En effet, les services des ressources humaines prennent en charge la gestion administrative et sociale du personnel : suivi des employ s, suivi des stagiaires, volution des salaires, heures de formation, etc. Ils doivent affronter de tr s nombreuses donn es au quotidien qui, g n ralement, proviennent de diff rentes sources. Actuellement, Wimbee g n re des rapports en utilisant des outils bureautiques simples tel que EXCEL en se basant sur des donn es collect es difficilement partir de plusieurs sources.

Afin de d celer les insuffisances rencontr es au cours de cette tape, je c de la parole ma coll gue pour critiquer lexistant.

<!-- Slide number: 6 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution propos e

Introduction

R alisation

Analyse de lexistant (2/2)

Critique de lexistant

Inexistence du Data Warehouse

Les donn es sont stock es dans des fichiers Excel

Perte de temps

Absence doutil BI

6

Notes:

Les donn es de Wimbee ne sont pas stock es dans une structure centralis e mais plut t dans diff rents fichiers Excel, ce qui n'est pas vraiment pratique. Il y a donc une perte de temps lors de la collecte des donn es, du traitement et de la pr sentation au d cideur final.

Actuellement, Wimbee souffre d'un manque de syst me BI avanc , ce qui l'emp che d'avoir une vision globale plus large.

<!-- Slide number: 7 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution propos e

Introduction

R alisation

Solution propos e


Fournir un entrep t de donn es robuste


G n rer des rapports dynamiques et des tableaux de bord interactifs


7

Notes:

En se basant sur lanalyse de lexistant, nous avons opt pour une solution d cisionnelle capable d'assurer une meilleure gestion des ressources humaines et de faciliter l'acc s l'information qui m ne des d cisions innovantes pour r pondre tous les besoins de lentreprise.

Dans ce contexte, notre solution doit :

• Fournir un entrep t de donn es robuste pour une meilleure analyse et exploration des donn es.
• G n rer des rapports dynamiques et des tableaux de bord interactifs repr sentant les indicateurs de performances demand s par lentreprise pour des fins d cisionnelles.

<!-- Slide number: 8 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

M thode adopt e

Sprint 2

Int gration des donn es dans le Data Warehouse partir du processus ETL Extract, Transform and Load.

Sprint 1

laboration d'un Data Warehouse centralis , robuste, extensible et historique.

SCRUM

Sprint 3

G n ration des rapports dynamiques relatifs aux sujets d'analyse trait s.

8

Notes:

Avant la r alisation du notre projet, nous avons d cid dadopter la m thode Agile SCRUM qui fait partie de la famille des m thodes incr mentales et it ratives et qui correspond le plus avec la nature de notre projet.

La planification de notre solution est divis e en trois sprints :

• Dans le 1er Sprint, nous sommes amener elaborer un Data Warehouse centralis , robuste, extensible et historique.

Le Sprint suivant concerne lint gration des donn es dans le Data Warehouse partir du processus ETL.

Et le 3 me Sprint consiste g n rer des rapports dynamiques relatifs aux sujets d'analyse trait set qui repr sente le r sultat de notre syst me.

-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Scrum est une m thode agile it rative et incr mentale, elle permet de g n rer un produit de haute qualit tout en tenant en compte l' volution des besoins du client.

La particularit de cette approche consiste d couper le projet en plusieurs tapes appel es Sprints organis es dans des p riodes de temps bien d finies qui varient entre 1 et 4 semaines.

Puisqu'il est impossible de tout pr voir et de tout anticiper, elle peut laisser la place aux impr vus. La m thode agile est donc avantageuse quant la flexibilit aux changements et son adaptabilit aux modifications par rapport aux nouvelles exigences du client.

