memoire de magister haciane

8/8/2019 Memoire de Magister Haciane

1/144

Rpublique Algrienne Dmocratique et Populaire

Ministre de lEnseignement Suprieur et de la Recherche Scientifique

Institut National de formation en Informatique

Direction de la Post-Graduation et de la Recherche

Mmoire

En vue de lobtention du

Diplme de Magister en Informatique

Option : Systme dInformation

Prsent par

Ahmed HACIANE

Thme

Soutenu le 09/01/2007 devant le jury compos de :

- Dr. D. E. ZEGOUR, Professeur, INI, Prsident ;- Dr. M. AHMED NACER, Professeur, USTHB, Examinateur ;

- Dr. S. AIT AOUDIA, Matre de confrences, INI, Examinateur ;

- Dr. Z. ALIMAZIGHI, Matre de confrences, USTHB, Rapporteur.

2005 2006

Conception dun datawarehouse Orient

CRM


2/144

Remerciements

Je tiens exprimer mes sincres remerciements Mme. ALIMAZIGHI, matre de confrences lUSTHB pour avoir

accept dencadrer ce mmoire et pour son aide prcieuse pourlaccomplissement de mon travail.

Je tiens aussi exprimer toute ma reconnaissance aux membres de lquipeLSI de linstitut dlectronique et dinformatique de lUSTHB pour mavoir

accueilli au sein de leur quipe. Je les remercie et tiens leur assurer maprofonde gratitude.

Je tiens aussi remercie M. SELMOUNE de lquipe LSI pour ses

remarques qui mont permis damliorer la qualit finale de ce mmoire.

Je tiens remercier trs sincrement lensemble des membres du jury qui mefont le grand honneur davoir accept de juger mon travail.

Je remercie particulirement les enseignants et le personnel de la DPGR de

lINI, leur tte Mme AIT ALI YAHIA, directrice de la PG, pour leffortconsidrable quils fournissent pour la bonne marche de la DPGR.

Je tiens aussi remercier mes collgues MM. BALA et CHOUDER pourleur prsence permanente mes cts. Je leur souhaite la pleine russite dans

leurs travaux.


3/144

Je voudrais galement exprimer mes remerciements aux personnes extrieuresau monde universitaire qui mont soutenu. En particulier, je remercie tous

mes amis et collgues de travail avec lesquels jai pass des momentsinoubliables

Enfin, je remercie tout particulirement mes parents qui mont toujourssoutenu et qui mont permis de mener bien mes tudes. Je tiens remerciergalement mon frre et mes deux surs qui mont soutenu depuis le dbut.

Cest pour eux que je ddie ce mmoire.

Ahmed


4/144

Sommaire

Lexique........................................................................................................................... VI

1. Introduction .................................................................................................................12. Les systmes dcisionnels datawarehouses ...........................................................4

2.1.Les systmes dinformation dcisionnels.............................................................4

2.1.1. Qu'est-ce que le dcisionnel ?....................................................................4

2.1.2. Positionnement du dcisionnel au sein du SI ............................................5

2.1.3. Les diffrentes composantes du dcisionnel .............................................5

2.2.Le systme datawarehouse...................................................................................7

2.2.1. Dfinition du datawarehouse.....................................................................72.2.2. Larchitecture globale du datawarehouse ..................................................8

2.2.3. Dfinition des concepts .............................................................................9

2.2.4. Le fonctionnement du systme datawarehouse .......................................12

2.3.Les modles de donnes du datawarehouse ......................................................14

2.3.1. Caractristiques dutilisation : OLTP vs OLAP......................................14

2.3.2. Les techniques de modlisation...............................................................16

2.4.Le systme datawebhouse ..................................................................................21

2.4.1. L'impact du Web sur le datawarehouse...................................................21

2.4.2. Objectifs du datawebhouse......................................................................22

2.4.3. De et vers le Web.....................................................................................23

2.4.4. Amener le Web au datawarehouse ..........................................................24

2.4.5. Amener le datawarehouse au Web ..........................................................25

2.5.La gestion du Temps dans le datawarehouse................................................26

2.5.1. Le rle des donnes temporelles..............................................................26

2.5.2. Les problmatiques lies au Temps ...................................................28

2.5.3. Le temps dans la premire gnration des datawarehouses ....................29

3. CRM : Customer Relationship Management ............................................................31

3.1.Introduction au CRM..........................................................................................31

3.1.1. Dfinition du CRM..................................................................................31

3.1.2. Les objectifs du CRM..............................................................................33

3.1.3. Les rsultats constats avec le CRM .......................................................34


5/144

3.2.Les facteurs du CRM..........................................................................................35

3.2.1. Le facteur humain....................................................................................35

3.2.2. Le facteur organisationnel .......................................................................36

3.2.3. Le facteur technologique .........................................................................37

3.3.Le cycle de vie du client.....................................................................................38

3.4.Le dveloppement de la relation client...............................................................38

3.4.1. Les tapes du dveloppement ..................................................................38

3.4.2. Les raisons de la prdominance de la relation client ...............................39

3.5.Les fonctionnalits offertes par les systmes CRM ...........................................42

3.6.E-Commerce et la gestion de la relation client via Internet ...............................44

3.6.1. Le CRM sur Internet................................................................................44

3.6.2. Choisir le bon moyen de communication................................................46

3.6.3. Les trois rgles de succs sur la route du e-commerce............................47

3.7.Les composants du CRM ...................................................................................47

3.7.1. Les systmes et donnes en provenance de lERP ..................................47

3.7.2. Les bases de donnes externes.................................................................48

3.7.3. Les canaux dinteraction..........................................................................48

3.7.4. Le datawarehouse ....................................................................................48

3.8.La technologie du datawarehouse comme base pour le CRM ...........................49

4. Conception dun datawarehouse orient CRM..........................................................52

4.1.Etude de cas : prsentation de ETS Boissons ...............................................52

4.2.Le modle conceptuel gnral (MCG) orient CRM .........................................54

4.2.1. Comportement client et circonstances client : le cause--effet ...............55

4.2.2. Le modle conceptuel gnral ETS Boissons ....................................60

4.3.La mthode du point et la modlisation conceptuelle dtaille..........................634.3.1. La limite des mthodes traditionnelles ....................................................63

4.3.2. La causalit des changements sur les donnes ........................................69

4.3.3. Le modle du point ............................................................................70

4.3.4. La construction du modle conceptuel dtaill ETS Boissons ..........75

4.4.La modlisation logique du datawarehouse orient CRM .................................82

4.4.1. Limplmentation de la rtrospection......................................................82

4.4.2. Choisir la solution dimplmentation ......................................................894.4.3. Le schma logique relationnel Clients ..............................................90


6/144

4.4.4. Les contraintes de la rtrospection ..........................................................92

4.5.Limplmentation physique du systme.............................................................95

4.5.1. Larchitecture physique du datawarehouse orient CRM .......................95

4.5.2. La couche VIM.........................................................................................97

4.5.3. Lalimentation du datawarehouse..........................................................103

4.5.4. Le modle physique de donnes ............................................................104

4.5.5. Les applications CRM ...........................................................................109

4.5.6. Synthse sur larchitecture du systme..................................................110

4.6.Les produits logiciels........................................................................................111

4.6.1. Les produits ETL...................................................................................112

4.6.2. Les produits OLAP................................................................................114

4.6.3. Les outils de restitution .........................................................................115

4.6.4. Le Datamining.......................................................................................116

5. Conclusion et perspectives ......................................................................................119

6. Rfrences Bibliographiques...................................................................................123


7/144

Sommaire des figures

Chapitre 2 : Les systmes dcisionnels Datawarehouses

Figure 2.1.1 : Une vision transversale de lentreprise .......................................................4

Figure 2.1.2 : Le dcisionnel au sein du systme dinformation.......................................5

Figure 2.1.3 : Les diffrents composants du dcisionnel ..................................................5

Figure 2.2.1 : Larchitecture du datawarehouse................................................................8

Figure 2.2.2 : Larchitecture du systme dcisionnel........................................................8

Figure 2.2.3 : Lacquisition des donnes.........................................................................12

Figure 2.2.4 : Le processus dacquisition des donnes....................................................13

Figure 2.2.5 : Lalimentation des datamarts....................................................................13

Figure 2.2.6 : La restitution des donnes.........................................................................14

Figure 2.3.1 : Le modle de donnes normalis..............................................................17

Figure 2.3.2 : Le modle de donnes dnormalis ..........................................................18

Figure 2.3.3 : Le modle de donnes en toile ................................................................20

Figure 2.3.4 : Le modle de donnes en flocon...............................................................21

Figure 2.4.1 : Le client, le site Web et le datawebhouse.................................................22

Figure 2.4.2 : Les deux facettes du datawebhouse ..........................................................23

Figure 2.4.3 : Exemple de datamart du Clickstream .................................................25

Chapitre 3 : CRM :Customer Relationship Management

Figure 3.1.1 : Lvolution des composantes dentreprise................................................32

Figure 3.1.2 : Les objectifs du CRM ...............................................................................34

Figure 3.1.3 : Les rsultats constats...............................................................................34

Figure 3.6.1 : Les relations CRM Datawarehouse........................................................49

Chapitre 4 : Conception dun datawarehouse orient CRM

Figure 4.1.1 : Le modle gnral initial en toile ETS Boissons ...............................53

