D dicaces
Je d die ce modeste projet de fin d' tude
Mes chers parents, mon soutien moral, mes sources de joie et bonheurs merci
pour lamour et la tendresse dont vous mavez toujours prodigu qui me
permet d'envisager l'avenir comme un d fi. Merci d tre toujours l pour moi,
merci d tre tout simplement mes parents.
Ma sSur Asma
Mon me ternelle, que jaime beaucoup, qui ma soutenue toujours, je te
souhaite une vie pleine de bonheur et de succ s.
Ma ch re Bin me Malek
Merci pour votre soutien et encouragement
Et
Toute ma famille
Pour tous les moments inoubliables et les bonheurs que nous avons pass s
ensemble&
Nassima Elferkhsi
D dicaces
Je d die ce modeste projet de fin d' tude
Mes chers parents, mes raisons d tre, les mots me manquent pour exprimer
toute la reconnaissance, la fiert et le profond amour que je vous porte. Vous
tes la lanterne qui claire mon chemin et millumine d'affection et d'amour.
Que dieu vous prot ge et vous offre sant et longue vie
Ma ch re sSur Siwar et mon cher fr re Mohamed Ghailen
En t moignage de lattachement, de lamour et de laffection que je porte
pour vous, je vous remercie pour votre hospitalit sans gal et votre affection
si sinc re.
Ma ch re Bin me Nassima
Merci pour votre patience, votre entente et votre d vouement ce travail
Et
Toute ma famille
Pour l'amour et le respect que vous m'avez toujours accord
Malek Ben Dhia
Remerciements
Nous tenons exprimer nos remerciements et notre gratitude tous ceux et
celles qui nous ont apport leur aide, leurs encouragements et leur soutien pour la
r alisation de ce travail.
Nous tenons, remercier Mme Nadia Yaakoubi pour son encadrement, sa
patience et ses conseils toujours avis s tout au long de ce projet.
Nous tenons aussi remercier Monsieur Mounir Melliti, chef de d partement
Big Data et BI Orange Tunisie notre encadrant dans lentreprise pour sa
confiance, ses pr cieux conseils, sa disponibilit et son d vouement profond.
Nous sommes reconnaissantes aussi Mme Emna Khedhri, Mme Imen Basly
et M Bassem Ayadi pour le soutien et lencouragement.
Nos remerciements les plus chaleureux toute l quipe BI & Big Data : Chiraz
Derouiche, Mourad Nasri, Sabrine Fejjari pour leurs conseils pr cieux qui nous ont
guid s tout au long de notre projet de fin d tudes.
Et finalement, notre reconnaissance sadresse davance lensemble de la
direction de lInstitut Sup rieur de Gestion et galement aux jurys pour lint r t
quils apportent notre travail.
Merci Tous
Table des mati res
Introduction g n rale .................................................................................................................. 1
Chapitre 1 : tude de projet ....................................................................................................... 3
Introduction ................................................................................................................................ 4
1. Pr sentation de lorganisme daccueil ................................................................................ 4
1.1. Organigramme de lorganisme daccueil .................................................................... 4
1.2. Les services dOrange Tunisie .................................................................................... 6
2. Pr sentation du projet ......................................................................................................... 6
2.1. Cadre g n ral du projet ................................................................................................ 6
2.2. Notions th oriques li es au projet ............................................................................... 7
2.3. Etude de lexistant ....................................................................................................... 8
2.4. Critique de lexistant .................................................................................................. 11
2.5. Solution propos e ....................................................................................................... 12
3. M thodologie adopt e ....................................................................................................... 12
3.1. M thode Agile ........................................................................................................... 12
3.2. M thode Balanced Scorecard .................................................................................... 13
3.3. M thode adopt e : GIMSI ......................................................................................... 13
3.4. Pourquoi GIMSI ........................................................................................................ 13
4. Diagramme de GANTT .................................................................................................... 16
Conclusion ................................................................................................................................ 17
Chapitre 2 : tat de lart ........................................................................................................... 18
Introduction .............................................................................................................................. 19
1. Apache Hadoop ................................................................................................................. 19
2. Hadoop Distributed File System ....................................................................................... 19
3. Hadoop MapReduce .......................................................................................................... 20
4. Hadoop User Experience (HUE)....................................................................................... 20
5. Apache Hive ...................................................................................................................... 22
6. Apache Spark .................................................................................................................... 22
7. tude comparative ............................................................................................................ 23
7.1. Qlik Sense ...................................................................................................................... 23
7.2. Tableau Software ........................................................................................................... 24
Publicité
7.3. Kibana ............................................................................................................................ 24
7.4. Pourquoi Arcadia ........................................................................................................... 24
