Rapport du projet BI

Entreprise Shiny

Ralis par :
Kyle XY

Sommaire :

I.
II.

III.
IV.
V.
VI.
VII.

Introduction
gnrale
.....3
Concepts
thoriques....
....4
Prsentation des outils
utiliss ...11
Ralisation
de
la
solution....13
Difficults
rencontres
..19
Conclusion.
..20
Annexe
...21

I.

Introduction gnrale :

Le but de la BI est dapporter une vision globale des donnes de

lentreprise, afin de rpondre aux problmatiques de celle-ci ou, tout
simplement, afin de lvaluer. Notre projet consiste en limplmentation du
dcisionnel pour lentreprise Shiny et principalement pour lorganisation
de la gestion administrative.
La premire tape de ce projet BI est de crer un entrept de donnes
pour avoir une vision globale des donnes de chaque service. Pour ce fait,
on ralisera tout dabord la modlisation MCD de lentreprise, puis en
passera la modlisation du datawarehouse.
La deuxime tape sera lETL ou lintgration des donnes issues de
lancienne base de donnes de lentreprise. Une fois notre entrept de
donnes ralis et remplis on pourra passer la partie reporting.
La troisime tape concerne lERP SAP BusinessObject avec lequel on
crera des univers afin de pouvoir faire du reporting et aid lentreprise
Shiny dans son organisation administrative et dans le processus de prise
de dcision.
Ce rapport sera constitu de trois parties ; tout dabord on commencera
par quelques concepts thoriques sur la chane dcisionnelle
ventuellement les parties ETL, OLAP et Reporting. Ensuite, on citera les
diffrents outils utiliss durant le projet, pour enfin finir avec les
diffrentes tapes de la ralisation du projet.

II.

Concepts thorique

1. Chane BI ou chane dcisionnelle

Business Intelligence
Business Intelligence ou BI : Collecter les donnes internes et externes et
les transformer en informations, analyses par les utilisateurs, pour
prendre de meilleures dcisions et amliorer la performance de
lentreprise. Le Business Intelligence restitue une vision cohrente du
fonctionnement de lorganisation :

Assurer la cohrence entre les objectifs stratgiques et les actions

du management oprationnel.
Fournir une vision prospective : mesurer la performance de la
stratgie choisie et agir en consquence.
Modliser le business.

La chane dcisionnelle
Llment de base du systme dcisionnel est le datawarehouse ou
entrept de donnes. Cest une base de donnes trie, classe, afin den
sortir, grce des outils de restitution et danalyse, une information
stratgique.
La mise en place dun systme dcisionnel consiste donc rcuprer les
donnes de la base oprationnelle de lentreprise afin de constituer le
datawarehouse (Phase dalimentation) souhait. Par la suite, il faudra
traiter les donnes du datawarehouse par des phases de restitution et/ou
danalyse.

Il faut procder par tapes pour mettre en place correctement le

DataWareHouse.

 Interviews utilisateurs / Cerner les besoins utilisateurs :

