Extraction des connaissance à partir d'un datamart à l'aide de l'arbre de décision application aux données médicales

[I]

Epigraphie

« Confie-toi en l'Eternel de tout ton coeur, de toute ton âme et de toutes tes forces. Ne t'appuie pas sur ton propre intelligence, dans toutes tes voies tiens compte de lui et il rendra droit tes sentiers, ne deviens pas sage à tes propres yeux, crains DIEU et détourne- toi du mal, cela est santé pour ton âme et rafraichissement pour tes os.»

Proverbe 3 : 5-8

[II]

DEDICACE

Nous rendons grâce à Dieu pour le courage et la force qu'il nous a donnée tout au long de notre parcours à l'Université de Kinshasa.

A nos parents NGYAMA MABILA Ephrem et MINZENZE PUNGU Victorine pour tant des sacrifices et de souffrance consentie pour nos études.

A nos frères Dieudonné MUNDADI, Yannick NGYAMA, Cédric KAPOKOTO, et nos soeurs Farida KIMBANDA, Divine MAMENGA, Patricia MINZENZE pour leur encouragement et soutien moral.

A notre neveu Glody MUYEKE

Nous dédions ce travail

Richard KANGIAMA LWANGI

[III]

AVANT PROPOS

Au terme de ce travail, nous tenons à adresser nos vifs remerciements aux personnes dont le concours nous a été précieux pour sa réalisation.

Nous remercions particulièrement le professeur MANYA DJADI LEONARD, qui a accepté volontiers de diriger ce mémoire, malgré ses multiples occupations.

Notre profonde reconnaissance s'adresse à tout le corps professoral du Département de Mathématiques et Informatique de l'Université de Kinshasa pour avoir participé à notre formation.

Aux chefs de travaux BATUBENGA, BUKANGA et les autres Assistants pour leur soutien scientifique ; sans oublier le chef de travaux Pierre KAFUNDA KATALAY pour son encadrement par des sages conseils.

A nos compagnons de la promotion et amis : Felly MANDA, Jean-Jacques KATSHITSHI, Bijoux TOBO , Trésor

EBONDO, Billy MATIABA, Minion KITOKO ,Arnold
MANZO ,Freddy KEREDJIM, KALOMBO KALO, Tito LUFUNGULA, Hendrik MITI ,Frémy MAKANGA, Ben KANZOKA Laetitia LUSIMBA, ya ANNIE ODIMBA, Orchidée KINKO, Patience LUFUNGULA, Kiki NDESHO ,Youyou MAYOKO, Trésor ALOMA, A toutes les mamans du Secrétariat Général Académique et autres .

Nous remercions également les familles KINKO, LUFUNGULA, FUNDJI et les BYM NODASA pour leur assistance morale et spirituelle.

[IV]

LISTE DES FIGURES

FIG I. 1:ARCHITECTURE GENERALE D'UN SYSTEME DECISIONNEL 7

FIG II. 1:ARCHITECTURE D'UN ENTREPOT DE DONNEES 19

FIG II. 2:ARCHITECTURE D'UN DATAMART 25

FIG II. 3:EXEMPLE DE MODELISATION EN ETOILE 29

FIG II. 4:EXEMPLE DE MODELISATION EN FLOCON DE NEIGE 31

FIG II. 5:EXEMPLE DE MODELISATION EN CONSTELLATION 32

FIG II. 6:EXEMPLE DE SCHEMA MULTIDIMENSIONNEL 33

FIG II. 7: ARCHITECTURE ROLAP 36

FIG II. 8:ARCHITECTURE MOLAP 37

FIG II. 9:ARCHITECTURE HOLAP 38

FIG III 1:ARBRE DE DECISION CONSTRUIT A PARTIR DE L'ATTRIBUT AGE 54

FIG III 2:ARBRE DE DECISION FINALE 55

FIG IV 1:ORGANIGRAMME 63

FIG IV 2:MODELE CONCEPTUEL DES DONNEES 67

FIG IV 3:MODELE LOGIQUE DE DONNEES 68

FIG IV 4:SCHEMA EN ETOILE DES ACCOUCHEMENTS 72

FIG IV 5:VUE DE L'ENSEMBLE DES DONNEES AVEC SPAD 74

FIG IV 6:ARBRE DE DECISION 77

FIG IV 7:GRAPHIQUE 78

FIG IV 8:DIAGRAMME DE CLASSE 83

FIG IV 9:DIAGRAMME DE CAS D'UTILISATION 84

FIG IV 10:DIAGRAMME DE SEQUENCE 84

FIG IV 11:DIAGRAMME DE SEQUENCE ANALYSE OLAP 85

FIG IV 12:FORMULAIRE DE SECURITE 85

FIG IV 13:FORMULAIRE DE MENU PRINCIPALE 86

FIG IV 14:FORMULAIRE ACCOUCHEMENT 86

[V]

LISTE DES TABLEAUX

TABLEAU II 1:DIFFERENCE ENTRE SGBD ET ENTREPOTS DE DONNEES 22

TABLEAU II 2:COMPARE LES CARACTERISTIQUES DES SYSTEMES 23

TABLEAU III 1:LA METHODOLOGIE A NEUF ETAPES DE KIMBALL 28

TABLEAU III 2:LE TACHES ET TECHNIQUE DU DATAMINING. 45

TABLEAU III 3:EXEMPLES PRATIQUES 52

TABLEAU IV 1:REPARTITION DE MODULE DE SQL SERVEUR 2008 PAR COMPOSANTE. 66

[VI]

LISTE DES ABREVIATIONS

SID : Système d'informatique décisionnel

OLAP : Online analytical processing

OLTP : Online transactonal processing

ETL : Extract transform and load

SGBD : Système de gestion de base des données

MDO : Magasin des données opérationnelles

ODS : Operational data store

ROLAP : Relational olap

MOLAP : Multidimensional olap

HOLAP :Hybrid olap

BD :Base de données

DW :Datawerahouse

[1]

INTRODUCTION

La prise de décision est un problème essentiel qui préoccupe les gestionnaires des entreprises. Cette prise de décision passe par la modélisation des différents problèmes qu'ils rencontrent dans la gestion, d'où la nécessité d'un modèle basé sur l'arbre de décision.

L'entrepôt de données étant une vision centralisée et universelle de toutes les informations de l'entreprise, C'est une structure qui a pour but, contrairement aux bases de données, de regrouper les données de l'entreprise pour des fins analytiques et pour aider le manager à la prise de décision stratégique.

Une décision stratégique est une action entreprise par les décideurs de l'entreprise qui vise à améliorer, quantitativement ou qualitativement, la performance de l'entreprise.

Un problème d'extraction de connaissances consiste à extraire les connaissances à partir d'un entrepôt de données ou d'une autre source de données en utilisant les techniques du Datamining (arbre de décision, réseaux bayesien, réseaux de neurones, etc.).

0 .PROBLEMATIQUE

Vu la capacité d'accueil de l'Hôpital Saint Joseph , vu le nombre de consultations et des accouchements au sein de cet hôpital, le décideur qui est le médecin directeur se présente devant une grande quantité des données éparpillées dans des différents fichiers Excel .

Le décideur a besoin d'avoir les informations sur toutes les données éparpillées.

C'est pourquoi nous avons réalisé notre système d'aides à la prise de décision qui permettra de réunir toutes les données afin d'en faire des analyses.

[2]

1 .INTERET DU TRAVAIL

Le choix de ce sujet porte sur un double aspect, d'abord il est question de répondre au schéma de nos inspirations qui est d'approfondir la notion d'informatique décisionnelle pour essayer de les appliquer dans la vie courante et professionnelle et ensuite de réaliser un outil de travail pour la maternité de l'Hôpital Saint Joseph de Kinshasa Limete.

2 .METHODOLOGIE

Dans le cadre de notre travail, nous allons mettre en place une application informatique qui permettra au décideur de prendre une décision et anticiper les événements sur les accouchements.

Pour notre système nous aurons un fichier Excel que nous allons intégrer dans une base de données opérationnelles qui est comme base de données transactionnelles .Nous allons utiliser les datamining pour explorer les données de notre DataMart en vue de faire l'extraction.

Pour la construction de notre DataMart nous allons utiliser la méthodologie de Raph Kimball.

Elle nous a présenté la faveur d'aller sur terrain, de récolter les

données ; et nous avons utilisé la technique d'interview, questionnaire et la documentation pour la récolte des données.

3. DELIMITATION DU TRAVAIL

Pour parler de la délimitation du travail qui consiste à évoquer sa précision dans le temps et dans l'espace. Ainsi, nous sommes limité à concevoir un système décisionnel pour la maternité et nous avons réalisé une application opérationnelle pour la maternité qui permettra aux agents de la maternité de saisir les informations sur les accouchements.

Ensuite nous avons utilisé l'arbre de décision comme outil de datamining pour l'extraction de données dans notre DataMart pour la prise de décision. Notre travail a été réalisé pour la

[3]

maternité de l'Hôpital Saint Joseph de Kinshasa Limete pendant l'année 2010.

4. PLAN DU TRAVAIL

Outre l'introduction et la conclusion, notre travail comprend quatre chapitres.

Le premier chapitre reprend les concepts sur les systèmes décisionnels, nous définissons les systèmes décisionnels et ses enjeux.

Le deuxième chapitre traite des entrepôts des données où nous expliquons les différents concepts relatifs aux entrepôts de données et ses différents serveurs.

Le troisième chapitre porte sur le datamining et l'arbre de décision.

Le quatrième chapitre est consacré à l'implémentation qui est notre contribution personnelle.

[4]

CHAPITRE I : LES SYSTEMES DECISIONNELS

[17], [18], [7], [19]

I .1 INTRODUCTION

Dans ce chapitre nous allons définir le système décisionnel et donner quelques concepts relatifs au business intelligent avec des applications pour boucler par une conclusion.

Notons qu'un nombre plus important d'acteurs des entreprises éprouvent des difficultés dans le processus de la prise de décision notamment dans la conception et les choix des outils à implanter.

Le marche du décisionnel ne cesse d'exploser surtout avec l'investissement de plusieurs grandes sociétés qui souhaitent instaurer un système de business intelligence dans leur organisation. Sa mise en oeuvre demande des expertises et nécessite une maitrise d'ouvrage de la part des informaticiens concepteurs.

I.1.0 L'INFORMATIQUE DECISIONNELLE [18]

l'informatique décisionnelle désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données, matérielles ou immatérielles d'une entreprise en vue d'offrir une aide a la décision et de permettre aux responsables de prendre des stratégie pour l'entreprise et d'avoir une vue d'ensemble de l'activité traitée au sein de l'entreprise.

En générale, ce type d'application utilise un entrepôt de données pour stocker des données transverses provenant de plusieurs sources hétérogènes et fait appel a des traitements par lots pour la collecte de ces informations.

L'informatique décisionnelle s'insère dans l'architecture plus large d'un système d'information.

[5]

Néanmoins l'informatique décisionnelle n'est pas un concept concurrent du management du système d'information.

Au même titre que le management relève de la sociologie et de l'économie, la gestion par l'informatique est constitutive de deux domaines radicalement différents que sont le management et l'informatique.

Afin d'enrichir le concept avec ces deux modes de pesées, il est possible d'envisager un versant oriente ingénierie de l'informatique portant le nom d'informatique décisionnelle, et un autre versant servant plus particulièrement les approches de gestion appelé management du système d'information.

Pour expliciter ce concept, nous posons ces deux questions : pourquoi le décisionnel et qui a besoin du décisionnel ?

1.1.1 POURQUOI LE DECISIONNEL [19]

Le décisionnel ne concerne souvent que les entreprises qui gèrent un historique des événements passés (faits, transactions etc.). Les entreprises qui viennent de naitre n'ont souvent pas besoin de faire du décisionnel car elles n'ont pas encore besoin de catégoriser ou de fidéliser leurs clients.

Le souci majeur pour elles serait plutôt d'avoir le maximum de clients. Et c'est âpres en avoir récupère un grand nombre qu'elles penseront certainement à les fidéliser et leur proposer d'autres produits susceptibles de les intéresser. C'est ce que l'on appelle Customer Relationship management.

Finalement, le troisième processus correspond à l'interrogation qui se place entre l'entrepôt et les

[6]

1.1.2 QUI A BESOIN DU DECISIONNEL [19J

Comme cela peut se deviner, les décideurs sont les principaux utilisateurs des systèmes décisionnels. Les décideurs sont généralement des analystes. Ces derniers établissent des plans qui leur permettent de mieux cibler leurs clients, de les fidéliser.

Et pour cela, ils ont besoin d'indicateurs et des données résumées de leur activités (ils n'ont souvent besoin de détail que pour des cas spécifiques).

Par exemple, contrairement aux systèmes relationnels (ou base gestion) ou les utilisateurs chercheront à connaitre leurs transactions pour faire un bilan, les systèmes décisionnels eux cherchent plutôt à donner un aperçu global pour connaitre les tendances des clients d'où l'opposition des deux modes quantitatif pour le système relationnel par contre qualitatif pour le système décisionnel.

1.1.3 ARCHITECTURE DE SYSTEME DECISIONNEL [7]

L'architecture générale d'un système décisionnel qui se décompose en trois processus : extraction et intégration, organisation et interrogation.

Nous trouvons le processus d'extraction intégration entre les sources de données et l'entrepôt.

Ce processus est responsable de l'indentification des données dans les diverses sources internes et externes ;

De l'extraction de l'information qui nous intéresse et de la préparation et de la transformation (nettoyage, filtrage, etc..) des données à l'intérieur de l'entrepôt, nous trouvons le processus d'organisation, il est responsable de structurer les données par rapport à leur niveau de granularité (agrégats).

[7]

différents outils pour arriver à l'analyse des données, pour les différents utilisateurs de l'entreprise.

FIG I. 1:Architecture Générale d'un système décisionnel

I.2 LES DIFFERENTS ELEMENTS CONSTITUTIFS DU SYSTEME DECISIONNEL [19]

1.2.1 .1 LES SOURCES DE DONNEES

Les sources de données sont souvent diverses et variées et le but est de trouver des outils et afin de les extraire, de les nettoyer, de les transformer et de les mettre dans l'entrepôt de données .Ces sources de données peuvent être de fichier du type Excel, base de données opérationnelle d'une entreprise ou fichier plat.

I.2.1 L'ENTREPOT DE DONNEES

Il est le coeur du système décisionnel et demande une analyse profonde de la part de la maitre d'ouvrage. La conception d'un DataWarehouse diffère de la conception d'une base de données relationnelle.

En effet, alors que les bases de données relationnelles tendent le plus souvent à être normalisées, les bases de données multidimensionnelles, elles, sont de normalisées respectant le modèle en étoile ou le modèle en flocon.

[8]

1.2.3 LE SERVEUR OLAP OU SERVEUR D'ANALYSE

Le serveur OLAP est opposé à OLTP et a pour but d'organiser les données à analyser par domaine ou par thème et d'en ressortir des résultats pertinents pour le décideur. Les résultats sont donc des résumés et peuvent être obtenus par différents algorithmes de datamining (fouille de données) du serveur d'analyse.

Ces résultats peuvent amener l'organisation à prendre des très bonnes décisions en vue d'améliorer le rendement de leurs entreprises.

1.2.4 LE GENERATEUR D'ETATS

Le générateur d'état permet seulement de mieux appréhender le résultat de l'analyse. L'utilisateur final n'étant pas forcement un informaticien, il aura plus de facilité dans des états business objets (ou même dans des feuilles de données Excel) avec des diagrammes et courbes statistiques que d'aller directement requêter dans le serveur d'analyse. Les états permettent également de faire de l'exploration ou la navigation sur de données.

