Présentation bi 1.0

La Business Intelligence

Alexandre BODIN Nicolas FOURNIER

LA BUSINESS INTELLIGENCE




LE SOMMAIRE

2 of 57



Ø  01. Qu’est ce que la BI ? Ø  02. La BI appliquée aux Télécoms Ø  03. Les étapes d’un projet BI Ø  04. Les outils et les solutions du

décisionnel Ø  05. Une nouvelle ère pour la BI



•  Dans les grandes organisations, 25% des employés utilisent des solutions de Business Intelligence (BI)

•  Le chiffre d'affaires mondial des logiciels de Business Intelligence est de 13,8 milliards de dollars en 2013, une augmentation de 7% par rapport à 2012

•  Seule une entreprise sur 2 a étendue la BI à l’ensemble de ses activités. Les autres se cantonnent à des secteurs spécifiques

•  Une entreprise sur 5 se sert de la BI pour prévoir son développement futur.

3 of

NOTRE INTRODUCTION

57



QU’EST CE QUE LA BI ?

4 of



Qu’est ce que la BI ? Telecoms Les étapes d’un projet BI Outils et solutions Une nouvelle ère pour la BI

57



L’HISTOIRE

5 of



•  1965, création par Dick Pick d’un système d’exploitation comportant un SGBD Ø  Premier système où le logiciel et les données sont séparées

•  1976, création de SAS

•  1989, Howard Dresner (Gartner), popularise le terme « Business Intelligence »

•  2005, Wal-Mart doit gérer 460 To de base de données, 2 fois plus qu’Internet

•  Aujourd’hui 90% des données dans le monde ont été générées ces 2 dernières années


57



DEFINITION ET OBJECTIFS

6 of



•  La BI (ou informatique décisionnelle) est une solution informatique permettant de collecter, d’analyser et de traiter toutes les données internes à l’entreprise selon des critères spécifiques ou externe (utile à son métier).

•  Les résultats de cette analyse permettent aux dirigeants d’obtenir une vue d’ensemble sur leur activité, une meilleur compréhension du comportement client et une meilleure réactivité face au marché.

•  Objectifs principaux : Ø  Accroitre ses parts de marché Ø  Réduire ses coûts / Augmenter ses revenus Ø  Mieux comprendre le comportement des clients


57



COMMENT ÇA FONCTIONNE ?

Une architecture BI de manière générale :

7 of



SID = Système d’Information Décisionnel


57



PREMIERE PHASE L’ALIMENTATION

8 of




57



PREMIERE PHASE ETL

9 of



•  Les bases de données sont souvent hétérogènes, avec des doublons.

•  Elles proviennent de différentes sources, internes ou externes.

•  Les données sont de différents formats, selon des structures différentes (strates)

•  L’ETL (Extract, Transform and Load), se charge de récupérer les données, de les nettoyer, et enfin de les charger dans le Datawarehouse.

•  L’ETL ajoute des informations à la données tel que le type, la provenance ou encore la date de mise à jour de la donnée. Ce sont les metadonnées.


57



SECONDE PHASE LA MODELISATION : DATAWAREHOUSES

10 of



•  C’est l’entrepôt, le centre de stockage du système. Les données sont envoyées par l’ETL.

•  Il sépare la partie opérationnelle (bases de données) du système décisionnel (outils de reporting). Ø  Il y a donc une étanchéité des données.

•  But : Centraliser et uniformiser les données de l’entreprise. Ø  Tous les métiers possèdent la même information, la bonne !

§  Comporte des mécanismes de redondance, sauvegarde, reprise sur incident.


57




11 of



4 PRINCIPES: •  Non volatile : seule la lecture est autorisée, pas de perte de données.

•  Intégration de données hétérogènes : ETL.

•  Historisé : aucune donnée n’est supprimée, tout est conservé et archivé. Celà diffère du modèle « annule et remplace » des SGBD.

•  Orienté métier : les données sont organisées et rassemblées par thèmes et non pas par processus fonctionnels. On passe donc d’une vision verticale à une vision transverse des données. Ø  Par exemple les chiffres de ventes et les types de produits vendus sont

regroupés pour connaître quel produit s’est le mieux vendu.