8. Arcadia Data ..................................................................................................................... 25
Conclusion ................................................................................................................................ 29
Chapitre 3 : Conception ............................................................................................................ 30
Introduction .............................................................................................................................. 31
1. D finitions des objectifs ................................................................................................... 31
1.1. Les besoins fonctionnels ............................................................................................ 31
1.2. Les besoins non fonctionnels ..................................................................................... 32
2. Conception des tableaux de bord ...................................................................................... 32
2.1. Structure du tableau de bord ...................................................................................... 33
2.2. Fonctions principales dun tableau de bord ............................................................... 34
3.
Identification des indicateurs ............................................................................................ 34
3.1.
Indicateur cl de performance ................................................................................... 34
3.2. Les indicateurs choisis ............................................................................................... 35
4. Collecte des informations ................................................................................................. 37
4.1. Etude empirique des donn es du sonde Astellia ....................................................... 38
4.1.1. La sonde Astellia ........................................................................................................ 38
4.1.2. Les tapes de l tude r alis e ..................................................................................... 38
4.2. Etude empirique des donn es de la sonde Otarie ...................................................... 44
4.2.1. La sonde Otarie .......................................................................................................... 44
4.2.2. Les tapes de l tude r alis e ..................................................................................... 44
4.3. Cr ation des tables Hive ............................................................................................ 49
4.4. Cr ation dun Job Oozie ............................................................................................ 53
4.5. Cr ation du tableau de bord ....................................................................................... 55
4.5.1. Imploration des fichiers.............................................................................................. 55
4.5.2. Cr ation des tableaux de bords .................................................................................. 58
5. Le syst me de tableau de bord .......................................................................................... 63
5.1. Tableau de bord Otarie .............................................................................................. 63
5.2. Tableau de bord Astellia ............................................................................................ 66
Conclusion ................................................................................................................................ 68
Chapitre 4 : Mise en Suvre et Audit ........................................................................................ 25
Introduction .............................................................................................................................. 70
1. Mise en Suvre ................................................................................................................... 70
1.1. Choix de progiciel ..................................................................................................... 70
1.2.
Int gration et d ploiement ......................................................................................... 70
2. LAudit ............................................................................................................................. 71
Conclusion ................................................................................................................................ 71
Conclusion et Perspectives ....................................................................................................... 72
Webographie ............................................................................................................................ 73
Liste des figures
Figure 1 : Organigramme de l'organisme d'accueil ................................................................................. 5
Figure 2 : Les 3 V du Big Data [2] ............................................................................................................. 7
Figure 3 : Echantillon de CDR Otarie ....................................................................................................... 9
Figure 4 : Diagramme Kibana pr sente Max d bit par gouvernorat (Ko) ............................................. 10
Figure 5 : Diagramme Kibana pr sente le nombre de connexion par p riode ..................................... 11
Figure 6 : Les fonctions du tableau de bord [10] ................................................................................... 14
Figure 7 : Diagramme de Gantt ............................................................................................................. 16
Figure 8 : Architecture globale de Hue [18] .......................................................................................... 20
Figure 9 : Ecosyst me Hadoop [19] ....................................................................................................... 21
Figure 10 : Applications de Hue ............................................................................................................. 21
Figure 11 : Vue densemble de larchitecture de Hive [23] ................................................................... 22
Figure 12 : R gression logistique dans Hadoop et Spark [26] ............................................................... 23
