Minis tre de lEnseignement Sup rieur Et de la Recherche Scientifique
Universit de Tunis
Institut Sup rieur de Gestion
Conception et Mise en Place des
Tableaux de Bord des March s et des
Segments
Fili re
Licence Appliqu e en Informatique D cisionnelle
Elabor par
Aloui Alaedine
Lazreg Mohamed Amine
Encadr par
Encadrant p dagogique
Mme. Kouki Samia
Encadrant professionnel
Mme. Mlik Imen
Ann e universitaire
2017-2018
D dicace
Ce travail est d di mon p re Lazher, d c d trop t t, qui ma
toujours pouss et motiv dans mes tudes. Jesp re que, du monde
qui est sien maintenant, il appr cie cet humble geste comme preuve
de reconnaissance de la part dun ls qui a toujours pri pour le
salut de son me. Puisse Dieu, le tout puissant, lavoir en sa sainte
mis ricorde !
ma m re Dalanda, qui ma accompagn par son soutien, son
amour, sa tendresse et pour sa pr sence en toute circonstance.Quelle
sache que lamour quelle me donne continue manimer et me
permet denvisager lavenir comme un d .
Je ne saurais oublier de remercier toutes les personnes qui me
sont ch res, en particulier mon fr re Maher et ma soeur Manel et
son poux Ameur.
toute ma grande famille, pour leurs encouragements et leurs
supports.
mon ami " Amine " c tait un grand plaisir de travailler avec
toi.
tous les enseignants de lISG qui mont support .
tous mes amis.
Alaedin
D dicace
Des phrases aussi loquentes soient elles ne sauraient saisir le
mont damour que je peux prouver pour toi. A celle qui me comble
damour. Ma m re
A celui qui a tant attendu les fruits de son ducation. Mon p re
A celui qui ne cesse de me guider vers le droit chemin, tes conseils
prodigu s mont t dune bienfaisance extr me. Mon fr re ain
Omar
A toute ma famille, mes oncles et tantes, cousins et cousines :
Merci davoir toujours su me pousser donner le meilleur de moi-
m me. Merci pour l lan chaleureux.
A ma condente et ma meilleure amie qui na cess de m pauler
et de me soutenir. Maryem
A mon ami " Aladin " : ce fut un r el plaisir de travailler avec
toi. Merci pour ton d vouement, ton implication et ta volont .
A tous mes amis.
A tous ceux et celles qui mont enseign et mont fait part de
leurs savoirs.
A tous ceux qui mont souhait " bon courage " : Merci, cette
bouff e d nergie me ressource pour donner le meilleur de moi-
m me.
Mohamed Amine
Remerciements
Au terme de ce projet, nous d sirons adresser nos sinc res remerciements ceux qui
nous ont donn leur soutien et qui ont concouru la r ussite de notre travail. Cest ainsi
que nous gardons ces quelques lignes re tant notre profonde gratitude.
Tout dabord, nous tenons remercier inniment notre encadrante et professeur, Mme.
Samia KOUKI, pour sa continuelle disponibilit , ses pr cieux conseils, ses eorts et pour
laccueil chaleureux quelle nous a toujours r serv .
Nous adressons nos remerciements galement toute l quipe de la direction marketing
et d veloppement digital pour leur esprit d quipe et en particulier Mme. Imen MLIK,
notre encadrante professionnelle pour son suivi et son encouragement, qui, gr ce sa
conance nous sommes parvenu accomplir totalement notre mission, et Mlle. Souad
OUERTANI pour tout le temps quelle nous a consacr et le partage quotidien de son
expertise.
En tout honneur, nous sollicitons les membres du jury de trouver ici lexpression de nos
vifs remerciements pour lint r t port l gard de ce projet en acceptant de lexaminer
mais aussi de l valuer.
Nos derniers remerciements, iront nos parents, nos amis et notre grande famille pour
leur soutien continu tout au long de notre cursus universitaire
Table des mati res
Introduction g n rale
1 Pr sentation G n rale
1.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Pr sentation du secteur Bancaire
. . . . . . . . . . . . . . . . . . . . . . .
1.3 Pr sentation de lorganisme daccueil
. . . . . . . . . . . . . . . . . . . . .
1.4 Organigramme
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Pr sentation de l quipe de travail . . . . . . . . . . . . . . . . . . . . . . .