I.3 LES ENJEUX DE L'INFORMATIQUE DECISIONNELLE [18]

De nos jours, les données applicatives métier sont stockées dans une ou plusieurs bases de données relationnelles ou non relationnelles. Ces données sont extraites, transformées et chargées dans un entrepôt de données généralement par un outil de type ETL.

Un entrepôt de données peut prendre la forme d'un DataWarehouse ou d'un DataMart. en règle générale, le DataWarehouse globalise toutes les données applicatives de l'entreprise, tandis que les DataMarts généralement alimentes depuis les données du DataWarehouse sont des sous-ensembles

[9]

d'informations concernant un métier particulier de l'entreprise assurance ,marketing, risque, contrôle de gestion ,sante etc.

Les entrepôts de données permettent de produire des rapports qui répondent à la question « que s'est-il passé ? », mais ils peuvent être également conçus pour répondre à la question analytique « pourquoi est-ce que cela s'est passé ? » et à la question pronostique « que va-t-il se passer ? ». Dans un contexte opérationnel, ils répondent également à la question « que se passe-t-il en ce moment ? », voire dans le cas d'une solution d'entrepôt de données actif « que devrait-il se passer ? ».

I .4 METHODES D'ANALYSE DECISIONNELLE

A. DU TABLEAU A L'HYPER CUBE

L'informatique décisionnelle s'attache à mesurer :

Un certain nombre d'indicateurs ou de mesures (que l'on appelle

aussi les faits ou les métriques), Restitues selon les axes

d'analyse (que l'on appelle aussi les dimensions).

LE TABLEAU

A titre d'exemple considérons les données sur les naissances des

enfants à l'hôpital saint joseph de LIMETE.

On peut vouloir mesurer :

Trois indicateurs : les recettes totales des accouchements, le nombre de naissances, le montant de taxes pour chaque accouchement,

Le premier axe, représente l'axe temps : par année, par trimestre, par mois,

Et le un second, l'axe par catégorie : naissance normale, naissance césarienne, cas complique. On obtient ainsi un tableau à deux entrées :

Par exemple en lignes : la nomenclature des naissances a 3

niveaux (naissance normale, naissance par césarienne, naissance par cas compliqué), et en colonnes : les années, décomposées en trimestres, puis en mois, avec au croisement des lignes et colonnes, pour chaque cellule : les recettes totales des accouchements, le nombre de naissance et le montant de taxe par accouchement.

[10]

B. LE CUBE

Si l'on s'intéresse à un troisième axe d'analyse :

Par exemple, la répartition géographique : par district, par commune, par localité, on obtient une dimension de plus et on passe ainsi au cube. Avec les tableaux croises dynamiques d'Excel permet aussi de représenter ce type de cube avec le champ "page".

C. L'HYPER CUBE

Si l'on s'intéresse à un axe d'analyse supplémentaire :

Par exemple, la segmentation des responsables : par catégorie, par profession, on obtient alors un cube à plus de trois dimensions, appelé hyper cube.

Le terme cube est souvent utilise en lieu et place d' hyper cube.

D. LA NAVIGATION DANS UN HYPER CUBE

Les outils du monde décisionnel offrent des possibilités de navigation dans les différentes dimensions du cube ou de l'hyper cube avec ses différentes opération drill down (la forage avant), slice and dice (le forage arrière), slice and dice et le drill throuth dans les lignes qui suivent nous allons expliquer en claire ces différentes possibilité de navigue dans un cube.

Le forage avant ou le drill down: est la possibilité de zoomer sur une dimension (par exemple d'éclater les années en quatre trimestres pour avoir une vision plus fine, ou de passer du district aux différentes communes),

Le forage arrière ou le drill up appelé aussi roll-up : représente une l'opération inverse qui permet d' agréger les composantes de l'un des axes ,par exemple de regrouper les mois en trimestre, ou de totaliser les résultats des analyses différentes communes pour avoir le total par districts.

Le slice and dice, aussi appelé dice down: est une opération plus complexe qui entraine une permutation des axes d'analyse, par exemple, on peut vouloir remplacer une vue par district/commune par une nouvelle vue par les naissances normale et naissances césarienne.

Le drill through : lorsqu'on ne dispose que de données agrégées (indicateurs totalises), le drill through permet d'accéder au détail élémentaire des informations.

[11]

I.5 FONCTIONS ESSENTIELLES DE L'INFORMATIQUE DECISIONNELLE

Un système d'information décisionnel assure quatre fonctions fondamentales, à savoir la collecte, l'intégration, la diffusion et la présentation des données. à ces quatre fonctions s'ajoute une fonction de contrôle du système d'information décisionnelle lui-même, l'administration.

I.5.1COLLECTE

La collecte est l'ensemble des taches consistant à détecter, à sélectionner, à extraire et a filtrer les données brutes issues des environnements pertinents compte tenu du périmètre du SID.

Les sources de données internes ou externes étant souvent hétérogènes tant sur le plan technique que sur le plan sémantique, cette fonction est la plus délicate à mettre en place dans un système décisionnel complexe. Elle s'appuie notamment sur des outils d'ETL.

Cette alimentation utilise les données sources issues des systèmes transactionnels de production, le plus souvent sous forme de :

Compte-rendu d'événement ou compte-rendu d'opération : c'est le constat au fil du temps des opérations (achats, ventes, écritures comptables), le film de l'activité de l'entreprise.

Compte-rendu d'inventaire ou compte-rendu de stock : c'est l'image photo prise à un instant donné (à une fin de période : mois, trimestre) de l'ensemble du stock (les clients, les contrats, les commandes, les encours).

La fonction de collecte joue également, au besoin, un rôle de recodage.

Une donnée représentée différemment d'une source à une autre impose le choix d'une représentation unique pour les futures analyses.

[12]

I.5.2 INTEGRATION

L'intégration consiste à concentrer les données collectées dans un espace unifié, dont le socle informatique essentiel est l'entrepôt.

Élément central du dispositif, il permet

aux applications décisionnelles de bénéficier d'une source d'information commune, homogène, normalisée et fiable, susceptible de masquer la diversité de l'origine des données.

Au passage les données sont épurées ou transformées par :

un filtrage et une validation des données en vue du maintien de la cohérence d'ensemble (les valeurs acceptées par les filtres de la fonction de collecte mais susceptibles d'introduire des incohérences de référentiel par rapport aux autres données doivent être soit rejetées, soit intégrées avec un statut spécial) .

Une synchronisation (d'intégrer en même temps ou à la même date de valeur des événements reçus ou constates de manière décalée ou déphasée).

Une certification (pour rapprocher les données de l'entrepôt des autres systèmes légaux de l'entreprise comme la comptabilité ou les déclarations réglementaires).

C'est également dans cette fonction que sont effectues éventuellement les calculs et les agrégations (cumuls) communs à l'ensemble du projet.

La fonction d'intégration est
généralement assurée par la gestion de métadonnées, pour l'interopérabilité entre toutes les ressources informatiques, des données structurées (bases de données accédées par des progiciels ou applications), ou des données non structurées .

[13]

I.5.3 DIFFUSION OU LA DISTRIBUTION

La diffusion met les données à la disposition des utilisateurs, selon des schémas correspondant au profil ou au métier de chacun, sachant que l'accès direct à l'entrepôt ne correspondrait généralement pas aux besoins d'un décideur ou d'un analyste.

L'objectif prioritaire est de segmenter les données en contextes informationnels fortement cohérents, simples à utiliser et correspondant à une activité décisionnelle particulière.

Alors qu'un entrepôt de données peut héberger des centaines ou des milliers de variables ou indicateurs, un contexte de diffusion raisonnable n'en présente que quelques dizaines au maximum.

Chaque contexte peut correspondre à un DataMart, bien qu'il n'y ait pas de règles générales concernant le stockage physique.

Très souvent, un contexte de diffusion est multidimensionnel, c'est-à-dire modélisable sous la forme d'un hyper cube , il peut alors être mis à disposition à l'aide d'un outil OLAP.

Les différents contextes d'un même système décisionnel n'ont pas tous besoin du même niveau de détail.

De nombreux agrégats ou cumuls, n'intéressant que certaines applications et n'ayant donc pas lieu d'être gères en tant qu'agrégats communs par la fonction d'intégration, relèvent donc de la diffusion.

Ces agrégats peuvent être, au choix, stockes de manière persistante ou calcules dynamiquement a la demande.

On peut distinguer trois questions à élucider pour concevoir un système de reporting :

À qui s'adresse le rapport spécialise ? (choix des indicateurs a présenter, choix de la mise en page)

Par quel trajet ? (circuit de diffusion type workflow pour les personnes, circuits de transmission télécoms pour les moyens)

[14]

Selon quel agenda ? (diffusion routinière ou sur événement prédéfini)

I.5.4 PRESENTATION

Cette quatrième fonction, la plus visible pour l'utilisateur, régit les conditions d'accès de l'utilisateur aux informations. Elle assure le fonctionnement du poste de travail, le contrôle d'accès, la prise en charge des requêtes, la visualisation des résultats sous une forme ou une autre.

Elle utilise toutes les techniques de communication possibles comme les outils bureautiques, raquetteurs et générateurs d'états spécialises, infrastructure web, télécommunications mobiles, etc.

I.5.5 ADMINISTRATION

C'est la fonction transversale qui supervise la bonne exécution de toutes les autres. elle pilote le processus de mise à jour des données, la documentation sur les données et sur les métadonnées, la sécurité, les sauvegardes, la gestion des incidents.

I.5.6 LES PHASES DU PROCESSUS DECISIONNEL

? Phase de recueil des exigences

Trois domaines doivent être particulièrement documentes :

Le type d'information dont l'utilisateur des rapports a besoin.

Le type de restitution (ergonomie, fréquence, vitesse de

restitution) .

Le système technique existant : technologies utilisées

? Phase de conception et de choix technique :

En fonction des exigences recueillies, quels sont les éléments de

la chaine de la valeur décisionnelle qui doivent être

implémentes ?

Doit-on seulement créer un rapport sur un cube OLAP existant ?

[15]

Construire toute la chaine ?

Quelles sont précisément les données que l'on doit manipuler ? Cela conduit au choix de technologies précises et a un modèle particulier.

[16]

I.6 CONCLUSION

Dans ce chapitre, nous avons traite le sujet de système décisionnel, nous avons définit l'informatique décisionnel, l'architecture de système décisionnel, ses différents enjeux avec leurs fonction y compris les phases du processus dans un système décisionnel.

[17]

CHAPITRE II : LES ENTREPOTS DE DONNEES

[8], [1], [16], [5], [7]

II.1 INTRODUCTION

Les entrepôts des données intègrent les informations en provenance de différentes sources, souvent reparties et hétérogènes ayant pour objectif de fournir une vue globale de l'information aux analystes et aux décideurs.

La construction et la mise en oeuvre d'un entrepôt de données représentent une tache complexe qui se compose de plusieurs étapes.

La première à l'analyse des sources de

données et à l'identification des besoins des utilisateurs, la deuxième correspond à l'organisation des données à l'intérieur de l'entrepôt. Finalement, la troisième sert à établir divers outils d'interrogation, analyse, de fouille de données.

Chaque étape présente des
problématiques spécifiques. Ainsi, par exemple, lors de la première étape, la difficulté principale consiste en l'intégration des données, de manière a qu'elles soient de qualité pour leur stockage .pour l'organisation, il existe plusieurs problèmes comme : la sélection des vues a matérialiser, le rafraichissement de l'entrepôt, la gestion de l'ensemble de données courantes et historisées.

En ce qui concerne le processus d'interrogation, nous avons besoin des outils performants et conviviaux pour l'accès et l'analyse de l'information.

Notre travail se focalise principalement

sur une étape du processus décisionnel, avec une proposition de la définition d'un modèle multidimensionnel, pour boucle par une conclusion.

[18]

II.2.1 DEFINITION CLASSIQUE D'UN ENTREPOT DES DONNEES (5J , (7J

Un entrepôt de données est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d'un processus d'aide a la décision. Nous détaillons ces caractéristiques

Orientées sujet : les données des entrepôts sont organises par sujet plutôt que par application : par exemple, une chaine de magasins d'alimentation organise les données de son entrepôt par rapport aux ventes qui ont été réalisées par produit et par magasin, au cours d'un certain temps.

Intégrées : les données provenant des différentes sources doivent être intégrées, avant leur stockage dans l'entrepôt de données. L'intégration c'est à dire la mise en correspondance des formats, permet d'avoir une cohérence de l'information.

Non volatiles : a la différence des données opérationnelles, celles de l'entrepôt sont permanentes et ne peuvent pas être modifiées .le rafraichissement de l'entrepôt consiste à ajouter de nouvelles données, sans modifier ou perdre celles qui existent. historisées :la prise en compte de l'évolution des données est essentielle pour la prise de décision qui, par exemple, utilise des techniques de prédication en s'appuyant sur les évolutions passées pour prévoir les évolutions futures.

II.2.2 ARCHITECTURE D'UN ENTREPOT DE DONNEES (5J

L'architecture des entrepôts de données repose souvent sur un SGBD séparé du système de production de l'entreprise qui contient les données de l'entrepôt.

Le processus d'extraction des données permet d'alimenter périodiquement ce SGBD. Néanmoins avant d'exécuter ce processus, une phase de transformation est appliquée aux données opérationnelles.

Celle-ci consiste à les préparer (mise en correspondance des formats de données), les nettoyer, les filtrer,..., pour finalement aboutir a leur stockage dans l'entrepôt.

[19]

Dans cette figure II.1, nous présentons une architecture simplifiée d'un entrepôt selon Doucet et Gangarski. Les différents composants ont été intègres dans trois parties : les sources de données, l'entrepôt et les outils existants dans le marche.

Données de production (SGBD ,ODS, système légués)

O U T I L S

Données externes

E T

L

Données légèrement résumées

Données fortement résumées

Entrepôt de données

Données anciennes Archivées

Données de détail

Métadonnées

FIG II. 1:Architecture d'un entrepôt de données

a) les sources : les données de l'entrepôt sont extraites de diverses sources souvent reparties et hétérogènes, et qui doivent être transformées avant leur stockage dans l'entrepôt.

Nous avons deux types de sources des donnes : internes et externes a l'organisation :

Internes : la plupart des données sont saisies à partir des différents systèmes de production qui rassemblent les divers SGBD opérationnels, ainsi que des anciens systèmes de production qui contiennent des données encore exploitées par l'entreprise.

Externes : ils représentent des données externes à l'entreprise et qui sont souvent achetées.

Magasin des données opérationnel (ODS operational data store) : c'est un mini annuaire des données opérationnelles actualisées et

[20]

intégrées aux analyses pour un département spécifique au sein de l'entreprise.

b) Les types de données de l'entrepôt de données : il existe plusieurs types de données dans un entrepôt, qui correspondent a diverses utilisations, comme :

Données de détail courantes : ce sont l'ensemble des données quotidiennes et plus couramment utilisées. Ces données sont généralement stockées sur le disque pour avoir un accès rapide. Par exemple, le détail des ventes de l'année en cours, dans les différents magasins.

Données de détail anciennes : ce sont des données quotidiennes concernant des événements passés, comme par exemple le détail des ventes des deux dernières années. Nous les utilisons pour arriver à l'analyse des tendances ou des requêtes prévisionnelles. Néanmoins ces données sont plus rarement utilisées que les précédentes, et elles sont souvent stockes sur des mémoires d'archives.

Donnes résumées ou agrégées : ce sont des données moins détaillées que les deux premières et elles permettent de réduire le volume des données a stocker. Le type de données, en fonction de leur niveau de détail, permet de les classifier commandes données légèrement ou fortement résumées.