<!-- Slide number: 9 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

R alisation (1/14)

Identification des indicateurs cl s de performance

Suivi des employ s

Suivi des formations

Nombre total d'employ s

Nombre d'employ s actifs

Salaire moyen

ge moyen

Pyramide des ges

Nombre de d parts

Nombre de formations

Nombre de form s

Budget moyen

Nombre moyen de journ es de formations

Dur e moyenne en heures de formations

Pyramide des ges des form s

Taux de satisfaction


KPI

Suivi des stagiaires

Nombre de stagiaires

Dur e moyenne du stage

Nombre de stagiaires embauch s

Nombre de stagiaires non embauch s

9

Notes:

L'identification des indicateurs de performances cl s (KPI) est une phase primordiale durant le processus du d veloppement dun projet BI pour l valuer et lam liorer dune mani re plus efficace et plus efficiente. De ce fait, nous avons pr par une liste des KPI qui est en accord avec les besoins sp cifiques de l'entreprise et qui englobe les trois th matiques suivantes :

Pour le suivi des employ s ( kpi)

Suivi des stagiaires ( kpi)

Suivi des formations ( kpi)

<!-- Slide number: 10 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

R alisation (2/14)

Identification des tables de faits et dimensions

Dim_Ecole

Dim_Personne

Dim_BU

Dim_Type_Stage

Dim_Date

Fact stagiaires

Dim_Agence

Dim_Poste

Dim_BU

Dim_Niveau_Etude

Dim_Diplome

Fact employes

Dim_Liste_Formations

Dim_Personne

Dim_Date

Dim_Date

Fact formations

Dim_Raison_depart

10

Notes:

Une fois les kpis identifi s, nous avons pu distinguer les tables de faits et leurs dimensions.

La table de fait employ s contient les dimensions suivante et pour

<!-- Slide number: 11 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

R alisation (3/14)


Conception du Data Warehouse

Mod le en constellation

11

Notes:

Pour la conception du DWH, nous avons opt pour le mod le en constellation qui permet de r duire les redondances ainsi que le volume des donn es.

Le sch ma conceptuel de notre entrep t de donn es est constitu de trois tables de faits ( fact stagiaires/ fact employ s / fact_formations) entour s de 12 dimensions.

Maintenant, ma coll gue va vous pr senter larchitecture du notre projet.

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

puisque notre mod le rassemble plusieurs tables de faits partageant les m mes tables de dimensions

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

En ce qui concerne, lapproche adopt , nous avons choisi lapproche de conception top-down de Bill Inmon permettant de mettre en place un DWH r f rentiel centralis puis charger de mani re coh rente les datamarts.

Cette approche poss de une faible redondance de donn es et moins de possibilit d'irr gularit s de mise jour, ce qui entra ne la simplification du chargement des dimensions ainsi que la cr ation des datamarts.

En outre, elle se caract rise par sa flexibilit aux besoins volutifs des clients au cours de d veloppement du projet.

Cette approche est simple et r sistante lors du chargement des dimensions, ainsi que lors de la cr ation des magasins de donn es.

<!-- Slide number: 12 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

R alisation (4/14)

Architecture du projet

! (Picture4.jpg)

12

Notes:

Notre projet est subdivis en trois parties principales :

1- la premi re partie consiste Identifier les diff rentes donn es sources n cessaires qui sont des fichiers Excel. Puis laide de loutil Talend nous avons aliment un magasin de donn es op rationnelles (Operational Data Store ODS), ayant une structure identique aux fichiers sources sur le syst me de gestion de base de donn es SQL Server. 2- Dans la deuxi me partie, nous avons charg lentrep t de donn es partir de la base ods via le processus ETL .3- et dans la 3 me partie nous avons g n r gr ce loutil Power BI des tableaux de bord pour les acteurs finaux qui sont le manager et les responsables RH.

Et maintenant, nous allons d tailler notre processus ETL.

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

ODS est utilis pour conserver un historique des fichiers pr c dents avant le prochain chargement des fichiers, puisqu'il s'agit de fichiers p riodiques.

<!-- Slide number: 13 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution propos e

Introduction

R alisation

R alisation (5/14)

Chargement du magasin de donn es op rationnelles (ODS)

! (Picture2.jpg)

EXCEL

ODS


13

Notes:

Nous avons opt pour une structure simple des jobs pour charger notre ODS.

