View
295
Download
3
Embed Size (px)
Citation preview
BÂLE BERNE BRUGG DUSSELDORF FRANCFORT S.M. FRIBOURG E.BR. GENÈVE
HAMBOURG COPENHAGUE LAUSANNE MUNICH STUTTGART VIENNE ZURICH
Concentrez vous sur le métierAvec BI Genius sur Azure, oubliez la technique
Patricia DüggeliPrincipal Consultant
Programme
1. La BI d‘hier à aujourd‘hui
Définitions
Solutions
Challenges
2. Oublions la technique, parlons technique
Azure
BI Genius
3. Que reste-t-il?
La technique aux techniciens
Concentrons nous sur le métier
La Business Intelligence
Que nous dit internet: Data Warehouse
Que nous dit internet: Data Warehouse - architecture
Que nous dit internet: Business Intelligence
Que nous dit internet: BI
Que nous dit internet: Business Analytics
Les solutions
La „traditionnelle“
Extraction/Transformation/
Stockage des données
Modélisation
Etoiles (Kimball)
Normalisé (Inmon)
Data Vault (Linstedt)
Utilisation des données
Reporting standard
Utilisation analytique
La „à la dernière mode“
Self Service BI
Indépendance totale des
utilisateurs
Décentralisation des
données
Big Data
Juste une source, pas une
solution BI
Cloud*
Juste un moyen pas une
solution BI
La „nécessaire“
Traditionnelle sur
architecture moderne pour
unicité des données
Indépendance utilisateur
par des outils modernes
Distributions des données
par canaux modernes
Selon contexte et besoins
Challenges
Solution en évolution constante
– Sources
– Besoins
– Organisation
– Technologies *
Données
– Complexité
– Qualité
– Gouvernance
Humain
– Language commun
– Intérêts de l‘entreprise
– Gestion complexité
– Chacun est différent
Contexte projet
– Urgence
– Ressouces limitées *
– Réactivité
– Best practices
*Remarque BARC
Parlons des outils
et de la technique
(ex environnement Microsoft)
Infrastructure
Vos besoins d‘infrastructure
DEV
TEST
PROD
Système d’exploitation
Base de donnée
…
BI Genius (DEV)
Infrastructure: On premise vs Cloud
On premise (VM ou physique)
Serveur
Définir besoins et taille
Se renseigner sur les prix
Commander
Configurer
Base de données
Commander
Se renseigner sur les prix
Installer
Configurer
Cloud (par ex: MS Azure)
Serveur et base de données
Choisir la solution adaptée
Redéfinir la taille en tout temps si
nécessaire
Configurer le réseau
Gain de temps à la création
Payez ce que vous utilisez
Redimensionnez en tout temps
Demo Création Cloud
avec MS Azure
BI Genius
(accélérateur de solution)
BI Genius
1
1
2
3
4
5
6
3
2
Détection Sources
4
Monitoring
Création Structure cible (SQL)
Création ETL (SSIS, T-SQL)
Application Best Practices
Documentation
Développement BI: ETL classique vs BI Genius
Sans BI Genius
Analyse des besoins métier
Spécifications du modèle en étoile
Définir règles développement
Définir tables cible
Créer les tables cibles
Définir règles transformation
Créer flux transformation
gérér SCD2
Créer couches intermédiaires pour
staging / cleansing des données
Créer surrogate keys
…
Documenter flux transformation
Configurer solution pour différents
environnements
Avec BI Genius
Analyse des besoins métier
Spécifications du modèle en étoile
Entrer le modèle cible dans l‘outil (basé en
partie sur système source)
Entrer règles transformation
Générer la solution
Génération des différentes couches
(staging / cleansing / DWH / Marts)
Génération des tables
Génération des procédures de
chargement
Génération du monitoring de la
solution
Génération de la documentation
Demo BI Genius
(version générateur SQL Server)
Demo BI Genius
1
1
2
3
4
5
6
32
Adventure Works: Produits, Sales Orders
4
Monitoring: procédures et log exécution
Création Tables et vues Staging,
Cleansing, DWH, DM
Création ETL (store procs, vues)
Dim Produit, Dim Date, Fact Sales
Cleansing, Singeltons, Snowflake/Start
Documentation
2
2
3
3
Done:
5 tables AW (product, sales orders)
4 views BI Genius (date)
Done:
3 entity product, 1 dim product
4 entity date, 1 dim date
To be Done:
1 Fact Sales
Que reste-t-il à faire?
La technique au techniciens
Serveur et bases de données
– Intégration dans le réseau
– Gestion des droits
– Mise à jour
Concentrons nous sur le métier
Prise de besoins et validation
– Connaissance métier
– Mise en place rapide de la solution = base de discussion avec le métier (agilité)
– Essayer d‘influencer la gouvernance de données
Formation/Accompagnement/Transfert de connaissances
– Prendre le temps de former
– Accompagnement régulier jusqu‘à l‘indépendance des super utilisateurs
Documentation
– Documenter le comment plutôt que le quoi (Protocole des décisions)
– Documentation plus orientée utilisateur
Conclusion
À votre disposition
Gouvernance de données: Philippe Bourgeois (11:30)
Data Vault: Adriano Martino
Azure: Daniel Tizon
Démo dans l‘après-midi de BI Genius
Et bien sûr tous nos collègues…
… pour tout type de question