Figure 13 : Les diff rentes connexions dArcadia .................................................................................. 26
Figure 14 : Types de jointure dans l'interface de connexions de colonnes .......................................... 27
Figure 15 : Modification du mod le de donn es .................................................................................. 27
Figure 16 : interface de s lection de table pour la jointure .................................................................. 28
Figure 17 : Interface Edit Join ................................................................................................................ 28
Figure 18 : Modification du type de jointure de gauche Jointure de droit ........................................... 29
Figure 19 : Management de la performance ......................................................................................... 33
Figure 20 : Nombre de CDR (par jour) ................................................................................................... 38
Figure 21 : Cellule la plus utilis e en voix .............................................................................................. 41
Figure 22 : Nombre des appels chou s par cellule .............................................................................. 42
Figure 23 : Nombre des appels coup s par phase ................................................................................ 42
Figure 24 : Nombre d'appels sortants avec la technologie 3G .............................................................. 43
Figure 25 : Lemplacement de la cellule qui rencontre plus de probl mes .......................................... 44
Figure 26 : Application la plus utilis e ................................................................................................... 46
Figure 27 : Distribution des clients ........................................................................................................ 47
Figure 28 : D termination nom de la cellule ......................................................................................... 47
Figure 29 : Cellule la plus utilis e en data ............................................................................................. 48
Figure 30 : Lheure de lutilisation maximale dune application ........................................................... 48
Figure 31 : M thode de cr ation une DataFrame ................................................................................. 49
Figure 32 : Interface Notebook ............................................................................................................. 50
Figure 33 : Code Import ......................................................................................................................... 50
Figure 34 : Cr ation d'une Dataframe ................................................................................................... 51
Figure 35 : Exemple de DataFrame ....................................................................................................... 52
Figure 36 : Requ te de cr ation de table Hive ...................................................................................... 52
Figure 37 : Cr ation de table Hive ......................................................................................................... 53
Figure 38 : Workflow Oozie ................................................................................................................... 54
Figure 39 : Coordinateur Oozie ............................................................................................................. 55
Figure 40 : Interface dimportation dun fichier .................................................................................... 56
Figure 41 : Interface d'affectation de fichier ......................................................................................... 56
Figure 42 : L'interface de confirmation de l'import de fichier .............................................................. 57
Figure 43 : L'interface de cr ation de la nouvelle Dataset .................................................................... 58
Publicité
Figure 44 : Les diff rents types de graphiques d'Arcadia ..................................................................... 58
Figure 45 : Histogramme empil de consommation des applications par heure ................................. 59
Figure 46 : Courbe d volution des checs des appels ......................................................................... 60
Figure 47 : Courbe de visualisation de Peak Hour ................................................................................. 60
Figure 48 : Taux de satisfaction ............................................................................................................. 61
Figure 49 : Distribution des operateurs ................................................................................................ 62
Figure 50 : Visualisation cartographique ............................................................................................... 62
Figure 51 : Tableau de bord Otarie ....................................................................................................... 65
Figure 52 : Tableau de bord Astelia ....................................................................................................... 68
Liste des tableaux
Tableau 1 : Les tapes de la m thode Gimsi ......................................................................................... 15
Tableau 2 : Champs de la sonde Astellia utilis s .................................................................................. 40
Tableau 3 : Champs de la sonde Otarie utilis s ..................................................................................... 45
Introduction g n rale
Introduction g n rale
Aujourdhui avec linnovation technologique, la t l phonie mobile est devenue lune
des technologies les plus utilis es. Elle fournit une source tr s riche dinformations et joue un
r le important dans des diff rents domaines. Pour cela le service de t l communications sans
fil conna t une croissance norme dans le monde.
Cependant, parler de t l phonie mobile sans voquer le contexte r seau serait maladroit.
En effet, le r seau de communication transporte une masse multitude de donn es diff rentes,
ce qui impose aux op rateurs de fournir un bon service r seau et d velopper les
infrastructures pour garantir la meilleure couverture g ographique et la bonne exp rience
client.
