Universit de Tunis
Institut Sup rieur de Gestion de Tunis
Projet de Fin dEtudes
En vue de lobtention du Dipl me de :
Licence Appliqu e en Informatique D cisionnelle
CONCEPTION ET MISE EN PLACE DUNE
SOLUTION D CISIONNELLE POUR LE SUIVI
DE LACTIVIT DE LA STAR
Organisme daccueil :
Soci t Tunisienne dAssurances et de R assurances
labor par :
Souhir KASRAOUI
Jihene RIAHI
Encadrants :
Dr. Lilia REJEB
Mr. Brahim BEN HADJ
ABDALLAH
ANN E UNIVERSITAIRE : 2017-2018
D dicace
A ma m re , ma raison d tre, la prunelle de mes yeux et qui claire mon chemin.
A mon p re, en signe damour, de reconnaissance et de gratitude pour tous les soutiens et les
sacrices dont il a fait preuve mon gard.
Un sp cial d dicace mes ch res soeurs avec tous mes sentiments de respect et damour pour
leurs encouragements et leurs soutiens.
A mon bin me Souhir Kasraoui. Merci pour ton soutien. En t moignage de lamiti sinc re
qui nous a unit.
A tous mes amis, en t moignage de lamiti sinc re qui nous a li es et des bons moments
pass s ensemble.
A tous les gens qui ont cru en moi et qui me donnent lenvie daller en avant. Je vous remercie
tous, votre soutien et vos encouragements me donnent la force de continuer.
Que dieu vous garde.
ii
D dicace
ma ch re famille
qui na manqu aucun moment difcile pour me montrer son amour et son soutien.
mon bin me Jihene Riahi pour la patience et lencouragement quelle ma accord .
tous ceux qui mont soutenu, encourag , aid et appr ci mon effort.
tous ceux qui comptent pour moi et je compte pour eux.
Je vous d die ce modeste travail dans lespoir d tre la hauteur de la conance que vous
mavez accord .
iii
Remerciements
Nous tenons exprimer notre remerciement et notre gratitude Mme. Lilia Rejeb pour son
encadrement, ses conseils efcaces, les nouvelles m thodes de travail quelle nous a appris et
qui nous ont t bien b n ques et pour le temps quelle nous a consacr .
Nous exprimons galement notre reconnaissance et notre appr ciation M. Brahim Ben
Hadj Abdallah pour son accompagnement, son encouragement et pour tout leffort et le temps
quil nous a fourni an de mener bien ce projet.
Nous adressons notre gratitude toute l quipe de la direction informatique de nous avoir,
aid s acqu rir une meilleure compr hension du mode de fonctionnement de lorganisme
ainsi pour la belle ambiance et la bonne humeur quelle nous a offert pendant toute la dur e
du stage.
Nous remercions toute personne, qui par son aide pr cieuse, nous a permis bien r aliser ce
travail.
Nos remerciements vont aussi tous les enseignants et administrateurs de lInstitut Sup rieur
de Gestion pour avoir contribu nous assurer une formation de qualit .
Enn,nous avons lhonneur dexprimer notre remerciement aux membres de jury de bien
vouloir valuer notre travail.
iv
Table des mati res
Introduction
2
.
.
.
.
1 Cadre g n rale du projet
.
Introduction .
1.3 Analyse de lexistant
1.1
.
1.2 Pr sentation de lorganisme daccueil
Pr sentation . .
1.2.1
1.2.2 Organigramme .
.
1.3.1 tude de lexistant
1.3.2 Critique de lexistant
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4 Pr sentation de la solution propos e . . . . . . . . . . . . . . . . . . . . . . .
1.5 M thode de gestion de projet . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Choix de la m thode . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5.2
1.5.3
4
4
4
4
5
5
5
6
7
8
8
Principe de scrum BI . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Scrum appliqu e un projet informatique . . . . . . . . . . . . . . . . 10
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6 Conclusion . .
. .
.
.
.
.
.
.
.
.
.
.
Introduction .
2 Sprint 0 : Analyse et sp cication des besoins
.
.