Le DataWareHouse est au centre de la chane dcisionnelle, il faut donc le
concevoir avec prcaution. Une phase pralable dinterviews auprs des
utilisateurs est ncessaire, mme si un cahier des charges a t rdig,
afin de mettre en vidence les donnes qui leur sont vraiment utiles.
Modlisation du DataWareHouse :
Aprs, les interviews auprs des utilisateurs, les donnes ncessaires sont
connues. Il faut les organiser de manire obtenir des modles, de type
toile ou double toile afin de pouvoir y accder facilement. On dfinit
les objets que lutilisateur va pourvoir utiliser pour crer ses requtes et
ses tableaux. De plus, on met en place les cubes, systmes de
modlisation des donnes multidimensionnelles pour pouvoir grer les
agrgats. On dfinit les axes danalyse qui peuvent tre, entre autre,
laxe temporel (anne, trimestre, mois, semaine), laxe gographique
(continent, pays, rgion, dpartement, ville), et les indicateurs.
Lanalyse multidimensionnelle permet d'tudier les indicateurs, comme
le chiffre daffaire ou la marge, en fonction des diffrents axes.
Lavantage de ce systme est quon peut passer dun niveau un
niveau plus dtaill : du chiffre daffaire par pays au chiffre daffaire par
rgion.
Constitution des Data Mart :
Une fois le DataWareHouse cr, on peut mettre en place un systme de
Reporting et dAnalyse pour diffrents services : un pour le service
Financier, un pour le service Marketing, un pour le service Client, On
va construire alors par service un mini DataWareHouse qui
contiendra uniquement les donnes utilises au sein du service ( on ne
garde que les tables ncessaires ). Ce mini DataWareHouse est
appel DataMart qui donne une vision dpartementale ou mtier des
donnes. On le construit de la mme faon quon met en place un
DataWareHouse, cest--dire quun DataMart se compose de plusieurs
tables organises le plus simplement possible. On retrouvera une ou
plusieurs tables de faits au centre do partent diffrents axes
danalyse.
Les tapes dun projet dcisionnel
Comme tout projet, un projet dcisionnel se dcompose en trois grandes
tapes :

Lidentification du projet
La conception
Le dploiement

Lidentification reprsente le pr-projet, ltude pralable dans laquelle on

dfinit le primtre du projet, sa faisabilit, ses enjeux et o lon
dtermine le planning suivre et le cahier des charges. Suite ces
prmisses, on entre dans lanalyse ou conception du projet.
La conception comprend les spcifications fonctionnelles et les
spcifications dtailles. Chacune est trs oriente dcisionnel. Dans les
spcifications fonctionnelles, suite aux interviews utilisateurs, on retrouve
la modlisation avec la dfinition des axes et indicateurs et une premire
tentative de mise en place du modle dcisionnel. Les spcifications
dtailles sont plus orientes techniques. On y retrouve les procdures
dalimentation, une maquette, la dfinition dtaille des tableaux de bord
et la rdaction du cahier de recette. Nous y avons ajout une partie "choix
outils" qui nous paraissait intressante comme prlude la ralisation.
La ralisation ou dploiement comprend, comme dfinies dans la chane
dcisionnelle, la phase dalimentation, la phase de restitution et/ou la
phase danalyse.
2. ETL (Extract-Transform-Load )
Extract-Transform-Load est
connu
sous
le
terme ETL (ou
parfois : datapumping).
Il
s'agit
d'une
technologie informatique intergicielle permettant
d'effectuer
des
synchronisations massives d'information d'une banque de donnes vers
une autre. Selon le contexte, on traduira par alimentation ,
extraction , transformation , constitution ou conversion ,
souvent combins.
Elle est base sur des connecteurs servant exporter ou importer les
donnes dans les applications (Ex : connecteur Oracle ou SAP...),
des transformateurs qui manipulent les donnes (agrgations, filtres,
conversions...), et des mises en correspondance (mappages). Le but est
l'intgration de l'entreprise par ses donnes.
A l'origine, les solutions d'ETL sont apparues pour le chargement rgulier
de donnes agrges dans les entrepts de donnes (ou datawarehouse),
avant de se diversifier vers les autres domaines logiciels. Ces solutions
sont largement utilises dans le monde bancaire et financier, et en
dveloppement dans l'industrie.
Actuellement il existe trois catgories doutils ETL :

 Engine-based : les transformations sont excutes sur un serveur

ETL, disposant en gnral dun rfrentiel. Ce genre de doutil
dispose dun moteur de transformation ;
Database-embedded : les transformations sont intgres dans la
BD ;
Code-generators : les transformations sont conues et un code est
gnr. Ce code est dployabe indpendamment de la base de
donnes.
Composantes de lETL

