Datawarehouse & Business Intelligence

Datawarehouse & Business Intelligence  GIN5L07

Enseignant:

Email:

Durée totale du cours: 45 H

Semestre : 5

Option : Ingénierie logicielle

Nombre de crédits : 3

Option : Ingénierie des connaissances 

Nombre de crédits : 2

Objectifs du cours :

• Comprendre les concepts fondamentaux de la gestion de données et de la Business Intelligence (BI).
• Savoir concevoir, mettre en œuvre et optimiser un entrepôt de données.
• Acquérir des compétences en modélisation de données et en conception de schémas pour la BI.
• Maîtriser les outils et les techniques d'extraction, de transformation et de chargement (ETL).
• Savoir créer des rapports et des tableaux de bord interactifs pour soutenir la prise de décision.

Contenu du  cours

• Objectifs : Comprendre les concepts de base de la BI, son importance et son rôle dans les entreprises.

• Introduction à la Business Intelligence.
• Cycle de vie de la BI.
• Architecture BI.

• Objectifs : Comprendre les principes et la structure des entrepôts de données.

• Introduction aux entrepôts de données.
• Modélisation dimensionnelle.
• Schéma en étoile et en flocon.

• Objectifs : Apprendre à collecter, nettoyer et charger des données dans un entrepôt de données.

• Processus ETL.
• Outils ETL populaires.
• Transformation des données.

• Objectifs : Acquérir des compétences dans la création de rapports interactifs et de tableaux de bord.

• Outils de création de rapports.
• Conception de tableaux de bord.
• Visualisation des données.

• Objectifs : Maîtriser les langages de requête couramment utilisés dans la BI.
• Thèmes abordés :
• SQL pour la BI.
• MDX (Multidimensional Expressions).
• DAX (Data Analysis Expressions).

• Objectifs : Comprendre l'importance de la sécurité et de la gouvernance des données dans la BI.

• Sécurité des données.
• Gouvernance des données.
• Conformité aux réglementations.

• Objectifs : Appliquer les connaissances acquises à des projets pratiques.

• Analyse de cas.
• Conception et implémentation d'un entrepôt de données.
• Création de rapports et de tableaux de bord.

• Objectifs : Explorer les tendances émergentes et les avancées technologiques dans le domaine de la BI.

• Intelligence artificielle et BI.
• Big Data et BI.
• Cloud et BI.

Méthodes d’enseignement et d’apprentissage

• Enseignement frontal (magistral) avec des exemples à résoudre en
• Travaux pratiques (laboratoire)
• Travaux à faire à domicile (mini-projet, exposé, compte-rendu, …)

Connaissances et compétences pré-requises

• Bases de données.
• SGBD & Administration de bases de données.

Références bibliographiques

• Un polycopié (Notes du cours) de l’enseignant sera disponible.
• Autres références sous forme de tutoriaux, manuels ou documents à télécharger relatives aux éléments de contenu.
• Cuneyt Yilmaz, “Oracle Business Intelligence  11g  R1  Cookbook”, Packt Publishing,    2013,
• ISBN: 978-1-84968-600-6, Pages: 364, http://it-ebooks.info/book/3018/
• Reza Rad,   “Microsoft   SQL   Server   2014   Business   Intelligence   Development”,   Packt
• Publishing, 2014, ISBN: 978-1-849-68888-8, Pages: 350, http://it-ebooks.info/book/3624/
• Dan Clark, “Beginning Power BI with Excel 2013”, Apress, 2014, ISBN: 978-1-4302-6445-3, Pages: 324, http://it-ebooks.info/book/4324/
• Kimball, Ralph,   Margy  Ross,   “The  Data  Warehouse  Toolkit:   The   Definitive   Guide to Dimensional Modeling”, 3ème édition, Wiley, 2013.
• "Data Warehousing Fundamentals" par Paulraj Ponniah - Ce livre couvre les bases des entrepôts de données et est souvent utilisé comme une référence de base pour le domaine.
• "The Data Warehouse Toolkit" par Ralph Kimball - Ralph Kimball est une figure majeure dans le domaine de la Business Intelligence et cet ouvrage est considéré comme un classique.
• "Business Intelligence Guidebook: From Data Integration to Analytics" par Rick Sherman - Ce livre offre une perspective globale sur la Business Intelligence, y compris les aspects de l'intégration des données.
• "Data Warehouse Design: Modern Principles and Methodologies" par Matteo Golfarelli, Stefano Rizzi, et Alberto Maierù - Ce livre se penche sur la conception moderne des entrepôts de données.
• "Mastering Data Warehouse Aggregates: Solutions for Star Schema Performance" par Christopher Adamson - Ce livre se concentre sur les agrégats, un aspect important de la performance des entrepôts de données.
• "Business Intelligence Guidebook - From Data Integration to Analytics" par Rick Sherman - Un guide complet sur la Business Intelligence, couvrant l'intégration des données, la modélisation et l'analyse.
• "Data Warehouse Project Management" par Sid Adelman et Larissa T. Moss - Ce livre aborde la gestion de projet spécifique aux entrepôts de données

Modalité d’évaluation

• 40% Contrôle continu (Test + Travail individuel avec présentation orale, Devoir surveillé, …)
• 60% Examen semestriel

Résultats d'apprentissage

1. Conception de Datawarehouse : Les étudiants devraient être capables de concevoir des modèles de données adaptés à la gestion et à l'analyse de grandes quantités de données.
2. Extraction, Transformation et Chargement (ETL) : Comprendre les principes de l'ETL et être en mesure de mettre en place des processus pour extraire, transformer et charger des données à partir de sources variées dans le Datawarehouse.
3. Modélisation de données : Savoir concevoir des schémas de base de données dimensionnels et relationnels pour faciliter l'analyse des données.
4. Langages de requête : Maîtriser des langages de requête comme SQL pour extraire des données du Datawarehouse et créer des rapports.
5. Outils de Business Intelligence (BI) : Être familier avec les outils de BI tels que Tableau, Power BI ou QlikView pour créer des rapports interactifs et des tableaux de bord.
6. Analyse de données : Savoir utiliser des techniques d'analyse de données pour identifier des tendances, des modèles et des insights à partir des données stockées dans le Datawarehouse.
7. Sécurité des données : Comprendre les enjeux de sécurité liés aux données, y compris la gestion des autorisations et la protection des données sensibles.
8. Performance et optimisation : Être capable de surveiller et d'optimiser les performances du Datawarehouse pour garantir des requêtes efficaces.

1. Communication : Être capable de communiquer efficacement avec des parties prenantes non techniques pour comprendre leurs besoins en matière de rapports et de visualisations.
2. Gestion de projet : Comprendre les principes de base de la gestion de projet pour planifier, exécuter et livrer des projets BI dans les délais et le budget.
3. Pensée critique : Développer la capacité à analyser de manière critique les données et les résultats de BI, en remettant en question les hypothèses et en proposant des améliorations.
4. Éthique professionnelle : Comprendre les enjeux éthiques liés à la collecte et à l'utilisation des données, et respecter les normes de confidentialité et de protection des données.
5. Adaptabilité : Être capable de s'adapter aux évolutions technologiques et aux changements de besoins de l'entreprise en matière de BI.
6. Collaboration : Travailler efficacement en équipe, en particulier avec d'autres professionnels de l'informatique et des domaines métier.
7. Résolution de problèmes : Être en mesure d'identifier et de résoudre les problèmes techniques et fonctionnels liés au Datawarehouse et à la BI.
8. Gestion du temps : Prioriser les tâches et gérer efficacement le temps pour répondre aux besoins de l'entreprise.