OLAP

Report
Business Intelligence
Présentation
Sommaire
1. Le système d’information Décisionnel
2. Les modèles de données
3. Le Data Mining
4. L’offre BI de Microsoft
5. Les nouveautés avec SQL Server 2012
La BI pour qui ? Pourquoi ?
La chaine décisionnelle
Outils BI
Proactif
Data Mining
OLAP
Interactif
Reporting Adhoc
Reporting de masse
Passif
Rendu
Présentation
Exploration
Découverte
Définitions – Vocabulaire
•
Infocentre = Base de données dédiée à l’analyse d’une application
 A l’origine des “copies” de base de production
•
Staging Area : Espace de stockage temporaire des données provenant des différentes sources.
C’est un lieu où l’on va pouvoir stocker des données qui arrivent à des moments différents. C’est
une zone d’attente, une “salle d’embarquement”.
•
ODS (Operating Data Store)
– Lieu où vont être effectuées les transformations, les croisements, etc. C’est l’étape juste avant
l’alimentation du Datawarehouse et il utilise, comme source la Staging Area.
– Le modèle de données de l'ODS est un modèle relationnel classique assez proche des modèles
de production
– Ce « sas » assure l'isolation des mondes "opérationnel" et "décisionnel" (performances,
exploitabilité...)
•
Datawarehouse = Entrepôt de données, destiné à centraliser, nettoyer, et uniformiser les données
de l’entreprise à des fins de reporting et d’analyse. Il stocke l’historique des données avec la
granularité la plus fine,
•
Data Mart : Entrepôt de données dédié à un métier particulier. Il est situé en aval du
Datawarehouse
Architecture cible
Source OLTP
Modélisation
Infocentre (Miroir OLTP)
Staging Area
Stockage
Multidimensionnel
ODS
DataWarehouse
Data Mart1
Data Mart2
OLAP Cubes
Reporting
Custom
Data Mining
Outils Clients
(Excel, Proclarity…)
Restitution
Typologie et périmètre des projets décisionnels
•
Un SID (système d’information décisionnel), c’est : « un système permettant aux utilisateurs de
l’entreprise de disposer d’informations pertinentes et d’outils d’analyse puissants pour les aider à
prendre les bonnes décisions au bon moment » (Bill Inmon)
•
Un projet décisionnel est réussi quand l’utilisateur dit : « J’ai l’information, elle est sûre, je la
comprends, donc je l’utilise »
Modélisation BI
KIMBALL :
•
•
Tables de fait , Tables de Dimensions
Stockage dénormalisé des données
Inmon’s:
•
•
S ’appuie sur une modélisation en BD relationnelle complexe
Les données sont stockées dans la 3éme Forme Normale (3NF)
Lequel Choisir?
• Traditionnellement la modélisation Kimbal est utilisée
• Kimball permet un Feedback rapide / demandes métier
La pierre angulaire d’un système décisionnel
Le modèle de donnée
OLTP (Online Transaction Processing )
Reporting opérationnel
OLAP (Online Analytical Processing )
Pilotage métier et entreprise
OLTP VS OLAP
OLTP
OLAP
• Time-critical
• Small delays tolerable
• In-place data update
• Append only
• Current data (‘Snapshot’)
• Historical and current data
• Functional transaction focus
• Reporting (information
delivery) focus
• Store details only
• Store summary + details
(e.g. counts and aggregates)
• Only keeps company internal data
• Warehouse also keeps external data
(e.g. customer demographics)
Les modèle de données ROLAP
Gain en espace de
stockage
Performance
d’interrogations affectées
Schéma en flocon
Schéma en étoile
Economie de jointures à
l'interrogation
Perte en espace
de stockage
Les technologies Multidimensionnelles
Le Data Mining
QU'EST-CE QUE LE DATA MINING ?
C’est l'exploration et l'analyse de grandes quantités de données afin de
découvrir des formes et des règles significatives en utilisant des moyens
automatiques ou semi-automatiques.
Age
Basé sur des méthodes mathématiques +/complexes :
• Méthodes de tri : Les algorithmes de Data Mining
• Technique: Statistique
• Résultat: Prédiction, estimation, classification
Sexe
Statut
Crédit Accordé
(Oui/Non)
Les Algorithmes de Data Mining
Classification
-Naive Bayes
-Arbre de décision
-Réseaux de neurones
-Réseaux Bayesiens
-Régression logistique
Estimation
- Arbre de décision
-Régression linéaire
-Réseaux de neurones
-Régression logistique
Analyse supervisée (Y=fct(x1,x2…xn))
Cluster
- Clustering
Forecast
- Time Series
Association
-Règles d’Association
-Arbre de décision
Analyse Non-supervisée (pas de sortie à classer)
Sans le savoir, vous utilisez le Data Mining tous les jours!
Eg: Mozilla Thunderbird et Microsoft Outlook utilisent le
classifier Naive Bayes pour filtrer les spam de vos mails.