12
2.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2 Sp cication des exigences . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.1 Exigences fonctionnelles . . . . . . . . . . . . . . . . . . . . . . . . . 12
. . . . . . . . . . . . . . . . . . . . . . 13
2.2.2 Exigences non fonctionnelles
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
. . . . . . . . . . . . . . 15
. . . . . . . . . . . . . . . . . . 15
. . . . . . . . . . . . . . . . . . . . . . . 15
Sch ma global de la conception . . . . . . . . . . . . . . . . . . . . . 17
2.6 Choix des outils Business Intelligence . . . . . . . . . . . . . . . . . . . . . . 18
2.6.1 tude comparative des outils ETL . . . . . . . . . . . . . . . . . . . . 18
2.6.2 tude comparative des outils de Reporting . . . . . . . . . . . . . . . . 19
. . . . . . . . . . . . . . . . . . . . . . . . 20
2.6.3 Architecture de Power BI
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 Backlog de produit
.
2.4 tude approximative des indicateurs de performance
2.5 Conception globale de lentrep t de donn es
2.5.1 tude du mod le conceptuel
Publicité
2.5.2
2.7 Conclusion . .
. .
.
.
.
v
.
.
.
.
.
Introduction .
3 Sprint 1 : Cr ation data mart "Production"
.
22
3.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Backlog de sprint du Data mart Production . . . . . . . . . . . . . . . . . . . . 22
3.3 Conception d taill e du Data mart "Production" . . . . . . . . . . . . . . . . . 23
3.3.1 Table de fait Production . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3.2 Dimensions d gag es . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Sch ma conceptuel du data mart "Production" . . . . . . . . . . . . . . 24
3.3.3
3.4 D nition des indicateurs de performance . . . . . . . . . . . . . . . . . . . . 24
3.5 Phase dint gration de donn es : ETL . . . . . . . . . . . . . . . . . . . . . . 25
3.5.1 Extraction des donn es . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.5.2 Transformation des donn es . . . . . . . . . . . . . . . . . . . . . . . 31
3.5.3 Chargement des donn es . . . . . . . . . . . . . . . . . . . . . . . . . 32
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.6.1 Choix des graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
. . . . . . . . . . . . . . . . . . . . 40
3.6.2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Pr sentation de quelques rapports
.
3.6 Phase de Reporting .
3.7 Conclusion . .
. .
.
.
.
.
4 Sprint 2 : Cr ation data mart "Sinistre"
.
.
.
.
.
.
Introduction .
Sch ma conceptuel du data mart "Sinistre"
42
4.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.2 Backlog de sprint du Data mart "Sinistre" . . . . . . . . . . . . . . . . . . . . 42
4.3 Conception d taill e data mart "Sinistre" . . . . . . . . . . . . . . . . . . . . . 43
4.3.1 Table de fait Sinistre . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.3.2 Dimensions d gag es . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
. . . . . . . . . . . . . . . 44
4.3.3
4.4 D nition des indicateurs de performance . . . . . . . . . . . . . . . . . . . . 45
4.5 Phase dint gration de donn es : ETL . . . . . . . . . . . . . . . . . . . . . . 45
4.5.1 Extraction des donn es . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.5.2 Transformation des donn es . . . . . . . . . . . . . . . . . . . . . . . 47
4.5.3 Chargement des donn es . . . . . . . . . . . . . . . . . . . . . . . . . 48
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.6.1 Choix de graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
. . . . . . . . . . . . . . . . . . . . 55
4.6.2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Pr sentation de quelques rapports
.
4.6 La phase de reporting .
4.7 Conclusion . .
. .
.
.
.
.
.
.
.
.
.
.
5.1
.
Introduction .
5.2 Backlog de sprint
5.3 Publication des rapports sur power BI
5 Sprint 3 : Publication et Actualisation des donn es
.
.
58
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
. . . . . . . . . . . . . . . . . . . . . . 59
5.3.1 Afchage web .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.3.2 Afchage mobile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.4 Actualisation des donn es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.4.1 La pr paration de lespace de travail . . . . . . . . . . . . . . . . . . . 61
5.4.2 La planication de lactualisation . . . . . . . . . . . . . . . . . . . . 64
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.5 Conclusion . .
. .
.
.
.
vi
.
.
.
.
.
.
6.1
.
Introduction .
6.2 Conception d taill e
6 Am lioration : Cr ation site web de consultation
.
66
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
.