1.6 Linformatique D cisionnelle . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.1 D nition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.2 Les phases dun projet D cisionnel
. . . . . . . . . . . . . . . . . .
1.7 Entrep t de donn e ou DataWarehouse . . . . . . . . . . . . . . . . . . . .
1.7.1 D nition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7.2 Caract ristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8 Les Tableaux de Bord . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8.1 Les fonctions des tableaux de bord . . . . . . . . . . . . . . . . . .
1.8.2 Les qualit s du tableau de bord . . . . . . . . . . . . . . . . . . . .
1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Cadre du projet
2.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Pr sentation du projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3 Analyse de lexistant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1 Existant actuel
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
3
3
3
3
4
5
5
5
5
6
6
6
7
7
8
8
9
9
9
9
9
2.3.2 Critique de lexistant . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.3
Solution propos
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4 M thodologie de travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.1 M thodologie Ralph Kimball . . . . . . . . . . . . . . . . . . . . . .
2.5 Sp cication des besoins . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.1 Besoins fonctionnels
. . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.2 Besoins non fonctionnels . . . . . . . . . . . . . . . . . . . . . . . .
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3 Sp cication et analyse du Data Warehouse
3.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Mod lisation de lentrep t de donn e . . . . . . . . . . . . . . . . . . . . .
3.2.1 Mod lisation multidimensionnelle . . . . . . . . . . . . . . . . . . .
Publicité
3.2.2 Repr sentation et explication du Data Warehouse . . . . . . . . . .
3.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4 R alisation
4.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Environnement de d veloppement mat riel Requis . . . . . . . . . . . . . .
4.2.1 Environnement de d veloppement logiciel . . . . . . . . . . . . . . .
4.2.2 Comparaison des outils de visualisation et danalyse de donn es
. .
4.2.3 Crit re de choix de loutil
. . . . . . . . . . . . . . . . . . . . . . .
4.2.4 Technologie utilis e
. . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Gestion de projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4
Impl mentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.1 Phase de pr paration et nettoyage de donn e . . . . . . . . . . . . .
4.4.2 Phase de restitution de donn es . . . . . . . . . . . . . . . . . . . .
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Conclusion g n rale
10
10
10
11
13
13
15
15
16
16
16
16
19
25
26
26
26
27
27
30
31
31
32
32
37
46
46
Table des gures
1.1 Organigramme de la BIAT . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Architecture du syst me dinformation d cisionnel . . . . . . . . . . . . . .
1.3 Les fonctions du tableau de bord . . . . . . . . . . . . . . . . . . . . . . .
4
6
8
2.1 Cycle de vie de lapproche Bottom Up . . . . . . . . . . . . . . . . . . . .
12
3.1 Exemple dun mod le en toile . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Exemple dun mod le en ocon de neige
. . . . . . . . . . . . . . . . . . .
3.3 Mod lisation initiale de lentrep t de donn es
. . . . . . . . . . . . . . . .
3.4 Mod lisation nale de lentrep t de donn es
. . . . . . . . . . . . . . . . .
3.5 Mod le en ocon de neige du volet client . . . . . . . . . . . . . . . . . . .
3.6 Mod le en ocon de neige du volet d p ts bancaires
. . . . . . . . . . . .
3.7 Mod le en ocon de neige du volet placement
. . . . . . . . . . . . . . . .
3.8 Mod le en ocon de neige du volet cr dit
. . . . . . . . . . . . . . . . . .
3.9 Mod le en ocon de neige du volet pack . . . . . . . . . . . . . . . . . . .
4.1 Logo QlikView . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Logo Tableau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Logo Jaspersoft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4 Logo Power BI
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5 Architecture de QlikView . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6 Diagramme de Gantt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.7 Feuille du volet client . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.8 Tableau client . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.9 Tableau march client
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
18
19
20
21
22
23
24
25
27
28
29
30
31
32
33
33
34
4.10 Script de calcul de dimension TYPE_AGENCE . . . . . . . . . . . . . . .
4.11 Tableau placement
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.12 Tableau placement par agence . . . . . . . . . . . . . . . . . . . . . . . . .
4.13 Partie 1 du script de lexport
. . . . . . . . . . . . . . . . . . . . . . . . .
4.14 Partie 2 du script de lexport
. . . . . . . . . . . . . . . . . . . . . . . . .
