DESCRIPTIONUn SI décisionnel réussi nécessite la retranscription exacte des besoins métiers et la compréhension du modèle de données par les utilisateurs du système. Ce séminaire présente l’ensemble des techniques de modélisation d’un système décisionnel et forme les acteurs à la modélisation dimensionnelle.
OBJECTIF
Construire une modélisation efficace des informations du système d’information décisionnel Identifier les facteurs clés de succès avec la modélisation dimensionnelle Maitriser la gestion de vos agrégats Appréhender les différents composants d’une architecture décisionnelle
METHODECette formation participative s’appuie sur de nombreux cas pratiques permettant de mettre en situation les participants et ainsi d’illustrer les difficultés de la modélisation décisionnelle et les solutions pour les traiter. PUBLICEquipe projet décisionnel Directeur des études Analyste système Architecte de données | CONTENU DE LA FORMATIONRappels sur l’architecture d’un système d’information décisionnel- Panorama des architectures décisionnelles présentes dans l’entreprise : avantages et limites.
- Importance de la sémantique et des méta-données pour une prise de décision efficace.
- Maitriser la montée en puissance et l’évolutivité du système.
- Les Datamarts, virtuels ou physiques : positionnement, cohérence et utilisation avec l’entrepôt de données.
La modélisation des informations dans un SI décisionnel d’entreprise- Les enjeux de la modélisation d’un SI décisionnel :
- Les spécificités d’un modèle de données décisionnelles vis-à-vis d’un modèle de données de gestion (OLTP versus OLAP)
- Les différents types de modélisation des informations :
- Le modèle entité relation dé-normalisé
- Le modèle en étoile, le modèle en flocon
- Le modèle hybride : avantages, limites et cadre d’utilisation
- Les modèles génériques : une alternative en termes de facteur de réduction des coûts et de pérennité dans le temps
La modélisation dimensionnelle en étoile- Les notions fondamentales de la modélisation :
- Prise en compte des contraintes dans la modélisation : compréhensibilité, performance, évolutivité, intégration
- Différences majeures entre le modèle métiers et le modèle en étoile
- Les techniques de modélisation : tables de faits, axes d’analyse, étoiles de rapports, modèles d’agrégats, etc.
- Volumétrie des informations.
La modélisation des problématiques métier
- Identification des problématiques métier à prendre en compte systématiquement dans la modélisation en étoile :
- Gestion des hiérarchies dans les axes d’analyse
- Enrichissement des données opérationnelles
- Sécurisation de l’accès aux données
- Gestion temporelle des informations
- Granularité des informations
- Stabilité des analyses dans le temps
- Gestion des non-événements
- Dimension dégénérée
- Modèle en étoile de ciblage
- Impact de la qualité des données dans le système d’information décisionnel.
- La transparence sur la qualité des données, facteur d’implication des acteurs de l’entreprise dans le processus d’amélioration continue
- Positionnement du SID dans la gestion des données de référence (MDM : Master Data Management)
L’optimisation de la gestion de vos agrégats et de vos outils de pilotage
- Qu’entend-t-on par agrégats ? MaItriser vos agrégats dans le cadre de vos projets.
- Gestion du pré-calcul des indicateurs
- Construire et optimiser le niveau de détail des agrégats
- Donner accès aux utilisateurs à ces niveaux de détails (interface web, outils clients, etc.)
- Les clés pour stabiliser et fiabiliser les données et les informations contenues dans le système décisionnel.
- La démarche de modélisation pour assurer 100 % de l’implémentation des besoins métiers
- Les acteurs, l’organisation et les livrables de la démarche de modélisation.
- Présentation du contenu des livrables : présentation des étoiles, le référentiel des informations cibles, conception générales des flux, etc.
Synthèse, bibliographie et recommandations
| |
|