La transformation est la tche la plus complexe et qui demande

beaucoup de rflexion. Voici les grandes fonctionnalits de
transformation :
Nettoyage des donnes
Standardisation des donnes.
Conformit des donnes.
gestion des tables de fait
gestion des dimensions
affectations des cls de substitution (surrogate key)
gestion de l'volution lente (Slowly changing dimension)
gestion des faits arrivants en retard ( Late arriving fact)

Le feedback concerne les deux aspects suivants :

- Informer le systme source du rsultat de l'extraction : russite, chec,
date dernire extraction, date prochaine extraction...
- Transmettre de l'information aux systmes sources ( parfois aussi
l'ODS). L'exemple le plus cite est celui lorsque l'entrept de donnes
aprs analyse des click-streams de l'exprience de navigation d'un client
(Que l'on reconnat par son adresse IP) renvoie de l'information aux
systmes oprationnels dans le but d'afficher les bannires les plus
appropries !

 L'extraction des donnes est la premire tape dans les systmes

ETL. Elle permet de lire les donnes partir des systmes sources.
Selon la nature de ces systmes sources l'extraction peut s'avrer
critique et trs exigeante dans le sens o il faut la raliser le plus
rapidement souvent et ce en exploitant au minimum les ressources
du systme source. En gnral les extractions sont lances la nuit
durant ce l'on appelle un Extract Window sur lequel on s'est mis
d'accord. La complexit de l'extraction n'est pas dans le processus
de lecture, mais surtout dans le respect de l'extract window. C'est
pour cette raison que l'on effectue rarement des transformations lors
de l'extraction d'une part. D'autre part, on essaye au maximum
d'extraire seulement les donnes utiles et pour ce faire on pourrait
s'entendre avec le responsable du systme source pour ajouter soit
un flag ou encore des dates dans chacune des tables extraites, au
moins deux dates : Date de cration de l'enregistrement dans la
table et la date de mise jour . Par ailleurs pour ne pas perdre des
donnes suites des problmes d'extraction, il est important de
s'assurer que le systme source ne purge pas les donnes avant que
l'entrept ne les aies extraits
Le chargement dans les systmes ETL est une source de beaucoup
de confusion, selon la situation elle permet :
-de charger les donnes dans l'entrept de donnes qui est thoriquement
la destination ultime des donnes ;
-ou de les charger dans des cubes de donnes.

3. Modlisation OLAP :
OLAP
OLAP signifie On Line Analytical Processing . Le modle OLAP sera celui
du Datawarehouse. Il sera construit pour permettre des analyses prcises
et pertinentes. Plusieurs termes lis lOLAP ont t invents :
- R. OLAP : Relational OLAP
- M. OLAP : Multi demensional OLAP
- H. OLAP : Hybrid OLAP
Le R. OLAP est le plus facile et le moins cher mettre en place. Il est
cependant moins performant lors des phases danalyse et de calculs. En
effet, il fait appel beaucoup de jointures, et donc les traitements sont
plus consquents.
Le M OLAP est plus difficile et plus cher mettre en place. Cependant, on
se retrouve aprs avec des traitements beaucoup moins lourds et donc,
bien plus performant que pour le R. OLAP.

Le H. OLAP, enfin, est une solution hybride entre les deux, qui recherche
un bon compromis cot/performance.
Ces trois notions se retrouvent surtout lors du dveloppement des
solutions. Elles dpendent du soft et hardware. Lors de la modlisation, on
ne sintresse qu concevoir une modlisation oriente dcisionnelle,
indpendamment des outils utiliss ultrieurement.
Modle de base
Cest partir de lui que se construira la modlisation OLAP. Il sagit dun
modle classique des donnes qui devront tre contenues dans le
datawarehouse. Les modles des bases de donnes sources sont
ncessaires pour pouvoir connatre quelles sont les donnes disponibles. Il
faut aussi les recouper entre elles. En effet, deux situations sont
frquentes lorsque plusieurs sources sont croises :
- Des donnes portant le mme nom ont des significations diffrentes
- Des donnes portant des noms diffrents sont strictement
identiques.
Pour pouvoir tablir le modle de base, il faut donc bien avoir cern
quelles sont les donnes utiles et comment elles sont dfinies.
Modle en Flocon et en toile
Une fois le modle de base tabli, il va sagir de le retravailler dans une
optique plus dcisionnelle. On va le modifier en utilisant diffrents
procds :

Changement de place de certains lments

Suppression des lments qui ne sont pas utiles
Duplication des lments lorsque cest ncessaire
Etc.