Nous avons commenc par la recherche du fichier en utilisant le composant tFileExist afin de v rifier l existance du fichier en se basant sur son chemin dacc e pour assurer le passage au 2 me sous job. Par la suite, nous avons utilis le composant tmap pour mapper les donn es et assurer leur chargement dans la base ods en mode Truncate/Load. De cette mani re, l'ex cution du job associ produit la troncature automatique de la table avant dins rer les nouvelles donn es.

<!-- Slide number: 14 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution propos e

Introduction

R alisation

R alisation (6/14)

Transformation des donn es

! (Picture10.jpg)



! (Picture8.jpg)

! (Picture2.jpg)

! (Picture4.jpg)

Input Output

14

Notes:

Les donn es extraites ont besoin de certaines transformations. Citons comme exemple la transformation de la dur e de type String au type Float.Pour ce faire nous avons commenc par l'utilisation de la fonction Substring () qui permet dextraire une sous-cha ne dune cha ne de caract res en pr cisant l'indice de d but et lindice de fin. Par la suite, nous avons utilis la fonction Float.parseFloat pour convertir le champ de type String en type Float.

<!-- Slide number: 15 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution propos e

Introduction

R alisation

R alisation (7/14)

Chargement des donn es


15

Notes:

Maintenant nous allons prendre lexemple de la dim_BU pour expliquer le processus ETL depuis la phase dextraction jusqu la phase de chargement.

Nous avons commenc par l'extraction des donn es partir de l'ODS. Puis nous avons limin les lignes dont le code est nul et les sauvegarder dans un fichier de rejet BU Rejected en pr cisant l tat de rejet qui est Null. Par la suite, l'aide du composant tuniqueRow nous avons pu assurer le passage unique de chaque ligne et r cup rer les doublons dans le m me fichier de rejet, en sp cifiant l tat de rejet qui est Doublons. Afin d'am liorer les performances du job, nous avons impl ment un lookup pour effectuer une comparaison de donn es (entre lODS et le DW), ceci permet dins rer ou mettre jour les donn es en fonction du r sultat de la jointure d fini dans le tmap_3 .

<!-- Slide number: 16 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution propos e

Introduction

R alisation

R alisation (8/14)

D ploiement



16

Notes:

Maintenant nous passons la phase de d ploiement.

La mise jour des donn es qui est une tape importante pour assurer un bon fonctionnement du DWH. Nous avons donc cr un job qui fait appel tous les jobs et une fois l'ex cution achev e avec succ s, un mail sera envoy aux responsables de lentreprise gr ce au composant tSendMail.

Finalement, nous avons cr une t che de planification, au niveau du planificateur de t che Windows, afin de mettre jour automatiquement les donn es chaque semaine.

<!-- Slide number: 17 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution propos e

Introduction

R alisation

R alisation (9/14)

Reporting

! (Picture2.jpg)

17

Notes:

Une fois les donn es sont stock es dans le dw nous avons pass la phase de reporting. En effet, les tableaux de bord sont consid r s comme des outils de pilotage assez performants. En d'autres termes, ils permettent aux d cideurs d'anticiper les volutions pour une meilleure prise de d cisions.

Nous avons personnalis les tableaux de bord en fonction de la charte graphique de wimbee.

Nous avons commenc par le d veloppement de la page daccueil qui assure les diff rents liens vers les pages contenant les tableaux de bords et les rapports r alis s.

<!-- Slide number: 18 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

R alisation (10/14)

Tableau de bord : Suivi des employ s

! (Picture2.jpg)

18

Notes:

Les entreprises les plus performantes sont celles qui accordent une attention prioritaire aux salari s qui travaillent en leur sein. Dans ce contexte nous avons g n r un rapport dynamique qui permet dillustrer le suivi des employ s afin d'avoir une vision globale sur leur volution et r partition au sein de lentreprise.