Figure 4.2.1 : Rappel : le modle conceptuel gnral ETS Boissons ........................54

Figure 4.2.2 : MCG : Vue globale circonstances client changeantes .....................57

Figure 4.2.3 : MCG : Vue dtaille circonstances client changeantes ....................58

Figure 4.2.4 : MCG : Vue globale Client ..................................................................58

Figure 4.2.5 : MCG ETS Boissons : Vue dtaille Client ..............................59


8/144

Figure 4.2.6 : MCG : Vue globale complte Client ..................................................59

Figure 4.2.7 : MCG ETS Boissons 1/3 : Vue dtaille Client ........................61

Figure 4.2.8 : MCG ETS Boissons 2/3 : Vue dtaille Client ........................62

Figure 4.2.9 : MCG ETS Boissons 3/3 : Vue dtaille Client .......................62

Figure 4.3.1 : Le modle du point ...................................................................................71

Figure 4.3.2 : Le modle du point comportemental ETS Boissons ............................71

Figure 4.3.3 : Exemple dun modle du point dune compagnie de tlcom..................74

Figure 4.3.4 : Le modle comportemental initial ............................................................76

Figure 4.3.5 : Le modle du point comportemental affin ETS Boissons .................77

Figure 4.4.1 : Limplmentation de la rtrospection en utilisant ................................88

Figure 4.4.2 : Le schma logique des circonstances clients ......................................90

Figure 4.5.1 : Larchitecture EASI du systme ...............................................................96

Figure 4.5.2 : Le modle des mtadonnes de validation................................................99

Figure 4.5.3 : Le modle des mtadonnes de transformation ......................................100

Figure 4.5.4 : Le modle des mtadonnes de mappage ...............................................101

Figure 4.5.5 : Le modle complet des mtadonnes de la couche VIM........................102

Figure 4.5.6 : Lextraction et le chargement des donnes .............................................103

Figure 4.5.7 : Le rafrachissement des donnes.............................................................104

Figure 4.5.8 : Le modle physique des circonstances Clients non-changeantes.....104

Figure 4.5.9 : Le modle physique des circonstances Clients changeantes ............105

Figure 4.5.10 : Le modle physique du comportement .................................................107

Figure 4.5.11 : Le modle physique des segments drivs ...........................................108

Figure 4.6.1 : Le processus ETL....................................................................................112


9/144


10/144

Cash-flow : Solde des flux de trsorerie engendr par un investissement la clture dune

priode.

Cross selling : Technique recherchant amliorer la valeur client en lincitant acheter

aussi dautres produits que ceux achets rgulirement. La russite du cross selling est

conditionne par le dcloisonnement de la fonction marketing. (voir Up selling)

CRM : CRM est un acronyme pour Customer Relationship Management, en franais

GRC pour Gestion de la Relation Client.

CRM est un terme de lindustrie des systmes dinformation englobant des mthodologies,

des stratgies, des outils logiciels et habituellement des capacits internet qui aide une

entreprise grer ses relations client dune manire structure.

Datamart : Entrept de donnes dpartemental orient sur un problme spcifique.

Datamining : Outil danalyse mettant en vidence des corrlations insouponnes en

travaillant sur grand nombre de donnes. Le terme datamining englobe des techniques

diffrentes comme : les recherches dassociation, les arbres de dcision, les algorithmes

gntiques ou encore les techniques dapprentissage comme les rseaux de neurones.

Datawarehouse : Entrept de donnes. Un datawarehouse centralise les donnes issues des

applications utilises dans lentreprise. Les donnes sont organises par sujet, horodates et

historises. Pour russir son Datawarehouse, il faut en premier abandonner la vision

universelle de linformation et se focaliser sur des problmes particuliers et les traiter un par

un. En deuxime, il faut surtout ne pas ngliger les travaux de nettoyage qui constituent la

tche la plus lourde du projet. En troisime, il faut adopter un systme de gestion des mta-

donnes et le maintenir en permanence dans un esprit de qualit totale.

DOLAP Desktop OLAP : Cest une version simple du modle OLAP pour des analyses

multidimensionnelles locales, au sein de la machine client.

Drill Down : zoom dans une base OLAP ou comment aller du global au dtail.

EIS (Executive Information System puis Entreprise Information System) :

Tableau de bord destin lorigine au management. Le terme na pas survcu la

banalisation des systmes dcisionnels et est remplac par la Business Intelligence

ERP (Entreprise Ressource Planning ou Progiciel de gestion intgr) : Outil

fdrateur du systme dinformation, lERP intgre les fonctions de lentreprise comme la

comptabilit, la gestion des ressources humaines, la gestion de production Malgr ses

avantages quant au dcloisonnement du SIdans lentreprise, les ERP pchent cruellement par

manque douverture vers les clients, les partenaires et les besoins dcisionnels des utilisateurs.


11/144

ETL (Extraction Transformation Loading) : Dsigne une catgorie doutils et par

extension dactivits ddies lextraction des donnes des bases de productions, leur

adaptation (nettoyage entre autre) et au stockage dans un systme dcisionnel, le

datawarehouse ou le datamart dans la plupart des cas.

GRC : Gestion de la relation client (voir CRM).

Groupware : Ce sont les outils destins favoriser le travail en quipe. On trouvera

notamment la messagerie, les bases dinformations partages et le workflow. Une gestion de

contacts, un agenda partag, voire des outils de vido confrence pouvant complter la

panoplie doutils.

HOLAP Hybrid OLAP : Ce terme dcrit les bases assurant le juste compromis entre le

modle MOLAP et ROLAP, MOLAP pour les donnes les plus souvent utilises et ROLAP

pour les autres.

HTML Hyper Text Mark-up Language :Langage de description des pages Web. HTML

est un driv allg du langage de documentation SGML.

HTTP : Protocole de transfert des pagesHTML sur le rseau Internet.

Mta Donne (Meta data) : ou les donnes sur les donnes. Les mta-donnes stockent

toutes les informations ncessaires la vie des donnes : origine, date de dernire mise jour,

mode de calcul, procdure de transformation La gestion des mta-donnes est le point cl

de la gestion de la qualit du systme dinformation. Le manque de standard est aujourdhui la

principale difficult OIM (Open Information Model) du Meta Data Coalition ou CWM

(Common Warehouse MetaData) de lOGM(Object Management Group).

MOLAP Multidimensionnal OLAP : Il sagit des bases de donnes intgrant

physiquement le modle OLAP.

MTBF (Mean Time Between Failure) : Temps moyen entre deux pannes.

MTTR (Mean Time To Repair) : Temps moyen de dpannage.

ODBC (Open Data Base Connectivity) : Le standard de Microsoft pour accder auxbases de donnes. Les solutions ODBCsopposent aux interfaces dites native propritaires

mais plus performantes.

OLAP (On-Line Analytical Processing) : Le concept de base de donnes

multidimensionnelle tabli par EF CODD linventeur du modle relationnel. Partant du

constat que le modle classique OLTP (On-Line Transaction Processing) tait inadapt aux

besoins de lanalyse,EF CODD a formalis les 18 rgles du modle (grer, traiter et prsenter

les donnes multidimensionnelles).


12/144

Reporting : Informations constatant lactivit et entre autre la performance locale transmises

selon la voie hirarchique au niveau suprieur titre de compte-rendu. Elles seront le plus

souvent globalises pour construire un indice moyen .

ROLAP Relationnal OLAP : Ce terme dcrit les bases de structure relationnelle implantant

le modle OLAP.

SFA Sales Force Automation : des anciens systmes qui se bornaient principalement

soutenir la mission du reprsentant en contact avec le client dans la prise des commandes.

UML(Unified Modeling Language) : Langage de modlisation. Il est issu des mthodes

danalyse objet : OOD (Object Oriented Design), OMT (Object Modeling Technique) et

OOSE(Object Oriented Software Engineering).

Up Selling : Technique recherchant amliorer la valeur client en lincitant augmenter ses

achats (en proposant des services complmentaires par exemple).

XML (eXtensible Markup Language) : Est un langage dcriture de donnes. Il

drive de SGML, un langage plus ancien utilis dans les bases documentaires. Il est beaucoup

plus puissant sur le plan des rgles et des possibilits de dfinition et de programmation que

HTML. Notamment, il spare le texte de sa prsentation. Il ne remet pas en cause tous les

acquis du Web, notamment le protocoleHTTP, et peut devenir la norme dcriture.


13/144

Chapitre 1

Introduction

n Introduction gnrale ;

n Problmatique ;

n Contribution ;

n Prsentation du mmoire.


14/144


15/144

Introduction

15

Problmatique :

Les entreprises existent pour gnrer un chiffre daffaire et un profit et le client y constitue la

principale source de revenue. Cest pourquoi, la prise de dcision dans lentreprise doit tre

oriente et en relation avec les clients. Cela ne devient possible que si les

datawarehouses sont capables de fournir toutes les donnes ncessaires sur les clients.

Les datawarehouses classiques stockent des donnes comportementales. Ainsi, ces systmes

permettent de connatre et danalyser le comportement des clients. Or, les donnes

comportementales ne sont pas suffisantes pour une prise de dcision CRM efficace. Pour

atteindre cet objectif, les applications CRM doivent tre supportes par des datawarehouses

conus autour dobjectifs CRM et qui ne se limitent pas recueillir que les donnes

comportementales. Ce sont des datawarehouses de deuxime gnration qui intgrent un

nouvel objectif clair : maximiser lefficacit de la gestion de la relation client (CRM).