Les op rateurs de t l communications veulent valoriser les donn es et d velopper des
syst mes sp cifiques lanalyse de la qualit du r seau, d valuer et de suivre lexp rience
client. Mais le d fi actuel est de g rer la volum trie des donn es et leur complexit pour
pouvoir tirer des connaissances pertinentes. Ce volume de donn es force les op rateurs de
basculer vers les technologies Big Data qui ont la capacit de traiter cette collecte massive, de
pr senter une analyse plus fine de donn es et danticiper des nouveaut s dans le monde.
Cest dans ce contexte que soriente notre projet de fin d tude qui vise mettre en
place un outil daide la d cision pour le suivi de la qualit de r seau en se basant sur les
technologies r centes du Big Data pour Orange Tunisie. Notre syst me a comme objectif de
montrer les grandeurs et les indicateurs de la bonne performance en mati re de qualit r seau.
Pour laborer notre rapport nous avons adopt la m thodologie GIMSI, il se compose de
quatre chapitres plus une introduction g n rale et une conclusion.
v Le premier chapitre tude de projet est un chapitre qui pr sente notre projet,
lentreprise daccueil et lapproche adopt e.
v Le deuxi me chapitre tat de lart qui pr sente lensemble des outils utiliser.
v Le troisi me chapitre est intitul Conception . Durant ce chapitre nous avons mis en
valeur les objectifs du projet, la conception de nos tableaux de bord, lidentification
des indicateurs, la collecte des informations et nous finissons par la pr sentation du
syst me de tableau de bord.
1
Introduction g n rale
v Le quatri me chapitre Mise en Suvre et audit regroupe de mani re g n rale les
deux derni res tapes de la m thodologie qui pr sente le choix des progiciels, le
d ploiement de projet et le suivi.
2
Chapitre 1
tude de projet
Chapitre 1 : tude de projet
Introduction
L tude du projet fera lobjet de notre premier chapitre. Premi rement, nous pr sentons
lorganisme daccueil et nous pr cisons le cadre du projet. Nous encha nons par la suite par
l tude de lexistant, la probl matique du projet, la solution propos e, et nous finissons par le
choix de la m thodologie de conception.
1. Pr sentation de lorganisme daccueil
Orange Tunisie est l'un des principaux op rateurs de t l communications en Tunisie,
depuis mai 2010. Apr s deux mois de son lancement, il a pu se diff rencier de ses concurrents
o il a r ussi attirer 650 000 abonn s. Par ailleurs, en 2014 le nombre dabonn s a d pass
les deux millions dabonn s.
Pour r pondre aux attentes de ses clients, Orange Tunisie s'appuie sur un grand march
de vente directe et indirecte qui d passe 400 points de vente. Ce r seau changera selon la
couverture g ographique d'Orange Tunisie.
L'op rateur a t toujours le b tisseur dans le march de t l communications, en
proposant de nouveaux services avec des technologiques avanc es, notamment la technologie
4G dont sa couverture r seau s' tale sur 60 % de la population tunisienne.
Gr ce son innovation technologique et son savoir-faire, Orange Tunisie a r ussie
d'attirer plus de 3 363 299 abonn s mobiles et de devenir l'op rateur pr f r sur le march
tunisien, en essayant d'am liorer ses services et fid liser ses clients.
1.1. Organigramme de lorganisme daccueil
La figure 1 montre l'organigramme de l'entreprise Orange Tunisie. En effet, lentreprise
comprend quatorze directions avec des domaines d'activit s diff rentes, qui coop rent afin de
garantir une qualit de service satisfaisante ses clients.
Durant notre stage de fin d tudes nous avons tabli notre mission au sein du
d partement Big Data et BI (Business Intelligence) et plus pr cis ment dans le service Front
office en tant quanalystes de donn es.
Le service Front office ou aussi nomm le service Business Intelligence repr sente une
quipe que lEntreprise Orange Tunisie a consacr pour la gestion des syst mes
dinformation. Les principales missions r alis es par l quipe sont :
4
Chapitre 1 : tude de projet
-La mise en place des syst mes informatiques d cisionnels.