Une fois les modifications effectues, on regarde si on peut rpondre

toutes les demandes. Par exemple : est-il possible de donner toutes les
ventes dun magasin sur une semaine pour le directeur financier ? Ce sont
toutes ces questions, auxquelles les utilisateurs ont besoin davoir des
rponses, quil faut tre capable de rpondre. Si le modle ne permet pas
de retrouver les donnes ncessaires aux rponses, il faut repenser les
modifications. Cette vrification doit tre effectue mticuleusement, car
ce nest pas une fois le datawarehouse mis en place quil faudra se rendre
compte quune demande ne peut tre satisfaite.
Il est important de garder lesprit quil ny a pas une solution unique
mais plusieurs solutions logiques. Gnralement, chacune ses avantages
et ses inconvnients. Il faut donc bien se baser sur ce qui est le plus
important pour le client.
Au centre, on devra trouver la (les) table(s) de fait. Cest celle qui contient
les informations qui vont tre exploites. Par exemple, des ventes pour
une chane dhypermarchs. Classiquement, cette table contient les
10

niveaux de dtails les plus bas possibles. Dans notre exemple prcdent,
cela pourra tre les ventes dun produit, dans un magasin donn, une
heure prcise.
Il existe deux grandes familles de modles : ceux en flocon et ceux en
toiles.
Modle en Etoile
Un modle en toile se caractrise par la prsence de branches autour de
la table de fait. (dans notre exemple les ventes). Les branches ne sont pas
ncessairement quilibres, il ne faut donc pas chercher tout prix avoir
un modle bien symtrique.
Modle en Flocon
Un modle en flocon se caractrise par la prsence de branche qui se
ddouble. L encore, le but nest pas dobtenir une forme esthtiquement
parfaite, mais davoir quelque chose de pertinent.
On peut aussi se retrouver avec des modles en double toile ou double
flocon. Dans ces cas, on aura, non pas une, mais deux tables de fait lies.
Lors de la modlisation OLAP, il faut se rappeler quil nexiste pas de
solution unique. Ce qui est important, cest quil soit cohrent, logique et
adapt au projet. Un modle qui permet de rpondre aux questions des
utilisateurs et qui est performant en terme de calcul est un bon modle.
Multidimensionnel
Une fois le modle OLAP tablit, on peut souvent identifier plusieurs
dimensions. Normalement, on doit retrouver les grands axes fonctionnels
du projet. Chaque dimension constituera un axe danalyse. Ceci permettra
dagrger les donnes pour avoir une vision densemble synthtique, ou
de descendre dans les niveaux de dtails pour obtenir une vue plus fine.
Le multidimensionnel donne donc des vues diffrents niveaux de
zoom . Il permet donc deffectuer des analyses prcises de nimporte
quel chiffre.
4. Reporting
Les outils de restitution ou de pilotage sont la finalit de la chane
dcisionnelle, ils sont utiliss par les utilisateurs qui ne connaissent pas
forcment linformatique dcisionnelle. Ce sont donc des outils de
Reporting assez facile prendre en main et manipuler.
Moyens de restitution
Les outils de Requtage sont des gnrateurs de code SQL : Analyse
then Query . Il y a deux types dutilisateurs :
11

Les utilisateurs qui crent les rapports : ils peuvent, ou pas, connatre
linformatique dcisionnelle. Ils ont accs aux univers et aux cubes. Ils
manipulent, partir de linterface du requteur, les objets contenus
dans les classes pour crer divers tableaux. Ils composent des rapports
quils peuvent diffuser, par la suite, aux personnes concernes.