Contribution :

Le but de ce mmoire est de traiter les lments lis la conception dun datawarehouse

orient CRM pouvant constituer llment de base de toute infrastructure CRM efficace. Dans

ce mmoire, une mthodologie complte de conception et dimplmentation de

datawarehouses orient CRM est prsente. Ma contribution personnelle dans ce travail sera

de regrouper et de prsenter tous les lments de conception ncessaires dun datawarehouse

orient CRM en se basant sur les travaux de recherche actuels dans ce domaine et

dappliquer en parallle la mthode et les concepts sur une tude de cas. Ce mmoire traitera

donc tous les aspects lis la conception dun datawarehouse orient CRM. Le sujet principal

de ce mmoire est donc le datawarehousing (la construction dun datawarehouse).

Prsentation du mmoire :

Le mmoire est organis comme suit :

Un Premier chapitre tat de lart sur La premire gnration des datawarehouses :

Historiquement, la premire gnration des datawarehouses a t construite sur un certain

nombre de principes dfinis par les gourous de lindustrie des systmes dinformation. Les

deux principaux pionniers dans le domaine sont : Ralph KIMBALL et Bill INMON. Ces

deux personnes peuvent tre considres comme les fondateurs du datawarehousing puisque

ce sont eux qui ont donn les dfinitions et les principes de conception des datawarehousesqui restent actuellement la rfrence dans le domaine.


16/144

Introduction

16

Le premier chapitre de ce mmoire donne une introduction sur les datawarehouses de

premire gnration et traite, entre-autres, les points suivants :

Le besoin en systmes dcisionnels,

Comment le datawarehouse peut aider rpondre ce besoin,

Les diffrences entre les systmes oprationnels et les systmes dcisionnels,

Les principaux composants du datawarehouse,

Limportance des donnes temporelles dans les datawarehouses.

Un deuxime chapitre tat de lart sur La gestion de la relation client :

Aprs avoir prsent les principes du datawarehousing, nous allons essayer de dcouvrir

lunivers de la gestion de la relation client (en anglais CRM pour : Customer Relationship

Management, abrviation que nous allons dailleurs utiliser tout-au-long de ce mmoire).

Larrive des systmes CRM a tout chang. Le CRM ne peut pas tre pratiqu dans une

entreprise sans avoir une source majeure dinformation. Or, la disponibilit de cette source est

la raison dtre des datawarehouses. Ainsi, lintrt des datawarehouses a t ainsi revitalis.

Les datawarehouses de premire gnration attendaient lapparition du CRM pour voluer et

montrer leur vrai intrt. Sans le CRM, les datawarehouses auraient tout de mme gards leur

importance malgr le fait que les projets datawarehouses sont qualifis de complexes, chers et

grands risques.

Un troisime chapitre sur La conception dun datawarehouse de deuxime gnration

orient CRM :

Nous allons ensuite entamer le cur de notre sujet qui est la conception dun datawarehouse

de deuxime gnration orient CRM. Nous rappelons, que dans ce mmoire, nous allons

agrmenter notre travail par une tude de cas. Ltude de cas concerne une entreprise

classique de commercialisation de boissons implante sur le territoire national. Un

datawarehouse orient CRM sera conu pour cette entreprise. Pour ce faire, nous allons

produire les modles conceptuels, logiques et physiques des donnes et proposer

larchitecture physique du systme.

Le mmoire se termine par la prsentation des axes de recherches actuels et futurs sur les

datawarehouses orients gestion de la relation client.


17/144

Chapitre 2

Les systmes dcisionnels Datawarehouses

n Les systmes dinformations dcisionnels ;

n Le Datawarehouse : dfinition, objectifs, concepts et architectures ;

n Les techniques de modlisation dcisionnelle ;

nLa gestion du Temps dans les datawarehouses.


18/144

Les systmes dcisionnels datawarehouses

18

Figure 2.1.1 : Une vision transversale de lentreprise [source : Goglin1998]

2. Les systmes dcisionnels datawarehouses

2.1. Les systmes dinformation dcisionnels

2.1.1. Quest-ce que le dcisionnel ?

Le systme dinformation dcisionnel est un ensemble de donnes organises de faon

spcifique, facilement accessibles et appropries la prise de dcision ou encore une

reprsentation intelligente de ces donnes au travers doutils spcialiss. La finalit dun

systme dcisionnel est le pilotage de lentreprise.

Les systmes de gestion sont ddis aux mtiers de lentreprise pour les assister dans leurs

tches de gestion quotidiennes, et directement oprationnels car maintenus par les utilisateurssur le terrain.

Les systmes dcisionnels sont ddis au managementde lentreprise pour laider au pilotage

de lactivit, et indirectement oprationnels car noffrant que rarement le moyen dappliquer

les dcisions. Ils constituent une synthse dinformations oprationnelles, internes ou

externes, choisies pour leur pertinence et leur transversalit fonctionnelles, et sont bass sur

des structures particulires de stockage volumineux (datawarehouses, bases OLAP). Le

principal intrt dun systme dcisionnel est doffrir au dcideur une vision transversale de

lentreprise intgrant toutes ses dimensions.[Source : Goglin1998]

Cette vue intgre peut alors tre tudie par fonction ou par mtier.


19/144


19

Figure 2.1.2 : Le dcisionnel au sein du systme dinformation [source : Goglin1998]

Figure 2.1.3 : Les diffrents composants du dcisionnel [source : Goglin1998]

2.1.2. Positionnement du dcisionnel au sein du systme dinformation

Dun point de vue architectural, nous considrerons que nous pntrons dans le monde du

dcisionnel ds lors que les donnes de production sont valorises en informations. Cette

valorisation est effective ds que lon sort du monde de la production.Sur le schma suivant, dcrivant larchitecture fonctionnelle dune entreprise, on voit la place

prise par le dcisionnel au sein dun systme dinformation.[Source : Goglin1998]

2.1.3. Les diffrentes composantes du dcisionnel

Alli aux nouvelles technologies de communication et de diffusion de linformation, le

dcisionnel va faonner la nouvelle informatique de demain.


20/144


20

De faon chronologique, on peut considrer que les premiers systmes de pilotage ont t

constitus par des outils qui, via des requtes, permettaient de constituer des tableaux de bord.

Ces outils se sont ensuite enrichis de fonctionnalits de simulation et dinterfaces de

prsentation. Ce ft alors lavnement des outils EIS et SIAD. Ces outils aussi puissants

soient-ils, ne permettent que de faire une photographie en deux dimensions dune situation

donne. On est donc : capable didentifier un dysfonctionnement, mais pas den connatre la

cause . [Source : Goglin1998]

Pour pouvoir rechercher et identifier les causes, il fallait introduire une nouvelle dimension au

systme photographique en deux dimensions existant, la dimension de lagrgation qui

permet dexpliquer lorigine de linformation tudie. Cette nouvelle dimension a t

introduite par les systmes multidimensionnels au travers des systmes OLAP (On-Line

Analytical Processing).

Les outils devenant plus conviviaux et plus puissants, les dcideurs singnirent trouver de

plus en plus dindicateurs toujours plus astucieux et plus compliqus. La course lindicateur

tait lance. Elle eut pour principale consquence de noyer le dcideur sous une masse de

tableaux de bord et de synthses dont il narrivait plus extraire la substantifique moelle. On

introduisit alors un moyen graphique pour identifier plus vite les informations utiles, ce fut

lintroduction du color-coding et des systmes dinformation cartographiques qui

permettent didentifier visuellement les informations intressantes selon les critres du

dcideur puis de les reprsenter sous une forme directement exploitable par une quipe de

direction.

Il devenait alors intressant de diffuser en temps rel toutes ces informations et toutes ces

analyses vers tous les cadres concerns. Cest ce quallait permettre le dveloppement des

rseaux, des activits de Workflow et maintenant Internet.

Notons que le dcisionnel souffre toujours dun grave manque : Il sait fournir les informations

ncessaires au dcideur ou trouver des corrlations entre des vnements apparemment nonlis, mais ne sait pas assister le dcideur dans sa prise de dcision. Le dcideur devient

victime du syndrome de la non prise de dcision puisquil ne sait pas forcment ni par quel

bout commencer, ni, finalement, quelle dcision prendre.

Il faut connatre les seuils partir desquels les valeurs des indicateurs sont considres

comme anormales, puis identifier les rgles exploitant ces seuils afin de proposer un

diagnostic. Ce diagnostic permet de prendre la dcision finale. Ces nouveaux outils sont

appels les moteurs de rgles de gestion. Leur objectif nest pas de se substituer au dcideur,mais bien de lassister dans sa prise de dcision.


21/144


21

2.2. Le systme datawarehouse

2.2.1. Dfinition du datawarehouse

Un datawarehouse est un entrept de donnes. Il sagit dun stockage intermdiaire des

donnes issues des applications de production, dans lesquelles les utilisateurs finaux puisent

avec des outils de restitution et danalyse.

La dfinition suivante a t nonce par Bill Inmon :

Un datawarehouse est une collection de donnes thmatiques, intgres, non volatiles et

historises organises pour la prise de dcision .