Les métadonnées : ce sont des données essentielles pour parvenir a une exploitation efficace du contenu d'un entrepôt. Elles représentent des informations nécessaires a l'accès et l'exploitation des données dans l'entrepôt comme : la sémantique (leur signification), l'origine (leur provenance), les règles d'agrégation (leur périmètre), le stockage (leur format, par exemple : francs, euro,...) et finalement l'utilisation (par quels programmes sont-elles utilisées).

Données archives et sauvegarder : cette partie de l'entrepôt emmagasine les données détaillées résumées pour le besoins d'archivage et de sauvegarde.les données sont transférées dans des stockages d'archivage tel que des bandes magnétiques ou disques optiques.

d) outils : il existe sur le marché différents outils pour l'aide à la décision, comme les outils de fouille de données ou datamining

[21]

(pour découvrir des liens sémantiques), outils d'analyse en ligne (pour la synthèse et l'analyse des données multidimensionnelles), outils d'interrogation (pour faciliter l'accès aux données en fournissant une interface conviviale au langage de requêtes).

II.2.3 ENTREPOTS ET LES BASES DE DONNEES [7]

Dans l'environnement des entrepôts de données, les opérations, l'organisation des données, les critères de performance, la gestion des métadonnées, la gestion des transactions et le processus de requêtes sont très différents des systèmes de bases de données opérationnels.

Par conséquent, les SGBD relationnels orientes vers l'environnement opérationnel, ne peuvent pas être directement transplantes dans un système d'entrepôt de données.

Les SGBD ont été crées pour les

applications de gestion de systèmes transactionnels. Par contre, les entrepôts de données ont été conçus pour l'aide a la prise de décision. Ils intègrent les informations qui ont pour objectif de fournir une vue globale de l'information aux analystes et aux décideurs.

[22]

Le tableau II.1 résume ces différences entre les systèmes de gestion de bases de données et les entrepôts de données.

	SGBD	entrepôts de données
Objectifs	gestion et production	consultation et analyse
Utilisateurs	gestionnaires de production	décideurs, analystes
taille de la base	plusieurs giga-octets	plusieurs téraoctets
organisation des données	par traitement	par métier
type de données	données de gestion (courantes)	données d'analyse (résumées, historisées )
Requêtes	simples, prédéterminées ,données détaillées	complexes ,spécifiques, agrégations et group by
Transactions	courtes et nombreuses, temps réel	longues ,peu nombreuses

Tableau II 1:Différence entre SGBD et entrepôts de données

II.2.4 SYSTEMES TRANSACTIONNELS ET SYSTEMES DECISIONNELS :

Les SGBD ont été crées pour gérer de grands volumes d'information contenus dans les différents systèmes opérationnels qui appartiennent a l'entreprise.

Ces données sont manipulées en utilisant des processus transactionnels en ligne .parallèlement à l'exploitation de l'information contenue dans ces systèmes opérationnels, les dirigeants des entreprises ont besoin d'avoir une vision globale concernant toute cette information pour faire des calculs prévisionnels, des statistiques ou pour établir des stratégies de développement et d'analyses des tendances.

[23]

	système transactionnel	système décisionnel
Données	Exhaustives courantes dynamiques	Résumées historiques statiques
	orientées applications	orientées sujets
		(d'analyse)
utilisateurs	Nombreux	peu nombreux
	varies (employés, directeurs)	uniquement les décideurs
	concurrentes	non concurrents
	mises à jour et	interrogations
	interrogations	requêtes imprévisibles et
	requêtes prédéfinies réponses immédiates	complexes réponses moins rapides accès a de nombreuses
	accès a peu d'information	informations

Tableau II 2:compare les caractéristiques des systèmes

II.2.5 DATAMART OU MINI - ENTREPOT DES DONNEES [16]

II.2.5.1 INTRODUCTION

Un DataMart est un sous-ensemble d'un entrepôt de données; il est généralement exploité dans les entreprise pour restituer des informations ciblées sur un métier spécifique, constituant pour ce dernier un ensemble d'indicateurs à vocation de pilotage de l'activité et d'aide à la décision. Un DataMart, selon les définitions, est issu ou fait partie d'un DataWarehouse, et en reprend par conséquent la plupart des caractéristiques.

[24]

II.2.5.2 LES DEFINITIONS

Le DataMart est un ensemble de données ciblées, organisées, regroupées et agrégées pour répondre à un besoin spécifique à un métier ou un domaine donné. il est donc destine à être interrogé sur un panel de données restreint à son domaine fonctionnel, selon des paramètres qui auront été définis à l'avance lors de sa conception.

De façon plus technique, le DataMart peut être considère de deux manières différentes, attribuées aux deux principaux théoriciens de l'informatique décisionnelle, bill inmon et Ralph Kimball :

Définition d'inmon : le DataMart est issu d'un flux de données provenant du DataWarehouse. Contrairement a ce dernier qui présente le détail des données pour toute l'entreprise, il a vocation à présenter la donnée de manière spécialisée, agrégée et regroupée fonctionnellement.

Définition de Kimball : le DataMart est un sous-ensemble du DataWarehouse, constitue de tables au niveau détail et à des niveaux plus agrèges, permettant de restituer tout le spectre d'une activité métier. L'ensemble des DataMarts de l'entreprise constitue le DataWarehouse.

II.2.5.3 STRUCTURE PHYSIQUE ET THEORIQUE

Au même titre que les autres parties de la base de données globale de l'entreprise, les DataMarts sont stockes physiquement sur disque dur par un système de gestion de bases de données relationnelle héberge sur un serveur.

Le DataMart est souvent confondu avec la notion d'hyper cube ; il peut de fait être représente par un modèle en étoile ou en flocon dans une base de données relationnelle notamment lorsqu'il s'agit de données élémentaires ou unitaires non agrégées.

[25]

II.5.2.3 DATAWAREHOUSE ET DATAMART

La première étape d'un projet busines intelligent est de créer un entrepôt central pour avoir une vision globale des données de chaque service. Cet entrepôt porte le nom de DataWarehouse.

On peut également parler de DataMart, si seulement une catégorie de services ou métiers est concernée pour notre travail nous parlerons de DataMart des suivie de traitement médicale de la consultation jusqu'a la fin.

Par définition, un DataMart peut être contenu dans un DataWarehouse, ou il peut être seulement issu de celui-ci.

II.5.2.4 ARCHITECTURE D'UN DATAMART [16]

Système transactionnel

Système transactionnel

Système transactionnel

Data Mart

Data Mart

Système transactionnel

Entrepôt

Des données

II II II II

FIG II. 2:Architecture d'un DataMart

[26]

II.5.2.5 LA PLACE DU DATAMART DANS L'ENTREPRISE

Le DataMart se trouve en toute fin de la chaine de traitement de l'information. En règle générale, il se situe en aval d'un DataWarehouse plus global à partir duquel il est alimenté, dont il constitue en quelque sorte un extrait.

Un DataMart forme la principale

interaction entre les utilisateurs et les systèmes informatiques qui gèrent la production de l'entreprise (souvent des ERP).

Dans un DataMart, l'information est préparée pour être exploitée brute par les personnes du métier auquel il se rapporte. Pour ce faire, il est appelé a être utilise via des logiciels d'interrogation de bases de données (notamment des outils de reporting) afin de renseigner ses utilisateurs sur l'état de l'entreprise à un moment donné (stock) ou sur son activité (flux).

La préparation de la donnée pour une utilisation directe, inhérente au DataMart, peut revêtir plusieurs formes. Il faut noter que toutes représentent une simplification par rapport au niveau de données inferieur ; on peut citer pour exemple :

L'agrégation de données : le DataMart ne contient pas le détail de toutes les opérations qui ont eu lieu, mais seulement des totaux, repartis par groupements.

Le retrait de données inutiles : le DataMart ne contient que les données qui sont strictement utiles aux utilisateurs.

l'historisation des données : le DataMart contient seulement la période de temps qui intéresse les utilisateurs.

II.2.6. CONCEPTION D'UN ENTREPOT DE DONNEES [5]

La conception d'un entrepôt de données se fait de deux façon ,la première consiste à construire d'abord plusieurs mini-entrepôts selon les directions ou le départements ensuite les intègres dans un seul entrepôt pour l'entreprise ;la deuxième consiste à construire un entrepôt pour l'entreprise

[27]

ensuite mettre en place un ou plusieurs mini-entrepôts pour chaque direction ou départements que compte l'entreprise.

La conception d'un entrepôt de données peut se faire en utilisant la modélisation relationnelle classique (pour les bases de données transactionnelles) ou en utilisant la modélisation dimensionnelle.

Dans un entrepôt de données les requêtes pour l'interrogation des données utilisent beaucoup des jointures qui demandent trop de temps ce qui constitue un problème pour le système transactionnel. c'est pour quoi il est préférable de utiliser l'approche multidimensionnelle.

II.2.6.1 MODELISATION MULTIDIMENSIONNELLE (8J, (5J

Pour arriver à construire un modèle approprie pour un entrepôt de données ou un DataMart, nous pouvons choisir, soit un schéma relationnel (le schéma en étoile, en flocon de neige ou en constellation) ; soit un schéma multidimensionnel.

Avant de décrire les différents schémas, nous commençons par quelques concepts de base. La modélisation multidimensionnelle consiste à considérer un sujet analyse comme un point dans un espace a plusieurs dimensions.

Les données sont organisées de manière à mettre en évidence le sujet (le fait) et les différentes perspectives de l'analyse(les dimensions).

Le fait représente le sujet d'analyse. Il est compose d'un ensemble de mesures qui représentent les différentes valeurs de l'activité analysée.

Par exemple, dans le fait ventes, nous pouvons avoir la mesure "quantité de produits vendus par magasin". Les mesures doivent être valorisées de manière continue et elles peuvent être additives (pour résumer une grande quantité d'enregistrements) ; semi-additives (si elles peuvent seulement être additionnées pour certaines dimensions) et non additives.

[28]

Une dimension modélise une perspective de l'analyse. Elle se compose de paramètres(ou attributs) qui servent à enregistrer les descriptions textuelles.

A. Méthodologie de design de la base de données pour l'entrepôt des données :

Dans cette section nous décrivons une méthodologie par étapes pour construire la base de données d'un entrepôt de données cette méthode a été initialement proposées par Kimball et s'appelle méthodologie a neuf étape dans la modélisation d'un entrepôt des données :

étape	Activité
1	choisir la procédure
2	choisir le grain
3	identifier les dimensions et s'y conformer
4	choisir les faits
5	emmagasiner les calculs préliminaires dans la table des faits
6	finaliser les tables de dimensions
7	choisir la durée de la base de données
8	suivre les dimensions a modification lente
9	Les décideurs doits décidé des priorités de requêtes et des modes de requêtes

Tableau III 1:La méthodologie a neuf étapes de Kimball

Que nous allons utiliser pour concevoir notre DataMart dans le chapitre quatre.

II.2.6.2 SCHEMAS RELATIONNELS

Dans les schémas relationnels nous trouvons deux types de schémas. Les premiers sont des schémas qui répondent fort bien aux processus de type OLTP qui ont été décrits précédemment, alors que les deuxièmes, que nous appelons des schémas pour le décisionnel, ont pour but de proposer des schémas adaptes pour des applications de type OLAP.

[29]

Nous décrivons les différents types des schémas relationnels pour le décisionnel.

II.6.2.3 LE SCHEMA EN ETOILE

Il se compose du fait central et de leurs dimensions. Dans ce schéma il existe une relation pour les faits et plusieurs pour les différentes dimensions autour de la relation centrale. La relation de faits contient les différentes mesures et une clé étrangère pour faire référence à chacune de leurs dimensions.

La figure 2.2 montre le schéma en étoile en décrivant les ventes réalisées dans.

Les différents magasins de l'entreprise au cours d'un jour. Dans ce cas, nous avons une étoile centrale avec une table de faits appelée ventes et autour leurs diverses dimensions : temps, produit et magasin.

Produits

Cle_P Description Type Catégorie

Magasin

Cle_M

Raison_soc Adresse Commune Département

Région Pays

Temps

Cle_T Jour Mois Année

Ventes

Cle_P
Cle_T
Cle_M

Quantité

FIG II. 3:Exemple de Modélisation en étoile

[30]

II.6.2.3 LE SCHEMA EN FLOCON DE NEIGE

Il dérivé du schéma précédent avec une relation centrale et autour d'elle les différentes dimensions, qui sont éclatées ou décomposées en sous hiérarchies.

L'avantage du schéma en flocon de neige est de formaliser une hiérarchie au sein d'une dimension, ce qui peut faciliter l'analyse. Un autre avantage est représente par la normalisation des dimensions, car nous réduisons leur taille.

Néanmoins dans, l'auteur démontre que c'est une perte de temps de normaliser les relations des dimensions dans le but d'économiser l'espace disque.

Par contre, cette normalisation rend plus complexe la lisibilité et la gestion dans ce type de schémas. En effet, ce type de schéma augmente le nombre de jointures à réaliser dans l'exécution d'une requête.

Les hiérarchies pour le schéma en flocon de neige de l'exemple de la figure 3 sont :

Dimension temps = jour ? mois ? année

Dimension magasin = commune ? département ? région? pays La figure 4 montre le schéma en flocon de neige avec les dimensionnes temps et magasin éclatées en sous hiérarchies.

Ventes

Cle_P
Cle_T
Cle_M

Quantité

Temps

Cle_T
Jour
Mois

T_Mois

Mois Année

Cle_P Description Type Catégorie

Magasin

Cle_M

Raison_soc Adresse Commune Département

T_Département

		Département Région
T_Région

Région Pays

Produits

[31]

FIG II. 4:Exemple de modélisation en flocon de neige

Dans l'exemple ci-dessus, la dimension temps a été éclatée en deux, temps et T_mois. La deuxième dimension magasin, a été décomposée en trois : magasin, m_departement et m_region.

II.6.2.4 LE SCHEMA EN CONSTELLATION

Le schéma en constellation représente plusieurs relations de faits qui partagent des dimensions communes. Ces différentes relations de faits composent une famille qui partage les dimensions mais ou chaque relation de faits a ses propres dimensions.

La figure 2.4 montre le schéma en constellation qui est compose de deux relations de faits.

La première s'appelle ventes et enregistre les quantités de produits qui ont été vendus dans les différents magasins pendant un certain jour. La deuxième relation gère les différents produits achètes aux fournisseurs pendant un certain temps.

Produits

[32]

Cle_P Description Type Catégorie

Magasin Cle_M

Ventes

Cle_P Cle_T Cle_M Quantité

Raison_soc Adresse Commune Département

Temps

T_Fournisseur

Cle_F Raison_soc Adresse Code_postal Commune Pays

Cle_T Jour Mois Année

Achats

Cle_P Cle_F Cle_T Quantité

FIG II. 5:Exemple de Modélisation en constellation

La relation de faits ventes partage leurs dimensions temps et produits avec la table achats. Néanmoins, la dimension magasin appartient seulement a ventes. Également, la dimension fournisseur est liée seulement à la relation achats.

II.6.2.5 SCHEMA MULTIDIMENSIONNEL (CUBE) [7]

Dans le modèle multidimensionnel, le concept central est le cube, lequel est constitue des éléments appelés cellules qui peuvent contenir une ou plusieurs mesures. La localisation de la cellule est faite a travers les axes, qui correspondent chacun a une dimension.

La dimension est composée de membres qui représentent les différentes valeurs. En reprenant une partie du schéma en étoile, nous pouvons construire le schéma multidimensionnel suivant.