Les utilisateurs, qui rafrachissent priodiquement les rapports, nont

alors pas accs lunivers et ne manipulent aucune donne. Ils
analysent les informations que leur prsentent les rapports. Souvent
ces utilisateurs ne connaissent pas linformatique dcisionnelle.

Les rapports sont composs dun ou plusieurs lments : de tableaux, de

diagrammes (courbes, camembert, ) en 2D ou 3D, de zones de texte, dimages.

III. Prsentation des outils utiliss :

PowerAMC :
PowerAMC est une robuste solution de Modlisation des Systmes
d'informations quon peut utiliser en toute simplicit. PowerAMC est un
assemblage d'outils prend en charge un grand nombre de techniques de
modlisation standard : modlisation Merise (Donnes et Traitements),
Modlisation UML spcialement harmonise la logique des applications
et Modlisation des Processus Mtiers consacre aux non-informaticiens
pour leur rendre ais l'expression des besoins. Il offre un environnement
visuel trs intelligent et trs facile traiter. Enfin, un repre d'Entreprise
est prsent en option pour une gestion intgrale et matrise de la
totalit des mtadonnes.
PowerAMC offre un ensemble d'outils pour la cration directe des
structures de SGBD-R pour plus de 45 moteurs du march, rtroconception et coordination.
Pour notre cas on va utiliser PowerAMC pour La conception du MPD puis la
gnration de la base de donnes de production et la DataWarhouse de
lentreprise Shyny.

12

MySQL :
Nous avons utilis le Systme de Gestion de Base de Donnes MySQL qui
est un systme de gestion de base de donnes (SGBD). Il est distribu
sous une double licence GPL et propritaire. Il fait partie des logiciels de
gestion de base de donnes les plus utiliss au monde, autant par le grand
public (applications web principalement) que par des professionnels, en
concurrence avec Oracle, Informix et Microsoft SQL Server.

Talend Open Studio :

Talend Open Studio est une solution open source puissante et versatile
pour l'intgration des donns, Il sagit dun ETL (Extract Transform
-Load). Ce type doutil permet de raliser des flux, de manire visuelle,
principalement laide de la souris. Il devient alors possible de faire par
exemple une jointure entre un tableau Excel, un fichier CSV, un fichier
XML, une base de donne MySQL et denregistrer le rsultat au sein dune
base SQL Server.
Talend Open Studio est capable de gnrer un flux sous forme dune
application en Java ou en Perl.
Talend Open Studio est bas sur Eclipse, ce qui peut expliquer sa relative
lourdeur. Une machine relativement puissante est donc requise. En
revanche, il tourne tout aussi bien sur Windows que sur Linux.
Il peut amliorer l'efficacit du job design de l'intgration des donns
grce a un environnement de dveloppement graphique facile a utiliser
qui permet un dploiement rapide et rduit les frais de maintenance avec
des connecteurs prconstruits pour tous les sources et les systmes cibles,
et qui supporte tous les types d'oprations d'intgration des donns, des
migrations des donns, et de la synchronisation des donns.
Nous avons utilis Talend Open Studio pour bnficier de ces avantages
qui sont : gratuit, limportance de la communaut Talend, a des
connecteurs avec plusieurs systmes et sa simplicit.