6.2.1 Diagramme de cas dutilisation . . . . . . . . . . . . . . . . . . . . . 66
6.2.2 Diagramme dactivit . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.3.1 Outils de d veloppement . . . . . . . . . . . . . . . . . . . . . . . . . 69
Publication des rapports sur le site web . . . . . . . . . . . . . . . . . 70
6.3.2
6.4 Visualisation du site web . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
6.5 Conclusion . .
6.3 R alisation du site web .
. .
.
.
.
.
Conclusion
75
Publicité
vii
Table des gures
1.1 Organigramme de la soci t STAR . . . . . . . . . . . . . . . . . . . . . . . .
5
8
1.2 Repr sentation graphique de la solution propos e . . . . . . . . . . . . . . . .
1.3 Cycle de vie de la m thode scrum BI [1] . . . . . . . . . . . . . . . . . . . . . 10
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
.
2.1 Backlog de produit
2.2 tude approximative des indicateurs de performance
. . . . . . . . . . . . . . 15
2.3 Conception globale de lentrep t de donn es . . . . . . . . . . . . . . . . . . . 17
2.4 Architecture des services Power BI [2] . . . . . . . . . . . . . . . . . . . . . . 21
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1 Backlog de sprint 1 .
3.2 Fait Production .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
.
3.3 Conception d taill e du Data mart "Production" . . . . . . . . . . . . . . . . . 24
3.4 Sch ma relationnel approximatif de la source de donn es pour le volet produc-
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
tion .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5 Sch ma dextraction de donn es relatives la dimension acte comptable . . . . 27
. . . . . . . . 27
3.6 Sch ma dextraction de donn es relatives la dimension contrat
3.7 Sch ma dextraction de donn es relatives la table de fait "Production"
. . . . 28
Ic ne du composant tOracleInput . . . . . . . . . . . . . . . . . . . . . . . . 28
3.8
3.9 R glage du composant tOracleInput et le composant de jointure entre les com-
.
.
posants Main Row .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.10 Ic ne de composant tMap . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.11 Le map diteur du composant tMap . . . . . . . . . . . . . . . . . . . . . . . 30
3.12 Ic ne du composant tFileInputExcel
. . . . . . . . . . . . . . . . . . . . . . 30
3.13 Ic ne du composant tMSSqlSCD . . . . . . . . . . . . . . . . . . . . . . . . 30
3.14 Editeur du composant SCD tMSSqlSCD . . . . . . . . . . . . . . . . . . . . 31
3.15 Sch ma de job dalimentation de la dimension Contrat
. . . . . . . . . . . . . 32
3.16 Sch ma de job dalimentation de la dimension garantie . . . . . . . . . . . . . 32
3.17 Sch ma de job dalimentation de la table de fait production . . . . . . . . . . . 33
3.18 Construction des jobs pour les t ches plani es . . . . . . . . . . . . . . . . . 34
3.19 Cr ation dun dossier des t ches plani es . . . . . . . . . . . . . . . . . . . . 34
3.20 T che plani e de la table de fait production . . . . . . . . . . . . . . . . . . . 35
. . . . . . . . . . . . . . 35
3.21 Liste des t ches plani es du data mart "Production"
viii
. . . . . . . . . . . . . . . . . . . 36
3.22 Connexion la base de donn e SQL Server
3.23 Importation de table des faits ainsi les dimensions associ es . . . . . . . . . . . 37
3.24 Chargement des donn es dans power BI . . . . . . . . . . . . . . . . . . . . . 37
3.25 D tails des affaires nouvelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.26 Situation globale des affaires nouvelles . . . . . . . . . . . . . . . . . . . . . . 40
3.27 Nombre des affaires nouvelles par produit et par risque . . . . . . . . . . . . . 41
. .
. .
. .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.1 Backlog de sprint 2 .
4.2 Fait Sinistre .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
. .