- Le recueil et lanalyse des besoins.
-La mise en place une base de donn es (Operational Data Store) pour la collecte, le nettoyage
et lint gration des donn es partir des sources diff rents
Publicité
- La mise en place dun entrep t de donn es (DWH) et dun magasin de donn es (Datamart)
pour le stockage des donn es dAchats, de Ventes, de Stocks ou de Transport&
- La mise en place dune solution ETL (Extract-Transform-Load) pour le chargement et le
traitement des donn es entre les syst mes sources, LODS, le DWH ou les Datamarts.
Figure 1 : Organigramme de l'organisme d'accueil
Nous d taillerons dans le reste de ce rapport les objectifs et le travail r alis dans le
cadre de notre projet au sein dOrange Tunisie.
5
Chapitre 1 : tude de projet
1.2. Les services dOrange Tunisie
Nous distinguons les deux services suivants :
La t l phonie mobile
Orange Tunisie offre ses clients des puces lectroniques compatibles avec les
appareils t l phoniques. Une fois la puce est activ e, le client peut b n ficier dun acc s au
r seau mobile.
La t l phonie fixe et internet :
L'op rateur Orange met disposition des consommateurs des lignes ADSL et offre des
services d'acc s une connexion internet, facile installer et utiliser or il suffit d'ajouter
l' quipement appropri et d'y accorder le logement. La connexion internet peut tre partag e
par des c bles qui se connectent des appareils lectroniques ou par Wi-Fi.
Orange Tunisie fourni un appareil lectronique Flybox, qui comprend un modem
ADSL, un routeur Ethernet et Wi-Fi. Cet appareil permet de partager la connexion plusieurs
types de terminaux, donc le client peut b n ficier d'un acc s plusieurs types de services
(t l phonies, t l diffusion, vid o la demande...) sans tre oblig d'utiliser les c bles.
Notre projet de fin d tudes saxe sur la consommation des clients au niveau de la
t l phonie mobile voix et internet mobile ou la consommation des appareils Flybox.
2. Pr sentation du projet
2.1. Cadre g n ral du projet
Ce stage sinscrit dans le cadre dun projet de fin d tudes pour lobtention dun
dipl me de Licence Applique en Informatique D cisionnelle lInstitut Sup rieur de Gestion
de Tunis. Notre stage a t effectu au sein de lentreprise Orange Tunisie . Le sujet quil
nous a t propos consiste mettre en place un outil daide la d cision pour le suivi de
la qualit r seau en se basant sur les technologies r centes du Big Data.
6
Chapitre 1 : tude de projet
2.2. Notions th oriques li es au projet
Le grand volume des donn es num riques a forc les chercheurs trouver des nouvelles
mani res de voir et danalyser le monde. Il sagit de d couvrir de nouveaux ordres de
grandeur concernant la capture, la recherche, le partage, le stockage, lanalyse et la
pr sentation des donn es. Ainsi est n le Big Data . Il sagit dun concept permettant de
stocker un nombre indicible dinformations dans une base num rique. En effet, ils d signent
un ensemble tr s volumineux de donn es quaucun outil classique de gestion de base de
donn es ou de gestion de linformation ne peut vraiment traiter.
Ce concept regroupe une famille doutils qui r pondent une triple probl matique dite
r gle des 3V. Il sagit notamment dun Volume de donn es consid rable traiter, une grande
Vari t dinformations (venant de diverses sources, non-structur es, organis es, Open&), et
un certain niveau de V locit atteindre, autrement dit la fr quence de cr ation, collecte et
partage de ces donn es. [1]
Figure 2 : Les 3 V du Big Data [2]
7
Chapitre 1 : tude de projet
2.3. Etude de lexistant
L tude de lexistant est une tape cruciale qui permet danalyser les processus pour
d finir les forces et les faiblesses dun produit dans le but didentifier les besoins du client.