4.15 Partie 3 du script de lexport
. . . . . . . . . . . . . . . . . . . . . . . . .
4.16 Page daccueil de lapplication . . . . . . . . . . . . . . . . . . . . . . . . .
4.17 Tableau de bord pour le suivi du capital client (1) . . . . . . . . . . . . . .
4.18 Tableau de bord pour le suivi du capital client (2) . . . . . . . . . . . . . .
4.19 Tableau de bord pour le suivi du capital client (3) . . . . . . . . . . . . . .
4.20 Tableau de bord pour le suivi des cr dits (1) . . . . . . . . . . . . . . . . .
4.21 Tableau de bord pour le suivi des cr dits (2) . . . . . . . . . . . . . . . . .
4.22 Tableau de bord pour le suivi des cr dits (3) . . . . . . . . . . . . . . . . .
4.23 Tableau de bord pour le suivi des cr dits (4) . . . . . . . . . . . . . . . . .
4.24 Tableau de bord pour le suivi des cr dits (5) . . . . . . . . . . . . . . . . .
4.25 Tableau de bord pour le suivi des cr dits (6) . . . . . . . . . . . . . . . . .
4.26 Tableau de bord pour le suivi des placements (1)
. . . . . . . . . . . . . .
4.27 Tableau de bord pour le suivi des placements (2)
. . . . . . . . . . . . . .
4.28 Tableau de bord pour le suivi des placements (3)
. . . . . . . . . . . . . .
4.29 Tableau de bord pour le suivi des placements (4)
. . . . . . . . . . . . . .
4.30 Tableau de bord pour le suivi des placements (5)
. . . . . . . . . . . . . .
34
35
35
36
36
37
37
38
39
39
40
41
41
42
42
43
44
Publicité
44
45
45
46
Liste des tableaux
2.1 Tableau comparative des deux approches . . . . . . . . . . . . . . . . . . .
11
3.1 Tableau des dimensions partag es . . . . . . . . . . . . . . . . . . . . . . .
20
4.1 Conguration mat rielle . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
Introduction G n rale
Face lintensication des documents lectroniques et laccroissement du travail colla-
boratif, la mise en place dune gestion des ux de donn es dans les syst mes dinformation
est devenue incontournable.
La r ussite dun projet but r mun rateur, d bute par assurer le sens de lorganisa-
tion, de la gestion intelligente, et surtout assurer une strat gie de ma trise qui permet de
pr senter tout moment des informations synth tiques et op rationnelles. Ces informa-
tions occupent une place importante au sein dune entreprise qui vise lam lioration de sa
production, la garantie de la qualit de ses produits et la stabilit de la performance de ses
activit s.
Dans un monde concurrentiel o linnovation se d marque, et face aux puissances de
traitement, la vari t des tableaux de bord, et autres exploits, il est indispensable pour
chaque entreprise de poss der un ensemble doutils d cisionnels qui assurent la collecte, la
normalisation et lanalyse des donn es.
Cest dans ce contexte quintervient la Business Intelligence, ce concept permet le suivie,
la compr hension et le pilotage des informations essentielles aux activit s des entreprises
vu la force quil dispose dans linterpr tation des donn es vari es en temps r el. Cela assure
aux entreprises un gain du temps au cours du traitement de donn es.
Linformatique d cisionnelle occupe, depuis d j des ann es, le sommet dans la liste
des priorit s des entreprises vu que les approches classiques se r v lent impuissantes face
la masse de donn es parses et multiformes. Cest dailleurs dans ce cadre que sinscrit
notre projet au sein de la banque Internationale Arabe de Tunisie BIAT , qui souhaite
se doter dune application d cisionnelle permettant la collecte et le traitement des donn es
produites par la banque dans le but de g n rer des tableaux de bord qui assurent une vision
globale sur le volet commercial de la banque pour une meilleure prise de d cision.
Notre travail comporte lextraction, le chargement et la restitution des donn es des op -
rations par agence, zone et r gion qui concernent la direction marketing et d veloppement
digital dont le but de contr ler lactivit commerciale, envisager les intentions futures et
encercler les d s du march .