Un datawarehouse est une collection de donnes :

Thmatiques (orientes sujet) : lobjectif dun datawarehouse est la prise de dcisions

autour des activits majeures de lentreprise. On assemblera cet effet les informations

par thmes contrairement aux modlisations traditionnelles qui regroupent les

informations par fonctions. On pourra ainsi passer dune vision verticale de lentreprise

une vision transversale beaucoup plus riche.

Intgres : la transversalit recherche sera dautant plus efficiente que le systme

dinformation sera rellement intgr. Cette intgration ncessitera une forte

normalisation, une bonne gestion des rfrentiels et de la cohrence, une parfaite matrise

de la smantique et des rgles de gestion sappliquant aux donnes manipules.

Non volatiles (pas de suppression) : afin de conserver la traabilit des informations et

des dcisions prises, les informations stockes au sein du datawarehouse ne peuvent tre

supprimes.

Historises : outre les problmes de volumtries, de capacit de stockage et de calcul des

machines hbergeant le datawarehouse, ce qui ncessite une historisation rgulire des

informations stockes, lhistorisation est rendue ncessaire en vue de suivre dans le temps

lvolution des diffrentes valeurs des indicateurs analyser. De ce fait, un rfrentiel

temporel est ncessaire.

Organis pour la prise de dcision.[Source : Kimball1999]


22/144


22

Figure 2.2.1 : Larchitecture du datawarehouse [source : Goglin1998]

Figure 2.2.2 : Larchitecture des systmes dcisionnels [source : Teste2000]

2.2.2. Larchitecture globale du datawarehouse

Le schma suivant illustre larchitecture gnrique dun systme datawarehouse :

L'architecture des systmes dcisionnels met en jeu quatre lments essentiels : les sources de

donnes, l'entrept de donnes, les magasins de donnes et les outils d'analyse et

d'interrogation.

Les sources de donnes sont nombreuses, varies, distribues et autonomes. Elles peuventtre internes (bases de production) ou externes (Internet, bases des partenaires) l'entreprise.


23/144


23

L'entrept de donnes (datawarehouse) est le lieu de stockage centralis des informations

utiles pour les dcideurs. Il met en commun les donnes provenant des diffrentes sources et

conserve leurs volutions.

Les magasins de donnes (datamarts) sont des extraits de l'entrept orients sujet. Les

donnes sont organises de manire adquate pour permettre des analyses rapides des fins

de prise de dcision.

Les outils d'analyse permettent de manipuler les donnes suivant des axes d'analyses.

L'information est visualise au travers d'interfaces interactives et fonctionnelles ddies des

dcideurs souvent non informaticiens (directeurs, chefs de services,).

2.2.3. Dfinitions des concepts[Source : Goglin1998]

Voici la dfinition des principaux concepts utiliss dans le domaine du datawarehousing :

Bases de production

On appelle, dune faon gnrale, bases de production toutes les sources (quil sagit de

donnes de production, dinformations internes ou dinformations externes quel que soit leurmode de stockage) dont il va falloir extraire des donnes en vue dalimenter le datawarehouse.

Lalimentation ou transformation

Les outils dalimentation sont utiliss pour extraire les donnes des bases de production et des

bases dinformations internes et externes, pour les convertir, les transformer et enfin les

stocker dans le datawarehouse.

La base de donnes du datawarehouse

La base de donnes est le constituant principal du datawarehouse puisque cest dans celle-ci

que lon va stocker les informations extraites des bases de production. Cest au sein du SGBD

quest stock le dictionnaire du datawarehouse o sont stockes les mtadonnes, cest--dire

les donnes sur les donnes stockes dans le SGBD dcrivant la manire dont sont

constitues les informations stockes.


24/144


24

Le datawarehouse est support par une base de donnes relationnelle, multidimensionnelle ou

objet, mme si celles-ci sont assez rares ou utilises dans des contextes assez particuliers.

Une base de donnes multidimensionnelle est une base dont les donnes sont stockes de

manire optimiser laccs aux informations suivant des requtes non prvues sa cration.

Datamart

Un datamart est un magasin de donnes. Il sagit dune solution dpartementale dentrept de

donnes (datawarehouse) supportant une partie des donnes et fonctions de lentreprise

(produit, dpartement, activit, etc.). Cest un sous-ensemble du datawarehouse qui ne

contient que les donnes dun mtier de lentreprise alors que le datawarehouse contient

toutes les donnes dcisionnelles de lentreprise pour tous les mtiers.

OLAP (On Line Analytical Processing)

La finalit dun datawarehouse est dobtenir des vues multidimensionnelles. Ces vues sont

reprsentes sous la forme dun cube en trois dimensions sachant quune base

multidimensionnelle peut comporter de nombreuses dimensions.

Les systmes OLAP mettent en uvre des technologies permettant de rassembler, grer,

traiter et prsenter des donnes multidimensionnelles des fins danalyse et de dcision. Un

outil OLAP est capable de fournir une information multidimensionnelle partage pour

lanalyse rapide.

Datamining

Les outils de datamining, galement appels forage des donnes ou extraction de la

connaissance , sappuient sur le constat quil existe au sein de chaque entreprise des

informations dont le sens ou les liens sont cachs dans le gisement des donnes de

lentreprise. Le datamining permet de faire apparatre des corrlations dans des gisements dedonnes.

Le datamining est ltape logique suivant le datawarehousing puisquil consiste en lanalyse

des donnes composant le datawarehouse laide doutils spcialiss en intelligence

artificielle, visant mettre en exergue des corrlations non apparentes par des analyses de

premier niveau.


25/144


25

EIS

Un EIS ( Executive Information System) est un outil de visualisation des donnes et de

navigation, permettant de constituer des tableaux de bord. Il est constitu doutils qui

permettent aux diffrents niveaux de management daccder aux informations essentielles de

leur organisation, de les analyser et de les prsenter de faon labore. Ces outils sont dots

dune interface graphique trs conviviale et trs esthtique.

Lutilisateur final ne peut visualiser ou exploiter que des informations qui ont t prvues par

le concepteur des tableaux de bord. A la diffrence dun SIAD, lEIS ne permet pas

lutilisateur final de poser une question qui naurait pas t prvue initialement.

SIAD

Un SIAD (Systme Interactif dAide la Dcision) est un outil danalyse et de modlisation

des donnes de lentreprise qui permet de crer des reprsentations multidimensionnelles de

linformation. Historiquement, il sagit dune terminologie et doutils utiliss avant

lavnement et la maturit du datawarehouse.

Requteur

Un requteur permet lutilisateur final daccder aux donnes de lentreprise de manire

autonome, dans un langage propre son mtier, mais qui ncessite gnralement la

connaissance de la structure de la base accde, et ce, en dfinissant lui-mme les

informations quil veut obtenir ainsi que le format des restitutions souhaites.

Progiciels

Ce sont des applications packages orientes vers un ou plusieurs mtiers ddis (marketing,logistique, finance, ressources humaines, etc.).

Moteur de rgles de gestion

Un moteur de rgles de gestion est un outil permettant de grer le patrimoine dune entreprise

quest son mtier, cristallis par un ensemble de rgles de gestion constituant son expertise et

son savoir-faire.


26/144


26

Internet/intranet

Internet en tant que vecteur de communication normalis et banalis rpond parfaitement aux

problmatiques daccs banalis et de publication distance et faible cot. Internet permet

denvisager, par exemple :

Lenvoi par messagerie lectronique et donc la publication des analyses effectues ;

La possibilit pour un interlocuteur distant de se connecter pour connatre les dernires

volutions des ventes par exemple ;

La mise disposition, au sein dun serveur Web par exemple, dinformations internes comme

les statistiques de production ou externes comme la prsentation de la socit.

2.2.4. Le fonctionnement du systme datawarehouse

Une fois larchitecture du systme connue, nous expliquons son fonctionnement. Un systme

datawarehouse fonctionne selon les tapes suivantes :

a. Lacquisition des donnes

Cette tape constitue la frontire entre le systme dcisionnel et les systmes oprationnels.

Cette tape dtermine la faisabilit du systme. Elle consiste extraire les donnes outils des

systmes oprationnels qui dans de nombreux cas sont htrognes, diffuses et complexes.

La problmatique de lalimentation dun datawarehouse se rsout par la mise en place dunprocessus en cinq phases :dcouvrir, extraire, transformer, transporter et charger.

Figure 2.2.3 : Lacquisition des donnes

OLTP

DWH

Acquisition de donnes


27/144


27

Figure 2.2.4 : Le processus dacquisition de donnes

b. Le stockage des donnes dans le datawarehouse (lentrept de donnes)

Cest le point central de stockage de toutes les donnes de lentreprise concernes par le

systme dcisionnel. Les donnes du datawarehouse sont, rappelons-le, orientes sujet,

intgres, non volatile et historises pour le support du processus daide la dcision.

c. Lalimentation des datamarts (les magasins de donnes)

.

Le datawarehouse est le sas central de contrle, garant de la qualit et de lintgrit de

linformation. Son principal objectif est doptimiser lapprovisionnement des magasins de

donnes.

Chaque magasin de donnes est conu pour rpondre un enjeu mtier. Les donnes y

sont structures en fonction de la problmatique traite. Le stockage de donnes y est

gnralement multidimensionnel.