En effet, Orange Tunisie est lune des premi res entreprises ayant opt pour lutilisation
des nouvelles technologies de Big Data pour le stockage et la gestion des donn es. En effet, la
quantit dinformations g n r e par les clients dop rateur t l phonique est tr s importante,
tr s vari et en constante volution ce qui rend le processus de suivi de la qualit r seau
compliqu et co teux en terme du temps.
Au sein dOrange Tunisie, les donn es stock es dans lentrep t de donn es sont
collect es partir des deux sondes Astellia et Otarie consistent en des relev s d taill s des
communications (CDR : Call Detail Records) contenant des informations importants sur
lutilisation des t l phones mobiles.
Les CDR (Call Detail Records) sont connues comme des statistiques dappel qui
regroupent l'ensemble de donn es utilis es recueillies concernant un appel (fixe, VoIP,
mobile). Ces donn es sont recueillies par les op rateurs de t l phonies et peuvent tre
r utilis es pour l'optimisation du r seau Service Assurance et le Performance Management, la
facturation et la d tection d'incident. [3]
Ce qui concerne les sondes, Astellia est l'un des principaux fournisseurs d'informations
sur les abonn s et leur utilisation du r seau. Les solutions de surveillance et d pannage en
temps r el dAstellia optimisent en toute ind pendance lensemble des r seaux, de bout en
bout depuis lacc s radio jusquau cSur de r seau. [4]
Otarie est un outil interne de suivi des volum tries et de la QoS (qualit de service) du
trafic data mobile (web, streaming, MMS&) sur les r seaux 2G/3G/4G. [5]
A titre d'exemple, la figure 3 repr sente un rapport CDR g n r partir de la sonde
Otarie.
8
Chapitre 1 : tude de projet
Figure 3 : Echantillon de CDR Otarie
Pour faire le suivi de la qualit du r seau, l quipe front office dOrange Tunisie
visualise les donn es g n r es par les deux sondes en utilisent les outils de DataViz Nova
Care et Kibana et loutil dint gration et stockage des donn es ElasticSearch.
Elasticsearch : est un moteur de recherche bas sur Lucene permettant de centraliser
les op rations dindexation et de services de r sultat.
Kibana : est une plateforme open source de visualisation de donn es pour
ElasticSearch. Il fournit des fonctions de visualisation sur du contenu index dans une
grappe ElasticSearch. Les utilisateurs peuvent cr er des diagrammes en barre, en
Publicité
ligne, des nuages de points, des camemberts et des cartes de grands volumes de
donn es. [6]
Nova Care : est une application web qui permet de traiter et visualiser les donn es de
sonde Astellia sous forme de tableaux de bords.
9
Chapitre 1 : tude de projet
Le diagramme Kibana de la figure 4 permet de repr senter le Max d bit par gouvernorat
ainsi que le Max d bit de chaque d l gation de gouvernorat. La pr sentation n'est pas claire et
lisible. Les couleurs associent pour les d l gations ne sont pas uniques, on peut trouver
plusieurs d l gations de diff rentes gouvernorats avec la m me couleur et c'est le cas de
Medenine Sud et EL Alia .
Figure 4 : Diagramme Kibana pr sente Max d bit par gouvernorat (Ko)
Le figure 5 montre le diagramme de kibana qui pr sente le nombre de connexion par
p riode de jour (Day /Night). Ce diagramme ne peut pas nous informer de l'heure et
l'application les plus utilis es par jour ou par v nement.
10
Chapitre 1 : tude de projet
Figure 5 : Diagramme Kibana pr sente le nombre de connexion par p riode
2.4. Critique de lexistant
Nova care, Kibana et ElasticSearch pr sentent de nombreux avantages comme
lanalyse, la flexibilit et la haute disponibilit . Cependant, ces outils pr sentent certain
inconv nients surtout en ce qui concerne la visualisation massive des donn es. En effet, le
syst me de suivi de qualit r seau dOrange Tunisie nest pas fiable puisquil est asynchrone
et ces informations synth tis es ne sont pas pertinentes. Or, ces tableaux de bord manquent
dinformations dont les indicateurs de suivi de la qualit r seau visualis sont limit s et
plusieurs axes de mesure ne sont pas encore exploit s. De plus, les versions des outils utilis s
sont des versions obsol tes et leurs choix des graphes de pr sentations sont limit s par suite
lextraction des informations du suivi de la qualit r seau (QoS) est difficile.