1
An de conc der une vision totale et assez d taill e, dans ce pr sent rapport, nous
avons organis les chapitres de la sorte : Le premier chapitre consiste mettre le projet
dans son cadre, nous allons introduire le secteur bancaire pour ensuite pr senter lorganisme
daccueil, le d partement marketing et d veloppement digital et nir par la r alisation dune
tude th orique. Le deuxi me chapitre pr sente le projet dune fa on g n rale, lanalyse de
lexistant, lapproche de travail, les besoins fonctionnels et les besoins non fonctionnels et la
solution propos e nous permettant dachever le but de notre projet. Le troisi me chapitre
se focalise sur la structure et la sp cication de la data Warehouse et les dimensions utilis s.
Finalement, les r alisations feront lobjet du quatri me chapitre qui illustrera un aper u
sur nos r sultats.
2
Chapitre 1
Pr sentation G n rale
1.1 Introduction
La pr sentation de lenvironnement g n ral du projet a pour r le de le mettre dans son
cadre organisationnel. Ce chapitre introduit donc lorganisme daccueil et l tat de lart.
1.2 Pr sentation du secteur Bancaire
Le secteur bancaire a v cu des mutations profondes qui ont aect lensemble de la
sph re nanci re. Pour cela , le syst me bancaire tunisien, qui est compos essentiellement
de la banque centrale, des tablissements de cr dit, des banques de d veloppement et des
banques o-shore, na cess de progresser an de pouvoir sadapter aux changements de
lenvironnement et ce, en passant par la r forme la red nition de la profession bancaire,
des march s de capitaux et la restructuration des banques visant consolider le secteur,
am liorer la qualit des actifs, mais galement faire face la baisse des taux et la faiblesse
de lactivit conomique.
1.3 Pr sentation de lorganisme daccueil
La Banque Internationale arabe de Tunisie (BIAT) fond e en 1976 est une banque
tunisienne de secteur priv . tant donn une banque commerciale, son activit se base sur
une gamme diversi e de produits la fois innovante et compl te, et ce, via une force de
vente ecace, bas e sur un concept volu de merchandising de ses points de vente. La BIAT
occupe le sommet des banques commerciales priv es de la place, et globalement la troisi me
aupr s des banques publiques comme elle domine presque 15 % du march nancier.[1]
3
CHAPITRE 1. PR SENTATION G N RALE
1.4 Organigramme
Le p le banque de d tail, d signe la structure de la banque qui est charg e de la gestion
des march s PP (Petit Porteur) et PME (Petite et Moyenne Entreprises) travers le r seau
dagence.
Elle est organis e de la fa on suivante :
-Structure r gionale :
- 4 directions de r gions.
- 11 zones (202 Agences).
-Structure centrale : 5 directions
Figure 1.1 Organigramme de la BIAT
[2]
4
CHAPITRE 1. PR SENTATION G N RALE
1.5 Pr sentation de l quipe de travail
Notre stage a t eectu dans la direction marketing et d veloppement digital dont les
principales activit s sont :
- Veille concurrentielle,technologique et strat gique.
- Mise jour et gestion de la base de donn e client.
- Segmentation client.
- Mise en Suvre dune strat gie marketing ecace.
- Suivi des clients et des produits de la BIAT.
1.6 Linformatique D cisionnelle
1.6.1 D nition
La BI (Business Intelligence) ou linformatique d cisionnelle est une volution techno-
logique qui assure lanalyse des donn es an de pr senter des informations exploitables par
des dirigeants et des d cideurs dentreprises, dans le but de faciliter la prise de d cision.
1.6.2 Les phases dun projet D cisionnel
Un projet de mise en place dun syst me d cisionnel comporte 4 phases :
a. La phase dalimentation
Cette phase pr sente des processus ETL (Extract Transform Load) qui se chargeront de la
r cup ration de toutes les donn es importantes depuis diverses sources de stockage.
b. La phase de mod lisation
Cette phase est d di e au stockage des donn es sous une forme ad quate pour tre analy-
s es ult rieurement. Elle comprend particuli rement lentrep t de donn es (datawarehouse)
charg de rassembler les donn es. Elle fait galement intervenir les notions de datamarts
et de cubes n cessaires pour atteindre les attentes m tiers.
c. La phase de restitution
Cette phase se pr occupe de la restitution des donn es sous forme de tableaux de bord,
reporting, navigation dans des cubes et des outils orient s statistique.
5
CHAPITRE 1. PR SENTATION G N RALE
d. La phase danalyse
Cest dans cette phase nale que les utilisateurs prennent part et analysent les informations
fournies. Elle peut galement faire intervenir des sp cialistes pour pr lever des estimations
futures ou des pr visions, on parle aussi de lexploration de donn es ou datamining.