[33]

FIG II. 6:Exemple de schéma multidimensionnel

La figure 6, présente un schéma multidimensionnel pour les ventes qui ont été réalisées dans les magasins pour les différents produits au cours d'un temps donne (jour).

II.3 MANIPULATION DES DONNEES MULTIDIMENSIONNELLES

Pour visualise les données

multidimensionnelles, nous pouvons utiliser la représentation sous forme d'une table de données, qui est la plus courante. Dans une table, nous représentons les différentes combinaisons des valeurs choisies pour constituer les noms de lignes et de colonnes.

Néanmoins, quand le nombre de dimensions est supérieur à deux, l'utilisateur a des problèmes pour visualiser simultanément l'ensemble de l'information. Pour résoudre ce problème, nous devons disposer d'opérations pour manipuler les données et rendre possible la visualisation.

Nous présentons les opérations pour la manipulation des données multidimensionnelles, en les divisant selon leur impact sur la façon de présenter les différentes vues des données analysées.

[34]

II.3.1 OPERATIONS CLASSIQUES

Ces opérations correspondent aux opérations relationnelles de manipulation des données :

La sélection : résulte en un sous-ensemble de données qui respecte certaines conditions d'appartenance.

La projection : résulte en un sous-ensemble des attributs d'une relation, qui sont soit des dimensions, soit des niveaux de granularité. Dans les systèmes décisionnels, les opérations de sélection et de projection sont appelées souvent "slice-and-dice". La jointure : permet d'associer les données de relations différentes.

A. Les opérations ensemblistes :

D'union, d'intersection et de différence sont des opérations qui agissent sur des relations qui ont le même schéma. Par exemple, les opérations agissant sur la structure visent à présenter une vue (face du cube) différente en fonction de leur analyse, citons : La rotation (rotate) : consiste à pivoter ou a effectuer une rotation du cube, de manière à présenter une vue différente des données à analyser.

La permutation (switch) : consiste à inverser des membres d'une dimension, de manière à permuter deux tranches du cube. La division (split) : consiste à présenter chaque tranche du cube en passant d'une représentation tridimensionnelle à une présentation tabulaire.

L'emboitement (nest) : permet d'imbriquer les membres d'une dimension. En utilisant cette opération, nous représentons dans une table bidimensionnelle toutes les données d'un cube quel que soit le nombre de dimensions.

L'enfoncement (push) : consiste à combiner les membres d'une dimension aux mesures du cube et donc de représenter un membre comme une mesure.

L'opération inverse de retrait (pull) : permet de changer le statut de certaines mesures, pour transformer une mesure en membre d'une dimension.

La factualisation (fold) : consiste à transformer une dimension en mesure(s) ; cette opération permet de transformer en mesure l'ensemble des paramètres d'une dimension.

[35]

Le para métrisation (unfold) : permet de transformer une mesure en paramètre dans une nouvelle dimension.

L'opération cube : permet de calculer des sous-totaux et un total final.

B. Opérations agissant sur la granularité :

Les opérations agissant sur la granularité des données analysées, permettent de hiérarchiser la navigation entre les différents niveaux de détail d'une dimension.

Dans la suite nous traitons les deux opérations de ce type :

Le forage vers le haut (drill-up ou roll-up) : permet de représenter les données du cube à un niveau plus haut de granularité en respectant la hiérarchie de la dimension. Nous utilisons une fonction d'agrégation (somme, moyenne,...), qui est paramétrée, pour indiquer la façon de calculer les données du niveau supérieur à partir de celles du niveau inferieur.

Le forage vers le bas (drill-down ou roll-down ou scale-down) : consiste à représenter les données du cube à un niveau de granularité inferieur, donc sous une forme plus détaillée. Ces types d'opérations ont besoin d'informations non représentées dans un cube, pour augmenter ou affiner des données, à partir d'une représentation initiale vers une représentation de granularité différente. Le forage vers le haut à besoin de connaitre la fonction d'agrégation utilisée tandis que le forage vers le bas nécessite de connaitre les données au niveau inferieur.

II.4 LES SERVEURS OLAP (ON-LINE ANALYTICAL PROCESSING)

Les données opérationnelles constituent la source principale d'un système d'information décisionnel. Les systèmes décisionnels complets reposent sur la technologie OLAP, conçue pour répondre aux besoins d'analyse des applications de gestion.

Nous exposons dans la suite les divers types de stockage des informations dans les systèmes décisionnels.

[36]

II.4.1 LES SERVEUR ROLAP (RELATIONAL OLAP) [7]

Dans les systèmes relationnels OLAP, l'entrepôt de données utilise une base de données relationnelle. Le stockage et la gestion de données sont relationnels. Le moteur ROLAP traduit dynamiquement le modèle logique de données multidimensionnel m en modèle de stockage relationnel r ,la plupart des outils requièrent que la donnée soit structurée en utilisant un schéma en étoile ou un schéma en flocon de neige.

FIG II. 7: Architecture ROLAP

La technologie ROLAP a deux avantages principaux :

(1) elle permet la définition de données complexes et multidimensionnelles en utilisant un modèle relativement simple.

(2) elle réduit le nombre de jointures à réaliser dans l'exécution d'une requête.

Le désavantage est que le langage de requêtes tel qu'il existe, n'est pas assez puisant ou n'est pas assez flexible pour supporter de vraies capacités d'OLAP.

II.4.2 LES SERVEUR MOLAP (MULTIDIMENSIONAL OLAP)

Les systèmes multidimensionnels OLAP utilisent une base de données multidimensionnelle pour stocker les données de l'entrepôt et les applications analytiques sont construites directement sur elle. Dans cette architecture, le système de base de données multidimensionnel sert tant au

[37]

niveau de stockage qu'au niveau de gestion des données. Les données des sources sont conformes au modèle multidimensionnel, et dans toutes les dimensions, les différentes agrégations sont pour le calculées pour des raisons de performance.

FIG II. 8:Architecture MOLAP

Les systèmes MOLAP doivent gérer le problème de données clairsemées, quand seulement un nombre réduit de cellules d'un cube contiennent une valeur de mesure associée.

Les avantages des systèmes MOLAP sont bases sur les désavantages des systèmes ROLAP et elles représentent la raison de leur création. D'un cote, les requêtes MOLAP sont très puissantes et flexibles en termes du processus OLAP, tandis que, d'un autre cote, le modèle physique correspond plus étroitement au modèle multidimensionnel. Néanmoins, il existe des désavantages au modèle physique MOLAP. Le plus important, a notre avis, c'est qu'il n'existe pas de standard du modèle physique.

II.4.3 LES SERVEUR HOLAP (HYBRID OLAP)

Un système HOLAP est un système qui supporte et intègre un stockage des données multidimensionnel et relationnel d'une manière équivalente pour profiter des caractéristiques de correspondance et des techniques

[38]

d'optimisation donc c'est l'ensemble des deux serveurs MOLAP et ROLAP.

Dans la figure 9, nous montrons une architecture en utilisant les types de serveurs ROLAP et MOLAP pour le stockage de données.

FIG II. 9:Architecture HOLAP

Ci-dessous, nous traitons une liste des caractéristiques principales qu'un système HOLAP doit fournir :

La transparence du système : Pour la localisation et l'accès aux données, sans connaître si elles sont stockées dans un SGBD relationnel ou dimensionnel. Pour la transparence de la fragmentation.

Un modèle de données général et un schéma multidimensionnel global :

Pour aboutir à la transparence du premier point, tant le modèle de données général que le langage de requête uniforme doivent être fournis. Etant donné qu'il n'existe pas un modèle standard, cette condition est difficile à réaliser.

Une allocation optimale dans le système de stockage : Le système HOLAP

Doit bénéficier des stratégies d'allocation qui existent dans les systèmes distribués tels que : le profil de requêtes, le temps d'accès, l'équilibrage de chargement.

Une réallocation automatique : Toutes les caractéristiques traitées ci-dessus

Changent dans le temps. Ces changements peuvent provoquer la réorganisation de la distribution des données dans le système de stockage multidimensionnel et relationnel, pour assurer des performances optimales.

[39]

Actuellement, la plupart des systèmes commerciaux utilisent une approche hybride. Cette approche permet de manipuler des informations de l'entrepôt de données avec un moteur ROLAP, tandis que pour la gestion des DataMarts, ils utilisent l'approche multidimensionnelle.

[40]

II.5 CONCLUSION

Dans ce chapitre, nous avons traité le sujet des entrepôts de données nous avons données l'architecture d'un entrepôt de données, nous avons expliqué les différents composants qu'il intègre, comme les diverses sources, les types de données et les différents outils pour arriver à la visualisation de l'information.

Nous avons décrit les différents modèles multidimensionnels pour la construction d'un entrepôt de données, ainsi que les différentes opérations pour la manipulation des données multidimensionnelles et une aperçu sur le DataMart, le parallélisme entre le deux et présenter l'apport de DataMart dans les entreprise.

La dernière partie a été consacrée aux types de serveurs décisionnels.

Dans un premier temps, nous avons décrit le serveur ROLAP qui utilise une base de données relationnelle, tant au niveau du stockage qu'au niveau de la gestion de données.

Le serveur MOLAP a été la deuxième architecture que nous avons traitée.

Ces types de systèmes utilisent une base de données multidimensionnelle pour le stockage des données. Les systèmes MOLAP doivent gérer le problème de données clairsemées, quand seulement un nombre réduit des cellules d'un cube et aspects temporels une valeur de mesure associée.

La troisième architecture que nous avons décrite est le serveur HOLAP et quelque caractéristique de ce types serveur.

[41]

CHAPITRE III : LE DATA MINING ET ARBRE DE DECISION

[6], [14], [3],[16],[4],[12],[10] ,[11]

III .1 LE DATAMANING

III.1 .1 PRESENTATION

Le terme datamining est souvent employé pour désigner l'ensemble des outils permettant à l'utilisateur d'accéder aux données de l'entreprise, de les analyser .

Nous retiendrons ici le terme de data mining aux outils ayant pour objet de générer des informations riches à partir des données de l'entreprise, notamment des données historiques, de découvrir des modèles implicites dans les données.

Ces outils peuvent permettre par exemple à un magasin de dégager des profils de client et des achats types et de prévoir ainsi les ventes futures. Ils permettent d'augmenter la valeur des données contenues dans le DataWarehouse.

Les outils d'aides à la décision, qu'ils

soient relationnels ou OLAP ,laissent l'initiative à l'utilisateur, de choisir les éléments qu'il veut observer ou analyser .Au contraire ,dans le cas du datamining ,le système a l'initiative et découvre lui-même les associations entre données ,sans que l'utilisateur ait à lui dire de rechercher plutôt dans telle ou telle direction ou à poser des hypothèses .

Il est alors possible de prédire l'avenir ,par le comportement d'un client, et de détecter ,dans le passé ,les données inusuelles ,exceptionnelles.

Ces outils ne sont plus destinés aux seuls experts statisticiens mais doivent pouvoir être employés par des utilisateurs connaissant leur métier et voulant l'analyser, l'explorer.

[42]

Seul un utilisateur connaissant le métier peut déterminer si les modèles, les règles, les tendances trouvées par l'outil sont pertinentes, intéressantes et utiles à l'entreprise .

Ces utilisateurs n'ont donc pas obligatoirement un bagage statistique important .L'outil doit être soit ergonomique, facile à utiliser, soit permettre de construire une application clé en main, pour la transparence de toutes les techniques utilisées par l'utilisateur.

Nous pourrions définir le data mining comme une démarche ayant pour objet de découvrir des relations et des faits, à la fois nouveaux et significatifs, sur de grands ensembles de données.

Le terme datamining signifie
littéralement forage de données dont le but est de pouvoir extraire un élément : la connaissance.

Ces concepts s'appuient sur le constat qu'il existe au sein de chaque entreprise des informations cachées dans le gisement de données . Nous appellerons datamining l'ensemble des techniques qui permettent de transformer les données en connaissances.

L'exploration se fait sur l'initiative du système, par un utilisateur métier, et son but est de remplir l'une des tâches suivantes :Classification, estimation, prédiction, regroupement par similitudes, segmentation

(cautérisation) ,description et ,dans une moindre mesure, l'optimisation.

III.1 .2 SATATISTIQUE ET DATAMINING [14J

Nous pourrions croire que les techniques du datamining viennent en remplacement des statistiques .En fait, il n'en est rien et elles sont omniprésentes .On les utilise : Pour faire une analyse préalable,

Pour estimer ou alimenter les valeurs manquantes,

Pendant le processus pour évaluer la qualité des estimations,

Après le processus pour mesurer les actions entreprises et faire un bilan.

[43]

Ainsi la statistique et datamining sont tout à fait

complémentaires.

III.1 .3 PROCESSUS DU DATAMINING (14J , (8J

Le datamining est un processus méthodique : une suite ordonnée d'opérations aboutissant à un résultat.

Le data ming est décrit comme un processus itératif complet constitué de quartes divisées en six phases.

PROCESSUS DU DATA MINING
Acteur	Etapes	Phases
Maitre d'oeuvre	Objectifs	1. Compréhension du métier :
	2. Compréhension des données
	Traitements	4 .Modélisation
		5.Evaluation de la modélisation
Maître d'ouvrage	Déploiement	6. Déploiement des résultats de l'étude

Tableau III 1:le processuce du datamining.

A. Compréhension du Métier :

Cette phase consisté à :

Enoncer clairement les objectifs globaux du projet et les contraintes de l'entreprise.

Traduire ses objectifs et ses contraintes en un problème de data mining

Préparer une stratégie initiale pour atteindre ces objectifs.

B. Compréhension des données

Cette phase consiste à :

Recueillir les données

Utiliser l'analyse exploratoire pour se familiariser avec les données, commencer à les comprendre et imaginer ce qu'on pourrait en tirer comme connaissance. Evaluer la qualité des données

[44]

Eventuellement, sélectionner des sous ensembles intéressants

C. Préparation des données

Cette phase aide à préparer, à partir des données brutes, l'ensemble final des données qui va être utilisé pour toutes les phases suivantes :

Sélectionner les cas et les variables à analyser

Réaliser si nécessaire les transformations de certaines données,

Réaliser si nécessaire la suppression de certaines données.

D. Modélisation

La phase de la modélisation consiste à :

Sélectionner les techniques de modélisation appropriées (pouvant être utilisées pour le même problème)

Calibrer les paramètres des techniques de modélisation choisies pour optimiser les résultats ;

Eventuellement revoir la préparation des données pour l'adapter aux techniques utilisées.

E. Evaluation de la modélisation

Cette résume le rapport final :

Pour chaque technique de modélisation utilisée, évaluer la qualité (la pertinence la signification) des résultats obtenus ;

Déterminer si les résultats obtenus atteignent les objectifs globaux identifiés pendant la phase de compréhension du métier ;

Décider si on passe à la phase suivante (le déploiement) ou si on souhaite reprendre l'étude en complétant le jeu de données.

F. Déploiement des résultats obtenus

Cette phase est externe à l'analyse du datamining .Elle concerne le maître d'ouvrage.

Prendre les décisions en conséquence des résultats de l'étude de data mining

[45]

Préparer la collecte des informations futures pour permettre de vérifier la pertinence des décisions effectivement mis en oeuvre.

III.1 .4 LES TACHES DU DATA MING

Contrairement aux idées reçues, le Data Mining n'est pas le remède miracle capable de résoudre toutes les difficultés ou besoins de l'entreprise .Cependant, une multitude de problèmes d'ordre intellectuel ,médical ,économique peuvent être regroupés ,dans leurs formalisation ,dans l'une des tâches suivantes :

1. Classification

2. Estimation

3. Prédiction

4. Discrimination

5. Segmentation

TACHES	TECHNIQUE
Classification	L'arbre de décision
	Le raisonnement par cas
	L'analyse de lien
Estimation	Le réseau de neurones
Prédiction	L'analyse du panier de la ménagère
	Le raisonnement base sur le mémoire
	L'arbre de décision
	Les réseaux de neurones
Extraction de connaissance	L'arbre de décision

Tableau III 2:le taches et technique du datamining.