Rappelons que notre projet a pour objectif de proposer de nouvelles interfaces de
visualisation plus labor s que ceux utilis s actuellement au sein des quipes (voir figure 4).
Ces nouveaux dashboards visent un meilleur suivi de la qualit r seau. Une analyse
approfondie visant lextraction de KPIs significatifs au suivi QoS est n cessaire.
11
Chapitre 1 : tude de projet
2.5. Solution propos e
Apr s avoir examin le fonctionnement actuel, nous avons choisi une solution pour
surpasser les imperfections.
En effet, nous avons d cid de r aliser un outil daide la d cision propre Orange
Tunisie. Notre proposition est bas e sur les donn es g n r es par les deux sondes ASTELIA
et OTARIE afin dinvestiguer et analyser la qualit du r seau.
Loutil que nous envisageons de mettre en place permettra datteindre les objectifs
suivants :
- Produire plusieurs tableaux de bords qui aident la prise de d cision.
- Consid rer les exp riences clients.
- Offrir aux d cideurs et aux analystes la possibilit de faire des analyses appropri es.
- Permettre une accessibilit facile et rapide aux informations.
- Avoir une pr sentation des indicateurs de performances de fa on accessible, pertinente et
claire.
-Avoir une vision claire sur tat de lexistant
- Restreindre les probl mes et les incidents.
3. M thodologie adopt e
Pour la conduite de ce projet, nous avons t amen es choisir une m thode parmi les
m thodes suivantes : La m thode Agile, la m thode Balenced Scorecard et la m thode
GIMSI.
3.1. M thode Agile
Les m thodes agiles sont des m thodes de r alisation des projets informatiques. Elles
caract risent un mode de gestion des projets informatiques privil giant le dialogue entre
toutes les parties prenantes, clients, utilisateurs, d veloppeurs et autres professionnels du
projet, la souplesse en cours de r alisation, la capacit modifier les plans et la rapidit de
livraison. Il s'agit de rompre avec les pratiques plus traditionnelles bien trop rigides et trop
exigeantes en mati re de sp cifications (contractuelles). [7]
12
Chapitre 1 : tude de projet
3.2. M thode Balanced Scorecard
Le Balanced Scorecard (BSC) ou le Tableau de Bord Prospectif (TBP) est une m thode
qui vise mesurer les activit s d'une entreprise en quatre perspectives principales :
apprentissage, processus, clients et finances [8]. Elle permet d'aider les entreprises mettre en
Suvre et piloter une strat gie pertinente et coh rente. [9]
3.3. M thode adopt e : GIMSI
GIMSI d finit un cadre m thodologique afin de mieux formaliser les conditions de
r ussites du projet Business Intelligence centr sur la probl matique du "tableau de bord". La
m thode a pour ambition de dynamiser l'originalit et la cr ativit des concepteurs et
utilisateurs. C'est ainsi que l'on r ussit l'int gration du syst me de tableaux de bord au cSur de
la culture d'entreprise sans perdre de vue la question du pilotage de la performance.
3.4. Pourquoi GIMSI
Gimsi et Balanced Scorecard sont des m thodologies bas es sur un tel principe de
conception, mais elles sont fortement diff rentes. Ces deux m thodes sont toutes les deux
utilis es la conception dun projet pilotage.
Le Balanced Scorecard commande un cadre dur et rigoureux de d ploiement et de
conception au sein de l'entreprise. Cette m thode s'inscrit dans une d marche classique elle
favorise l'approche "top - down" et s'expose dans une organisation pyramidal.
Gimsi est un aspect incr mentiel favorisant le mode projet, affile la logique de reprise
continu et privil gie les d marches progressistes. Elle pr sente une autre approche que
lapproche de Balanced Scorecard, bas e sur la coop ration. Elle a compens la d marche
"top - down" par laspect...