Figure 1.2 Architecture du syst me dinformation d cisionnel
[3]
1.7 Entrep t de donn e ou DataWarehouse
1.7.1 D nition
Le Data Warehouse ou entrep t de donn es, est une vision universelle et centralis e
de toutes les donn es de lentreprise. Cest une disposition qui vise rassembler les in-
formations de lentreprise pour des buts analytiques et pour aider la prise de d cision
strat gique, contrairement aux bases de donn es.
1.7.2 Caract ristiques
a. Orient sujet :Lorganisation des donn es se fait par th me. Les donn es sp ci-
ques un th me, comme les ventes par exemple, sont dabord extraites des di -
rentes bases OLTP (Online Transaction processing), et par la suite regroup es.
b. Int gr :Lint gration les donn es provenant de di rentes sources utilisant des
types de format vari s. Ces donn es seront int gr es avant quelles soient propos es
utilisation.
6
CHAPITRE 1. PR SENTATION G N RALE
c. Non volatile :Les donn es ne subissent pas de mutation au cours des traitements
et au l du temps.
d. Historis :Le Data Warehouse nous permet de visualiser l volution dune va-
leur donn e dans le temps. Larchivage d pend de la nature des donn es, sachant
quaucune dentre elles ne m rite d tre archiv .
1.8 Les Tableaux de Bord
Un tableau de bord est un outil de mesure de performance simpliant le pilotage dune
ou quelques activit s dans le contexte dune approche qui vise le progr s. Le tableau de
bord participe diminuer lambigu t et simplie la prise de risque essentielle toutes
d cisions.
Notre projet a comme objectif dins rer cet outil dans le but de mesurer lecacit et
dam lioration du syst me de prise de d cision dans le secteur de marketing en assurant
un suivi continu des clients et de la totalit des produits et les prestations oerts par la
BIAT.
1.8.1 Les fonctions des tableaux de bord
Publicité
Les tableaux de bord jouent un r le essentiel dans le suivi des performances de lorga-
nisation. Ils remplissent plusieurs fonctions.
1. Responsabilisation : Implication des quipes dans lidentication, la r alisation
et le suivi des performances.
2. Communication : R f rentiel commun pour les quipes, vision coh rente et par-
tag e.
3. Mesure du progr s : Information sur le degr de r alisation des objectifs, mise en
vidence des carts entre pr visions (objectifs) et r alisations gr ce aux indicateurs
de performance
4. Anticipation : Alertes d s lors quune tendance met en vidence un risque ou un
probl me
5. Aide la d cision : Diagnostic de la situation et analyse de linformation pour
faire des choix pertinents.
7
CHAPITRE 1. PR SENTATION G N RALE
1.8.2 Les qualit s du tableau de bord
Pour remplir son r le correctement, Le TB (tableaux de bord) doit r pondre certains
crit res de qualit .
1. Exhaustivit : Le TB doit contenir toutes les informations qui aident la d cision.
2. Simplicit : Le TB ne doit contenir que les informations pour laide la d cision.
Les informations cl s sont agr g es pour tre signicatives et focalis es sur lessentiel.
3. Pertinence : Le TB re te les enjeux de lorganisation en mesurant le niveau
datteinte des objectifs.
4. Actualisation : Le TB tablit des mesures en temps r el pour que la prise de
d cision se fasse en temps r el.
5. Accessibilit : Chaque d cideur peut acc der facilement aux donn es du syst me
dinformation dont il a besoin.
6. Lisibilit : Les donn es contenues dans le TB sont facilement compr hensibles.
Figure 1.3 Les fonctions du tableau de bord
[4]
1.9 Conclusion
Suite la pr sentation de lorganisme daccueil de la BIAT et linformatique d cision-
nelle, nous allons d nir dans le chapitre suivant le cadre du projet, lapproche de travail,
la probl matique et la solution propos e.
8
Chapitre 2
Cadre du projet
2.1 Introduction
Dans cette partie nous allons pr senter lanalyse de lexistant, la probl matique du
projet, les besoins fonctionnels et non fonctionnels du projet et la m thodologie du travail
que nous avons suivie. Lobjectif essentiel de ce deuxi me chapitre est la familiarisation
avec les grands axes du projet et lorganisation du travail.