57




12 of



ARCHITECTURE TECHNIQUE •  SMP : Symetric Multi-Processing

Ø  Une seule machine Ø  Plusieurs processeurs en parallèle, mémoire partagée Ø  Recommandé pour les petits DWH (<50 To)

•  MPP : Massively Parallel Processing Ø  Plusieurs machines Ø  Grand nombre de processeurs possédant leur propre mémoire Ø  Recommandé pour les gros DWH, calculs intensifs Ø  Développement d’applications spécifiques

•  CLUSTER Ø  Machines organisées en grappe, interconnectées en Ethernet Ø  Haute disponibilité Ø  Scalabilité


57



SECONDE PHASE LA MODELISATION : DATAMARTS

13 of



•  L’information stockée dans le Datawarehouse est brute, avec des logs, tables d’évènements… Ø  L’accès direct à l’entrepôt est donc réservé aux utilisateurs avancés

•  Un Datamart, ou magasin de données, est un sous-ensemble du Datawarehouse destiné à un secteur particulier de l’entreprise. Ø  On pourra avoir un Datamart commercial, un autre RH, ou encore un

marketing.

•  Performances améliorées, car seules les données « utiles » au secteur sont présentes.

•  Synchronisation avec le Datawarehouse, afin de préserver l’intégrité


57



SECONDE PHASE LA MODELISATION : CUBES OLAP

14 of



•  Cubes OLAP (On-Line Analytical Processing) = représentation multidimensionnelle d’informations.

•  Agrège, met en forme les relations entre les données.

•  Tous les agrégats sont pré-calculés. Ø  Temps de réponse très rapides

•  Déchargement des données du Datamart vers un cube Ø  Stockage spécifique, non réalisable pour toutes les données


57



SECONDE PHASE CUBES OLAP : EXEMPLE

15 of



Quelles sont les ventes du magasin de Villejuif, tous mois et catégories confondus ?


57



SECONDE PHASE LA MODELISATION : xOLAP

16 of



•  ROLAP : Relationnel •  Données obtenues à partir de jointures entre les tables, cubes virtuels •  Faible coût mais temps de réponse long •  Langage SQL (Structured Query Language)

•  MOLAP : Multidimensionnel •  Données dans un cube propriétaire, « physique » •  Temps de réponse courts car pré-calculs, coûts élevés •  Langage MDX (Multi Dimensional Expressions)

•  HOLAP : Hybride •  Données à la fois dans le cube et dans des tables relationnelles •  MOLAP=cas normaux, ROLAP=niveau de détail plus fin

•  DOLAP : Desktop Ø  Téléchargement de petits cubes pour permettre une analyse hors connexion Ø  Décentralisation de données vers des postes clients


57



SECONDE PHASE QUELS SONT LES MODELES DE DONNEES ?

17 of



Modèle en étoile : une table de faits entourée de plusieurs axes : les tables de dimension


57



SECONDE PHASE

18 of



Modèle en flocons : jointures entre les tables de dimension

La performance prime sur la structure

QUELS SONT LES MODELES DE DONNEES ?


57



TROISIEME PHASE LE REPORTING

19 of



REPORTING = Restitution des données sous forme de rapport 2 type de reporting existent :

•  Reporting ad hoc Ø  Création d’un rapport personnalisé Ø  Choix des données à intégrer depuis une interface Ø  Les vues présentées sont adaptées aux besoins de l’utilisateur

•  Reporting de masse Ø  Création automatique de rapports Ø  Répond à un besoin récurrent (ex: résultats mensuels)


57



DERNIERE PHASE LE DATA MINING

20 of



Le DATAMINING est l'utilisation d'outils statistiques ou d'algorithmes mathématiques sur les données afin de prédire, expliquer, ou de classer des informations. •  Finance

Ø  Gestion adaptée du risque dans les établissements financiers avec du scoring des clients

•  Industrie Ø  Optimisation d'une chaîne de montage Ø  Système de résolution de panne par la description des symptômes Ø  Prévision de pics de consommation d'un réseau (téléphone, énergie

électrique...) •  Marketing

Ø  Ciblage des offres


57



TELECOMS ET BI

21 of




57



DEPENSES TELECOM ET BI

22 of



•  Les télécoms sont le poste de dépense le plus important pour 61% des entreprises de moins de 200 salariés .