Et maintenant, nous passons expliquer quelques graphes utilis dans ce TDB :

Nous avons utilis des cartes qui permettent de repr senter des chiffres pr cis et bien d termin s tels que : le nombre total demploy s/ age moyen&..

Nous avons choisi le camembert qui est divis en secteurs, chacun illustre une proportion du taux total des employ s actifs par sexe.

Afin de visualiser la r partion des employ s par BU, nous avons opt pour un histogramme.

Le pyramide des ages est un indicateur indispendable dans les TDB des RH. Pour ce faire nous avons utilis le graphique de tornade pour afficher le nb demploy s par cat gorie dage et par sexe.

Nous avons utilis galement un graphique en anneau pour repr senter le taux des employ s actifs par poste.

Et afin de donner plus de choix aux utilisateurs pour manipuler le tableau de bord, nous avons mis leurs diposition un filtrage par ann e, par agence et par BU.

<!-- Slide number: 19 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

R alisation (11/14)

Tableau de bord : Suivi des employ s

! (Picture2.jpg)

19

Notes:

Nous pr sentons le deuxi me Dashboard pour le suivi des employ s afin de visualiser l volution du,,,,

<!-- Slide number: 20 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

R alisation (12/14)

Tableau de bord : D tail employ s

! (Picture2.jpg)

20

Notes:

Ce tableau de bord fournit une pr sentation plus d taill e sur chaque employ . Il nous permet de visualiser ses informations personnelles et professionnelles.

Tel que son nom, sa date naissance, son poste, son degr de satisfaction, son salaire.

<!-- Slide number: 21 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

R alisation (13/14)

Tableau de bord : Suivi des stagiaires

! (Picture2.jpg)

21

Notes:

Passons maintenant la deuxi me th matique de la phase de reporting qui est le suivi des stagiaires afin davoir une vision globale sur les stagiaires tel que leur r partition par bu et par cole.

<!-- Slide number: 22 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

R alisation (14/14)

Tableau de bord : Suivi des formations

! (Picture2.jpg)

22

Notes:

Wimbee cherche am liorer la productivit de ses salari s. Pour ce faire, elle organise r guli rement des formations continues.

Nous avons cr ce tableau de bord afin d'avoir une vue globale sur le suivi des formations par form s et par type de formation.

<!-- Slide number: 23 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

Conclusion et perspectives (1/2)


G n ration des rapports et des tableaux de bord

Cr ation dun Data Warehouse centralis

Esprit d quipe

D couverte de la m thode SCRUM

23

Notes:

En guise de conclusion, nous avons r ussi r aliser un projet dune valeur ajout e tr s importante ou nous avons cr un Data Warehouse centralis et G n rer des rapports et des tableaux de bord pour le suivi des employ s, le suivi des stagiaires et le suivi des formations qui correspond parfaitement aux besoins de lentreprise.

Ce stage sest r v l instructif et enrichissant du point de vue des connaissances acquises . Il nous a contribu am liorer notre sens dorganisation et de planification en suivant la m thode scrum et sur le plan professionnel, cette opportunit si pr cieuse a d voil notre esprit d quipe et a d montr nos capacit s relationnelles et communicatives.

<!-- Slide number: 24 -->

M thode adopt e

Conclusion et perspectives

Analyse de lexistant

Solution Propos e

Introduction

R alisation

Conclusion et perspectives (2/2)

! (Picture2.jpg)

! (Picture4.jpg)

D veloppement dune application mobile

Am lioration de la s curit des tableaux de bord

24

Notes:

Nous ne pouvons pas nier que un tel projet a certainement des perspectives dam lioration et d volution. A titre dexemple, nous citions :

Lam lioration de la s curit des tableaux de bord ainsi que le d veloppement dune application mobile

<!-- Slide number: 25 -->

Merci de votre

attention


25

Notes:

Nous tenons finalement vous remercier pour lattention que vous nous avez accord notre pr sentation.