2.2 Pr sentation du projet
La business intelligence est d sormais le moyen le plus b n ciaire des entreprises pour
consolider leurs positions dans le secteur concurrentiel, pour cela la BIAT via sa direction
Marketing et D veloppement Digital d sire employer une application daide la d cision qui
permet de faciliter lavancement du projet vision360 travers la g n ration des rapports
et des tableaux de bord dont la direction Marketing a besoin pour le d veloppement des
instruments commerciaux et claircir la vision sur les clients.
2.3 Analyse de lexistant
2.3.1 Existant actuel
Le march du marketing a beaucoup progress depuis ces derni res ann es. Auparavant
centr sur le produit, le marketing est pr sent centr sur le client ce qui a dirig la
direction marketing et d veloppement digital a constater une carence de connaissance sur
les client et de suivi des produits. Certes les outils de suivi employ s par la banque sont
9
CHAPITRE 2. CADRE DU PROJET
satisfaisants mais dun autre c t ces outils pr sentent plusieurs d ciences.
2.3.2 Critique de lexistant
Il existe plusieurs insusances dans les outils danalyse utilis s par la BIAT :
Base de donn e non op rationnelle
Absence de quelques indicateurs pertinents
Absence dun reporting synth tique
2.3.3 Solution propos
Le d cideur doit avoir toujours les outils et les moyens qui facilitent la meilleure prise
de d cision, pour cette raison une cr ation de tableau de bord de pilotage strat gique et
un reporting synth tique doit avoir lieu.
La r alisation des tableaux de bord, des rapports interactifs et des indicateurs de perfor-
mance permettant la facilitation des t ches des responsables march et segment quant au
suivi des objectifs par rapport lavancement du projet, do la baisse du risque derreur
et le taux dincertitude dans la prise de d cision.
2.4 M thodologie de travail
Un projet professionnel a besoin dune approche claire et bien structur e. Cette ap-
proche reste essentielle pas uniquement pour organiser le travail mais aussi reconna tre les
di rents chelons et objectifs an de mener bien le projet tout en respectant les bonnes
pratiques.
Depuis bien longtemps, les deux p res de linformatique d cisionnelle ont propos deux
approches de travail de Data Warehouse :
Bottom Up : Ralph Kimball
Top Down : Bill Inmon
Approche Bottom Up
Que chacun construise ce quil veut, on int grera ce quil faudra quand il faudra ! Ralph
Kimball
Cest lapproche inverse que lapproche Top Down, elle a pour objectif de fabriquer des
petites data marts qui fournissent des r ponses des n cessit s extr mement particulier et
ensuite associer les data marts tous ensembles pour fabriquer le Data Warehouse.[5]
10
CHAPITRE 2. CADRE DU PROJET
Approche Top Down
On ne fait rien tant que tout nest pas d sign , le Data Warehouse doit tre exhaustif !
Bill Inmon
Cest lapproche la plus pesante, la plus contraignante et la plus compl te. Elle a pour ob-
jectif de concevoir tout lentrep t (cest- -dire toutes les Data Marts). Dune autre mani re
laborer un data Warehouse qui r pond aux besoins de toute lentreprise.[6]
Ce tableau pr sente une comparaison entre les deux approches :
Caract ristiques
Objectifs
Importance de la
conception
phy-
sique
Orientation du mo-
d le
Accessibilit
utilisateurs naux
aux
Bottom Up(Ralph Kimball)
Livrer une solution permettant
aux utilisateurs davoir ais ment
et rapidement des r ponses
leurs requ tes danalyse.
Peu importante
Top Down(Bill Inmon)
Livrer une solution
technologiquement valide fond e
sur des m thodes et technologie
prouv es des bases de donn es
Importante
Orient es processus daaires
Orient es donn es
Forte
Faible
Table 2.1 Tableau comparative des deux approches
2.4.1 M thodologie Ralph Kimball
En se basant sur les besoins et les obligations fonctionnelles et op rationnelles et l tude
comparative entre les deux m thodologies, nous avons choisi de travailler avec lapproche
introduite par Ralph Kimball qui propose un processus complet r p t pour chaque nou-
veau datamart r clam e par les utilisateurs.
11
CHAPITRE 2. CADRE DU PROJET
Figure 2.1 Cycle de vie de lapproche Bottom Up
[7]
Les phases de cette m thodologie sont :
1.Planication du projet
" La planication du projet a une grande inuence sur la d nition du projet.