•  Nécessité d’optimisation des services télécoms aux entreprises.

•  La BI intervient dans les logiciels de TEM (Telecom Expense Management) Ø  Importation et contrôle des factures Ø  Rassemblement des coûts mobile, fixe, VOIP, options Ø  Ventilation des coûts par centre de frais Ø  Analyse de la consommation


57



TABLEAU DE BORD ET BI

23 of



<= Tableau de bord TEM


57



SWOT DE LA

24 of




BUSINESS INTELLIGENCE

57

•  Savoir ce qui se passe dans l’entreprise et pourquoi

•  Maximisa6on des performances de l’entreprise

•  Bases de données fiables et robustes

•  Capacités d’analyse ad-‐hoc limitées

•  Inves6ssement important

•  Dépendance du Data Warehouse

•  Business Intelligence 3.0

•  BI Temps réel

•  Business Intelligence Mobile

•  Le BIG Data



LES ETAPES D’UN PROJET BI

25 of



Qu’est ce que la BI ? Télécoms Les étapes d’un projet BI Outils et solutions Une nouvelle ère pour la BI

57



ETAPES 0 LES PRÉREQUIS

26 of



Ø  Engagement de la haute direcFon (budgétaire et poliFque) §  L’appui de la haute direc6on

permet de faire passer les changements plus facilement

Ø  Données de qualité et maturité informaFque §  Une solu6on BI permet de mesurer

l’état de santé de l’entreprise (via ses données)

Ø  Accès à des ressources techniques expérimentées dans la mise en place de soluFons BI §  Courbe d’appren6ssage « moins

abrupte »

“Penser GRAND,, commencer PETIT”


57



ETAPES 1 & 2 METRIQUES & OUTILS INTERNES

27 of



Ø  IdenFficaFon des métriques stratégiques de l’entreprise §  Planifica6on d’ateliers de travail

avec les différentes équipes §  Recueille maximum des métriques

de différents départements (HR, Marke6ng, Produc6on, SAV, Finance…)

Ø  Analyse des ouFls internes §  L’analyse des rapports existant

(produits manuellement) §  Meilleure compréhension des

métriques §  Iden6fica6on des sources de données

u6lisées


57



ETAPES 3 & 4 AUDIT & COLLABORATION

28 of



Ø  AudiFon des données §  Détermina6on des sources de données

disponibles §  Pour chaque source, l’audit permet

d’iden6fier : •  Le niveau de qualité •  La procédure de mise à jour •  Les employés responsables des

modifica6ons •  La fréquences des mises à jour

Ø  ObtenFon de la collaboraFon des ressources clés §  Ressources clés = employés ayant une

« grande compréhension » des ac6vités de l’entreprise, des SI ou des procédures opéra6onnelles

§  Facilite énormément la mise en place de la solu6on BI

§  But : iden6fier ces ressources et avoir leur collabora6on pendant toute la durée du projet


57



ETAPES 5 & 6 CONSOLIDER, IDENTIFIER

29 of



Ø  ConsolidaFon et organisaFon des besoins idenFfiés §  Permet de regrouper de façon logique

les métriques à produire §  Permet une standardisa6on de tous les

requis Ø  IdenFficaFon des sources de données

nécessaires §  Pour chaque métrique à produire :

•  D’où provient la donnée pour ce_e mesure ?

•  Est-‐elle actuellement disponible dans l’entreprise ?