Figure 2.2.5 : Lalimentation des datamarts

DWH

Finance

Commercial

RH

Administrer * Planifier * Surveiller

Dcouvrir

Extraire

Transformer

Transporter

ChargerMta donnes

Fdrer


28/144


28

d. Lexploitation de linformation : la restitution des donnes

Cest le bout de la chane. Il sagit du point dutilisation du systme par les utilisateurs. La

satisfaction de ceux-ci dpend de la capacit des outils de restitution rpondre leur besoin

en information et aide la dcision. Les types de restitution possible sont :

2.3. Les modles de donnes du datawarehouse

Un datawarehouse est une base de donnes. Ainsi, le modle de donnes du datawarehouse

est le cur du systme dcisionnel. La modlisation dun systme dcisionnel ncessite des

approches spcifiques car lutilisation dont ce dernier va faire lobjet diffrera radicalementde celle des systmes dinformation plus classiques.

2.3.1. Caractristiques dutilisation : OLTP vs OLAP [Source : Kimball1999]

Les techniques couramment utilises pour modliser les donnes ont initialement t conues

pour quelles sadaptent des problmatiques qui nexistent pas dans le cadre dun systme

dcisionnel.

Dans la mise en uvre des systmes dinformations, nous matrisons des approches centres

sur des mthodologies telles que Merise. Dans leurs composantes lies la modlisation des

donnes, ces mthodes sont prcises, standardises, puissantes et assez peu contestes. Le

modle entit-association est le plus utilis, permettant la cration dun modle logique

relationnel. Toutes les thories lies ces modles sont largement utilises dans les

entreprises.

Ces techniques sont apparues alors que linformatique tait destine lautomatisation des

processus caractre transactionnel. Ces applications sont communment nommes OLTP.

Figure 2.2.6 : La restitution des donnes

Data warehouse

Datamarts

Reporting

Cube analysis

Requtage

Data mining


29/144


29

Cependant, linformatique de dcision, que certains dsignent par OLAP, justifie une remise

en cause des mthodes de conception dun modle de donnes.

Caractristiques dun contexte OLTP

Dans la plupart des systmes transactionnels, le rle dun modle est de garantir la persistance

des donnes. De fait, la base de donnes est conue pour garder la trace dvnements

survenus dans lentreprise.

Dans un contexte transactionnel, le modle de donnes est destin minimiser les

redondances, pour prserver la fiabilit et la cohrence du systme. Des concepts, tels que les

formes normales, les cls uniques, les cls trangres ou de contraintes dintgrit

rfrentielle, permettent de garantir constamment lintgrit de la base de donnes. Lorigine

de ce souci de minimisation des redondances dcoule principalement de ce que les systmes

transactionnels effectuent leurs mises jour en ligne, ventuellement au travers dun

ensemble dapplications partageant le mme modle de donnes.

Dans un systme transactionnel, la conception est oriente processus et le modle de donne

intervient en support de ceux-ci. De point de vue de lutilisateur, le modle de donnes est

totalement transparent.

Les requtes sont toujours prvisibles car elles sont effectues au travers dune application le

plus souvent dveloppe par la mme quipe que celle qui a la charge du modle de donnes.

Les donnes sont gnralement accdes par des cls, notamment des cls uniques. Une

bonne indexation permet de garantir des temps de rponse dpendant davantage du volume de

donnes traiter pour raliser la transaction que du volume global de la base de donnes. Les

volumes de donnes qui doivent tre accds pour traiter une transaction ou retourns en

rsultat de celle-ci sont limits. Il est trs rare quune requte transactionnelle ncessite de

rassembler ou dagrger des informations issues dun grand nombre de tables.

Dans un monde dcisionnel (OLAP)

Dans un contexte dcisionnel, les requtes sont complexes, les redondances plus difficiles

matriser ; loptimisation consiste anticiper sur les chemins daccs aux donnes qui sont

frquemment employs plutt qu faire des optimisations requte par requte.

Un Datawarehouse est une base ddie au dcisionnel. Linformation est mise la disposition

des utilisateurs mais les mises jour ne sont jamais faites en ligne. Les seules mises jour

effectues sur le Datawarehouse maneront des systmes de production, lors des phases de


30/144


30

chargement (processus dacquisition de donnes). Il devient donc envisageable dintroduire

des redondances, condition de les matriser dans le processus dalimentation.

Dans un contexte dcisionnel, les requtes manipulent rgulirement des ensembles. Elles

effectuent des slections ou des restrictions de population, des regroupements, des calculs, des

agrgations, etc. Pour rpondre aux besoins des utilisateurs, mme si le rsultat des requtes

peut ntre constitu que de quelques lignes, il faudra trs souvent manipuler des volumes

importants. Ds lors, obtenir des temps de rponse proportionnels au volume de donnes

rsultat dune requte est beaucoup plus difficile quen transactionnel.

Il convient doptimiser les requtes effectues frquemment en prdfinissant physiquement

des sous-ensembles de donnes, moins importants en taille que les donnes plus dtailles,

mais suffisants pour rsoudre les requtes les plus courantes.

Une autre caractristique du dcisionnel veut que les utilisateurs cherchent mettre en

relation des lments qui a priori ne sont pas corrls au dpart. Pour y parvenir, des requtes

complexes sont ncessaires, interrogeant un nombre important de tables. Face cette

complexit, le Datawarehouse doit pouvoir ragir dans des dlais raisonnables.

Un Datawarehouse vise rpondre aux besoins des utilisateurs en termes dinformations et

non en termes dapplications.

Dans un contexte dcisionnel, du point de vue de ladministrateur de base de donnes, une des

plus grosses difficults qui se posent est de grer limprvisible. En effet, les requtes sont le

plus souvent ad hoc, gnres par lutilisateur au travers dun outil, et il est donc impossible

doptimiser chacune de celles-ci au cas par cas.

La dernire caractristique du monde Datawarehouse est quil permet le plus souvent de

mettre en place un modle de donnes intgr, qui entend tre transversal lentreprise. Ce

modle se constitue le plus souvent de manire incrmentale, au fur et mesure des

ralisations successives des projets dcisionnels de lentreprise.

2.3.2. Les techniques de modlisation [Source : Franco/Lignerolles2000]

Cinq axes permettent de qualifier un modle de donnes dcisionnel :

1. La lisibilit du point de vue de lutilisateur final ;

2. Les performances au chargement ;

3. Les performances lies lexcution des requtes ;

4. Ladministration : ce nest pas tant construire le Datawarehouse que le faire vivre qui pose

des problmes aux entreprises. Il faudra tracer les requtes et identifier celles qui sont

lances frquemment, matriser et industrialiser tous les processus dextraction ;


31/144


31

Figure 2.3.1 : Le modle de donnes normalis

5. Lvolutivit qui permet de faire en sorte que le dveloppement dun datawarehouse soit

incrmental, et pas seulement itratif : un dveloppement itratif peut en effet amener

dfinir plusieurs modules applicatifs, indpendants les uns des autres. Par dveloppement

incrmental, lintgration de chacun des modules doit tre considre dans la mise en

uvre itrative, afin de sassurer de ce que lhomognit globale du systme est prise en

compte.

a. Le modle de donnes normalis

Soit le modle de donnes normalis prsent dans la page suivante :

En dcisionnel, ce modle permet par exemple de ventiler les chiffres daffaires par produit,

par client, etc.

Ce type dapproche est courant dans les entreprises en matire de modlisation. Si le systme mettre en uvre permet la fois des slections et des mises jour en ligne, elle est adapte.

Dans un contexte dcisionnel o les mises jour en ligne ne sont pas dactualit, sa pertinence

doit tre reconsidre.

Dun point de vue dcisionnel, la smantique de ce modle est faible. Les informations

intressantes pour lutilisateur nexistent pas a priori, elles doivent tre extrapoles. Les

indicateurs devront tre recalculs dynamiquement chaque requte.

GammeID_GammeLibellObj_marge

ProduitID_ProduitNom

Code_paysCaract.Prix HTCot standard

FournisseurID_FournNom

PaysCode_paysLibell

ExpditeurID_ExpCode_paysNom

ClientID_ClientNomAdresseCode_paysCommande

ID_cdeID_expID_ClientDateRemise_gale

LG_CDEID_cdeNo_ligneID_ProduitQuantitRemise

TVAIDDateTaux


32/144


32

Figure 2.3.2 : Le modle dnormalis

Le modle est en revanche trs complet. Il laisse une marge dautonomie trs forte

lutilisateur.

En ralit, un modle dentreprise pourra contenir des centaines ou des milliers dentits, et

donc dautant de tables au niveau physique. Une requte utilisera peut-tre des dizaines de

tables et qui sera trs complexe formuler pour lutilisateur et traiter pour loptimiseur de la

base de donnes. Les performances seront donc au mieux mdiocres et pire inacceptables.

Dans des systmes dcisionnels simples, o un nombre rduit dutilisateurs lancent peu de

requtes sur un modle de donnes de petite envergure, ce type dapproche peut fonctionner.

Dans les autres cas, il faut absolument recourir dautres techniques.

b. Dnormalisation pour le dcisionnel

Cette approche vise adapter le modle prcdent aux besoins lis au dcisionnel. Latransformation consiste dnormaliser et prcalculer certains agrgats, donc introduire

des redondances.