" Elle d pend des besoins, comme expliqu par la che double sens reliant ces
deux tapes.
2.D nition des besoins de lentreprise
" Saisir les facteurs cl s qui conduisent lentreprise d terminer ses besoins.
" Les traduire en facteur pour les int grer lors de lapproche de conception.
3. D nition de larchitecture technique
" D nition des outils et les technologies utilis s pour le d veloppement.
" Proposer une vision globale de larchitecture technique appliquer.
4. S lection et installation des outils
" En se reposant sur larchitecture technique, et en r pondant aux besoins du projet
nous avons choisi d tablir loutil avec lequel nous allons travailler.
5. Mod lisation des donn es
Publicité
" D terminer la m thodologie s lectionn e et les di rents mod les.
" Concevoir le mod le multidimensionnel et identier les tables des faits et les di-
mensions.
" D nition des mesures.
6. D veloppement des l ments de la zone de pr paration de donn es
" Pr paration de la table de fait et des dimensions.
12
CHAPITRE 2. CADRE DU PROJET
" D nition de la phase dETL.
7. Conception du mod le physique
" La conception physique comprend la d nition du mod le labor .
8. Conception de lapplication
" Pr paration des maquettes qui seront laborer par la suite.
9. D veloppement de lapplication utilisateur
" Apr s avoir eectu la mod lisation et les phases de lETL nous laborons nos
tableaux de bords.
10. D ploiement
" Convergence de la technologie utilis e et des donn es.
" Planication des formations des utilisateurs et mettre un processus de communi-
cation.
11. Croissance et Maintenance
" Assurer loptimalit du fonctionnement du syst me et pr voir linsertion de nou-
velles fonctionnalit s.
12. Gestion du projet
" Assurer le bon d roulement du projet.
" Contr ler l tat davancement du projet.
" D tecter et r soudre les probl mes.
2.5 Sp cication des besoins
2.5.1 Besoins fonctionnels
Etant la premi re phase dans le cycle de d veloppement du projet, cette phase est la
plus importante. En eet, cest au cours de celle-ci que les besoins des utilisateurs sont d ter-
min s et pr cis s. Ces besoins consistent comprendre le contexte du syst me et identier
les fonctionnalit s et les acteurs les plus pertinents. Donc notre solution propos e va se
concentrer sur ces tudes :
" Int gration des donn es :
Avec la plateforme QlikView, partir des sources de donn es fournies par la BIAT,
nous allons cr er un mod le dimensionnel qui va permettre au client davoir une nouvelle
construction de ses donn es suivant ses besoins. QlikView peut sint grer avec tout type de
donn es fournies par la BIAT.
" R alisation des tableaux de bord :
Apr s avoir r alis le datamart contenant toutes les donn es n cessaires, nous pouvons
passer l tape de restitution, apr s lexploitation des donn es stock es nous allons avoir
13
CHAPITRE 2. CADRE DU PROJET
des tableaux de bord de pilotage strat gique couvrant plusieurs axes danalyses.
Notre Solution a pour but de faire proter son utilisateur de lensemble de ces volets
d tude, en se basant sur ces di rents indicateurs de performance :
Suivi du capital client :
"Suivi de la r partition des clients
" Suivi de l volution du capital client par ann e.
" Suivre la r partition des conqu tes et des attritions.
" Suivi du taux de conqu te et attrition par ann e.
" Suivi des mouvements mensuel moyen des clients.
Suivi des d p ts et des comptes :
" Suivi du stock comptes
" Suivre la vente des comptes (nombre et volume).
" Suivi des d p ts moyens et les eorts de collecte.
" Top 20 des ventes de compte.
Suivi des placements :
" Suivi du stock de contrat de placement.
" Suivi de la vente des contrats de placement.
" Suivi des placements choir.
" Top 20 des ventes de contrat de placement.
Suivi des cr dits :
" Suivi du nombre de cr dits.
" Suivi de la production cr dit (montant et nombre).
" Suivi des encours cr dits.
" Suivi des cr dits moyens.
" Suivi des cr dits choir.
" Suivi des cr dits conventionn s.
" Top 20 des ventes de cr dit.
Suivi des packs :
" Suivi du stock pack.
" Suivi de la vente des packs.
" Suivi des packs cl tur s.
" Top 20 des ventes de pack.