En outre, hormis ces quelques techniques et tâches du datamining, nous signalons qu'il existe d'autres que nous n'avons pas énumérez dans notre travail.

[46]

III .2 ARBRE DE DECISION (12J , (10J, (11J

III.2 .0 CONCEPTS THEORIQUES SUR LE GRAPHE [12]

Graphe :

Définition :

Un graphe G est un couple G=(X,U) ,X

est un ensemble non vide et au plus dénombrable .

Nota :X est un ensemble fini ,les éléments de x?X sont appelés les

sommets ou noeuds ,u = une famille d'éléments du produit

cartésiens XxX .

Les éléments de U=(x,y) ,x,y?X, sont appelés :

Soit des arcs lorsqu'on tient compte de l'orientation.

Soit les arêtes lorsqu'on ne tient pas compte de l'orientation.

Graphe connexe :

Définition :

Un graphe est connexe si l'on peut atteindre n'importe quel sommet à partir d'un sommet quelconque en parcourant les différentes arêtes.

Exemple : soit G=(X,U)

U8

U7

U9

U1

U3 U4

U5

U6

U2

G=(X,U) est un graphe connexe .

[47]

Arbres et arborescence

1. Arbres :

Définition :

Un arbre est un graphe connexe sans cycle. C'est-à-dire dont on peut atteindre n'importe quel sommet à partir d'un sommet quel- conque en parcourant différents arêtes et ses arêtes ne coïncide pas.

Exemple :

Les notions de branches et de cordes :

Soit G=(X,U) un graphe et notons par T=(X,u') un arbre qui est un graphe partiel de G ,alors :

Les arêtes appartenant à u' sont appelées les branches de T (ou relativement T )

Les arêtes de u?u' (c'est-à-dire ? (u /u') sont appelées cordes relativement T.

Exemple : soit G=(X ,U) un graphe connexe ,on peut en

U4

U10

extraire un arbre.

U1

U8

U9

U6

U2 U3

U11

U5

U12

U7

T=(X ,U') ou u'=(U1,U5,U6,U11,U7) : ce sont les branches

tandis que (U2,U3,U4,U12,U11,U9) : ce sont des cordes.

Chaque réponse possible est prise en compte et permet de se diriger vers un des fils du noeud. De

[48]

a

c

b

f

e

d

Est un arbre extrait du graphe G=(X ,U) précédent.

2. Arborescence :

Définition :

Soit G=(X,U),on dit que le sommet r?X

est une racine de G si V x?X,(avec x?r)? un chemin de rà x .c'est -

à -dire un arbre ayant une racine.

Exemple :

c

b

f

e

d

a

C'est une arborescence de racine a.

Nota : un sommet pendant est un sommet sans successeur . En informatique on les appelle des feuilles ou feuillets.

III .2.1 INTRODUCTION A L'ARBRE DE DECISION [6J

Un arbre de décision est une structure qui permet de déduire un résultat à partir de décisions successives. Pour parcourir un arbre de décision et trouver une solution, il faut partir de la racine. Chaque noeud est une décision atomique.

[49]

proche en proche, on descend dans l'arbre jusqu'à tomber sur une feuille. La feuille représente la réponse qu'apporte l'arbre au cas ou l'on vient de tester.

? Début à la racine de l'arbre

? Descendre dans l'arbre en passant par les noeuds de test

? La feuille atteinte à la fin permet de classer l'instance testée. Très souvent on considère qu'un noeud pose une question sur une variable, la valeur de cette variable permet de savoir sur quels fils descendre. Pour les variables énumérées, il est parfois possible d'avoir un fils par valeurs, on peut aussi décider que plusieurs variables différentes mènent au même sous arbre.

Pour les variables continues, il n'est pas imaginable de créer un noeud qui aurait potentiellement un nombre de fils infini, on doit discrétiser le domaine continu (arrondis, approximation), donc décider de segmenter le domaine en sous ensembles. Plus l'arbre est simple, et plus il semble techniquement rapide à utiliser.

En fait, il est plus intéressant d'obtenir un arbre qui est adapté aux probabilités des variables à tester. La plupart du temps un arbre équilibré sera un bon résultat. Si un sous arbre ne peut mener qu'à une solution unique, alors tout ce sous-arbre peut être réduit à sa simple conclusion, cela simplifie le traitement et ne change rien au résultat final.

III .2.2 DEFINITION

Un arbre de décision est un outil d'aide à la décision et à l'exploration de données. Il permet de modéliser simplement, graphiquement et rapidement un phénomène mesuré plus ou moins complexe. Sa lisibilité, sa rapidité d'exécution et le peu d'hypothèses nécessaires a priori expliquent sa popularité actuelle.

[50]

III .2.3 CARACTERISTIQUES ET AVANTAGES :

Le caractéristique principale est la lisibilité du modèle de prédiction que l'arbre de décision fourni, et de faire faire comprendre ses résultats afin d'emporter l'adhésion des décideurs.

Cet arbre de décision à également la capacité de sélectionner automatiquement les variables discriminantes dans un fichier de données contenant un très grand nombre de variables potentiellement intéressantes. En ce sens, constitue aussi une technique exploratoire privilégiée pour appréhender de gros fichiers de données.

III .2.4 ALGORITHME ID3

L'algorithme ID3 à été développé à l'origine par ROSS QUINLAN. C'est un algorithme de classification supervise. C'est-a-dire il se base sur des exemples déjà classés dans un ensemble de classes pour déterminer un modèle de classification.

Le modèle que produit ID3 est un arbre de décision. Cet arbre servira à classer de nouveaux échantillons. Permet aussi de générer des arbres de décisions à partir de données. Imaginons que nous ayons à notre disposition un ensemble d'enregistrements ayant la même structure, à savoir un certain nombre de paires attribut ou valeur.

L'un de ses attributs représente la catégorie de l'enregistrement. Le problème consiste à construire un arbre de décision qui sur la base de réponses à des questions posées sur des attributs non cible peut prédire correctement la valeur de l'attribut cible. Souvent l'attribut cible pend seulement les valeurs vrai, faux ou échec, succès.

[51]

III .2.5 PRINCIPES

Les principales idées sur lesquels repose ID3 sont les suivantes : ? Dans l'arbre de décision chaque noeud correspond à un attribut non cible et chaque arc a une valeur possible de cet attribut. Une feuille de l'arbre donne la valeur escomptée de l'attribut cible pour l'enregistrement testé décrit par le chemin de la racine de l'arbre de décision jusqu'à la feuille. (Définition d'un arbre de décision).

? Dans l'arbre de décision, à chaque noeud doit être associé l'attribut non cible qui apporte le plus d'information par rapport aux autres attributs non encore utilisés dans le chemin depuis la racine.(Critère d'un bon arbre de décision) .

? L'entropie est utilisée pour mesurer la quantité d'information apportée par un noeud.( cette notion a été introduite par Claude Shannon lors de ses recherches concernant la théorie de l'information qui sert de base à énormément de méthodes du datamining.

Algorithme

Entrées : ensemble d'attributs A; échantillon E; classe c

Début

Initialiser à l'arbre vide;

Si tous les exemples de E ont la même classe c

Alors étiqueter la racine par c;

Sinon si l'ensemble des attributs A est vide

Alors étiqueter la racine par la classe majoritaire dans E;

Si non soit a le meilleur attribut choisi dans A;

Étiqueter la racine par a;

Pour toute valeur v de a

Construire une branche étiquetée par v;

Soit Eav l'ensemble des exemples tels que e(a) = v;

ajouter l'arbre construit par ID3(A-{a}, Eav, c);

[52]

Fin pour Fin sinon

Fin sinon

Retourner racine;

Fin

III .2.2 EXEMPLE PRATIQUE [k], [11]

Pour introduire et exécuter "à la main" l'algorithme ID3 nous allons tout d'abord considérer l'exemple ci-dessous: Une entreprise possède les informations suivantes sur ses clients et souhaite pouvoir prédire à l'avenir si un client donné effectue des consultations de compte sur Internet.

client	Moyenne des montants	Age	Lieu de Résidence	Etudes supérieures	Consultation par internet
1	Moyen	Moyen	Village	Oui	oui
2	Elevé	Moyen	Bourg	non	non
3	Faible	Age	Bourg	non	non
4	Faible	Moyen	Bourg	oui	oui
5	Moyen	Jeune	Ville	oui	Oui
6	Elevé	Agé	Ville	oui	non
7	Moyen	Agé	Ville	oui	non
8	Faible	Moyen	Village	non	non

Tableau III 3:exemples pratiques

Ici, on voit bien que la procédure de classification à trouver qui à partir de la description d'un client, nous indique si le client effectue la consultation de ses comptes par Internet, c'est-à-dire la classe associée au client.

- le premier client est décrit par (M : moyen, Age : moyen, Résidence : village, Etudes : oui) et a pour classe Oui.

- le deuxième client est décrit par (M : élevé, Age : moyen, Résidence : bourg, Etudes : non) et a pour classe Non.

Pour cela, nous allons construire un arbre de décision qui classifie les clients. Les arbres sont construits de façon

H(C|Lieu) = -P (bourg).(P (C|bourg) log(P (C|bourg)) + P (C |bourg)

[53]

descendante. Lorsqu'un test est choisi, on divise l'ensemble d'apprentissage pour chacune des branches et on

réapplique récursivement l'algorithme.

Choix du meilleur attribut : Pour cet algorithme deux mesures existent pour choisir le meilleur attribut : la mesure d'entropie et la mesure de fréquence:

L'entropie : Le gain (avec pour fonction i l'entropie) est également appelé l'entropie de Shannon et peut se réécrire de la manière suivante :

Pour déterminer le premier attribut test (racine de l'arbre), on recherche l'attribut d'entropie la plus faible. On doit donc calculer H(C|Solde), H(C|Age), H(C|Lieu), H(C|Etudes), où la classe C correspond aux personnes qui consultent leurs comptes sur Internet.

H(C|Solde) = -P (faible).(P (C|faible) log(P (C|faible)) + P (C |faible) log(P (C|faible)))-P (moyen).(P (C|moyen) log(P (C|moyen)) + P (C|moyen) log(P (C|moyen)))-P (eleve).(P (C|eleve) log(P (C|eleve)) + P (C|eleve) log(P(C|eleve)))H(C|Solde)

H(C|Solde) = -3/8(1/3.log(1/3) + 2/3.log(2/3)-3/8(2/3.log(2/3) + 1/3.log(1/3)

-2/8(0.log(0) + 1.log(1)

H(C|Solde) = 0.20725

H(C|Age) = -P (jeune).(P (C|jeune) log(P (C|jeune)) + P (C |jeune) log(P (C|jeune)))-P (moyen).(P (C|moyen) log(P (C|moyen)) + P (C |moyen) log(P (C|moyen)))-P (age).(P (C|age) log(P (C|age)) + P (C|age) log(P (C|age)))

H(C|Age) = 0.15051

[54]

log(P (C|bourg)))-P (village).(P (C|village) log(P (C|village)) + P (C |village) log(P (C|village)))-P (ville).(P (C|ville) log(P (C|ville)) + P (C|ville)

log(P (C|ville)))

H(C|Lieu) = 0.2825

H(C|Etudes) = -P (oui).(P (C|oui) log(P (C|oui)) + P (C |oui) log(P (C|oui)))

-P (non).(P (C|non) log(P (C|non)) + P (C|non) log(P (C|non))) H(C|Etudes) = 0.18275

Le premier attribut est donc l'âge (attribut dont l'entropie est minimale). On obtient l'arbre suivant :

FIG III 1:Arbre de décision construit à partir de l'attribut àge

Pour la branche correspondant à un âge moyen, on ne peut pas conclure, on doit donc recalculer l'entropie sur la partition correspondante.

H(C|Solde) = -P (faible).(P (C|faible) log(P (C|faible)) + P (C |faible) log(P (C|faible)))-P (moyen).(P (C|moyen) log(P (C|moyen)) + P (C|moyen)

log(P (C|moyen)))-P (eleve).(P (C|eleve) log(P (C|eleve)) + P (C|eleve) log(P (C|eleve)))

H(C|Solde) = -2/4(1/2.log(1/2) + 1/2.log(1/2)-1/4(1.log(1) + 0.log(0)

-1/4(0.log(0) + 1.log(1)

H(C|Solde) = 0.15051

H(C|Lieu) = -P (bourg).(P (C|bourg) log(P (C|bourg)) + P (C |bourg) log(P (C|bourg)))-P (village).(P (C|village) log(P (C|village)) + P (C |village) log(P (C|village)))-P (ville).(P (C|ville) log(P (C|ville)) + P (C|ville) log(P (C|ville)))

[55]

H(C|Lieu) = 0.30103

H(C|Etudes) = -P (oui).(P (C|oui) log(P (C|oui)) + P (C |oui) log(P (C|oui)))

-P (non).(P (C|non) log(P (C|non)) + P (C|non) log(P (C|non))) H(C|Etudes) = 0

L'attribut qui a l'entropie la plus faible est « Etudes ».

L'arbre devient alors :

FIG III 2:Arbre de décision finale

L'ensemble des exemples est classé et on constate que sur cet ensemble d'apprentissage, seuls deux attributs sur les quatre sont discriminants.

[56]

II .2.3 CONCLUSION

Dans ce chapitre nous avons présenté le datamining avec ses différentes méthodes, tâches, techniques et nous introduit quelque notion relatifs à la théorie de graphe avant de parlé de l'arbre de décision qui répond à un problème de discrimination.

[57]

CHAPITRE IV : IMPLEMENTATION

[15], [2],[10],[9]

IV .0 INTRODUCTION

Ce chapitre est consacré à la réalisation de notre système décisionnel ainsi que à l'interprétation des résultats obtenue à près construction de notre arbre de décision et pour finir à la réalisation de l'application opérationnelle qui permettra aux agents de l'hôpital de saisir les informations concernant les accouchements.

Ces applications sont réalisées pour le service de la maternité de l'hôpital Saint Joseph de LIMETE qui constitue le champ d'application de notre travail.

Ainsi, nous parlerons de l'aperçu historique, la situation géographique, suivie de la structure organisationnelle pour terminer par une conception de notre système décisionnel.

Par ailleurs, nous tenons à signaler que notre étude porte sur la réalisation d'un système décisionnel qui permettra de faire des analyses sur les accouchements à l'hôpital saint joseph.

IV.1 ANALYSE DE L'EXISTANT [15]

IV.1.1 BREF APERÇU HISTORIQUE

Cette institution médicale dénommée Hôpital Saint Joseph fut un couvent des soeurs de Sainte Thérèse de l'Enfant jésus qui sont des soeurs diocésaines de Kinshasa. Conformément au projet du feu cardinal Joseph MALULA ,alors archevêque de Kinshasa, ledit couvent qui fut transformé ensuite en facultés catholiques ,devrait devenir une université catholique abritant entre autres facultés ,celle de médecine.

Un hôpital serait alors construit dans cette concession.

A l'occasion de son jubilé de vie épiscopale , le cardinal reçut un don présidentiel d'un montant de 27 .676 dollars .Ceci va provoquer le déplacement des facultés à

[58]

leurs emplacement actuel. Les bâtiments préexistants qui abritaient les facultés connaîtront une modification et constitueront avec le don présidentiel le fonds de départ de l'actuel hôpital Saint Joseph.