13

SAP Business Objects :

La suit Business Objects est compose de cinq modules principaux :

-CMS : aussi appel le rfrentiel. Ce module contient les bases de
donnes permettant dadministrer les droits utilisateurs et les diffrents
espaces des stockages des documents. Le CMS contient les outils de
gestion des droits daccs et la gestion du rfrentiel des documents et
des univers.
-Linfoview : est un portail de diffusion des rapports. Il permet
dautomatiser la mise jour des rapports et leur diffusion. Cette diffusion
peut se faire soit en envoyant les documents que lutilisateur pourra
rafraichir lui-mme.
-Designer : est loutil qui permet de raliser les univers. Les univers sont
des interfaces qui permettent de traduire une base de donnes en termes
comprhensibles pour les utilisateurs.
-Desktop intelligence ou DESKI : est lditeur de requte. Cet diteur
est le client lourd de BO, il doit sinstaller directement sur un poste
utilisateur pour tre utilis.
-Web intelligence ou WEBI : est galement un diteur de requete. Celui
est la version client lger. Il fonctionne avec un simple navigateur internet.
Nous avons utilis seulement les deux modules Designer pour crer les
univers et Desktop intelligence pour gnrer les rapports.

IV. Ralisation de la solution :

La ralisation de la solution a pass par trois phases :
Modlisation et gnration du Datawarehouse .
ETL.
Analyse des donnes.
1-Premire phase : Modlisation et gnration du data warehouse
avec PowerAMC :

Cration dun modle physique de donnes MPD : pour

modliser la structure physique gnrale du data warehouse, en
tenant compte des considrations logicielles ou des contraintes
relatives au stockage des donnes.
Pour cela, on doit commencer par la cration dun nouveau modle :
Fichier -> Nouveau modle -> Modle physique de donnes.
14

Aprs on doit choisir diagramme physique comme sest indiqu dans

la figure suivante :

Remarque : il est ncessaire de choisir le type de SGBD de la liste en

bas, dans notre cas on a choisi Mysql 5.0.

Dessiner le modle physique de donnes MPD :

PowerAMC fournit une palette MPD qui peut tre ancre nimporte o
dans lespace de travail, elle offre un ensemble doutils qui
permettent de commander les principales fonctionnalits
ncessaires pour construire et modifier le MPD.
Aprs le choix des dimensions et les diffrentes mesures qui seront
reprsentes par notre data warehouse on a obtenu le modle
suivant :

On a choisi trois mesures :

-le chiffre daffaire= la quantit vendue* le prix.
-la solvabilit, qui permet de dcider si le client est capable de
rembourser sa facture en tenant compte de la limite crdit.
-le dlai dexpdition, qui mesure le temps ncessaire pour expdier
une commande dfinie.
15

Ces mesures font appels aux dimensions suivantes : D_Client,

D_Produit, D_Temps
Et la dimension D_Commande.
Pour chaque dimension on a dfini les attributs qui seront utiles
pour le calcul des mesures de la table de fait et lanalyse qui sera
dtaille dans la troisime phase.
Gnration du script du data warehouse :
PowerAMC offre la possibilit de gnrer une base de donnes
directement partir dun MPD ou bien gnrer un script qui sera par
la suite excut dans environnement de SGBD. Dans notre cas, on a
choisi la deuxime option, cest--dire, gnrer un script SQL.
Pour cela, on a procd comme suivant :
SGBD -> Gnrer la base de donnes.

Apres dans longlet Gnral, on a indiqu dans le champ

rpertoire le chemin du dossier o on veut enregistrer notre
script comme le montre la figure suivante :

Ce processus gnre un fichier .sql dans le dossier indiqu.

On a import ce script dans une base de donnes Mysql sous le serveur
localhost.

2-Deuxime phase : lETL avec Talend Open Studio :

Talend permet de rcuprer des donnes de plusieurs sources diffrentes,
de les transformer et de les recharger dans un entrept de donnes
central.

16

Il sagit dalimenter toutes les colonnes des dimensions et celles de la

table de fait.

Dfinition les connexions aux bases de donnes:

On a dfinit les connexions aux bases de donnes : la base shyny

source et le data warehouse.
Pour cela, Un clic droit sur "DB Connections" dans le menu de droite puis
sur "Crer une connexion".

