Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

1 Pr. Adil Anwar aanwar@iscaextra.net 1 ◦Chapitre 1: Introduction aux SI décisi

1 Pr. Adil Anwar aanwar@iscaextra.net 1 ◦Chapitre 1: Introduction aux SI décisionnels Exemple introductif Processus décisionnel et besoins liés aux SI Les solutions possibles L’infrastructure décisionnelle Avantages et applications ◦Chapitre 2 : Entrepôts de données (Data Warehouse) Processus d’entreposage de données Conception de DataMart Modélisation d’un entrepôt de données ◦Chapitre 3 : Analyse Multidimensionnelle OLAP Analyse OLAP Opérations élémentaires OLAP Systèmes OLAP 2 3 2 La mondialisation qui poursuit son bouleversement des équilibres concurrentiels et économiques; les entreprises sont confrontées à une concurrence de plus en plus accrue. Un environnement financier incertain et complexe; Leur survie dans cet environnement complexe et hostile dépende en grande partie de la modernisation des outils de conception, de gestion et d’anticipation. La crise économique !! ? « la mise au point d'une stratégie susceptible de mieux atteindre les objectifs de l’entreprise» 4  Les objectifs ◦ Toute entreprise doit pouvoir anticiper des événements de plusieurs type : évolution du marché, ... ? « Quels outils donner au décideur pour comprendre dimensionner, piloter et gérer » Maintenir une longueur d’avance sur les concurrents Augmentation de la réactivité Conquérir des nouveaux marchés Diminution des coûts de fabrication. Diversité des produits Augmentation de la qualité 5 6 6 2013-2014 Produits Partenaires Clients Parfumerie Grossistes Mini marchés Vendeurs électroménager Détaillants Exemple introductif : une entreprise spécialisée dans la logistique, la distribution et la commercialisation des produits de grande consommation au Maroc 3 7 7 2012-2013 Processus de la Vente Grossistes/Parfumerie/Electro/Pharmacie Saisie de la commande sur Solution commerciale EasySales ERP SCALA Chargement et édition de la facture Préparation de la commande Livraison J+1 Synchronisation Du PDA Client Analyste de ventes 8 8 2012-2013 Reporting actuel Décideur Fichiers excel Processus de reporting chez Aventis contacte Dresse des tableaux 9 9 2013-2014 Quels sont les produits les plus commandés par une certaine catégorie de clients? Quel est le secteur le plus lucratif? Quels est la fréquence de commande d’un client donné par mois? Quelle est la vitesse de vente d’un vendeur? Quel est le rapport entre le nombre de clients couverts et le nombre total des clients dans un secteur donné? Besoins des décideurs Décideur 4 les enjeux économiques dans le domaine de la distribution sont devenus tels que l’intuition et la réflexion ne suffisait plus dans la prise de décision, La politique de Reporting suivi actuelle par la société présente des limites aussi bien fonctionnelles que techniques. cette solution ne permet pas de faire des analyses avancées sur le processus de vente qui est le cœur métier de la société. ◦Ces rapports demeurent figés : des vues qui reposent essentiellement sur la présentation des données sous forme de tableaux. ◦ne permettant que la traçabilité de l’évolution des données sans aucune possibilité d’intégré les nouveaux besoins qui surgissent quotidiennement 10 tous ces facteurs limitent en réalité le travail du responsable métier dans le champ de suivi des commandes qui demeure très restreint Une solution s’avère nécessaire pour résoudre les problèmes suivants : ◦La lenteur de la procédure de Reporting. Le croisement des quantités de données n’est pas performant et adaptable sur Microsoft Excel donc la procédure de Reporting est jugée très longue ; ◦Le manque de sécurité. La sécurité des données de l’entreprise n’est pas assurée par la politique existante ; ◦La lourdeur de la base de donnée « SCALA ». L’extraction des données à partir de la base de donnée de l’ERP est lourde vu l’existence de plusieurs tables dédiés à d’autres fins et donc non utilisés et non adaptées aux besoinx du responsable de ventes 11 12 12 2013-2014 Problématique X Perte de données potentielle causée éventuellement par la perte du fichier .xls X Données éparpillées X Requêtes d’analyses complexes X Volumétrie X Dépendance vis à-vis De l’analyste de ventes X Manque de résultats et de rapports riches en statistiques Données Dépendance X Temps d’élaboration des rapports est trop élevé X Accès difficile à l’information Temps Objectifs Vers une solution décisionnelle… 5 Ne veulent plus seulement savoir par exemple : ◦« Combien de clients ont acheté tel produit pendant telle période ? » Mais de nouvelles questions métiers : ◦Clientèle: « Quels sont les profils des clients ? » « Quels sont les autres produits les intéresseront ? » « Quand seront-ils intéressés ? » « Comment les conserver ou les faire revenir ? » ◦marketing, actions commerciales : « Où placer ce produit dans les rayons ? » « Comment cibler plus précisément le mailing concernant ce produit ? » 13 Une grande masse de données (concept de Big Data): ◦Distribuée ◦Hétérogène ◦Très Détaillée A traiter : ◦Synthétiser / Résumer ◦Analyser ◦Visualiser Pour une utilisation par : ◦Des experts et des analystes d'un domaine métier NON informaticiens NON statisticiens 14 15 • Les requêtes complexes et lourdes dégradent les performances des systèmes transactionnels, • Les données sont réparties entre données actuelles et données archivées, rendant la vue historique des données très difficile ou impossible, • Combien l’unité de vente A a gagné en janvier ? • Combien l’unité de vente B a gagné en Février? • Quel était le montant de ventes combiné pour le premier trimestre? • Quelles sont les ventes du produit X pendant le trimestre A de l'année B dans la région C ? • Comment se comporte le produit X par rapport au produit Y? • Quel type de client peut acheter le produit X? • Est-ce qu'une baisse de prix de 10% par rapport à la concurrence ferait redémarrer les ventes du produit X ? 6 Moyens pour répondre à ces questions: ◦Data Warehouse : un système d’information centralisé, dédié aux applications décisionnelles. ◦Data Mining : un processus de prospection de données offrant un ensembles de techniques (modèles et algorithmes) pour la prédiction, la génération de liens, et de concepts. En Aval des bases de production ◦(i.e. bases opérationnelles, production) En Amont des prises de décisions ◦basé sur des indicateurs (Key Performance Indicators (KPI)) 16 Les systèmes d'information comprennent quatre principaux systèmes pour l'organisation dans son ensemble. ◦STT: Les systèmes de traitement des transactions assistent le niveau opérationnel de l'entreprise. ◦SIG: Les systèmes d'information de gestion renseignent les gestionnaires sur le rendement de l'entreprise. ◦SAD: Les systèmes d'aide à la décision appuient les gestionnaires dans les décisions stratégiques à court terme et à moyen terme qu'ils ont à prendre. ◦SID: Les systèmes d'information pour dirigeants soutiennent les dirigeants dans la prise de décision importante pour l'entreprise. 18 7 Interrelations entre les systèmes Système de gestion (opérationnel) Système de décision (analyse) Objectifs dédié au métier et à la production ex: facturation, stock, personnel dédié au management de l'entreprise (pilotage et prise de décision) Pérennité données volatiles ex: le prix d'un produit évolue dans le temps données historisées ex: garder la trace des évolutions des prix, introduction d'une information daté Optimisation pour les opérations associées ex: passage en caisse (lecture de code barre) pour l'analyse et la récapitulation ex: quels les produits achetés Ensembles Granularité de données Totale et atomique, on accède directement aux informations atomiques agrégats, niveau de synthèse selon les besoins de l'analyse Système de gestion vs. Système de décision. 21 8 Données ◦Points de ventes, géographiques, démographiques, ... Informations ◦I vit dans R, I est âgé de A, ... Connaissances ◦Dans X%, le produit Y est vendu en même temps que le produit Z, ... Décisions ◦Lancer la promotion de Y & Z dans R auprès des clients plus âgés que A, 22 Incompatibilités des deux activités ◦Les deux activités (OLTP & OLAP) ne peuvent co-exister sur des données dans le même système d’information: leurs objectifs de performance sont exactement opposés: Les requêtes complexes et lourdes dégradent les performances des systèmes transactionnels, Les données temporelles sont réparties entre données actuelles et données archivées, rendant la vue historique des données très difficile ou impossible, ◦Le support efficace d’une activité OLAP nécessite la constitution d’un système d’information propre: Le Datawarehouse 23 24 9 Mieux connaître le client ◦pour mieux le servir ◦pour augmenter sa satisfaction ◦pour augmenter sa fidélité (+ coûteux d’acquérir un client que le conserver) La connaissance du client est encore plus utile ◦les produits se ressemblent entre établissements ◦le prix n’est pas toujours déterminant ◦ce sont surtout le service et la relation avec le client qui font la différence 25 Marketing ◦Marketing direct : population à cibler (âge, sexe, profession, habitation, région, …). 26 Secteur bancaire ◦Déterminer les profils des clients. ◦Utilisation du score de risque pour proposer le montant de crédit le plus adapté à chaque client. ◦Aide à la décision de paiement. ◦Déterminer le meilleur taux de réponse des campagnes marketing. ◦Découverte de segments de clientèle. ◦Adaptation de la communication marketing à chaque segment de clientèle. ◦Identification des clients susceptibles de partir à la concurrence. 27 10 Econométrie ◦prédiction de trafic autoroutier. Ressources Humaines ◦adéquation activité / personnel. Santé ◦épidémiologie (VIH, Amiante, ...). Logistique ◦adéquation demande / production. Commerce ◦ciblage de clientèle. ◦aménagement des rayons (2 produits en corrélation). e-commerce ◦personnalisation des pages d’un site web en fonction du profil de chaque internaute. ◦optimisation de la navigation sur un uploads/Marketing/bi-chap01.pdf