En 1987,l'inauguration de cet hôpital aura lieu avec un dispensaire comme premier service comptant deux médecins et quelques infirmiers.

Ensuite le service de la maternité verra le jour.

Ce n'est qu'après la mort de son initiateur ,le cardinal MALULA, que la gestion de l'hôpital, fut confiée entre les mains de religieux dont le père Lietard Edouard . Au fur et à mesure ,les différents services verront le jour les uns après les autres et l'hôpital dispensera les soins de santé primaires à caractère chrétien.

Présentement , l'Hôpital Saint Joseph constitue une unité hospitalière de référence du bureau diocésain des oeuvres médicales (B.D.O .M) de l'archidiocèse de Kinshasa.

IV .1.2 SITUATION GEOGRAPHIQUE

L'hôpital saint joseph est une institution

d'utilité publique située dans la commune de LIMETE résidentiel

entre la quatorzième et quinzième rue en allant vers le centre

ville.

Il est borné:

Au nord, par le couvent des pères Dominicains

Au sud, par le quartier MOTEL FIKIN

A l'est, par le boulevard Lumumba

A l'ouest, par le quartier Masiala ,dans le quartier résidentiel ,de

la commune de Limete.

IV.1.3 MISSION DE L'HOPITAL

Comme tout hôpital digne de ce nom, l'Hôpital Saint Joseph a comme tâche principale, celle d'assurer les soins de santé aux malades .Outre cette mission de routine, il a en effet une triple mission :

? Répondre aux besoins de santé de la population .

[59]

+ Réduire les distances à parcourir par les malades en quête des soins médicaux.

+ Procéder à la formation et à l'éducation du personnel soignant administratif et des stagiaires.

IV.1.4 STRUCTURE DE L'ENTREPRISE

Il est important d'identifier d'abord les différents services qu'elle organise en son sein.

SERVICES EXISTANTS:

L'hôpital saint joseph dispose des services ci-après:

a. services Médicaux:

+ Le Dispensaire doté d'un lit,

+ le service d'urgences avec 34 lits dont 17 pour la pédiatrie

+ le service de la réanimation avec 6 lits

+ La maternité post-partum avec 29 lits

+ La gynécologie avec 66lits ;

+ La chirurgie avec 50 lits ;

+ La pédiatrie avec 24 lits ;

+ La néonatalogie avec 14 lits ;

+ L'ophtalmologie avec 23 lits ;

+ Le pavillon privé avec 19 lits

+ L'oto-rhino-laryngologie avec 10 lits,

+ La dentisterie ;

+ La dermatologie

+ La stérilisation

+ Le bloc opératoire ;

+ L'Anesthésie ;

+ La diabétologie ;

+ La consultation prénatale.

b. services Médico techniques:

+ Le laboratoire d'analyse et banque du sang,

+ La pharmacie

+ la physio kinésithérapie,

+ l'imagerie Médicale et Le service de morgue.

c. services Administratifs:

[60]

· . Les archives, documentation et statistiques,

· . La comptabilité,

· . La facturation,

· . Le recouvrement,

· . Les caisses,

· . L'audit interne,

· . Les ressources humaines,

· . Le service social,

· . La sécurité,

· . Le service technique,

· . Le secrétariat

· . L'informatique,

· . Le mess ,

· . Les achats,

· . La buanderie,

· . La trésorerie,

· . Le mouvement des malades.

IV .1.5 ORGANISATION ET FONCTIONNEMENT

A. Organisation :

Dans son évolution actuelle, l'Hôpital Saint Joseph

comprend :

50 médecins dont 19 spécialistes (8 à temps partiel)

2chirurgiens dentistes

194 personnels soignants .

58 paramédicaux, dont 2 à temps partiel

62 administratif et

81 autres agents

Notons que l'effectif du personnel dans son ensemble est de 444

agents dont 428 travaillant à temps plein et 16à temps partiel .

L'hôpital dispose de quatre directions suivantes :

· . La direction administrative

· . La direction financière

· . La direction médicale

· . La direction de nursing

[61]

B.la direction administrative

Cette direction a pour tâches :

+ Tenir l'administration de l'hôpital

+ Représenter l'hôpital chez les différents partenaires

+ Engager l'hôpital en cas de besoin

C .La direction financière

Les attributions dévolues à cette direction sont les suivantes :

+ Assurer la gestion de la trésorerie

+ Planifier les recettes et les dépenses de l'exercice

+ Contrôler les coûts

+ Déterminer les tarifs.

E. La direction Médicale

Cette direction est chargée principalement de l'organisation des

soins et collabore avec les médecins chefs des services et les

pharmaciens. Elle regroupe tout le corps médical et coordonne

l'action de cette dernière .Elle organise le roulement des

médecins.

La direction médicale est subdivisée en services suivantes :

+ Dispensaire

+ Urgences,

+ Réanimation,

+ Médecine interne,

+ Maternité post-partum

+ Chirugie,

+ Gynécologie,

+ Ophtalmologie,

+ Pédiatrie,

+ Néonatologie,

+ Pavillon privé,

+ Oto-rhino-laryngologie ,

+ Dentisterie, kinésithérapie,

+ Dermatologie,

+ Stérilisation,

+ Pharmacie,

+ Salle d'opération

+ Anesthésie

[62]

+ Diabétologie

+ Consultation prénatale

F .La direction nursing

Cette dernière direction s'occupe de la dispensation des

soins infirmiers .Elle joue les rôles ci-après :

+ Regrouper les infirmiers et techniciens chefs des

services para médicaux,

+ Organiser le roulement des infirmiers,

+ Etudier l'organisation matérielle, la planification et la

dotation humaine .

IV.1.6 FONCTIONNEMENT

C'est le Bureau Diocésain des oeuvres Médicales ,en tant que organe de conception technique et de coordination de l'action des structures

Sanitaires de l'archidiocèse de Kinshasa, qui détermine la politique de gestion de l'Hôpital Saint Joseph.

IV.1.7 AUTRES ASPECTS

L'Hôpital Saint Joseph est doté d'un service social ayant pour

compétences :

+ D'assurer les charges sociales de son personnel

+ De contribuer à la politique générale de la santé

^{DIRECTION MEDICALE}

^PHARMACIE

^{SERVICES MEDICAUX}

^REANIMATION

^ANESTESIE

^{DIRECTION DE NURSING}

^PRIVE

^DISPENSAIRE

+

^{BANQUE DE SANG}

^REANIMATION

^{IMAGERIE MEDICALE}

^GYNECOLOGIE

^CHIRUGIE

^{MEDECINE INTERNE}

^MATERNITE

^STOMATOLOGIE

^STERLISATION

[63]

^{BUREAU DIOCESAIN DES OEUVRES}

^ORGANIGRAM HOPITAL SAINT JOSEPH ^DE KINSHSA LIMETE	^CONSEIL D'ADMINISTRATION
	^COMITE DIRECTEUR		^AUDIT INTERNE

^{DIRECTION GENERALE}

^{DIRECTION ADMINISTRATIVE}

^{REP MD en cas d'absence}

^{RESOURCE HUMAINE}

^SECRETARIAT

^{SOCIAL ET PASTORAL}

^INTENDANCE

^SECURITE

^MAGASIN

^{BIBLIOTHEQUE ET ARCHIVES}

^{DIRECTION FINANCIERE}

^{COMPTABILITE et}

^{SERVICE DES} ARCHIVES

^FACTURATION

^CAISSE

^RECOUVREMENT

^TRESORERIE

^BUDGET

^CHARROI

^ENTRETIEN	^BUANDERIE

FIG IV 1:Organigramme

[64]

IV.2. PROBLEME RENCONTRE

Lors de nos recherches à l'hôpital saint Joseph de Limete, on nous a données les données sur les statistiques globales sur le mouvement des malades en général dans tout l'hôpital qui été de fichier en format Excel , pour constituer notre source des données ,nous avons eu à mettre du temps pour saisir les registres dans une ficher Excel .

IV.2.1 LA PROBELMATIQUE ET MOTIVATION

La problématique de ce travail est de mettre en place un DataMart pour la maternité en vu de faire l'extraction de connaissance ,le sujet de ce DataMart est les accouchements pour permettre aux décideurs d'avoir une vue d'ensemble sur les données au sein de la maternité, dont voici la liste de raison ou requête qui nous a poussé à créer cette DataMart :

La première préoccupation est : D'énumérer les femmes qui ont accouchés au premier trimestre d'une année dont les poids de bébé est compris dans un intervalle et la majorité des ces mamans ont avorté déjà plus de deux fois ?

De déterminer si le poids des enfants à la naissance est proportionnel à l'âge de la mère et enfin de savoir si la majorité des femmes qui accouchent par césarienne ne suivent la CPN à l'hôpital, et savoir aussi les fréquences des décès des mamans dans la maternité ?

Notons que l'originalité de cet outil est d'une part qu'il stocke des données médicales complexes sur les accouchements issues de différents champs de la médecine et de la biologie, et d'autre part qu'il est conçu pour permettre deux types d'analyses innovants et sensiblement différents l'un de l'autre, afin de devenir un support à la maternité pour des patients bien identifiés ;et de faire des analyses statistiques à large spectre sur les populations de patients .

[65]

Notre DataMart est également conçu pour être évolutif et prendre en compte les futures avancées de la médecine concernant les accouchements .

IV.2.2 OUTIL UITILISE [2J

Nous présentons succinctement les outils ainsi que les nouvelles méthodes de développement de processus décisionnels qui en découlent.

1. Microsoft Visual Studio team système

1. SQL serveur 2008 (business intelligence)

Ici nous allons énumérer les modules et composantes de SQL serveur 2008.

Répartition des modules SQL serveur 2008 par composantes.

Composant	Module SQL Serveur 2008	Destination dans l'entreprise
Workflow+Flux de données (ETL)	Intégration de services (SSIS)	Administrateur de base des données
Entrepôt de données relationnel et multidimensionnel	Base de donnée relationnelle SQL serveur 2005	Administrateur et développeurs
Base de données multidimensionnelle analytique	Analysis services	Développeur et utilisateur ayant des connaissances métier
Exploration des données	Data mining intégré à Analysis services designer	Statistien ou développeur utilisateur
Création de rapports et de modèles sémantiques métier	Reporting services designer	Développeurs
Requêtes et analyses spécifiques	Report builder 1 .0 Excel,proclarity	Analystes métier
Développement d'application BI	SQL serveurBusiness Intelligence Devellopment Studio(BIDS)=Visual Studio	Développeur

[66]

Outils de gestion de	SQl Server	Administrateur et
base de données	Management	développeurs
	Studio
Services de	SQL serveur	Alertes envoyées
notification	Notification services	aux managers sur des événements métier

Tableau IV 1:répartition de module de SQL serveur 2008 par composante.

Parmi ces composantes de SQL serveur 2008 nous avons utilisé l'intégration des services (SSIS) pour transformer notre source de données en Excel que nous avons d'abord transforme en Access, nous avons aussi et utiliser l'analysis service(SSAS) pour réaliser notre entrepôt des données ainsi pour bien faire le datamining.

IV.2.3 MODELISATION MULTIDIMENSIONNEL LE DE

DATAMART

Pour construire un entrepôt global de l'hôpital ou d'une entreprise il ya des méthodes :

Top down : c'est la méthode la plus lourde ,la plus contraignante et la plus complète en même temps elle consiste en la conception de tout l'entrepôt ,puis la réalisation de ce dernier.

Bottom-up : c'est l'approche inverse, elle consiste à créer les étoiles ,puis les regrouper par des niveaux intermédiaires jusqu'à l'obtention d'un véritable entrepôt pyramidal avec une vision d'entreprise .

Middle-Out :c'est l'approche hybride, et conseillée par le professionnels du business intelligence. Cette méthodes consiste en la conception totale de l'entrepôt des données c-à-dire concevoir toutes dimensions, tous les faits, toutes les relations, puis créer des divisions plus petites et plus gérables et les mettre en oeuvre.

Pour notre étude nous avons construit un DataMart représentant

une étoile pour l'hôpital qui est un DataMart sur les accouchements au service de la maternité.

[67]

1. MODELISATION DE L'APPLICATION OPERATIONNELLE

Nous avons modélisé la base de données opération avec la méthode merise qui est la source de données alimentant notre entrepôt des données.

A. MODELE logique de données

A prés analyse préalable, nous avons dégagé les tables suivantes pour le modèle logique de notre base de données opérationnelles.

TABLE	ATTRIBUTS
ACCOUCHEMENT	NUM ORDRE ,NA ,NF,NT,ETAT SER,SEXE ,POIDS ,AP GAR,DIAGNOSTIQUE
FICHE	NF,NOMPOSTNOM,AGE,ETA CIVIL,NATIONALITE,ADRESSE,NIVEAU D'ETUDES,CPN
ANT OBSTRI	NA, GRAVIDA ,PARITE,AVORTEMENT,DECES

SCHEMA DU MODELE CONCEPTUEL DES DONNEES

^PK		^FICHE ^NF
^PK	^Accouchement ^NUM ORDRE

1,0

^PK	^ANT OBSTRI

^{Attacher à}

^NA

^{GRAVIDA PARITE AVORTEMENT DECES}

^1,n

^1,n

^{NOM POSTNOM}

^{ETATCIVIL NATIONALITE ADRESSE NIVEAU D'ETUDES}

^conserne

^1,0

^AGE

^{ETAT SEROLOGIQUE SEXE POIDS AP GAR DIAGNOSTIQUE DATE PROVENANCE (CPN)}

FIG IV 2:Modèle conceptuel des données

[68]

SCHEMA DU MODELE LOGIQUE DES DONNEES

^FICHE

^PK

^NF

^{NOM POSTNOM}

^AGE

^ETATCIVIL

^NATIONALITE

^ADRESSE

^{NIVEAU D'ETUDES}

^Accouchement

^PK

^{NUM ORDRE}

^NA

^NF

^PROVENANCE

^{ETAT SEROLOGIQUE}

^SEXE

^POIDS

^{AP GAR}

^DIAGNOSTIQUE

^DATE

^{ANT OBSTRI}

^PK

^NA

^GRAVIDA

^PARITE

^AVORTEMENT

^DECES

FIG IV 3:Modèle logique de données

SCHEMA DU MODELE PHYSIQUE DE DONNEES

A. TABLES FICHE

N°	LIBELLE	TYPE	TAILLE	OBSERVATION
1	NF	INTEGER	23	Numéro fiche
2	NOM POSTNOM	STRING	50	Nom et post nom
3	AGE	INTEGER	4	Age
4	ETAT CIVIL	STRING	56	Etat civil
5	NATIONALITE	STRING	26	Nationalité
6	ADRESSE	VARCHAR	50	Adresse de la maman
7	NIVEAU ETUDES	STING	7	Niveau d'études de la maman

[69]

B .TABLE ACCOUCHEMENT

N °	LIBELLE	TYPE	TAILL E	OBSERVATION
1	NUMERO ORDRE	INTEGER	23	Numéro d'ordre (primary key)
2	NA	INTEGER	50	Numéro ANT OBSTRI
3	NF	INTEGER	4	Numéro fiche
4	ETAT SER	STRING	26	Etat sérologique
5	SEXE	STRING	50	Sexe de l'enfant
6	NIVEAU ETUDES	STING	7	Niveau d'études de la maman
7	POIDS	INTEGER	6	Poids de l'enfant à la naissance
8	AP GAR	INTEGER	4	Apparence=peau colorante ,P=cris Grimace ou geste, Activité=réactivité Respiration
9	DIAGNOSTI QUE	STRING	123	Diagnostique
8	PROVENAN CE (CPN)	STRING	56	Lieu de provenance

A.TABLE ANT OBSTRI

N °	LIBELLE	TYPE	TAILL E	OBSERVATION
2	NA	INTEGE R	4	Numéro ANT OBSTRI
3	GRAVIDA	INTEGE R	4	Nombre des grossesses déjà attrapées
4	PARITE	INTEGE R	4	Nombre ,des fois que la femme a accouche
5	AVORTEM ENTS	INTEGE R	4	Nombre de fois que la femme a avorté (spontané ou provoqué)
6	DECES	INTEGE R	4	Nombre d'enfant né vivant décédé y compris les morts né

[70]

2 .CONCEPTION D'UN DATA MART Etape 1 : Définir le processus à analyser

La procédure ou fonction fait référence au sujet de notre mini entrepôt des données

Nous déterminons le processus métier de l'hôpital saint joseph concerne par notre étude :

Les accouchements. dont voici la modélisation de la base de données de l'entrepôt de données

Etape 2 : Déterminer le niveau de granularité des données

Choisir le grain signifie décider exactement de ce que représente un enregistrement d'une table de faits.par exemple l'entité accouchement représente les faits relatifs à chaque accouchement et devient la table de faits du schéma en étoile des accouchements.