4.3 Sch ma conceptuel du data mart "Sinistre" . . . . . . . . . . . . . . . . . . . . 44
46
4.4 Sch ma relationnel approximatif de la source de donn es pour le volet sinistre
4.5 Requ te dextraction relative la table de fait sinistre . . . . . . . . . . . . . . 47
4.6 Exemple de sch ma de transformation de donn es . . . . . . . . . . . . . . . . 47
4.7 Exemple dapplication du composant tMSSqlSCD . . . . . . . . . . . . . . . . 48
4.8 Sch ma g n ral dun job Talend . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.9
Job dalimentation de la dimension sinistre . . . . . . . . . . . . . . . . . . . . 49
4.10 Script de cr ation de dimension Date . . . . . . . . . . . . . . . . . . . . . . . 50
4.11 Script de chargement de dimension Date . . . . . . . . . . . . . . . . . . . . . 51
4.12 Chargement table de fait "Sinistre" . . . . . . . . . . . . . . . . . . . . . . . . 52
4.13 T che plani du fait sinistre . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.14 Liste des t ches plani es du data mart "Sinistre" . . . . . . . . . . . . . . . . 53
4.15 Importation des donn es dans Power BI
. . . . . . . . . . . . . . . . . . . . . 54
4.16 Exemple de cr ation de mesure . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.17 Rapport des r glements en 2018 . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.18 Rapport sur la situation globale 2017/2018 . . . . . . . . . . . . . . . . . . . . 56
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.19 Rapport Boni Mali
. .
.
. .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.1 Backlog de sprint 3 .
5.2 Proc dure de publication de rapport
. . . . . . . . . . . . . . . . . . . . . . . 59
5.3 Afchage dun rapport dans Power BI Web . . . . . . . . . . . . . . . . . . . 60
5.4 Espace de travail dans Power BI Mobile . . . . . . . . . . . . . . . . . . . . . 60
5.5 Afchage dun rapport dans Power BI Mobile . . . . . . . . . . . . . . . . . . 61
5.6 Connexion la passerelle de donn es
. . . . . . . . . . . . . . . . . . . . . . 62
5.7 Connexion de la source de donn es . . . . . . . . . . . . . . . . . . . . . . . . 63
5.8 Planication de lactualisation . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.9 Statut des donn es lors de lactualisation . . . . . . . . . . . . . . . . . . . . . 65
. . . . . . . . . . . . . . . . . 67
6.1 Diagramme de cas dutilisation des utilisateurs
6.2 Diagramme de cas dutilisation de ladministrateur
. . . . . . . . . . . . . . . 68
6.3 Diagramme dactivit -Authentication . . . . . . . . . . . . . . . . . . . . . . 69
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
.
6.4 Liste des utilisateurs
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.5 Publication dun rapport
6.6 Code incorpor dun rapport
. . . . . . . . . . . . . . . . . . . . . . . . . . . 71
Int gration du code incorpor dans une page web . . . . . . . . . . . . . . . . 72
6.7
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.8 Page Authentication .
ix
. .
6.9 Page daccueil . .
6.10 Afchage du menu .
6.11 Afchage du rapport
. .
. .
.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Publicité
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
x
Table des tables
1.1 tude comparative entre SCRUM BI et GIMSI
. . . . . . . . . . . . . . . . .
9
2.1 Avantages et Inconv nients de Talend Open Studio, SSIS et Pentaho Data Inte-
gration .
.
2.2 Avantages et Inconv nients de BIRT, Pentaho et Power BI
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
. . . . . . . . . . . 20
.
.
.
.
.
.
.
.
3.1 Liste des indicateurs sp ciques au data mart "Production" . . . . . . . . . . . 25
. . . . . . . . . . . . 38
3.2 Liste des mesures sp ciques au data mart "Production"
4.1 Liste des indicateurs sp ciques au fait sinistre . . . . . . . . . . . . . . . . . 45
xi
Introduction
Lapparition de linformatique a facilit tant la gestion des entreprises. Ces derni res ont
commenc s panouir, et ont cumul une quantit norme de donn es. N anmoins, cette
informatique traditionnelle se trouve inefcace vis- -vis du gigantesque volume de donn es
traiter. Avec laccumulation continue de donn es, les entreprises se sont rendues compte
quelles doivent exploiter cette richesse de mani re efcace an de pouvoir d gager de lin-
formation pertinente ce qui permettra dam liorer leurs activit s. Aller chercher de nouvelles
technologies est devenu donc un besoin critique. D s lors, linformatique d cisionnelle sest
bien positionn e sur le march .
En effet, le d cisionnel permet aux analystes de disposer des outils n cessaires pour pou-
voir exploiter les donn es accumul es dune mani re efcace. Il offre des solutions facilitant
aux dirigeants lacc s aux informations pertinentes, ce qui assure une bonne compr hension et
analyse de l tat actuel de lentreprise pour un meilleur pilotage et une bonne prise de d cision.