14
CHAPITRE 2. CADRE DU PROJET
2.5.2 Besoins non fonctionnels
Toutes les applications daide la prendre en consid ration les besoins non fonctionnels
et leurs tests :
S curit : De nos jours la s curit des syst mes dinformation demeure une chose
indispensable pour le bon fonctionnement et la abilit de ce dernier, ce qui a men les
entreprises cr er des m thodes dauthentication, la gestion des utilisateurs et des privi-
l ges.
Qualit : Facilitation de lacc s aux donn es et de la diusion de linformation, abilit
et tra abilit des donn es et interaction homme-machine la plus intuitive possible.
Simplicit :Vu que parmi les utilisateurs de lapplication, il existe ceux qui nont
pas n cessairement de grandes connaissances dans le domaine de linformatique, les fonc-
tionnalit s de la solution doivent tre compr hensibles et simples manipuler. En eet, la
navigation travers les di rentes rubriques doit tre con ue de mani re ce que lutilisateur
sy retrouve ais ment.
Ergonomie : Lergonomie et la facilit de lutilisation sont les choses qui attirent le
plus lutilisateur, pour cela linterface de lapplication doit tre conviviale.
Performance : Lapplication doit r pondre toutes les exigences des utilisateurs dune
mani re optimale. La performance de lapplication se traduit par un temps dacc s all g
aux di rentes fonctionnalit s, un temps dacc s aux donn es acceptable vu la manipulation
dun Datamart relativement important.
2.6 Conclusion
Durant ce chapitre nous avons commenc par l tude de lexistant, puis nous avons
pr sent lapproche de travail de notre projet et nalement nous avons pr cis les di -
rents besoins fonctionnels et non fonctionnels du projet. Dans le chapitre qui suit nous
pr senterons lanalyse et la sp cication de notre entrep t de donn es.
15
Chapitre 3
Sp cication et analyse du Data
Warehouse
3.1 Introduction
Apr s avoir extrait les conditions que doit satisfaire loutil utilis dans l tape didenti-
cation des besoins, nous allons nous concentrer sur la sp cication et lanalyse de lentrep t
de donn es en se r f rant la m thode de Ralph Kimball.
3.2 Mod lisation de lentrep t de donn e
3.2.1 Mod lisation multidimensionnelle
Pour m moire, il existe trois formes normales principales d nomm es 1FN, 2FN, 3FN.
Les trois formes normales assurent latomisation entit , propri t s, relation et la pertinence
du sch ma relationnel. Le Data Warehouse na pas les m mes exigences ni la m me utili-
sation.
Les mod les de conception sont totalement di rents. Ils sont d normalis s par d nition.
Nous retenons deux principaux sch mas : le sch ma en toile (Star Schema) et le sch ma
en ocon (Snowake Schema).
16
CHAPITRE 3. SP CIFICATION ET ANALYSE DU DATA WAREHOUSE
(cid:73) Sch ma en toile :
Le sch ma en toile pr sente une table de fait centrale et des dimensions qui nont pas
de liaison entre elles,il permet une conomie de jointures linterrogation, ce qui le rend
optimis et simple pour les requ tes danalyse.
Figure 3.1 Exemple dun mod le en toile
[8]
17
CHAPITRE 3. SP CIFICATION ET ANALYSE DU DATA WAREHOUSE
(cid:73) Sch ma en ocon de neige :
Le mod le en ocon de neige est une fusion de plusieurs mod les en toile qui utilisent
des dimensions commune, il est compos de plusieurs tables de fait et tables de dimensions.
Figure 3.2 Exemple dun mod le en ocon de neige
[9]
Au niveau du Data Warehouse, pour arriver lexploitation facile des donn es, nous
devons classier par sujet fonctionnel pr f rablement que par application.
Cest une m thode de mod lisation logique qui a pour but de pr senter les donn es sous
une forme standardis e et qui permet des acc s tr s performants. La mod lisation multi-
dimensionnelle se base sur deux concepts savoir les faits et les dimensions.
Le Data Warehouse de notre solution est form dun groupe de Datamarts, o lint gration
des donn es est assur e par les dimensions partag es entre les magasins de donn e.
18
CHAPITRE 3. SP CIFICATION ET ANALYSE DU DATA WAREHOUSE
Finalement dapr s lapproche de Ralph Kimball la conception de notre Data Warehou...