Modéliser un système d’information décisionnel

  • Référence : MIBI04
  • Durée : 2 jours (14 heures)
  • Certification : Non
  • Eligible CPF : Non

CONNAISSANCES PREALABLES

  • Connaissance de la modélisation relationnelle classique en Business Intelligence

PROFIL DES STAGIAIRES

  • Chef de projet fonctionnel ou technique
  • Consultant en Business Intelligence
  • DBA
  • Développeur

OBJECTIFS

  • Créer une architecture de données adaptée aux besoins décisionnels et Business Intelligence des utilisateurs ainsi que de choisir et harmoniser des étoiles relationnelles et cubes OLAP

METHODES PEDAGOGIQUES

  • Mise à disposition d’un poste de travail par participant
  • Remise d’une documentation pédagogique papier ou numérique pendant le stage
  • La formation est constituée d’apports théoriques, d’exercices pratiques et de réflexions

METHODES D'EVALUATION DES ACQUIS

  • Auto-évaluation des acquis par le stagiaire via un questionnaire
  • Attestation de fin de stage adressée avec la facture

FORMATEUR

Consultant-Formateur expert Business Intelligence

CONTENU DU COURS

1 - Infocentre, Data Warehouse (DW), Data Mart (DM)

  • De l’infocentre normalisé au DW : justification de la dénormalisation
  • Du Data Warehouse au DataMart
  • La conservation des principes de modélisation relationnelle à travers la dénormalisation
  • Modéliser selon les besoins utilisateurs
  • Sémantique et maintenabilité
  • Projet descendant (du DW au DM) / projet ascendant (du DM au DW)

2 - La modélisation hiérarchique des dimensions

  • Les règles construction d’un modèle en étoile
  • Étoiles et flocons
  • De l’étoile au cube OLAP
  • Calculer des volumétries
  • Anticiper les évolutions fonctionnelles

3 - La modélisation des indicateurs

  • Définir des indicateurs selon un dictionnaire d’entreprise
  • Agrégation des indicateurs
  • Pré-calcul et tables d’agrégats en relationnel
  • La dimension Indicateurs d’un hypercube
  • Hiérarchiser les agrégations et préparer la navigation agrégée

4 - Hypercubes et DW relationnels

  • Intérêts et limites des DM en hypercube
  • Le mapping relationnel-OLAP (outils MOLAP / outils ROLAP)
  • L’analyse hybride (HOLAP)

5 - Les techniques de reporting

  • Reporting figé versus analyse dynamique
  • Le DOLAP dans les outils analytiques
  • Les outils de reporting et leur connectivité (DM relationnel / hypercube)
  • Client lourd versus interface web
  • Gestion des droits et problématiques de diffusion de l’information

6 - Les problématiques fonctionnelles

  • La validation des données
  • L’historisation et ses techniques
  • Modèles-types selon les besoins des utilisateurs

7 - L’alimentation des DW / DM

  • Les ETL
  • Choisir les modes d’alimentation
  • Pivots et autres transformations standard

8 - Etudes de cas

  • Illustration des différents points traités au cours du séminaire par des exercices pratiques inspirés de réelles missions de conseil
cookie