La Soci t Tunisienne dAssurance et de R assurance (STAR), comme toute autre entre-
prise, g re une quantit norme de donn es. En labsence du d cisionnel, elle se confronte
certaines limites qui affaiblissent son rendement. Cest dans ce cadre que sinscrit notre pro-
jet de n d tudes. Lid e est de concevoir une solution d cisionnelle qui facilite le traitement
de donn es relatives la production et au sinistre et leurs analyses. Ce projet a pour nalit
la g n ration des rapports, dans le but doffrir une vision globale et d taill e sur lactivit de
lentreprise.
Notre projet sera r alis suivant la m thode scrum BI. Il se d compose en cinq chapitres :
Dans le premier chapitre intitul "Cadre g n ral du projet", nous allons pr senter lorganisme
daccueil, puis faire une analyse de lexistant, pour d gager une solution ad quate. Nous d -
nirons aussi la m thode de travail suivie.
Le deuxi me chapitre nomm "Analyse et sp cication des besoins" repr sente le sprint 0.
Il sera consacr lanalyse des exigences fonctionnelles et non fonctionnelles du projet. Nous
pr senterons ensuite la conception globale de lentrep t de donn es ainsi que les outils utilis s
pour laboutissement du projet.
Le troisi me chapitre intitul "Cr ation data mart Production" est le sprint 1 du projet. Il
consiste en lapplication des tapes de construction dun projet BI pour arriver concevoir un
data mart concernant lactivit production, puis g n rer les rapports relatifs cette activit .
2
Le quatri me chapitre intitul "Cr ation data mart Sinitre" repr sente le sprint 2 du projet.
Tout comme le sprint 1, lid e est de r aliser les diff rentes tapes dun projet d cisionnel pour
aboutir la g n ration des rapports relatifs lactivit sinistre.
Le cinqui me chapitre qui repr sente le sprint 3 consiste pr senter la fonctionnalit daf-
chage des rapports dans Power BI, le cheminement de publication de ces derniers ainsi que la
m thode suivie pour lactualisation des donn es.
Le dernier chapitre constitue la phase de cl ture du projet. Il sera consacr la cr ation
dun site web dans lequel seront afch s les rapports g n r s par Power BI.
Finalement, nous terminons par une conclusion g n rale qui r capitulera tout le travail que
nous avons r alis tout au long de ce stage.
3
Chapitre 1
Cadre g n rale du projet
1.1
Introduction
Le but de ce chapitre est de mettre le projet dans son contexte g n ral. Nous commen ons
en premier temps par pr senter la Soci t Tunisienne dAssurance et de R assurance (STAR)
au sein de laquelle sest effectu notre stage de n d tudes. En second temps, nous pr sentons
le contexte de notre projet et la m thode suivie pour aboutir aux r sultats attendus.
1.2 Pr sentation de lorganisme daccueil
1.2.1 Pr sentation
Cest en D cembre 1958 que la Soci t Tunisienne dAssurances et de R assurances STAR
a t fond e. Cest une soci t tunisienne semi- tatique, sp cialis e dans le domaine dassu-
rances et de r assurances. Elle est en partenariat avec la soci t dassurances mutuelle fran aise
"Groupama" depuis 2008. La STAR est consid r e comme un leader sur le march tunisien
dassurances.
La soci t a pour objet lassurance et la r assurance de tous les risques pouvant entra ner
tout dommage, tant corporel que mat riel ou immat riel ainsi que tous les risques de responsa-
bilit civile, professionnelle ou autre. [3]
En effet, la STAR distingue diff rents types dassurances :
Lassurance des dommages qui g re lassurance non vie et les assurances IRDST (In-
cendie, Risques Divers, Sp ciaux, Transport). Elles regroupent les assurances des biens ,
les assurances de responsabilit ...
Lassurance des personnes et lassurance vie regroupent les assurances sant et les
assurances vie (vie, d c s, pargne, retraite. . . ).
Cette distinction entre ces deux diff rents types dassurances se base sur le mode de gestion de
primes. Par contre la r assurance est peu connue sur le plan public . Cest un m canisme qui
permet de transf rer tout ou une partie de risque accept par un assureur vers un r -assureur
an de limiter ses engagements. Elle est pratiquement utilis e dans le cas o vous souscrivez
4
une assurance de bien de grande valeur. Lassureur peut souscrire une r assurance dassurance
an de couvrir le montant des biens assur s. Lassureur estime que les co ts de risque sont tr s
lev s pour lui seul, donc il cherche couvrir une partie de ce risque aupr s dun autre assureur.
