Description
Cette formation aborde les enjeux et les fondamentaux des systèmes d'information décisionnels, en mettant l'accent sur la conception et l'administration des Data Warehouses. Les participants exploreront les définitions clés, l'architecture technique, ainsi que les outils d'aide à la décision comme les ETL et les reportings. Le programme inclut également une réflexion sur les défis liés à l'intégration des données et une introduction au Big Data et à son lien avec la Business Intelligence. Ce cursus s'adresse aux professionnels souhaitant approfondir leurs connaissances en gestion et analyse des données.
Objectifs
- Comprendre et mesurer les enjeux d'un projet décisionnel
- Apprendre à utiliser les outils de l'informatique décisionnelle
- Conception de modèles de données décisionnelles
- Avoir un état de l'art des solutions décisionnelles actuellement présentes sur le marché
Récapitulatif
Public
Toute personne amenée à être positionnée sur un projet décisionnel d'entreprise. (développeur, responsable de projet décisionnel, etc.)
Prérequis
Connaître les principes de l'informatique bureautique (tableur Excel, etc.)
Méthodes et modalités pédagogiques
Formation réalisée en Présentiel, Distanciel ou Dual-Learning selon la formule retenue.
Moyens et supports pédagogiques
Mise à disposition d'un poste de travail sur nos formations en Présentiel.
Mise à disposition de nos environnements de visio sur nos formations en Distanciel
Remise d'une documentation pédagogique numérique pendant la formation
La formation est constituée d'apports théoriques, d'exercices pratiques et de réflexions
Dans le cas d'une formation sur site Entreprise, le client s'engage à avoir toutes les ressources pédagogiques nécessaires (salle, équipements, accès internet, TV ou Paperboard...) au bon déroulement de l'action de formation conformément aux prérequis indiqués dans le programme de formation
Modalités de suivi et d'évaluations
Auto-positionnement des stagiaires avant la formation
Émargement des stagiaires et formateur par 1/2 journée
Exercices de mise en pratique ou quiz de connaissances tout au long de la formation permettant de mesurer la progression des stagiaires
Auto-évaluation des acquis de la formation par les stagiaires
Questionnaire de satisfaction à chaud et à froid à l'issue de la formation
Programme détaillé
Préambule
- Constat : pourquoi mener des projets décisionnels ?
- Historique : d'où vient le décisionnel exactement ?
- Pourquoi le Décisionnel ?
- Et la suite ?
Objectifs, définitions et architecture
- Objectifs du DataWarehouse (entrepôt de données)
- Définitions (Entrepôt de données / Magasin de données / Alimentation / ETL …)
- Architecture d'un SID (Système d'Information Décisionnel)
- La conception du DataWarehouse (entrepôt de données)
- Problématiques et objectifs
- Les principales phases de construction d'un entrepôt de données
L'administration des données
- Référentiels et métadonnées
- Objectifs de l'administration des données (gouvernance de la donnée)
- Construction des Dimensions et des axes hiérarchiques
- Contruction des indicateurs et KPI (Key Performance Indicator)
- La modélisation des données
- Contraintes de modélisation par type de modèles
- Les axes à construire
Architectures techniques
- L'architecture côté client
- L'architecture côté serveur
- L'architecture côté ôté SGBD
- L'architecture côté ôté réseau
- Combinatoires avec l'internet/Intranet/Extranet
L'alimentation du datawarehouse
- Cycle de vie des données décisionnelles
Les outils d'aide à la décision
- Alimentation décisionnelle (ETL : Extract - Transform - Load)
- Reportings et rapports
- Focus sur Business Objects (exemple de solution de restitution)
Consommation des données
- Pour aller plus loin : Le Data Mining
- Le CRM analytique
Les entrepôts de données : perspectives d'évolution
- Qu'est-ce que le Big Data?
- Relation entre Big Data et Business Intelligence (BI ou décisionnel)
Les défis d'un entrepôt de données
- Les défis d'un entrepôt de données
- Centraliser les informations en une base unique
- Communiquer avec les bases de production d'environnements différents
- Intégrer des données externes à l'entreprise
- Collecter en direct des saisies ponctuelles
- Intégrer des données élémentaires comme des données complexes
- Des données de référentiel
- Des éléments macro-économiques
- Des détails micro-économiques
- Des montages techniques sur mesure
- Faciliter la gestion des données centralisées
- Présenter les données de manière homogène
- Affecter des repères temporels communs
- Prévoir des conversions ou des calculs préliminaires pour harmoniser l'information
- Pré-grouper certaines données
- Tout organiser selon des vues « métiers »
- Respecter les contraintes de temps
- Présenter des délais réduits de mise à jourOffrir des temps de réponses performants
- Permettre une grande réactivité face au changement
- Offrir un outil sur mesure selon l'évolution de l'environnement et des besoins
La modélisation
- Introduction
- Indicateur
- Dimension
- Faits
- Modèle conceptuel des données (MDC)
- Modèle Physique des Données (MPD)