57



ETAPES 7 & 8 PROCEDURES & SCOPE DU PROJET

30 of



Ø  IdenFficaFon des modificaFons aux procédures opéraFonnelles §  Peut avoir lieu dans certains cas §  Lister ces modifica6ons et évaluer

leurs impacts budgétaires (Exemple : ajout d’une nouvelle ressource)

Ø  DéfiniFon du scope du projet §  Réalisé avec le « sponsor » du projet §  Détermina6on de son envergure et des

réalisa6ons (à par6r de la liste des besoins recueillis)


57



ROI D’UN PROJET DECISIONNEL

31 of



Ø  Il est difficile de calculer le ROI d’un projet décisionnel

Ø  Calcul du coût §  Licences logicielles §  Coût du matériel §  Consul6ng §  Personnel §  Forma6on

Ø  Calcul des bénéfices §  Les bénéfices sont basés sur des

es6ma6ons §  On peut u6liser le modèle ARRCAP

Ø  AugmentaFon des Revenues §  Quel est le revenue annuel de

l’organisa6on ?

§  Quel est le pourcentage de croissance réalisé grâce aux ac6ons entreprises suite à une meilleure visibilité sur les ventes ?

Ø  RéducFon des Coûts §  A combien s’élève les dépenses

annuelles de l’organisa6on ? §  Quel est le pourcentage d’économies

réalisées grâce aux ac6ons entreprises suite à une meilleure visibilité sur les coûts ?

Ø  AmélioraFon de la ProducFvité §  On s’intéresse ici au temps consommé

à la produc6on des rapports de la part des employés.


57



LES OUTILS ET LES SOLUTIONS DU DECISIONNEL

32 of




57



LES LEADERS EN DATA WAREHOUSE

33 of



Gartner Magic Quadrant Spots


57




34 of



Ø  Est devenu partenaire d’HP en Janvier 2013

Ø  Propose des appliances (Hardware, sokware et services pré-‐configurés)

Ø  Sokware : Microsok SQL Server 2012 Ø  Hardware : HP, Dell, IBM Ø  Offre cloud : Windows Azure Virtual

Machine

Ø  Entreprise Allemande, connue pour ses ERP

Ø  4 grandes offres : §  Netweaver Business Warehouse §  Netweaver Business Warehouse

Accelerator §  HANA §  Sybase IQ

Ø  Hardware : HP, Dell, IBM


57




35 of



Ø  Bases de données : DB2 et Informix Ø  Logiciel Data warehouse : Infosphere Ø  Systèmes Data warehouse : PureData,

solu6ons sur les systèmes Z

Ø  Appliances : Database 11g, Exadata, Database 12c, Par66oning

Ø  Base de données : Oracle Ø  Plateformes prises en charges : Linux,

Solaris, Windows


57




36 of



Ø  Leader historique des entrepôts de données

Ø  Connu pour ses serveurs MPP (Massively Parallel Processing)

Ø  Le SGBDR Teradata a été conçu dès l’origine pour le décisionnel

Ø  OS des machines : Microsok, SUSE (linux)


57



LES OUTILS DE REPORTING

37 of




57




38 of



Ø  Logiciel d’explora6on et visualisa6on disposant d’un moteur in-‐memory

Ø  Les prix de Spoqire: §  Cloud work group: 2000$/an §  Cloud personal : 300$/an

Ø  Les prix de Tableau : §  Desktop professional : 1999$/an §  Desktop personal : 999$/an


57




39 of



Ø  Editeur de logiciel spécialisé en informa6que décisionnel

Ø  Prix license : §  Analy6cs Pro : 8700 $/an §  Visual Data Discovery : 10,170 $/an

Ø  Logiciel de Business Intelligence Ø  Prix license : 1350$/an


57




40 of



Ø  Power BI pour Office 365 §  Power Pivot §  Power View §  Power Query §  Power Maps

Ø  Trois gammes de tarifs : §  Entreprises de catégorie E3/E5 :

240$/an §  Op6on de manière autonome :