Aucune technique formelle de dnormalisation nexiste dans le domaine public. Lapproche

doit tre pragmatique. Aboutir un tel modle dcoule dune analyse prcise des besoins des

utilisateurs. Ainsi, le modle prcdent devient :

Remarquez que le modle contient un nombre de tables plus restreint, chaque table tant

associe un sujet dintrt. Lorientation sujet rapproche le modle des besoins des

FournisseurID_fournNomPays...

ProduitID_produitGammeCA anne n-1CA anne nProvenance

Cot standardID_fourn

LG_CDE

ID_cdeNo_lignePHTPTTCID_prodPaysRemise

CommandeID_cdePHT

PTTCExpditeurRemiseID_client

ClientID_clientNomAdresseCode_pays


33/144


33

utilisateurs. Le modle prsente un certain nombre dinformations agrges trs frquemment

demandes.

Ce modle est moins complexe que le prcdent. Le nombre de tables a t diminu dun

facteur de 2. En appliquant le mme facteur pour un modle normalis de 200 tables, on

aboutit une centaine de tables, ce qui reste complexe et peu lisible.

Le gain en performance par rapport au modle normalis est galement trs relatif. Le nombre

de tables a diminu, donc aussi le nombre de jointures ncessaires pour les requtes

dcisionnelles. En contrepartie, les tables sont plus grosses. Ainsi, les requtes seront plus

simples mais porteront sur des tables plus volumineuses.

c. La modlisation dimensionnelle

La modlisation dimensionnelle est une approche ddie aux systmes dcisionnels. Elle partdu principe que lobjectif majeur de ce type de systme est lanalyse de la ventilation de

donnes quantitatives (les faits) par rapport des donnes qualitatives (les dimensions).

La modlisation dimensionnelle drive des concepts qui ont amen lmergence des bases

de donnes multidimensionnelles, dites bases OLAP, il y a de cela plus de dix ans (1994). La

nouveaut est que ce type de modle est indpendant de la technologie. Elle peut permettre

lutilisation de toute base de donnes, quelle soit relationnelle, multidimensionnelle, objet

Lobjectif majeur dun systme dcisionnel est lanalyse de la performance qui se matrialiseau travers dun ensemble dindicateurs. Ces indicateurs nont de sens que mis en relation avec

des dimensions danalyse.

Les bases de donnes OLAP du march sont des solutions conues exclusivement pour crer

rapidement et exploiter les modles de type multidimensionnel. Ils offrent lutilisateur des

outils sophistiqus, permettant de naviguer dune dimension une autre, de zoomer sur des

informations plus dtailles, etc.

Dans le modle dimensionnel qui suit, les indicateurs de base sont groups dans une tablecentrale, dite table de faits. Une table de faits regroupe tous les indicateurs qui partagent le

mme ensemble de dimensions et qui ne peuvent tre dduits dautres indicateurs.


34/144


35/144


35

2.4. Le systme datawebhouse [Source : Kimball/Merz2000]

2.4.1. Limpact du Web sur le datawarehouse

Au cours ce cette dcennie, avant que la rvolution Web prenne de la vitesse, les

organisations informatiques ont appris publier les actifs en donnes de lentreprise

destination des analystes internes et du management. Cet acte de publication est la tche

centrale du datawarehouse. Une dcennie dexprience dans la datawarehouse permet de

comprendre avec une relative maturit sa nature et la manire dont les services informatiques

peuvent amener les techniques soutenir la publication de toutes ces donnes.

La rvolution du Web na certainement pas remplac le besoin du datawarehouse. En fait, elle

a accru chez tout un chacun une attente de voir publies toutes sortes dinformations de

manire transparente sur les interfaces des navigateurs Web. Lauditoire des donnes du

Figure 2.3.4 : Le modle en flocon

VentesID_prod

ID_fourn

JJ MM YYYID_client

CAMargesUnits

ProduitID_produitID_familleID_cpID_couleurDsignationCot standard

CouleurID_coulNom

ChefproduitID_cpNomPrnomRemarque

ActivitID_familleID_gammeFourchette

GammeID_gammeNom

Fourchetteprix

FournisseurID_fournNomDept

ID_typeID_Orig

TypeID_typeNom

OrigineID_origNationalit

PriodeJJ MM YYYCode_jourID_semaine

MoisMM

SaisonID_saisonNomRemarques

Anne

ID_anneRemarques

SemaineID_semaineSemaine

Jour_semCode_jourNom

ClientID_clientNom,ID_rgionID_activitID_segment

Rgion

ID_rgionNom

ActivitID_activitDsi nation

SegmentID_segmentSegment


36/144


36

Figure 2.4.1 : Le client, le site Web et le datawebhouse [source : Kimball/Merz2000]

datawarehouse a cr, partant des directions internes pour englober les clients, les partenaires

et un groupe plus large demploys internes. Le fait que le Web se concentre sur

l exprience client a rendu de nombreuses entreprises plus conscientes du fait quelles

devaient connatre leurs clients et leur donner des informations utiles.

La rvolution du Web a propuls le datawarehouse sur le devant de la scne, car dans de

nombreux cas, il doit tre le moteur qui contrle ou analyse la pratique du Web. Pour se

conformer ces responsabilits plus importantes, le datawarehouse doit sajuster. Sa nature

doit tre quelque peu diffrente de ce quelle a t ces dix dernires annes.

Nous appelons cette renaissance de datawarehouse le datawebhouse.

2.4.2. Les objectifs du datawebhouse

Le datawebhouse est la reprsentation Web dun datawarehouse. Il joue un rle crucial et

central dans lexploitation dune activit compatible avec le Web. Pour rpondre ses

promesses, le datawebhouse :

hberge et publie les donnes du Clickstream et dautres donnes comportementales

provenant du Web qui induisent une comprhension du comportement du client ;

est mis en conformit avec les autres datamarts distribus de datawarehouse de

lentreprise et ceux situs en amont et en aval de la chane dapprovisionnement pour

quils puissent tre utiliss ensemble ;


37/144


38/144


38

navigateur sur des sites Web distants. Si les donnes de ce flux continu de clics (le

Clickstream) sont bien souvent brutes et simples, elles constituent nanmoins potentiellement

une source dinformations jusque l ingales sur les actions effectues par les individus

utilisant le Web.

Associer les technologies Web au datawarehouse, cest alimenter le datawebhouse avec cette

source de donnes considrable et indisciplin, afin de les analyser, mais aussi de les mettre

en conformit et les conjuguer aux sources de donnes plus conventionnelles.

Le second aspect du datawebhouse, concerne lapport du datawarehouse existant vers le Web.

Amener le datawarehouse au Web signifie rendre toutes les interfaces du datawarehouse

disponibles sur des navigateurs Web.

Amener le datawarehouse au Web signifie aussi rsoudre, une fois pour toutes, les problmes

dun environnement entirement distribu. Le datawebhouse est une approche totalement

diffrente du datawarehouse entirement centralis, car, pas plus que lInternet, il ne peut tre

centralis.

2.4.4. Amener le Web au datawarehouse

a. Les donnes du Web

Comme prsent dans les sections prcdentes, le datawarehouse (traditionnel) est alimentpar les systmes de traitement transactionnel OLTP. Dans un environnement datawebhouse,

nous disposons dune nouvelle source dalimentation encore insaisissable : capturer, analyser

et comprendre le comportement des utilisateurs qui naviguent sur les sites Web.

Le Clickstream est une suite chronologique dactions atomiques qui peuvent tre regroupes

en sessions. La trajectoire des actions ayant aboutit un achat, par exemple, peut tre

analyse et comprise. Nous pouvons dsormais savoir comment un individu nous a contacts,

de ses intentions et de la qualit de son exprience. Nous pouvons savoir prcisment lcranquil a vu et le temps quil a mis faire ses choix. Nous pouvons observer des signes directs

de satisfaction ou dinsatisfaction. Nous nous trouvons donc dans une meilleure position pour

rpondre efficacement au client individuel.

b. Cration des datamarts du Clickstream

La cration d'un datamart demande des connaissances de modlisation dimensionnelle. Les

dimensions auxquelles nous pouvons penser qui ont un sens (rpondant certaines questions)

dans un environnement de Clickstream sont en gnral de ce type :


39/144


39

Figure 2.4.3 : Exemple de datamart du Clickstream [source Kimball/Merz2000]

Dimension page: (URL), Dimension date ;

Dimension agent de l'utilisateur, Dimension session ;

Dimension tat du caddie de l'utilisateur, Dimension dmographique.

Le modle du datamart est le suivant :

2.4.5. Amener le datawarehouse au Web

Publier sur le Web

Le datawarehouse est lendroit o sont publies les donnes stratgiques de lentreprise. Le

gestionnaire de datawarehouse est une sorte de rdacteur en chef : il rassemble les entres de

donnes provenant dune grande diversit de sources qui sont ensuite rparties sur la table

de composition ; leur pertinence et leur exhaustivit sont alors values. Puis, elles sont

enregistres sous un format commun et reconnaissable, et publies lattention des lecteurs(utilisateurs finals) du datawarehouse.