1.2.2 Organigramme
Lorganigramme de la STAR est pr sent par la gure 1.1.
FIGURE 1.1 Organigramme de la soci t STAR
1.3 Analyse de lexistant
Avant dentamer tout projet, il faut avoir une id e claire et pr cise sur lexistant. Nous allons
pr senter en premier lieu l tude de lexistant et nous allons faire sa critique par la suite.
1.3.1 tude de lexistant
Actuellement, la STAR est en phase de stabilisation de son syst me dinformation. Les don-
n es sont parpill es sur deux syst mes dinformation (ancien et nouveau) r partis sur plusieurs
serveurs tels que : Oracle, sql server, . . . .
Jusqu pr sent, elle a pu migrer la branche Automobile (qui repr sente 60 % des donn es
de la STAR) vers une base de donn es centralis e g r e par un seul Syst me de Gestion de
Bases de Donn es (SGBD) stock dans sa totalit sur le serveur Oracle. Cette base de donn es
est accessible par toutes les agences et succursales ce qui a permis dall ger un peu lancien
processus de travail.
Dautre part, les branches IRDST sont encore sur lancien syst me, dispers es sur divers sources
de donn es. Ce qui permet de dire que les agences et les succursales nacc dent pas directe-
ment la base de donn es centrale. Ils collectent les donn es li es aux affaires effectu es tout
au long de la journ e et la n de cette derni re le personnel de la direction Syst me et R seau
5
du si ge acc dent aux bases de donn es des agences pour r cup rer toutes les donn es et les
int grer la base de donn es centrale.
Pour le suivi mensuel de lactivit de la STAR, les diff rentes directions (contr le de gestion,
commerciale, comptabilit ..) demandent des extractions et des tables daggr gations de la part
de la structure de Reporting. A partir de ces donn es envoy es, chaque direction prend en
charge la g n ration des rapports et les tableaux de bord laide du logiciel Excel pour arriver
la n den d duire des analyses . Ceux-ci sont partag s par la suite avec la direction g n rale
et les autres structures.
Lactivit de la STAR se subdivise en deux volets : Production et Sinistre.
Le volet de production englobe tout ce qui concerne les primes mises qui repr sentent la
somme des primes encaiss es et arri r es (le revenu de la STAR).
Le volet de sinistre se focalise sur la gestion des dossiers sinistres, les r serves et les r glements.
1.3.2 Critique de lexistant
La STAR est consid r e comme leader sur le march tunisien des assurances. Mais, cette
derni re confronte dans sa d marche de travail actuelle certaines limites. Dans un pareil contexte
la plus simple des op rations danalyse de donn es devient une t che lourde. En effet, le per-
sonnel qui est concern par certaines t ches danalyse de donn es se trouve dans lincapacit
de faire des analyses ables et efcaces pendant une certaine p riode vu la charge du travail et
labsence des moyens consid rable. Les principaux probl mes rencontr s peuvent tre r sum s
comme suit :
-Absence doutil BI : A lheure actuelle, la STAR ne poss de pas un outil BI qui permet la
g n ration des rapports et tableau de bord. Ces derniers sont effectu s dune mani re
fastidieuse avec des requ tes SQL complexes. Les rapports et les tableaux de bord sont
Publicité
g n r s laide de EXCEL par les diff rentes directions.
-Difcult dans l laboration des rapports dactivit : L laboration des rapports dactivit
fait intervenir plusieurs interm diaires. Cest dire qu chaque fois quil est n cessaire
d tablir les rapports dactivit , il faudra proc der lextraction des donn es partir de
plusieurs sources de donn es qui sont r parties sur plusieurs serveurs pour les diriger
vers une structure centralis e.
-Lenteur de la proc dure de Reporting : Le processus de Reporting actuel confronte cer-
taines difcult s. Les d cideurs ont besoin des rapports dans les brefs d lais. Vu la charge
du travail et la lourdeur de la proc dure, ce processus prend plus du temps quil le faut.
