIII
AP- Site de conditionnement PF I
AQ- Site de conditionnement PF
AR- Site de conditionnement PF I
AS- Site de contrle PF I
AT- Site de contrle PF II
AU- Site de contrle PF III
AV- Site de contrle PF IV
AW- Site de contrle PF V
A- Site de contrle PF VI
AY- Site de libration PF I
AZ- Site de libration PF II
BA- Site de libration PF III
BB- Site de libration PF IV
BC- Site de libration PF V
BD- Site de libration PF VI
BE- Site(s) de Principe Actif)
BF- Code ATC)
BG- Ae thrapeutique)
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 60

BH- Gamme DAR)


BI- Responsable Gamme)
BJ- Chef de projet rglementaire
BK- Chef de projet CMC
BL- Gestion globale/locale)
BM- Liste de sant publique (A ou B)
BN- MM de - de 5 ans 07/05/08
BO- MM de - de 5 ans et jamais renouvele au 07/05/08
BP- chance AMM (avant transpo)
BQ- Echance AMM (aprs prorogation) =Ancienne chance +9 mois
BR- Date planifie dpt mai (avant transpo)
BS- Alignement date dpt
BT- Date planifie dpt SAF (avant transpo)
BU- Dpt planifi (aprs prorogation) =chance aprs prorogation -6mois
BV- Nature dossier renouvellement (complet/simplifi)
BW- Prochaine chance AMM (avec ou sans prorogation + 5 ans)
B- Dpt planifi prochain Renouvellement
BY- Dpt planifi complment dossier (si chance AMM > 07/05/2008 et dpt ralis
07/05/2008)
BZ- Dpt planifi Test de lisibilit
CA- Date relle dpt Renouvellement
CB- Date relle dpt Complment dossier
CC- Date relle dpt Test de lisibilit
CD- Commentaires RQ
CE- AMM rfrence pour Eport
CF- Promotion OUI (promu) / NON (non promu)
CG- Arrts de com effectifs/ Lancements prvus
CH- Alerte caducit
CI- Date planifie de dpt caducit
CJ- Caducit AMM
CK- Rationalisation/Caducit AMM NC / Dpt Afssaps
CL- Rationalisation AMM NC /Commentaires rglementaires (11/08)
CM- Rationalisation AMM NC / Propositions rglementaires (11/08) :
OUI ( abroger) / NON (ne pas abroger) / ? ( statuer)
CN- Rationalisation AMM NC / Commentaires stratgie (04/2009)
CO- Rationalisation AMM NC / Retour stratgie
OUI ( abroger) / NON (ne pas abroger) / ? ( statuer)
CP- Rationalisation AMM NC / Retour Groupe
CQ- Rationalisation AMM NC /Dcision collegiale 27/04/2010
CR- Rationalisation AMM NC / Dcision collegiale 27/04/2010
Commentaires
CS- Retour Discontinuation process
CT- Rationalisation AMM NC /Dcision collegiale 07/09/2010
CU- Rationalisation AMM NC /Commentaires 07/09/2010

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 61

Exemple de Scripts SQL dvelopps pour des tches ponctuelles

Script de modification des longueurs de certains champs :

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 62

Script renvoyant les donnes de factures, livraisons, commandes avec les dates saisies par les
utilisateurs :