480$/an §  Office 365 ProPlus : 624$/an


57



UNE NOUVELLE ERE POUR LA BI

41 of




57



BIG DATA vs. BI

42 of



Descriptive Analytics

Diagnostic Analytics

Predictive Analytics

Prescriptive Analytics

Passé Futur

Data Analytics



57



BIG DATA vs. BI

43 of



DISCIPLINE TECHNOLOGIES COMPETENCES FOCUS


TRADITIONNELLE

•  Outils ETL / SQL •  RDMS •  Reporting •  Visualisation

•  Programmation •  Analyse de donnée •  Modélisation de données •  Rapport de développement •  Statistiques basiques •  Technique d’architecture •  Analyses Business &

Stratégie •  Présentation

•  Délivrer de l’information/Reporting

•  Data visualisation •  Statistique descriptive •  Intégration et consolidation

de données

DATA ANALYSIS

DATA SCIENCE

•  Logiciel de modélisation de données

•  Logiciel de diagramme •  Logiciel de documentation •  SQL •  Logiciel de profilage de

données

•  Modélisation de donnée •  Analyses Business •  Manipulation de données •  Statistiques basiques

•  Règles Business •  Définition et traçabilité des

données •  Relations entre les entités •  Attributs des données •  Structure des données •  Sources et cibles des données •  Qualité des données

•  Logiciel de statistique •  Données Columnar (format) •  Map-Reduce •  NoSQL •  Langages programmation •  Logiciel visualisation de

données

•  Statistiques avancées •  Programmation •  Analyses Business •  Technologies de data

management modern et architectures associées

•  Modèles prédictif •  Analyses statistiques

avancées •  Data Mining •  Gestion de données non-

structurées •  Gros volumes de données •  Recherche


57



LA BI SELF-SERVICE

44 of



Ø  Donner du pouvoir aux u6lisateurs Ø  L’u6lisateurs peut accéder lui même à

l’informa6on sans a_endre des semaines, il est moins dépendant du services IT de l’entreprise

Ø  Les besoins de la BI Self-‐Service nécessite plusieurs solu6ons

Inconvénients du Self Service

Ø  L’u6lisateur joue avec des données sans comprendre leur nature

Ø  Les employés ont besoin de comprendre quelles données ils peuvent croire et celles dont ils ne peuvent pas.


57



LA BI COLLABORATIVE

45 of



« Deux têtes valent mieux qu’une » Ø  Elle permet de partager de l’information afin de prendre collectivement des décisions justes et pertinentes.

Ø  Ajout, aux traditionnels tableaux de bord, d’annotations, de commentaires, d’évaluations

Ø  Exemple : SharePoint ou Google docs


57



LA BI EN TEMPS REEL

46 of



Ø  Connu également sous le nom de RTBI (Real Time Business Intelligence)

§  Disposer en temps réel des informa6ons per6nentes et mises à jour

§  Alimenta6on du système décisionnel fluidifiée

§  Réduc6on de l’impact de l’extrac6on de donné sur le SI

§  Extrac6on des données en hautes disponibilités

§  Ges6on d’important volumes de données

§  Alimenta6on des datawarehouses en temps réel provenant de plusieurs sources hétérogènes.

Loi de Moore sur les prix de la mémoire vive

TEMPS

COÛT DE LA MEMOIRE / VITESSE

1980 : Mémoire $10,000/MB

2000 : Mémoire $1/MB

2014 : Mémoire $0.004/MB

Les bases de données « in-‐memory »


57



LA BI EN TEMPS REEL

47 of



Les bases de données « in-‐memory » Ø  Stockage des données en mémoire vive Ø  Gain en rapidité (1000 fois plus rapide

que les accès disque), on passe d’heures en minutes ou en secondes même pour certaines requêtes.

