Construire un DataWarehouse

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.

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.

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.

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

oeuvre.

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.

Organisation du projet, les acteurs et les livrables

Le rôle fondamental du sponsor ou promoteur.

Le comité de pilotage.

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.

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

oeuvre 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 Datamining.

Exigences et points forts.

Les solutions ETL : IBM, Informatica, Oracle,

SAP, Talend..

Les outils de modélisation relationnelle :

possibilités et limites.

Synthèse

Les tendances d’évolution des systèmes

décisionnels.

Bonnes pratiques pour la modélisation.

Recommandations pour l’organisation du

projet Data Warehouse.