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 63

Script de dveloppement QliK View pour rapporter des requtes excutes sur lentrept de
donnes directement dans loutil danalyse afin de dcharger la base de donnes.
*-------------------------------------------------------------------------------- Ralis ----------------------------------------------------------------------------------*/
TmpRalis :
LOAD
"DTMMIAREA_PER" AS Mois,
"DTMMIAREA_CODRES" AS CodRseau,
"DTMMIAREA_CODGAMME" AS Gamme,
"DTMMIAREA_CODSEC" AS Secteur,
"DTMMIAREA_CA" AS Ralis ;
SQL SELECT
ODS_REFTPS_JOU_REA.ODSREFTPSJOU_PERIODE AS DTMMIAREA_PER,
RO_REF_GRPPG.ROREFGRPPG_RES as DTMMIAREA_CODRES ,
decode(RO_REF_GRPPG.ROREFGRPPG_COD,'OTC OTX','OTC',RO_REF_GRPPG.ROREFGRPPG_COD) AS
DTMMIAREA_CODGAMME,
GRE_SEC.GRESEC_COD AS DTMMIAREA_CODSEC,
round(( sum(decode(RO_REA.ROREA_COM,0,RO_REA.ROREA_VAL,0)) ) + ((
sum(decode(RO_REA.ROREA_COM,1,RO_REA.ROREA_VAL,0)) )
- ( sum(decode(RO_REA.ROREA_COM,2,RO_REA.ROREA_VAL,0)) )),5) AS DTMMIAREA_CA
FROM
RO_REF_GRPPG,
ODS_REFTPS_JOU ODS_REFTPS_JOU_REA,
V_RO_REF_ROGRPPRM,
RO_REA,
DQ_OFF,
DQ_VALQUA,
DQ_TYPQUA,
DQ_TYPQUAOFF,
ODS_REF_CYCVEN,
ODS_REFGEO_UGA,
GRE_SECUGA,
GRE_SEC,
GRE_RES
WHERE
( V_RO_REF_ROGRPPRM.ODSREFCYCVEN_COD = DS_REF_CYCVEN.ODSREFCYCVEN_COD)
AND ( DQ_TYPQUAOFF.DQTYPQUAOFF_IDEODSOFF(+)=DQ_OFF.DQOFF_IDEODS )
AND ( V_RO_REF_ROGRPPRM.ROREFGRPPRM_CODPRDGES=RO_REA.ROREA_CODPRDGES
AND ( DQ_OFF.DQOFF_IDEODS=RO_REA.ROREA_IDEODSOFF )
AND ( ODS_REFTPS_JOU_REA.ODSREFTPSJOU_IDE = RO_REA.ROREA_IDEODSMOI )
AND ( V_RO_REF_ROGRPPRM.ROREFGRPPRM_IDEODSGRPPG=
RO_REF_GRPPG.ROREFGRPPG_IDEODS )
AND ( DQ_TYPQUAOFF.DQTYPQUAOFF_IDEODSVALQUA=
DQ_VALQUA.DQVALQUA_IDEODS )
AND ( DQ_VALQUA.DQVALQUA_IDEODSTYPQUA=DQ_TYPQUA.DQTYPQUA_IDEODS)
AND (DQ_VALQUA.DQVALQUA_VAL != 'LR' AND (DQ_TYPQUA.DQTYPQUA_COD = 'C021')
AND DQ_OFF.DQOFF_CODOFF < '3000000')
AND DQ_OFF.DQOFF_CODUGA=ODS_REFGEO_UGA.ODSREFGEOUGA_COD
AND ODS_REFGEO_UGA.ODSREFGEOUGA_IDE = GRE_SECUGA.GRESECUGA_IDEODSUGA
AND GRE_SECUGA.GRESECUGA_IDEODSSEC=GRE_SEC.GRESEC_IDEODS
AND GRE_SEC.GRESEC_IDEODSRES=GRE_RES.GRERES_IDEODS
AND GRE_RES.GRERES_COD=RO_REF_GRPPG.ROREFGRPPG_RES
AND ODS_REFTPS_JOU_REA.ODSREFTPSJOU_IDE BETWEEN
ODSREFCYCVEN_IDEODSDATDEB AND AND ODSREFCYCVEN_IDEODSDATFIN
AND ( DS_REFTPS_JOU_REA.ODSREFTPSJOU_IDE
BETWEEN PCK_INT_UTL.F_GET_DATIDEJOU(trunc(ADD_MONTHS (SYSDATE, -13),'mm'))
AND PCK_INT_UTL.F_GET_DATIDEJOU(last_day(trunc(SYSDATE ,'mm'))))
GROUP BY
RO_REF_GRPPG.ROREFGRPPG_COD,
ODS_REFTPS_JOU_REA.ODSREFTPSJOU_PERIODE,
GRE_SEC.GRESEC_COD,
RO_REF_GRPPG.ROREFGRPPG_RES;
JOIN
AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 64

LOAD CodRseau,
Rseau,
Secteur
FROM $(path)\RO_Secto.qvd(qvd);
Ralis:
LOAD DISTINCT
Rseau,
Secteur,
Gamme,
Mois,
Ralis
RESIDENT TmpRalis;
Store Ralis INTO $(path)\RO_Realise.qvd;

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 65

Code VBA dvelopp pour lapplication des gestions des AMM sur EBX

Sub test()
Sheets("Feuil1").Select
For i = 1 To 1557
'Sheets("Feuil1").Range ("I" & i)
Sheets("Feuil2").Select
For j = 1 To 1066
If (Sheets("Feuil1").Range("I" & i).Value = Sheets("Feuil2").Range("B" & j).Value) Then
Sheets("Feuil1").Range("J" & i) = Sheets("Feuil2").Range("A" & j).Value
End If
Next j
Next i

AYACHI D.

Linformatique dcisionnelle au service des mtiers de lentreprise

Page 66