-Difcult dans lacc s aux donn es : Comme mentionn dans 1.3.1, la STAR est en phase
de refonte de son syst me dinformation. De ce fait, il existe encore des agences et des
succursales qui nont pas un acc s direct sur la base principale(pour le cas de lIRDST).
Chaque transaction effectu e est stock e sur une base de test sp cique chaque agence.
A la n de chaque journ e toute ces bases sont recueill tes dans le si ge o se produit
leur int gration dans la base centrale. Ce qui rend cette t che lourde.
6
1.4 Pr sentation de la solution propos e
Dans le cadre de lam lioration du processus de Reporting, la STAR tend vers la mise en
place dune application int gr e aidant bien g rer ses donn es. Le projet consiste faire la
construction dun syst me centralis qui offre une vision globale sur lensemble des donn es
do la facilit de g n ration de rapports.
En effet, lobjectif de ce projet est de rem dier aux lacunes de la proc dure actuelle de la
STAR et de mettre en avant les informations cl s qui vont servir lam lioration de lactivit
de lentreprise. Le travail consiste concevoir un entrep t de donn es rassemblant toutes les
donn es relatives toutes les branches dassurances. Lid e est darriver, la n du processus,
de g n rer des rapports de qualit ainsi que la construction dun tableau de bord destin aux
d cideurs pour avoir une vision profonde sur lactivit de lentreprise.
Le but est de faciliter lacc s linformation qui m ne des d cisions innovantes et qui
servent bien am liorer le domaine dactivit . Ce dernier va permettre mieux conna tre et
comprendre l tat de lentreprise.
La solution d crite ci dessus doit permettre de :
(cid:51) Avoir un entrep t de donn es centralis , int gr , non volatile et historis .
(cid:51) Automatiser la mise jour de lentrep t de donn es avec lequel vont r agir les rapports.
(cid:51) Avoir une vision globale sur toutes les informations de lactivit pour la facilit de g n -
ration de rapports par nimporte quel utilisateur mis part ses connaissances en informa-
tique.
(cid:51) Avoir un portail web pour la facilit de consultation des rapports.
7
La solution propos e est sch matis e dans la gure 1.2 .
FIGURE 1.2 Repr sentation graphique de la solution propos e
1.5 M thode de gestion de projet
La gestion de projet a pour objectif dassurer la coordination des acteurs et des t ches. Avant
de commencer la r alisation de notre projet, nous allons traiter et valuer dabord le choix de
la m thode de gestion de projet suivre pour une meilleure gestion du projet.
1.5.1 Choix de la m thode
Pour r ussir un projet d cisionnel dans les d lais d nis en r pondant exactement aux exi-
gences du client, nous devons suivre une bonne m thode de gestion de projet . Il existe plusieurs
m thodes de gestion de projet r pandus de nos jours. Nous allons nous focaliser principalement
sur les deux m thodes GIMSI et SCRUM BI. Nous tudierons chacune de ces m thodes pour
pouvoir en d gager une che comparative nous aidant choisir la m thode la plus appropri e
pour notre projet.
8
La m thode classique GIMSI
La m thode GIMSI est parmi les m thodes les plus utilis es en gestion de projet. Elle est
bas e sur des notions classiques comme le cahier de charge. Cette m thode demande une liste
qui englobe la totalit des exigences fonctionnelles d taill es souhait es pour la r alisation du
projet. Tout doit tre pr vu. Tout changement ou modication impr vus ne seront pas pris en
consid ration.
La m thode agile SCRUM BI
SCRUM BI est une m thode agile d di e la gestion des projets BI. Elle est bas e sur la
notion dit rations(sous forme de sprints quotidiens) pour permettre la livraison des projets BI
dans les brefs d lais avec le moindre co t. SCRUM est fond e sur 3 piliers : la transparence,
linspection ainsi que ladaptation qui permettent de r pondre exactement aux exigences du
client.
Scrum BI VS GIMSI
La table 1.1 pr sente une tude comparative entre les deux m thodes.
Crit re de comparaison
Processus du travail
Implication de l quipe
Contr le du Produit
SCRUM BI
Processus it ratif
Intervention tout le long du
projet
Contr le r gulier
Livraison du produit
Livraison t t
GIMSI
phases s quentielles
Intervention au cours du d -
veloppement
Contr le la n de la r alisa-
tion du produit
Livraison la n de la r ali-
sation
TABLE 1.1 tude comparative entre SCRUM BI et GIMSI
Selon l tude comparative tablie dans le tableau 1.1, nous avons opt pour la m thode agile
scrum BI, puisquelle r pond parfaitement aux besoins de notre projet d cisionnel.