La cration des Jobs :

On a cr un job pour alimenter chaque dimension du data warehouse.

Dans l'onglet Rfrentiel on fait un clic droit sur Jobs , ensuite on
clique sur Crer un job

17

Pour chaque Job on glisse les tables sources et on les dfinit en tant
que tMysqlInput et la table de dimension en tant que
tMysqlOutput .
Dans l'onglet Palette on choisit le composant tMap , on le
glisse et le dpose dans le Designer du job.
Loutil tMap permet mapper, cest--dire, lier les attributs des tables
sources et cibles directement ou bien en appliquant des oprations
sur ces attributs comme cest le cas pour la table de fait.

Aprs lenregistrement du job, on lance lexcution avec le bouton

excuter job ce qui permet dalimenter les tables cibles.
3-Troisime phase : Analyse de donnes avec SAP Business
Object :
Il sagit de reprsenter des informations pertinentes et des indicateurs qui
peuvent aider les manager prendre des dcisions. Ces informations
doivent tre prsentes dune manire visible et claire, par exemple sous
forme de tableau, de graphe ou histogramme
SAP BusinessObjects est un ensemble d'outils permettant de gnrer des
rapports de rfrences faciles utiliser travers deux modules : Designer
et desktop intelligence.

Cration de luniver :

On a cr un univer qui permet de contrler les droits daccs pour les

diffrents utilisateurs.

18

Sous SAP BO, on a accd au module Designer, on a commenc par la

cration dun univers et insr les informations relatives a cet univers, puis
on a choisi notre data warehouse

On o choisi Pilotes ODBC MySQL car la base de donnes est cre sous
Mysql 5.0. Pour tester la connexion il suffit de cliquer sur tester elle fentre
va safficher pour nous indiquer si la connexion est bien faite ou non.
Aprs on a choisi les tables avec lesquelles on va travailler et effectuer
les requtes (slectionner puis ajouter).

Pour russir les requtes on a design les indicateurs (ce sont des
paramtres quantitatifs des units de mesure de la performance).
Pour indiquer quun champ est un indicateur il suffit de le slectionner puis
clic droit proprits dobjetproprits et aprs on coche le bouton radio
indicateur.
On a li chaque dimension la table de fait, et on a ajust les diffrentes
cardinalits.

19

Pour les conditions et les requtes dans la barre doutils on choisit

outilsDesktop intelligence aprs choisir lunivers quon a dj cre.

Aprs il suffit de glisser les champs quon veut afficher dans la partie
Objets du rsultat et les requtes dans la partie conditions

Aprs il suffit de cliquer sur excuter pour gnrer le rapport.

On peut galement gnrer des graphes pour plus de lisibilit.

20

Vous trouvez en annexe tous les rapports quon a raliss.

V.

Difficults rencontres :

Les principaux problmes quon a rencontrs durant ce projet

concernaient :

La conception du DW nous a pris beaucoup du temps.

le choix des dimensions ainsi que les KPIs.
Le chargement du DW avec ETL, notamment les jointures, les
fonctions sur Talend.
Manque de documentation.
Installation de SAP BO tait un peu difficile.
Le temps d'installation de SAP BO important.
Difficult de crer une connexion ODBC sur une machine 64bits.
Difficult de travailler avec Designer en mode entreprise.

21

VI. CONCLUSION :

Dans ce projet on a appliqu toute la chaine BI sur

lentreprise Shiny . Ce travail facilite aux
managers de prendre de bonnes dcisions en se
basant sur lexprience client.
Ce projet sest rvl trs enrichissant dans la
mesure o il a consist en une approche concrte du
mtier dingnieur en Business Intelligence. En effet,
la prise dinitiative, le respect des dlais et le travail
en quipe seront les aspects essentiels de notre futur
mtier.
On estime que ce projet a t russi dans le sens
quon sait prsent se servir des diffrents logiciels
et outils BI qui taient mis disposition pour mener
bien le projet.

22