A la fin des annes 1990, larrive du Web a favoris lessor du datawarehouse. Le Web

amplifie et tend ses possibilits de publication ; il offre de nombreux avantages que

lindustrie du datawarehouse naurait pas pu crer par elle-mme. Le Web est tellement

irrsistible que le datawarehouse na pas dautre choix que de monter dans ce train express.


40/144


40

2.5. La gestion du temps dans le datawarehouse[Source : Todman2001]

Remarque : Le terme Temps est utilis ici et dans le reste de ce mmoire dans le sens

donne Date/heure .

Un des points les plus importants dans le processus de conception des datawarehouses est la

reprsentation et le traitement des donnes temporelles (donnes sur le Temps ).

Limportance des donnes temporelles est une des caractristiques des systmes dcisionnels

qui les diffrencient des systmes oprationnels. Nous allons essayer dans ce qui suit

dintroduire les caractristiques du Temps et son utilisation dans les datawarehouses.

Les applications de gestion dentreprise qui constituent le systme oprationnel sontdveloppes pour fonctionner dans lenvironnement prsent o les donnes temporelles ne

ncessitent pas un traitement particulier. Dans plusieurs cas, ces donnes Dates/Heures ne

sont que des attributs descriptifs dans les tables des donnes.

Mais dans un datawarehouse, le Temps affecte considrablement la structure du systme.

Les caractristiques et les objectifs des datawarehouses engendrent des besoins en donnes

temporelles qui sont diffrents de ceux du systme oprationnel.

En labsence actuel de SGBD temporels o le support des donnes temporelles serait impliciteet o le langage de requte contiendrait des fonctions spcifiques sur le Temps afin den

simplifier la manipulation, les bases de donnes datawarehouses doivent tre conues pour

prendre en considration les besoins temporels et tre implmentes sur des SGBDR

classiques. En dautres termes, le support du Temps doit tre explicitementintgr dans les

structures des tables et des requtes.

2.5.1. Le rle des donnes temporelles

Dans un datawarehouse, lajout des donnes temporelles (les donnes Date/heure ) permet

dhistoriser (archiver) les donnes. Cela signifie que les utilisateurs du datawarehouse peuvent

dcouvrir laspect de leur entreprise nimporte quel moment ou priode dans le temps. Ceci

permettra la dcouverte et ltude des habitudes comportementales dans le temps et de faire

des comparaisons entre des priodes similaires ou non-similaires. Avec ces donnes, nous

pouvons raliser des extrapolations en utilisant des modles prdictifs afin de nous assister

planifier et prvoir. Ainsi, nous utiliserons le pass pour essayer de prvoir le futur.


41/144


41

La valeur et limportance des donnes historiques sont gnralement reconnues. La capacit

de stockage des donnes historiques est un des avantages majeurs des datawarehouses et

labsence de ces donnes dans les systmes oprationnels est un des facteurs de motivation

pour le dveloppement des datawarehouses.

a. Priode de validit et date de transaction

Ces deux notions seront utilises plusieurs fois dans le chapitre 3 (Conception dun

datawarehouse orient CRM).

La date de validit associe une valeur dun attribut de donne reprsente la date pendant

laquelle cette valeur est vraie (associe) pour cet attribut. Par exemple, la date de validit

dune commande correspond sa date de rception. Ces valeurs dattributs peuvent tre

associes :

A un instant donn : dfinis comme une combinaison unique Date/Heure . Un

vnement est dfini comme tant un fait instantan survenant un instant t.

A une priode de temps : dfinie comme tant le temps entre deux instants.

La date de validit est normalement fournie par lutilisateur sauf dans des cas particuliers

comme dans les appels tlphoniques o la date de validit peut tre gnre par les

quipements techniques.

La date de transaction associe une valeur dattribut de donne reprsente la date de la

cration (physique) et de la disponibilit de la valeur dans la base de donnes. Les dates de

transaction sont gnres par les SGBD. Les dates de transaction peuvent aussi tre

reprsentes par des instants uniques ou des intervalles de temps.

b. Les donnes comportementales

Dans un datawarehouse dimensionnel, les systmes sources des donnes comportementales

sont les systmes de gestion oprationnels tels que les systmes de facturation ou les systmesde gestion logistique. Comme nous lavons dj expliqu, les systmes oprationnels ne sont

pas conus pour historiser les donnes. Par exemple, dans un systme de gestion des

commandes, une fois quune commande est satisfaite et transforme en facture, elle disparat

de la base de donnes oprationnelle aprs une certaine priode de temps (un maximum dune

anne).

Le rle dun systme datawarehouse est de capturer les donnes appropries qui ont atteint un

certain tat leur permettant dintgrer la base de donnes du datawarehouse. Les donnes

dune entit sont gnralement intgres au datawarehouse la fin du cycle de vie


42/144


43/144


43

lorsquune relation cesse dexister (ex. : un commercial quitte lentreprise) ? Comment

le datawarehouse manipule-t-il ces changements dans les valeurs dattributs (ex. : un

produit tait bleu, il est maintenant rouge) ? y a-t-il un besoin danalyser ces

performances de vente lorsquil tait rouge ou bleu ?

La frquence des captures : Un datawarehouse doit tre jour. La frquence des

changements est une question laquelle il faut rpondre durant la conception dun

datawarehouse.

La synchronisation des changements : Quant un attribut change, un mcanisme doit

se dclencher pour dterminer les attributs dpendants qui doivent aussi changer.

Labsence de synchronisation affecte la crdibilit des rsultats.

Certaines problmatiques lies au Temps sont inhrentes aux modles dimensionnels mais

il est possible de les surmonter en changeant la mthode de conception de ces modles.

2.5.3. Le Temps dans la premire gnration des datawarehouses

Le Temps a un effet considrable sur les datawarehouses car ces derniers sont des

applications temporelles. La proprit temporelle des datawarehouses na jamais t

rellement reconnue dans la premire gnration des datawarehouse et, par consquent, la

reprsentation du Temps tait, dans la plupart des cas, non adquate. Dans les modlesdimensionnels, la reprsentation du Temps est largement restreinte la dimension

Temps . Cela permet la table des faits dtre partitionne en utilisant cette dimension

mais ne permet pas une reprsentation du Temps dans les autres dimensions.

Larrive du CRM a soulev le problme et a renforc le besoin dadopter une approche

systmatique de traitement du Temps . Afin de pouvoir concevoir et construire un

datawarehouse orient client (CRM) qui est capable dassister les dcideurs rsoudre leurs

problmatiques CRM (ex. : la fuite des clients), nous devons sassurer que les problmatiqueslies la reprsentation du Temps sont proprement traites. La premire gnration des

datawarehouses (prsente dans ce chapitre) peine pour rpondre des questions orientes

CRM du genre Combien de clients avons-nous actuellement ? . Avec ce genre de capacit

limite, il est impossible davoir des mtriques ou des mesures en relation avec les

changements dans les circonstances.

Dans un environnement CRM, nous devons tre capables de soumettre des requtes

temporelles qui nous permettront danalyser les changements dans les circonstances (donnes


44/144


44

de rfrence) des clients. Ce type de requtes nest pas support par les datawarehouses de

premire gnration.

Nous pouvons ainsi conclure que dans la premire gnration des datawarehouse, les attributs

des dimensions sont rellement considrs comme des attributs supplmentaires des faits.

Quand nous ralisons une jointure entre la table des faits et une table dimension, nous ne

faisons que juste tendre les attributs des faits avec ceux de la dimension.

La deuxime gnration des datawarehouses, les datawarehouses orients CRM, proposent

une autre vision pour le traitement des besoins temporelles. Cest ce que nous allons dcouvrir

dans le chapitre 4.


45/144

Chapitre 3

La gestion de la relation client

n Gestion de la relation client : dfinitions, objectifs et rsultats ;

n Le dveloppement de la relation client ;

n Les fonctionnalits des systmes de gestion de la relation client ;

n La technologie du datawarehouse au service de la gestion de la

relation client.


46/144

Le CRM : Customer Relationship Management

46

2. Le CRM : Customer Relationship Management

3.1. Introduction au CRM

Dans les annes 1970, la domination des producteurs tait flagrante. Ces derniers

sintressaient peu de savoir quels clients achetaient et utilisaient quels produits. Aussi

longtemps quil y avait assez dacheteurs, la production tait le goulot dtranglement. Les

clients taient forcs de sorienter daprs les biens produits. Henry Ford avait pour

habitude de rpondre la question du nombre de couleurs disponibles pour ces voitures :

Naturellement nous produisons chaque couleur pour autant quelle soit noire. [Dyche2002]

Au tournant du sicle, la situation sest retourne. Nous sommes passs dun march de

loffre un march de la demande. Ce retournement exige des changements tous les niveauxde lentreprise, entre autres des activits marketing et vente qui doivent tre soutenues plus

systmatiquement par des systmes dinformation et des bases de donnes.

Nous le voyons, les entreprises sont en transition ; nous passons dune organisation tourne

vers loffre, donc oriente produits, pour nous diriger vers des structures orientes sur les

processus accomplir dont le CRM est un exemple.

Cependant, il ne faut pas oublier que lobjectif damlioration de la relation client est un

objectif louable pour autant que lon sache quelle relation amliorer et cela en fonction de laprofitabilit des relations; afin de mieux cerner ltape de base quest la profitabilit du client,

le concept de Customer Lifetime Value reste ltape de base de toute dmarche CRM.

