1

Le Data Warehouse, finalité et principes

• Les enjeux stratégiques d'un SI décisionnel.
• Les raisons techniques et culturelles qui conduisent au Data Warehouse.
• Définition du Data Warehouse selon Bill Inmon.
• Les solutions apportées par l'architecture technique et fonctionnelle du Data Warehouse.
• Caractéristiques des données du SI décisionnel.
• L'Infocentre et le SI décisionnel.
• Présentation des différentes approches Data Warehouse et Infocentre, leurs avantages et inconvénients.

2

L'architecture d'un SI décisionnel d'entreprise

• Les différentes couches de l'organisation d'un Data Warehouse.
• La collecte et l'intégration des données.
• L'Operational Data Store et la Data Staging area.
• La couche de présentation, le portail décisionnel.
• Les moteurs d'analyse OLAP : (MOLAP) et/ou relationnel OLAP (ROLAP).
• Les techniques d'analyse "data mining" : méthodes prédictives, méthodes descriptives.
• Croissance du volume et de la nature des données, les enjeux du Big Data.
• La documentation des données du DW : notions de référentiel de données.
• Comment le DW fiabilise la gestion du référentiel de données (MDM)?
• La gestion des flux : la capture des données sources, les règles de transformation.

3

Les principes de la modélisation Data Warehouse

• Les modèles relationnels opérationnels et dénormalisés.
• Les modèles hybrides.
• Les modèles génériques.
• Comprendre le modèle en étoile, sa finalité.
• Comprendre les notions de faits et d'analyse. Les hiérarchies d'axe d'analyse.
• Le modèle en flocon.
• La problématique des dimensions à évolution.
• Gestion des agrégats et de la stabilité du périmètre fonctionnel.
• Quelle approche favorise les informations de détail ou les agrégats ? Bonnes pratiques, questions à poser au métier.

4

La démarche de construction d'un Data Warehouse

• Identifier le périmètre fonctionnel candidat. Déterminer l'objectif et les événements de gestion à suivre.
• Estimer la volumétrie du périmètre.
• Analyse fonctionnelle, recueil des besoins utilisateurs.
• Conception de l'architecture technique détaillée.
• Etablir une démarche générique de mise en œuvre.
• Les apports d'une démarche itérative, le contenu d'une itération.
• Première itération ou projet pilote, bien le choisir. Rôle du sponsor, de la MOA, de la MOE, impact sur l'organisation.
• L'administration et le suivi de la solution opérationnelle.

5

Organisation du projet, les acteurs et les livrables

• Le rôle fondamental du sponsor ou promoteur.
• Le comité de pilotage.
• Le rôle de l'équipe fonctionnelle, du groupe de projet utilisateurs : valider le design de l'environnement utilisateur.
• Le transfert de compétences vers les utilisateurs finaux par l'équipe fonctionnelle : formation et documentation.
• L'équipe technique, les architectes.
• Les principaux livrables d'un projet décisionnel.

6

Les outils dans le domaine du décisionnel

• Les dernières évolutions techniques des SGBDR dans le domaine du décisionnel.
• Panorama et typologie des solutions BI du marché. Les offres en mode SaaS.
• Les solutions de reporting : SSRS, IBM Cognos, SAS, BusinessObjects... La mise en œuvre des outils de requête.
• Les outils d'analyse OLAP côté serveur et côté client : utilisation, évolutivité, approche DataMart, temps de réponse.
• Les solutions d'analyse data mining : SAS Enterprise Miner, IBM, OBI data mining. Exigences et points forts.
• Les solutions ETL : IBM, Informatica, Oracle, SAP, Talend...
• Les outils de modélisation relationnelle : possibilités et limites.

7

Synthèse

• Les tendances d'évolution des systèmes décisionnels.
• Bonnes pratiques pour la modélisation.
• Recommandations pour l'organisation du projet Data Warehouse.