Exemple de Data Mining:
•
•
•
•
Entreprise : banque
Activité : prêts hypothécaires
Problème : accepter ou refuser une demande de crédit ?
Solution: Analyser les données historiques : solvabilité
observée lors des anciens crédits pour prévoir la solvabilité
des Nouveaux demandeurs de crédit
Crédits anciens
(Oui/Non)
• Sexe=M
• Statut=M
• Age=60
•…
• Crédit=Oui
Modèle
• Arbre de
Décision
Prédire nouvelle
Demande de crédit
• Sexe=M
• Statut=D
• Age=45
•…
• Crédit =?
Quelques possibilités d'utilisation
Marketing
• Quel profil de client cibler lors d’une campagne marketing ?
• Quels clients sont susceptibles de réagir à une promotion
déterminée ? (CRM)
• Quels produits offrir à quels clients ? (Eg: Amazone)
Finances
• Quels produits financiers proposer à quels clients ?
• Comment détecter une faillite prochaine ? (Crise Boursière)
Télécommunications
• Quels clients sont susceptibles de nous quitter ?
• Quel est le profil des clients très rentables,
et des clients pas ou peu rentables ?
L’offre BI de Microsoft
SSIS
Architecture fonctionnelle avec Microsoft BI
Data Mining
SQL Server Management Studio
SQL Server Management Studio est un environnement intégré qui permet d'avoir accès, de configurer,
de gérer, d'administrer et de développer tous les composants de SQL Server.
SQL Server Management Studio associe un groupe d'outils graphiques à des éditeurs de script T-SQL,
MDX, …
SQL Server Integration Services
•
Au-delà du simple transfert des données d’une source vers une destination,
l’ETL sert à :
– Ordonnancer des taches
– Nettoyer les données transférées
– Augmenter la puissance de traitement pour faire face à l’accroissement
constant des volumes de données
– Prendre en charge la totalité de la chaîne de traitement, c’est-à-dire d’être
à même de mettre à jour les cubes OLAP construits à partir des entrepôts
de données mis à jour
•
À l’aide d’outils de débogage, les développeurs peuvent définir des points
d’arrêts sur les packages, les conteneurs, les événements de tâches et les
observateurs de données pour surveiller les données pendant leur passage dans
le flux.
Extraire
Transformer
Charger
SQL Server Reporting Services
•
SQL Server Reporting Services est un outil de génération de rapports
d’entreprise.
•
•
•
•
Le générateur de rapports, autorise les utilisateurs à :
Créer leurs propres rapports : reporting Had-hoc avec ReportBuilder
S’abonner à des rapports (Pull/Push)
Exporter les rapports en différents formats
SQL Server Analysis Services
•
SQL Server Analysis Services permet de concevoir, de créer et de gérer des
structures multidimensionnelles qui contiennent des données agrégées
provenant d'autres sources de données
Le Data Mining avec Xls 2010
il s’agit d’utiliser de manière transparente et naturelle de puissants outils
statistiques. Des analyses prédictives rendues possibles directement depuis
Excel 2007 grâce à l’add-in nommé « SQL Server 2008 Datamining pour Excel.»
Portail Collaboratif (SharePoint 2010)
•
Les technologies SharePoint apportent :
– Un portail d’entreprise qui intègrent tous les composants de Microsoft Business Intelligence :
rapports, analyses, tableaux de bord, Scorecards, feuilles Excel, …
– La BI collaborative pour agir après l’analyse.
– Des fonctionnalités clés telles que la recherche, la gestion de contenu, la collaboration, la
visualisation de feuilles Excel en mode web.
Microsoft SQL Server 2012 : Denali
High
Availability
Scalability and
Performance
Security &
Manageability
Web & Breadth
Business
Intelligence
Windows Server
Core Support
15 000
partitions/table
User-Defined
Server Roles
PHP Driver
Unified
Semantic Model
Data Lineage
Reliable &
Integrated
Failover Detection
Column store
DataWarehouse
SQL Studio
Semantic Platform
Crescent
Impact Analysis
Application
Centric Failover
Fast FileStream
Contained Database
Authentication
LocalDB
In-memory BI
for corporate
SSIS Server
Multiple Readable
Secondaries
Win32 access to
database files
Database Replay
UTF-16
Alerting
Data Quality
Fast Full Text
Audit
Enhancements
Paging for
result sets
Sysprep for AS
Online Operations
Enhanced MDS
FileTable
Management Pack
for High
Availability
HA for
StreamInsight
AlwaysOn
Backup
Secondaries
SSMS
Enhancements
Full Globe
Spatial Support
DAC Enhancements
ODBC for Linux
JDBC 4.0 driver
PowerPivot
Enhancements
Reporting as
SharePoint
Shared Service
EDIM
Merci …
Unified Semantic Model
Projet Crescent : Power View
Projet Crescent : Power View

similar documents