Par conséquent, le grain de la table de faits accouchement est un accouchement réalisé à la maternité.

A prés avoir choisi le grain de la table de faits nous allons commencer à identifier les dimensions de la tables de faits .

A titre d'illustration, les entités fiche et ant obstetrie serviront de références aux données concernant les accouchements et deviendront les tables de dimensions du schéma en étoile des accouchements.

Nous ajoutons aussi le Temps comme dimension principale, car il est toujours présent dans le schéma en étoile.

Etape 3 : choisir les dimensions

Les dimensions déterminent le contexte dans lequel nous pourrons poser des questions à propos des faits établis dans la table de faits .Un ensemble de dimensions de dimensions bien constitué rend le mini entrepôt de données compréhensible et en simplifie l'utilisation.

Nous identifions les dimensions avec suffisance de détails, pour décrire des choses telles que les clients et les propriétés avec granularité correcte.

Par exemple, toute personne de la dimension fiche est décrit par

les attributs :NF,NOMPOSTNOM,AGE,ETAT
CIVIL,NATIONALITE,ADRESSE,NIVEAUETUDES ;

[71]

la dimension ant obstetri est décrit par les attributs suivants : NA, GRAVIDA ,PARITE,AVORTEMENT,DECES

,la dimension temps est décrit par les attributs suivants : HEURE ,JOURS ,MOIS et ANNEE .

Etape 4 : identifier les métriques(faits)

Pou notre cas le fait est accouchement. les métrique sont les données numériques PROVENANCE(CPN), ETATSER,POIDS ,AP GAR.

Notons que les autres étapes qui suivent exclusivement pour la construction d'un entrepôt des données mais pour notre travail nous construisons un DataMart donc un sous ensemble d'un entrepôt des données donc nous estimons que nous pouvons nous arrêter ace points.

Mesures

Dans l'exemple présenté ci-haut ,les mesures sont définies par la table ACCOUCHEMENT et sont les suivantes :

PROVENANCE ;

ETATSER ; POIDS ;

AP GAR.

Dimensions

Notre veut effectuer des analyses selon divers axes d'observation.

Axe temps

Année

Mois

Jours

Axe fiche

Numéro fiche, Nom post nom, Age,

Etat civil,

Nationalité,

Adresse,

Niveau études ; Axe anti obstreti

Gravida ,

[72]

Parité,

Avortement, Décès

3.SCHEMA EN ETOILE DE L'ENTREPOT SOUS SQL serveur 2008

FIG IV 4:Schéma en étoile des accouchements

Etant donné que nous construisons un datamart nous souhaitons nous arrêter à ce étape .pour expliciter, justifiée notre études de cas.

4.MODULE DE DATAMINING[10],

Ce module de datamining réalisé avec le logiciel SPAD pour nous facilite l'interprétation .Nous avons importé vers un fichier Excel le résultat d'une requête sur notre DataMart à partir de la nous avons importé ces données vers SPAD pour faire l'ACP.

[73]

Les Analyses Factorielles

Les méthodes factorielles établissent des représentations synthétiques de vastes tableaux de données, en général sous forme de représentations graphiques.

Ces méthodes ont pour objet de réduire les dimensions des tableaux de données de façon à représenter les associations entre individus et entre variables dans des espaces de faibles dimensions.

Les méthodes d'analyse factorielle consistent à rechercher des sous-espaces de faibles dimensions qui ajustent au mieux le nuage de points des individus et le nuage de points des variables.

Les proximités mesurées dans ces sous-espaces doivent refléter au mieux les

Proximités réelles. L'espace de représentation obtenu est appelé espace factoriel. Les méthodes diffèrent selon la nature des variables analysées : il peut s'agir de variables continues, de variables nominales ou de catégories dans le cas des tableaux de contingences. Les lignes peuvent être des individus ou des catégories. Pour plus de précisions

Analyse en composantes principales

L'Analyse en Composantes Principales est une technique de description statistique conduisant à des représentations graphiques approchées (mais en un certain sens optimales) du contenu d'un tableau de données: description simultanée des liaisons entre variables et des similitudes entre individus.

C'est aussi un outil de réduction de la dimensionnalité d'un ensemble de variables continues, utilisable comme intermédiaire de calcul en vue d'analyses ultérieures.

Dans ce chapitre, nous verrons que l'ACP est un outil exploratoire qui permet de visualiser et de découvrir les phénomènes tels qu'ils sont décrits par les données.

[74]

TABLEAU DE CONTINGENCE SYNTHETIQUE :

FIG IV 5:Vue de l'ensemble des données avec SPAD Description des tranches d'âge par intervalle :

Tranche d'âge 1 : de 19 à 21 ans Tranche d'âge 2 : de 21 à 2 3 ans Tranche d'âge 3 : de 23 à 25 ans Tranche d'âge 4 : de 25 à 27 ans Tranche d'âge 5 : de 27 à 29 ans Tranche d'âge 6 : de 29 à 31 ans Tranche d'âge 7 : de 31à 33 ans Tranche d'âge 8:de 33 à 35 ans

[75]

Tranche d'âge 9 : de 35 à 37 ans Tranche d'âge 10 : de 37 à plus

[76]

ANALYSE DES DONNEES AVEC SPAD : ANALYSE FACTORIEL DE CORRESPONDANCE

ANALYSE DES CORRESPONDANCES BINAIRES VALEURS PROPRES APERCU DE LA PRECISION DES CALCULS : TRACE AVANT DIAGONALISATION .. 0.0397 SOMME DES VALEURS PROPRES .... 0.0397 HISTOGRAMME DES 4 PREMIERES VALEURS PROPRES + + + + + + | NUMERO | VALEUR | POURCENT.| POURCENT.| |
|	|	PROPRE |	| CUMULE	|	|
+	+	+	+	+	+
| 1	|	0.0360 |	90.79 | 90.79	|	******************************************************************************** |
| 2	|	0.0035 |	8.73 | 99.52	|	******** |
| 3	|	0.0002 |	0.47 | 100.00	|	* |
| 4	|	0.0000 |	0.00 | 100.00	|	* |
+	+	+	+	+	+
COORDONNEES,		CONTRIBUTIONS	DES FREQUENCES	SUR	LES AXES 1 A 4

FREQUENCES ACTIVES

+ | |		FREQUENCES					+ | +				COORDONNEES						+ | +			CONTRIBUTIONS						+ | +			COSINUS CARRES				+ | |
| IDEN - LIBELLE COURT					P.REL		DISTO |		1		2	3	4		0		|	1		2	3	4		0		|	1		2	3	4		0 |
+							+										+									+							+
| CPN - provenance CPN					2.90		0.26 |		-0.47		0.19	-0.06	0.00		0.00		|	18.0		31.1	48.0	0.0		0.0		|	0.85		0.14	0.01	0.00		0.00 |
| GEST - la		gestation de la m			0.07		0.01 |		0.05		-0.03	0.01	-0.05		0.00		|	0.0		0.0	0.0	99.9		0.0		|	0.41		0.14	0.01	0.44		0.00 |
| PAR - la		parite de la mere			5.83		0.43 |		-0.64		-0.12	0.01	0.00		0.00		|	66.6		25.1	2.4	0.0		0.0		|	0.96		0.03	0.00	0.00		0.00 |
| AVOR - le		nombre de fois av			1.02		0.36 |		-0.45		0.38	0.10	0.00		0.00		|	5.8		43.6	49.6	0.0		0.0		|	0.57		0.41	0.03	0.00		0.00 |
| POID - le		poids de l'enfant			90.17		0.00 |		0.06		0.00	0.00	0.00		0.00		|	9.6		0.2	0.0	0.1		0.0		|	1.00		0.00	0.00	0.00		0.00 |
+							+										+									+							+
COORDONNEES,		CONTRIBUTIONS ET			COSINUS		CARRES		DES INDIVIDUS
AXES 1 A 4
+						+								+									+									+
|			INDIVIDUS			|				COORDONNEES				|					CONTRIBUTIONS				|					COSINUS CARRES				|
|						+								+									+									|
| IDENTIFICATEUR				P.REL		DISTO | 1				2 3 4				0 | 1					2 3 4				0 | 1					2 3 4				0 |
+						+								+									+									+
	| Tr1			9.53		0.03		| 0.16		0.08 0.01 0.00				0.00		| 6.8			16.1 10.8 8.0				0.0		| 0.81			0.18 0.01 0.00				0.00 |
	| Tr2			9.94		0.02		| 0.05		0.12 -0.02 0.00				0.00		| 0.6			40.5 17.0 12.7				0.0		| 0.13			0.85 0.02 0.00				0.00 |
	| Tr3			9.47		0.04		| 0.21		0.01 0.01 0.00				0.00		| 11.4			0.3 6.5 5.3				0.0		| 0.99			0.00 0.00 0.00				0.00 |
	| Tr4			10.17		0.01		| -0.12		0.03 -0.01 0.00				0.00		| 3.8			3.4 3.2 6.9				0.0		| 0.92			0.08 0.00 0.00				0.00 |
	| Tr5			9.31		0.02		| 0.13		-0.04 -0.01 0.00				0.00		| 4.6			4.2 8.7 6.7				0.0		| 0.91			0.08 0.01 0.00				0.00 |
	| Tr6			11.65		0.18		| -0.43		0.01 0.01 0.00				0.00		| 59.4			0.4 4.1 1.7				0.0		| 1.00			0.00 0.00 0.00				0.00 |
	| Tr7			9.06		0.03		| 0.16		-0.04 0.02 0.00				0.00		| 6.6			3.5 27.0 5.5				0.0		| 0.93			0.05 0.02 0.00				0.00 |
	| Tr8			10.02		0.00		| 0.01		-0.04 0.00 0.00				0.00		| 0.0			5.1 0.8 8.2				0.0		| 0.07			0.92 0.01 0.00				0.00 |
	| Tr9			10.51		0.02		| -0.13		-0.05 0.01 0.00				0.00		| 5.1			8.1 1.8 55.6				0.0		| 0.87			0.13 0.00 0.00				0.00 |
	| Tr10			10.34		0.01		| 0.07		-0.08 -0.02 0.00				0.00		| 1.6			18.4 20.0 3.5				0.0		| 0.45			0.51 0.03 0.00				0.00 |
+						+								+									+									+

[77]

ARBRE DE DECISION

FIG IV 6:Arbre de décision

[78]

5.GRAPHIQUE

FIG IV 7:Graphique

Pour l'axe 2 :

[79]

6. INTERPRETATION DES RESULTATS 1. Détermination des axes

? pour les variables (25%) Pour l'axe 1

La parité de la mère à contribué à 66% à la création de l'axe 1 elle est de coordonnées négative.

Pour l'axe 2

La parité de la mère à contribué de 25% à la création de l'axe 2 elle est de coordonnées négative.

Le nombre de fois que la maman à accoucher à contribué de 43,6% à la création de l'axe 2 elle est de coordonnées positive.

La consultation pré natale à contribué de 31, 1% à la création de l'axe 2 elle est de coordonnées négative.

Pour l'axe 3

La consultation pré natale à contribué de 48% à la création de l'axe 3 elle est de coordonnées positive.

Le nombre de fois que la maman à accoucher à contribué de 49,6% à la création de l'axe 3 elle est de coordonnées positive.

Pour l'axe 4

La gestite a contribué de 99% à la création de l'axe 3 elle est de coordonnées négative.

? pour les individus (10%) Pour l'axe 1 :

La tranche d'âge 3 à contribué de 11,4% à la création de l'axe1 elle est de coordonnées positive.

La tranche d'âge 6 à contribué de 59,4% à la création de l'axe1 elle est de coordonnées négative.

Dans cette tranche 2, d'âge que les mamans ont beaucoup avorté.

[80]

La tranche d'âge 1 à contribué de 16 ,1% à la création de l'axe 2 elle est de coordonnées positive.

La tranche d'âge 2 à contribué de 40,5% à la création de l'axe2 elle est de coordonnées positive.

La tranche d'âge 10 à contribué de 18,4% à la création de l'axe2 elle est de coordonnées négative

Pour l'axe 3 :

La tranche d'âge 1 à contribué de 10,8% à la création de l'axe 3 elle est de coordonnées positive.

La tranche d'âge 2 à contribué de 17% à la création de l'axe 3 elle est de coordonnées négative.

La tranche d'âge 7 à contribué de 27% à la création de l'axe 3 elle est de coordonnées positive

La tranche d'âge 10 à contribué de 20% à la création de l'axe 3 elle est de coordonnées négative

Pour l'axe 4 :

La tranche d'âge 2 à contribué de 12,7% à la création de l'axe 4 elle est de coordonnées négative.

La tranche d'âge 9 à contribué de 55,6% à la création de l'axe 4 elle est de coordonnées positive.

2. Interprétation :

La tranche d'âge allant de 29 à 31 est associée à la parité de la mère ou nous pouvons encore dire que la parité explique mieux cette tranche d'âge.

La tranche d'âge allant de 29 à 31 est la tranche d'âge dont les femmes ont accouché beaucoup.

La tranche d'âge 10 est associe à la CPN, nous pouvons ainsi dire que la majorité de ce femme on fait la CPN.

[81]

Nous pouvons encore dire dans la tranche d'âge allant de 21à 23 ans ; les jeunes filles sont souvent poussées à faire l'avortement.

Dans cette tranche 7, d'âge que la majorité des mamans n'ont pas suivi la CPN.la plupart de ces femmes se croient déjà adulte et négligent la CPN.

Dans cette tranche 9, d'âge c'est la tranche d'âge que la majorité de femme on déjà accouche plus d'une fois.

[82]

IV.2.4 DEVELOPPEMENT DE L'APPLICATION [9] A qui l'application est-elle destinée

Notre application est destinée à la direction de la maternité et au service informatique de l'hôpital.

Quels sont les problèmes de l'application résoudra-t-elle ?

L'application résoudra le problème de la gestion des informations notamment l'archivage et permettra aussi d'automatiser le processus manuel.

Comment l'application fonctionnera -t- elle ?

Nous adopterons une architecture à trois niveaux pour séparer l'interface utilisateur de la logique de programmation, et la logique de programmation de la base de données.