3.1.1. Dfinition du CRM

CRM est un acronyme pour Customer Relationship Management, en franais GRC pour

Gestion de la Relation Client.

CRM est un terme de lindustrie des systmes dinformation englobant des mthodologies,

des stratgies, des outils logiciels et habituellement des capacits internet qui aide une

entreprise grer ses relations client dune manire structure.[Source : Swift2003]

Par exemple, une entreprise pourra construire une base de donnes clients qui dcrit les

relations avec suffisamment de dtails afin que la direction, les vendeurs, les responsables du

service-clients et idalement les clients eux-mmes puissent avoir accs linformation pour

effectuer des tches comme le rapprochement entre les besoins des clients et les planifications

produits, la gnration doffres, et la description du profil des clients.


47/144


47

Mieux grer les clients nest pas un concept nouveau; il suffit pour sen convaincre de

considrer les systmes de rabais mis au point dans les annes 1960 afin de fidliser les

clients. Les outils par contre sont nouveaux ; au lieu de prendre des dcisions stratgiques

bases sur leur propre exprience, les managers utilisent des outils logiciels spcifiques pour

prendre ou valider ces dernires.

Selon diffrentes vues de lindustrie, le CRM peut consister :

Permettre un dpartement marketing dune entreprise didentifier et de viser ses

clients les plus profitables, grer les campagnes marketing avec des objectifs clairs

afin de gnrer des leads de valeur pour la force de vente.

Aider lorganisation dans lamlioration du telesales , account et sales

management en optimisant le partage de linformation par les multiples intervenants

et en simplifiant les processus existants.

Favoriser le dveloppement de relations individualises avec les clients dans le but

damliorer la satisfaction client et de maximiser les profits.

Fournir aux employs les informations et les processus ncessaires pour mieux

connatre leurs clients, leurs besoins et btir des relations durables entre la socit, les

clients et les partenaires.[Source : Swift2003]

Examinons la figure suivante :

Figure 3.1.1 : Lvolution des composantes dentreprise. [Source : Flueckiger2000]


48/144


48

La figure ci-dessus montre lvolution des diffrentes composantes de lentreprise tendant

vers des modles de travail collaboratifs non seulement intra-entreprise mais aussi inter-

entreprises.

Le terme CRM sest dvelopp rapidement durant ces dernires annes et comporte

actuellement de nombreuses fonctions associes pour un service clients suprieur.

Le CRM est un concept plus complet que son prdcesseur SFA Sales Force Automation

qui se bornait soutenir la mission du reprsentant en contact avec le client dans la prise de

commandes principalement. Le CRM a pour but dlargir le concept de SFA par un partage

des informations client au sein de la structure et une interface avec le systme de gestion

interne de lentreprise ERP.

3.1.2. Les objectifs du CRM

Une tendance trs nette se dessine dans la fixation des objectifs des projets CRM. Mme si

laugmentation de la productivit de la force de vente reste lobjectif traditionnel principal, les

entreprises remarquant que le produit ne fournit plus long terme un avantage concurrentiel

mettent de plus en plus laccent sur lamlioration de la relation et des services offerts au

client autour du produit.

Cette nouvelle manire de vendre exige de lentreprise quelle donne plus dautonomie sa

force de vente et que les systmes dinformation soutiennent les vendeurs ou marketers dans cette nouvelle approche.

Lapproche globale du client devient aussi de plus en plus au centre des stratgies, tout

particulirement dans les situations o lapproche multicanaux est dveloppe. Le but du

CRM sera dintgrer les fonctions isoles de la chane de la relation client.

Le graphique ci-dessous illustre les rsultats dune enqute mene auprs dentreprises ayant

effectu des projets CRM. Cette enqute montre les objectifs CRM viss par limplmentation

dune solution CRM dans ces entreprises.[Source : Flueckiger2000]


49/144


49

Remarquons par exemple que 50% des entreprises ayant implment une solution CRM se sont fixes comme

objectif lamlioration de la satisfaction des clients

3.1.3. Les rsultats constats avec le CRM

Examinons le graphique ci-dessous :

Figure 3.1.2 : Les objectifs du CRM. [Source : Flueckiger2000]

Figure 3.1.3 : Les rsultats du CRM. [Source : Flueckiger2000]


50/144


50

Les chiffres ci-dessus rcolts auprs dentreprises allemandes ayant men des projets CRM

montrent les augmentations ou les diminutions par poste en pourcentage. Par exemple, nous

remarquons que ces entreprises ont constat une augmentation du taux du succs des offres de

8% et une diminution du taux de rclamation de 5%. [Source : Flueckiger2000]

On peut en retenir que, mme si le CRM a toujours pour but, parfois non-avou, dadapter la

structure des cots de la socit, les lments qui visent le dveloppement des ventes et de la

profitabilit deviennent des lments de plus en plus importants.

3.2. Les facteurs du CRM

Le CRM prend forme en tirant parti du potentiel des composantes humaines,

organisationnelles et technologiques disposition.

3.2.1. Le facteur humain

Les affaires comportent toujours et encore une relation dhomme homme. Le CRM doit

placer ltre humain au centre des proccupations, que ce soit le client, le collaborateur ou le

partenaire. De nombreux projets par le pass ont chou du fait que laspect technologique

tait prpondrant au dtriment du facteur humain.

La base pour une relation daffaires long terme et pleine de succs est toujours et encore la

communication entre une entreprise et son client et vice versa.

Pour le client, toute personne avec qui il est en contact reprsente et personnifie lentreprise.

Lattitude du collaborateur va donc influencer directement le client potentiel ou existant.

Il est donc essentiel que les collaborateurs, et tout spcialement ceux en contact direct avec les

clients, comprennent les buts du CRM et par l la stratgie de lentreprise. Pour soccuper de

leurs clients de manire cible, ils devront donc connatre leurs missions et leurs comptences.

Cependant, cette plus grande marge de manoeuvre gagne par les collaborateurs qui

rpondent de leurs actes ne va pas sans poser de questions; en effet, les situations o les

comptences sont limites par la structure apportent une situation de confort non ngligeable ;

le changement dtat entranera auprs de la structure des mcontentements quil sagira de

grer en mettant sur pied des programmes daccompagnement au changement pour mieux

canaliser ces rebellions.[Source : Freeland2002]


51/144


51

3.2.2. Le facteur organisationnel

Le processus est compris comme une suite logique dactivits qui contribuent la stimulation

dun rsultat.

Du point de vue de lentreprise, il existe trois types de processus fondamentaux :

Le processus de dveloppement de nouveaux produits : Cela comporte toutes les

activits qui permettent de lancer de nouveaux produits dans un temps, une qualit et

un prix dfinis par la stratgie de lentreprise.

Le processus de gnration et de livraison des commandes : Cela comporte

lacquisition et lacceptation des commandes, la livraison temps des commandes, la

production dune facture et son encaissement.

Le processus de la chane logistique intgre : Comporte toutes les activits qui

assurent de manire optimale les flux montaires, matriels et informationnels en

respectant les dlais, les contraintes financires et le niveau de qualit fix.

Plutt que de raliser ces processus de manire fragmente et fonctionnelle, les dpartements

doivent tre mis en relation selon des chanes consistantes de manire assurer la satisfaction

des clients.

Des flux dinformations des produits et des clients, traversant les diffrentes fonctions,

doivent venir alimenter les personnes qui pourront en avoir besoin. Alors que le clientsadresse lentreprise par le biais dun point dinteraction, ses besoins ont une influence qui

vont au-del du point dinteraction et qui vont toucher la production, la logistique et les

finances.

Lexemple des socits de service est flagrant ; en effet, ces socits taient auparavant

organises par divisions de produits, ce qui signifie que chaque division abordait le client de

manire autonome, donc dveloppait ses connaissances client ainsi que son systme de base

de donnes de manire indpendante. Les pressions concurrentielles ont amen les banques,par exemple, introduire le principe du key account management qui traite les besoins du

client dans sa globalit, mme si par la suite, en toile de fond, les tches sont re-divises sous

forme de spcialits. Cette volution a t facilite par les volutions des possibilits offertes

par les systmes dinformation.

Une optimisation des processus nest possible que si seulement lorganisation interne de

lentreprise est structure de manire rpondre aux besoins des processus. [Source :

Freeland2002]


52/144


52

3.2.3. Le facteur technologique

La technologie joue un rle important dans la mise en place dun systme CRM. Elle sert

soutenir certains processus afin que les collaborateurs puissent se concentrer sur les tches o

ils apportent la plus grande valeur ajoute.La technologie offre au client la possibilit de communiquer avec lentreprise de plusieurs

manires ( multichanelling ) ; que ce soit par tlphone, fax, ou email, une relation peut tre

construite indpendamment de la distance gographique.

LInternet a des consquences profondes sur la refonte des processus de travail de

lentreprise. Alors que la part du chiffre daffaires gnre par ce canal de vente reste pour la

plupart des entreprises encore modeste, la manire dont les informations peuvent tre

changes ou rparties, est en train doffrir aux entreprises dnormes opportunits soit en

termes de gain de productivit ou sous forme de potentiel de dveloppement (Voir le chapitre

2.4 : le systme datawebhouse).

LIntgration des systmes dinformation en vue de

memoire de magister haciane

Documents