Formation SI Décisionnel Modélisation d’un DataWarehouse
Domaine : Bases de données – BI
DURÉE
3 jours
OBJECTIFS
Comprendre les enjeux stratégiques d'un SI décisionnel et ses avantages. Etre capable de modéliser un DataWarehouse au c½ur du système décisionnel. Avoir une vue complète et synthétique des solutions BI du marché.
Pré-requis
Bonnes connaissances en gestion de bases de données. Connaissances de base en analyse décisionnelle.
Participants
Responsables Infocentre, responsables informatiques, architectes de systèmes d'information, etc.
coût
Formation en cours collectif
Nous contacter pour une formation sur mesure ou en intra
LIEUx de formation
Notre centre de formation à Sophia AntipolisOu sur votre site en formation intra
PROGRAMME DE FORMATION
SI Décisionnel Modélisation d’un DataWarehouse
Le Data Warehouse, finalité et principes
Définition du Data Warehouse selon Bill Inmon.
Les enjeux stratégiques d'un SI décisionnel
Les raisons techniques et culturelles qui conduisent au Data Warehouse
Définition du Data Warehouse selon Bill Inmon
Les solutions apportées par l'architecture technique et fonctionnelle du Data Warehouse
Caractéristiques des données du SI décisionnel
L'Infocentre et le SI décisionnel
Présentation des différentes approches Data Warehouse et Infocentre, leurs avantages et inconvénients
Les enjeux stratégiques d'un SI décisionnel
Les raisons techniques et culturelles qui conduisent au Data Warehouse
Définition du Data Warehouse selon Bill Inmon
Les solutions apportées par l'architecture technique et fonctionnelle du Data Warehouse
Caractéristiques des données du SI décisionnel
L'Infocentre et le SI décisionnel
Présentation des différentes approches Data Warehouse et Infocentre, leurs avantages et inconvénients
L'architecture d'un SI décisionnel d'entreprise
La gestion des flux : la capture des données sources, les règles de transformation
La collecte et l'intégration des données
L'operational Data Store et la Data Staging area
La couche de présentation, le portail décisionnel
Les moteurs d'analyse OLAP : (MOLAP) et/ou relationnel OLAP (ROLAP)
Les techniques d'analyse "Data Mining" : méthodes prédictives, méthodes descriptives
Croissance du volume et de la nature des données, les enjeux du Big Data
La documentation des données du DW : notions de référentiel de données
Comment le DW fiabilise la gestion du référentiel de données (MDM)
La collecte et l'intégration des données
L'operational Data Store et la Data Staging area
La couche de présentation, le portail décisionnel
Les moteurs d'analyse OLAP : (MOLAP) et/ou relationnel OLAP (ROLAP)
Les techniques d'analyse "Data Mining" : méthodes prédictives, méthodes descriptives
Croissance du volume et de la nature des données, les enjeux du Big Data
La documentation des données du DW : notions de référentiel de données
Comment le DW fiabilise la gestion du référentiel de données (MDM)
Les principes de la modélisation Data Warehouse
Les modèles relationnels opérationnels et dénormalisés
Les modèles hybrides
Les modèles génériques
Comprendre le modèle en étoile, sa finalité
Comprendre les notions de faits et d'analyse. Les hiérarchies d'axe d'analyse
Le modèle en flocon
La problématique des dimensions à évolution
Gestion des agrégats et de la stabilité du périmètre fonctionnel
Quelle approche favorise les informations de détail ou les agrégats ? Bonnes pratiques, questions à poser au métier
Les modèles hybrides
Les modèles génériques
Comprendre le modèle en étoile, sa finalité
Comprendre les notions de faits et d'analyse. Les hiérarchies d'axe d'analyse
Le modèle en flocon
La problématique des dimensions à évolution
Gestion des agrégats et de la stabilité du périmètre fonctionnel
Quelle approche favorise les informations de détail ou les agrégats ? Bonnes pratiques, questions à poser au métier
La démarche de construction d'un Data Warehouse
Identifier le périmètre fonctionnel candidat. Déterminer l'objectif et les événements de gestion à suivre
Estimer la volumétrie du périmètre
Analyse fonctionnelle, recueil des besoins utilisateurs
Conception de l'architecture technique détaillée
Etablir une démarche générique de mise en ½uvre
Les apports d'une démarche itérative, le contenu d'une itération
Première itération ou projet pilote, bien le choisir. Rôle du sponsor, de la MOA, de la MOE, impact sur l'organisation
L'administration et le suivi de la solution opérationnelle
Estimer la volumétrie du périmètre
Analyse fonctionnelle, recueil des besoins utilisateurs
Conception de l'architecture technique détaillée
Etablir une démarche générique de mise en ½uvre
Les apports d'une démarche itérative, le contenu d'une itération
Première itération ou projet pilote, bien le choisir. Rôle du sponsor, de la MOA, de la MOE, impact sur l'organisation
L'administration et le suivi de la solution opérationnelle
Organisation du projet, les acteurs et les livrables
Le rôle fondamental du sponsor ou promoteur
Le comité de pilotage
Rôle de l'équipe fonctionnelle, du groupe de projet utilisateurs : valider le design de l'environnement utilisateur
Le transfert de compétences vers les utilisateurs finaux par l'équipe fonctionnelle : formation et documentation
L'équipe technique, les architectes
Les principaux livrables d'un projet décisionnel
Le comité de pilotage
Rôle de l'équipe fonctionnelle, du groupe de projet utilisateurs : valider le design de l'environnement utilisateur
Le transfert de compétences vers les utilisateurs finaux par l'équipe fonctionnelle : formation et documentation
L'équipe technique, les architectes
Les principaux livrables d'un projet décisionnel
Les outils dans le domaine du décisionnel
Les dernières évolutions techniques des SGBDR dans le domaine du décisionnel
Panorama et typologie des solutions BI du marché. Les offres en mode SaaS
Les solutions de reporting : SSRS, IBM Cognos, SAS, BusinessObjects... La mise en ½uvre des outils de requête
Les outils d'analyse OLAP côté serveur et côté client : utilisation, évolutivité, approche DataMart, temps de réponse
Les solutions d'analyse Data Mining : SAS Enterprise Miner, IBM, OBI Datamining. Exigences et points forts
Les solutions ETL : IBM, Informatica, Oracle, SAP, Talend...
Les outils de modélisation relationnelle : possibilités et limites
Panorama et typologie des solutions BI du marché. Les offres en mode SaaS
Les solutions de reporting : SSRS, IBM Cognos, SAS, BusinessObjects... La mise en ½uvre des outils de requête
Les outils d'analyse OLAP côté serveur et côté client : utilisation, évolutivité, approche DataMart, temps de réponse
Les solutions d'analyse Data Mining : SAS Enterprise Miner, IBM, OBI Datamining. Exigences et points forts
Les solutions ETL : IBM, Informatica, Oracle, SAP, Talend...
Les outils de modélisation relationnelle : possibilités et limites
Synthèse
Les tendances d'évolution des systèmes décisionnels
Bonnes pratiques pour la modélisation
Recommandations pour l'organisation du projet Data Warehouse
Bonnes pratiques pour la modélisation
Recommandations pour l'organisation du projet Data Warehouse
dates des formations a grenoble
dates des formations a SOPHIA ANTIPOLIS
formations associées