Ø  Stockage et manipula6on effectués sur la même base (pas de traduc6on)

Ø  Accès concurrents respectés

Les grands acteurs du moments

Extreme data performance


57



LA BI MOBILE

48 of



AugmentaFon permanente des débits AugmentaFon des devices mobiles


57



LA BI MOBILE

49 of



Ø  68% des organisa6ons jugent le sujet important

Ø  Avoir de l’informa6on à n’importe quel moment, avoir de l’informa6on n’importe où

Ø  Pose des problèmes de sécurité comme pour la tendance du BYOD (c’est ici que des solu6ons MDM peuvent être mises en place)

Tout est fait/va être fait via un device mobile


57



LA BI PREDICTIVE

50 of




57



LA BI PREDICTIVE

51 of



7 objecFfs stratégiques que l’analyFcs predicFve aide à adeindre ① Être compé66f ② La croissance de l’entreprise ③ Le renforcement

Data Predic6ve Analy6cs

Marke6ng

Sales

Fraud detec6on

Call Center Core Business

Capacity Clients

Entreprise

Predic6ve Models

Business Intelligence Business Units:

④ L’améliora6on ⑤ La sa6sfac6on des clients ⑥ Apprendre ⑦ Agir

1

6

7 7

2

2

3

2

7

4

5


57



LE DATA STORYTELLING

52 of



Ø  Permet la mise en scène des données Ø  Le data storytelling c’est :

§  Visualisa6on §  Anima6on §  Interac6vité §  Ce qui permet de raconter une

histoire

Hans Rosling’s 200 countries, 200 years, 4 minutes – The Joy of Stats – BBC Four

http://www.youtube.com/watch?v=jbkSRLYSojo


57




53 of



4 étapes du schéma narra6f : -‐  Situa6on ini6ale -‐  Elément perturbateur (le problème) -‐  Elément de résolu6on -‐  Situa6on finale (après résolu6on)

Aujourd’hui on peut faire vivre les données grâce à une mul6tude d’ou6ls.

« Une histoire est un arbre »

Schéma narratif

Le contenu

Les illustrations


57




54 of



LES OUTILS DE BI Tableau, Yellowfin, Storyboard, SAS visual analy6cs, IBM Cognos Insight, Gapminder, BeGraphic, Microstrategy, Microsok (excel, geoflow, powerview), Slice/Juicy Analy6cs, Such.io… LES PLATEFORMES DATAVIS Dataseed, Sparkwise, Visualize.rs, DataHero, Quadrigram…

LES OUTILS DE PRESENTATION Powerpoint, keynote, Prezi, Meograph, Bunkr, DataPlayer, Swipe, Emaze, Present.me…

LES OUTILS WEBDOC Klynt, Floodlight, Atavist, Conductr, Djehou6, Fixmaster, the korsakov System, popcorn Maker, Storyplanet, zeega, 3WDOC…

LES OUTILS DE DEVELOPPEMENT HTML5, Javascript + 3D.js, Jquery, Processing, Superconductor, R (Ggplot, GoogleVis, playwith)…

LES AUTRES OUTILS Timeline 3D, Mahaya, Lignes de temps, Dipity, TimeRime, Mindmanager, Freemind, MyThoughts, Numbeez, Soundcloud…

L’ouFl idéal : Dynamique, mulFmédia, interacFf, connecté aux données…


57




55 of



Ø  Des offres de jobs existent depuis quelques mois pour ce domaine comme « Master data storyteller » (exemple : datastorytelling manager de Nike)

Ø  Le datastorytelling est une réelle

tendance du moment et un moyen efficace d’exprimer ses idées et de reporter des données de manière dynamique, intu i6ve et surtout compréhensible par son audience

Freeform Sketching de Microsok Research

http://www.youtube.com/watch?v=5KSZuHGTcC8


57



NOTRE CONCLUSION

56 of



Ø  La BI est aujourd’hui une nécessité pour toute entreprise

Ø  C’est un domaine qui ne cesse d’évoluer suivant les différentes évolu6ons technologiques et besoins mé6ers

Ø  Les entreprises d’aujourd’hui n’exploitent pas assez le potentiel de leur solution BI

Ø  Le Big Data est plus une opportunité qu’une menace et va pouvoir développer de nouvelles méthodes d’analyses afin de répondre au Business

Ø  De nombreux ou6ls apparaissent de plus en plus concernant la visualisa6on de données

Ø  La majorité des acteurs de la BI offre de plus en plus de solu6ons cloud à leurs clients


57



MERCI DE VOTRE ATTENTION



? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

57 of 57

Documents

Présentation bi 1.0