9
1.5.2 Principe de scrum BI
FIGURE 1.3 Cycle de vie de la m thode scrum BI [1]
La gure 1.3 nous montre le sch ma global de la m thode scrum BI. Cette m thode est
bas e sur la notion de sprints qui dure de 7 30 jours chacun. Le Product Owner se r unit avec
l quipe de travail pour planier les t ches g n rales faire ce quon appelle le Backlog du
produit(liste des exigences fonctionnelles du projet) . Ainsi, pour avoir un bon r sultat, il faut
d tailler le processus du d veloppement dans le Backlog de sprints qui est valu tous les jours
(sprint quotidien) par l quipe de travail.
A la n de chaque sprint, toutes les parties prenantes de la m thode se r unissent pour valuer
le travail effectu et planier pour le prochain sprint et ainsi de suite, un ensemble dit rations
jusqu arriver au produit nal qui r pond aux besoins du client.
Tout au long de la p riode, le scrum master suit la m thode de travail an de d tecter, sil yen
a, les obstacles rencontr s.
Scrum BI fait intervenir trois r les principaux :
Le propri taire du produit (Product Owner) : repr sente le client, qui le produit sera li-
vr .
Le maitre Scrum (Scrum master) : repr sente le coach de la m thode. Il permet de faciliter
et veiller au bon d roulement du travail.
Equipe de d veloppement (Development Team) : est constitu e des personnes impliqu es
dans le projet. Ces derni res sont charg es de transformer les besoins d nis par le pro-
duct owner en fonctionnalit s utilisables.
1.5.3 Scrum appliqu e un projet informatique
Scrum est d di e g n ralement au d veloppement des projets informatiques. Suite sa
performance, Scrum est class e parmi les m thodes agiles les plus adopt dans les projets d -
10
cisionnels. Cette m thode est utilis e suivant diff rentes approches applicables sur des projets
pour r ussir leur r partition. Les approches les plus utilis es sont :
Lapproche TOP DOWN
Lapproche BOTTOM UP
SCRUM avec lapproche TOP DOWN (Inmon)
Bill Inmon d clare dans son approche "Le Data Warehouse est un r f rentiel centralis
dentreprise stockant linformation au niveau le plus d taill . Des Data marts mod lis s sous
forme de sch mas en toile sont ensuite cr es partir de ce Data Warehouse " [4]. Cest- -dire
que la conception de data warehouse est une tape primordiale dans un projet d cisionnel.
La r alisation de ce projet suit les tapes suivantes : D s le premier sprint, on commence par
extraire les donn es n cessaires pour la conception de data warehouse. Suite cette conception,
nous pouvons identier les domaines sur lesquels va se baser la cr ation des data mart pour des
ns danalyses et de reporting dans les sprint suivants. Durant tout le temps de la r alisation,
l quipe pr sente au product owner un exemplaire fonctionnel en utilisant des donn es r elles
pour avoir une id e sur son feedback. Cette approche para t la plus facile adapter. Mais elle
est un peu co teuse de point de vue temps et comp tence.
SCRUM avec lapproche BOTTOM UP (Kimball)
Linformaticien Ralph Kimball nonce dans son approche " Le data warehouse peut tre vu
comme lunion des data marts coh rents entre eux gr ce aux dimensions conformes" [4]. Cest
a dire que cette approche est applicable avec la m thode scrum, dont nous allons focaliser pour
chaque sprint un processus m tier. Nous traiterons tout le processus dun projet d cisionnel
(commen ant par lETL jusquau g n ration des rapports). Cette approche met en s ret une
succession des sprints, avec lesquels nous trouvons le m me processus et presque la m me
complexit tout d pend du sujet trait , ce qui permet de donner de bons r sultats aux utilisateurs
naux.
Choix de lapproche adapt avec Scrum
Apr s avoir d ni les diff rentes approches que nous pouvons les adapter avec la m thode
scrum, nous nous sommes orient s vers lapproche BOTTOM UP. Lid e est de cr er des data
marts en premier lieu pour avoir un r sultat livrable sans attendre la conception globale de
lentrep t de don...