[83]

IV.2.4.1 CONCEPTION DE L'APPLICATION DE GESTION DES ACCOUCHEMENTS :

1. Diagramme de classe de l'application

Les Classe : accouchement ,fiche et antécédent obstétrical (c'est-à-dire le passe de la maman concernant la gestation, parité, avortement et décède)

				^ANT OBSTRI ^-NA : ^int ^-GRAVIDA : ^int ^-PARITE : ^int ^-AVORTEMENT : ^int ^-DECES : ^int ^+enregistre() ^+rechercher() ^+suprimer() ^+afficher()
^Fiche		^ACCOUCHEMENT
^-NF : ^int ^-NOMPOSTNOM : ^char ^-AGE : ^int ^-ETA CIVIL : ^char ^-NATIONALITE : ^char ^-ADRESSE : ^char ^-NIVEAU D'ETUDES : ^char		^-NUM ORDRE : ^int ^-NA : ^int ^-NF : ^int ^-NT : ^int ^-PROVENANCE : ^int ^-ETAT SER : ^int ^-SEXE : ^char ^-POIDS : ^double ^-AP GAR :^int ^-DIAGNOSTIQUE : ^char ^+enregistre() ^+recherche() ^+suprimer() ^+afficher()
^+enregistre() ^+recherche() ^+suprimer() ^+afficher()

FIG IV 8:Diagramme de classe

2.Diagramme de cas d'utilisation du système en Général Les acteurs : décideur, administrateur, agent

[84]

^utilisateur

^Décideur

^{Visualisation des}

^{données dimensionnelles}

^{Appliquer les Data}

^mining

^{Saisie des}

^{information d'un malade}

^{Appliquer les}

^{opérations OLAP}

^Système

^{Authentification}

^{au système}

« ^Include »

Administrateur

FIG IV 9:Diagramme de cas d'utilisation

3.Diagramme de séquencé Authentification système

	^:Systèm
^:Agen

^{Afficher interface authentification}

^{Saisie des données}

^{Afficher formulaire menu}

FIG IV 10:Diagramme de séquence

Opération datamining

FIG IV 12:Formulaire de sécurité

[85]

	^Système
^Administrateur

^{Afficher les données}

^{Application algorithme}

^{Afficher le résultat}

Fig. IV 9.diagramme de séquence « Opération de datamining». Analyse OLAP

	^Système
^Administrateur

^{Rafraichir les données}

^{Analyse les données}

^{Sauvegarder et archivage de données}

^{Afficher rapport}

FIG IV 11:Diagramme de séquence analyse OLAP

IV.2.4.2 FORMULAIRE DE L'APPLICATION REALISE EN VISUAL C SHARP

Formulaire de sécurité :

FIG IV 14:Formulaire accouchement

[86]

Formulaire de Menu général :

FIG IV 13:Formulaire de menu principale Formulaire accouchement

}

[87]

IV.2.4.3 CODES SOURCES :

Code source pour la connexion à l'application :

using System;

using System.Collections.Generic;

using System.ComponentModel;

using System.Data;

using System.Drawing;

using System.Linq;

using System.Text;

using System.Windows.Forms;

using System.Configuration;

namespace MemoireK

{

public partial class Frmconnex : Form

{

public Frmconnex()

{

InitializeComponent();

}

private void btnValider_Click(object sender, EventArgs e)

{

Cursor.Current = Cursors.WaitCursor;

try

{

bd.chaineDeConnexion =

"Provider=Microsoft.Jet.OLEDB.4.0;Data

Source=c:\\memoirefin.mdb";

if (txbCompte.Text == "kangiama" ||

txbMotDePasse.Text=="kangiama") {

Principal t = new Principal();

t.Show();

}

}

catch (Exception ex)

{

MessageBox.Show(ex.Message,

Application.ProductName);

txbMotDePasse.Text = "";

txbMotDePasse.Focus();

}

[88]

Cursor.Current = Cursors.Default;

}

private void Frmconnex_Load(object sender, EventArgs e)

{

}

private void txbCompte_TextChanged(object sender,

EventArgs e)

{

}

}

using System;

using System.Collections.Generic;

using System.Linq;

using System.Text;

using System.Data;

using GSS;

namespace MemoireK

{

class Accouchement

{

string num;

public string Num

{

get { return num; }

set { num = value; }

}

string nf;

public string Nf

{

get { return nf; }

set { nf = value; }

}

string na;

public string Na {

get { return na; } set { na = value; }

[89]

string nt;

public string Nt {

get { return nt; }

set { nt = value; }

}

int prov;

public int Prov

{

get { return prov; }

set { prov = value; }

}

int etat;

public int Etat

{

get { return etat; } set { etat = value; }

}

string sexe;

public string Sexe {

get { return sexe; } set { sexe = value; }

}

float poid;

public float Poid

{

get { return poid; } set { poid = value; }

}

int ap;

public int Ap

{

get { return ap; } set { ap = value; }

}

string diag;

}

}

[90]

public string Diag

{

get { return diag; }

set { diag = value; }

}

#region Accouchement

public DataSet rechercheuneecole(string id)

{

return AccouchementDAO.recherche(id).DataSet;

}

public DataSet rechercheecol()

{

return AccouchementDAO.recherche().DataSet;

}

public void ajoute()

{

new AccouchementDAO(this).ajoute();

}

public void modifierecole(string id)

{

new AccouchementDAO(this).modifier(id);

}

public void supprimerecole(string id)

{

new AccouchementDAO(this).Supprimer(id);

}

#endregion

public static void

Afficheraccou(CrystalDecisions.Windows.Forms.CrystalReportVie

wer crv)

{

Interface.Rapport.listeaccouchement rapport = new MemoireK.Interface.Rapport.listeaccouchement();

ReportManager report = new ReportManager(rapport, crv); report.Afficher(AccouchementDAO.recherche());

}

[91]

IV.3 CONCLUSION

Dans ce chapitre nous avons commencé par présenter l'hôpital saint joseph de Kinshasa Limete qui est notre champs d'application .en suite nous avons cité les outils utilises pour la réalisation de ce travail.

Et enfin nous avons présenté les interfaces graphiques de notre DataMart ainsi que l'arbre de décision obtenue pour boucler par une interprétation de ces résultats.

[92]

CONCLUSION GENERALE

Nous voici arrivés au terme de notre travail de fin d'études qui a porté sur l'extraction de connaissances à partir d'un DataMart à l'aide de l'arbre de décision.

Dans notre travail, nous avons parlé d'abord du système décisionnel qui présente l'ensemble des processus qui permet de collecter, d'intégrer , de modéliser et de présenter les données .

Nous avons également parlé des entrepôts des données qui constituent le coeur du système décisionnel jouant un rôle référentiel pour l'entreprise puisqu'il permet de fédérer des données souvent éparpillées dans le différentes base de données.

Ensuite nous avons traité du data mining qui permet de faire des recherches approfondies sur les données de l'entrepôt, avec un arbre de décision pour faire la l'extraction de connaissances.

Nous avons réalisé le datamart avec SQL serveur 2008 avec un modèle de l'arbre de décisions pour nous permettre de prendre une décision sur nos données.

De ce qui précède, nous sommes persuadé que l'ensemble des préoccupations répond à la problématique de notre travail .

Notre contribution dans notre étude de cas était de réaliser un DataMart sur les accouchements et à partir de ce DataMart nous avons pu construire un arbre de décision que nous avons interprété à la fin et pour finir le travail vu que la maternité utilise le registre qui est un méthode manuel nous avons implémenté une application en C Sharp pour faciliter le travail aux agents de la maternité .

[93]

BIBLIOGRAPHIE

OUVRAGES

1. ADIBA .M, Entrepôts de données et fouille de données, Paris 2002.

2. Bertrand Burquier, Business intelligence avec 2008, Mise en oeuvre d'un projet décisionnel, Dunod, 2009.

3. DANIEL T. LAROSE, Des données à la connaissance une introduction au Datamining,

Vuibert, 2005.

4. GUIJARRO Vincent, Les Arbres de Décisions L' algorithme ID3, lile ,2006.

5. KIMBALL .R and m. ross, Entrepôts de données, guide pratique de Modélisation dimensionnelle,

vuibert, paris, 2003.

6.RAKOTOMALALA.R : Graphes d'induction apprentissage et data mining, hermès, 2000.

THESE

7.SERNA ENCINAS MARIA, Entrepôts de données pour l'aide à la prise de décision médicale, conception et expérimentation,

UNIVERSITE JOSEPH FOURRIER ,France 2005

NOTES DE COURS

8. DJUNGU SJ, Entrepôts des données, L2 informatique option Gestion, cours inédit, UNIKIN 2009-2010.

9. DJUNGU SJ, Génie logiciel et construction de programme, L1informatique option Gestion, cours inédit, UNIKIN 2009-2010.

10 .KASORO, Analyse des données, L2 informatique option Gestion, cours inédit, UNIKIN 2009-2010.

11 .MANYA NDJADI, statistique II, G2 informatique, cours inédit, UNIKIN 2006-2007.

[94]

12. MANYA NDJADI, Recherche opérationnelle, G3 informatique, cours inédit, UNIKIN 2007-2008.

13. MBUYI MUKENDI, Base des données, G3informatique, cours inédit, UNIKIN 2007-2008.

MEMOIRES et TFC

14. ALBINI MIANGO Christian, Application de la programmation mathématique dans le data mining,

UNIKIN 2008-2009.

15. KANGIAMA LWANGI Richard, Conception et réalisation d'une base de données pour la consultation médicale au sein d'une institution médicale

« Cas de la service de consultation du personnel de l'hôpital saint joseph de Kinshasa limete »,

UNIKIN 2007-2008.

16. KALULAMBI KABASELE Didier, Extraction des connaissances a partir d'un entrepôt des données à l'aide de l'arbre de décision application a la fouille des données bancaires, UNIKIN 2008-2009.

INTERNET

17. www.creatis.insa-lyon.fr, le 3 octobre 2010.

18. www.wilkipedia.org , le 23 mars 2010.

19. www.devellopez.com , le 12 Septembre 2010.

[95]

TABLE DES MATIERES

EPIGRAPHIE I

DEDICACE II

AVANT PROPOS III

LISTE DES FIGURES IV

LISTE DES TABLEAUX V

LISTE DES ABREVIATIONS VI

INTRODUCTION 1

0 .PROBLEMATIQUE 1

1 .INTERET DU TRAVAIL 2

2 .METHODOLOGIE 2

3. DELIMITATION DU TRAVAIL 2

4. PLAN DU TRAVAIL 3

CHAPITRE I : LES SYSTEMES DECISIONNELS 4

I .1 INTRODUCTION 4

I.1.0 L'INFORMATIQUE DECISIONNELLE 4

1.1.1 POURQUOI LE DECISIONNEL 5

1.1.2 QUI A BESOIN DU DECISIONNEL 6

I.2 LES DIFFERENTS ELEMENTS CONSTITUTIFS DU SYSTEME

DECISIONNEL 7

I.3 LES ENJEUX DE L'INFORMATIQUE DECISIONNELLE 8

I .4 METHODES D'ANALYSE DECISIONNELLE 9

I.5 FONCTIONS ESSENTIELLES DE L'INFORMATIQUE DECISIONNELLE . 11

I.5.1COLLECTE 11

I.5.2 INTEGRATION 12

I.5.3 DIFFUSION OU LA DISTRIBUTION 13

I.5.4 PRESENTATION 14

I.5.5 ADMINISTRATION 14

I.5.6 LES PHASES DU PROCESSUS DECISIONNEL 14

I.6 CONCLUSION 16

CHAPITRE II : LES ENTREPOTS DE DONNEES 17

II.1 INTRODUCTION 17

II.2.1 DEFINITION CLASSIQUE D'UN ENTREPOT DES DONNEES 18

II.2.2 ARCHITECTURE D'UN ENTREPOT DE DONNEES 18

[96]

II.2.3 ENTREPOTS ET LES BASES DE DONNEES 21

II.2.4 SYSTEMES TRANSACTIONNELS ET SYSTEMES DECISIONNELS : 22

II.2.5 DATAMART OU MINI - ENTREPOT DES DONNEES 23

II.2.5.1 INTRODUCTION 23

II.2.5.2 LES DEFINITIONS 24

II.2.5.3 STRUCTURE PHYSIQUE ET THEORIQUE 24

II.5.2.3 DATAWAREHOUSE ET DATAMART 25

II.5.2.4 ARCHITECTURE D'UN DATAMART 25

II.5.2.5 LA PLACE DU DATAMART DANS L'ENTREPRISE 26

II.2.6. CONCEPTION D'UN ENTREPOT DE DONNEES 26

II.2.6.1 MODELISATION MULTIDIMENSIONNELLE 27

II.2.6.2 SCHEMAS RELATIONNELS 28

II.6.2.3 LE SCHEMA EN ETOILE 29

II.6.2.3 LE SCHEMA EN FLOCON DE NEIGE 30

II.6.2.4 LE SCHEMA EN CONSTELLATION 31

II.6.2.5 SCHEMA MULTIDIMENSIONNEL (CUBE) 32

II.3 MANIPULATION DES DONNEES MULTIDIMENSIONNELLES 33

II.3.1 OPERATIONS CLASSIQUES 34

II.4 LES SERVEURS OLAP (ON-LINE ANALYTICAL PROCESSING) 35

II.4.1 LES SERVEUR ROLAP (RELATIONAL OLAP) 36

II.4.2 LES SERVEUR MOLAP (MULTIDIMENSIONAL OLAP) 36

II.4.3 LES SERVEUR HOLAP (HYBRID OLAP) 37

II.5 CONCLUSION 40

CHAPITRE III : LE DATA MINING ET ARBRE DE DECISION 41

III.1 .1 PRESENTATION 41

III.1 .2 SATATISTIQUE ET DATAMINING 42

III.1 .3 PROCESSUS DU DATAMINING 43

III.1 .4 LES TACHES DU DATA MING 45

III .2 ARBRE DE DECISION 46

III.2 .0 CONCEPTS THEORIQUES SUR LE GRAPHE 46

III .2.1 INTRODUCTION A L'ARBRE DE DECISION 48

III .2.2 EXEMPLE PRATIQUE 52

II .2.3 CONCLUSION 56

CHAPITRE IV : IMPLEMENTATION 57

IV .0 INTRODUCTION 57

IV.1 ANALYSE DE L'EXISTANT 57

IV.1.1 BREF APERÇU HISTORIQUE 57

IV .1.2 SITUATION GEOGRAPHIQUE 58

IV.1.3 MISSION DE L'HOPITAL 58

[97]

IV.1.4 STRUCTURE DE L'ENTREPRISE 59

IV .1.5 ORGANISATION ET FONCTIONNEMENT 60

IV.1.6 FONCTIONNEMENT 62

IV.1.7 AUTRES ASPECTS 62

IV.2. PROBLEME RENCONTRE 64

IV.2.1 LA PROBELMATIQUE ET MOTIVATION 64

IV.2.2 OUTIL UITILISE 65

IV.2.3 MODELISATION MULTIDIMENSIONNEL LE DE DATAMART 66

1. MODELISATION DE L'APPLICATION OPERATIONNELLE 67

2 .CONCEPTION D'UN DATA MART 70

3.SCHEMA EN ETOILE DE L'ENTREPOT SOUS SQL serveur 2008 72

4.MODULE DE DATAMINING 72

5.GRAPHIQUE 78

6. INTERPRETATION DES RESULTATS 79

IV.2.4 DEVELOPPEMENT DE L'APPLICATION 82

IV.2.4.1 CONCEPTION DE L'APPLICATION DE GESTION DES

ACCOUCHEMENTS : 83
IV.2.4.2 FORMULAIRE DE L'APPLICATION REALISE EN VISUAL C SHARP 85

IV.2.4.3 CODES SOURCES : 87

IV.3 CONCLUSION 91

CONCLUSION GENERALE 92

BIBLIOGRAPHIE 93

TABLE DES MATIERES 95