|
Etude et conception d'un datawarehouse et l'impact du déploiement d'un système décisionnel dans une société de vente et de productionpar Cédric MASSAMBA SENDWE Université protestante de Lubumbashi - Licence 2018 |
IV.5. Architecture technique proposée
Figure 24: Architecture technique proposée 68 IV.5.1. Interprétation de l'architecture Tableau 11: Outils du décisionnel utilisés
IV.5.2. Machine d'exécutionTableau 12: Environnement d'exécution
69
Figure 25: Importation des fichiers sources Figure 26 : Création de connexion pour les sources externes 1ère étape IV.6. Interfaces associées IV.6.1. Data warehousing 70
Figure 27: Création de connexion pour les sources externes 2e étape
Figure 28 : Récupération du schéma : 1ère étape
71 Figure 29: Récupération du schéma : 2e étape Figure 30: Création des Jobs Figure 32: Correspondance des champs 72
Figure 31: Extraction et transformation des données sources
73
Figure 33: Chargement des données dans l'entrepôt IV.6.2. Navigation dans le cube des données
Figure 34: Connexion à l'entrepôt 1ère étape
74 Figure 35: Création des dimensions et des mesures Figure 36: Connexion à l'entrepôt 2e étape 75
Figure 37: Les clients autour de toutes les zones commerciales de Lubumbashi Interprétation : la figure ci-dessus donne la liste de tous les clients de la Brasimba à travers la ville de Lubumbashi, enregistrés dans l'entrepôt de données.
Figure 38: La liste de clients autour d'une commune (Commune de Ruashi) 76
Figure 39: Le comportement du produit SIMBA 73CL autours de toutes les communes de la ville Figure 40: Tableau de bord du comportement de tous les produits 77
Figure 41: Tableau de bord du comportement de tous les produits vendus dans la commune de Katuba
Figure 42: Statistiques de tous les produits dans toutes les zones commerciales 78 IV.7. Conclusion Ce chapitre a consisté à démontrer les interfaces hommes-machines sur le comment s'est effectué le déploiement de notre système décisionnel. Il s'est basé premièrement sur la mise en place et présentation de l'architecture technique en passant évidemment par les outils utilisés dans le nouveau système d'aide à la décision. Et cela a permis à comprendre l'importance et l'impact du déploiement d'un système d'information décisionnel dans une société de vente et de production comme Brasimba. 79 CONCLUSION GENARALE ET PERSPECTIVES Avoir la vision globale de son entreprise est une approche qui préoccupe la plupart des entrepreneurs souhaitant bien piloter leurs entreprises. Cette approche consiste à ce que certains responsables veulent avoir une connaissance des données à niveau global, afin de se rendre compte de l'évolution de leurs entreprises et ainsi faciliter la prise des décisions. L'analyse de données depuis différentes perspectives et le fait de transformer ces données en informations utiles, en établissant des relations entre elles ou en repérant des patterns est le souci majeur des entrepreneurs. La Brasimba en ce jour, à travers ses services associés aux ventes accumulent de montagnes d'information sous plusieurs formats, dans différentes quantités de données pour les zones commerciales qui entourent la ville de Lubumbashi. Parmi ces données enregistrées au département commercial évidemment, on distingue des données opérationnelles ou transactionnelles, qui sont stockées sous Excel, Access et MySQL. Cette hétérogénéité de sources est un problème qu'il a fallu résoudre dans le cadre de ce projet. C'est pourquoi nous avons conçu un système décisionnel capable de collecter ces informations naturellement hétérogènes et les homogénéiser afin de rendre facile les tâches des décideurs pour le prise de décisions. Ce système a été matérialisé par la construction d'un Data warehouse et l'usage des outils nécessaires et des éléments indispensable pour la mise en place des systèmes décisionnels. L'alimentation en données a été effectuée grâce à un outil approprié qui nous a permis de concevoir un environnement d'extraction, de transformation et de chargement de sources de données hétérogènes dans notre entrepôt. 80 A travers ces données externes collectées et intégrées dans l'entrepôt, nous avons effectué des analyses sur ces données homogénéisées afin de découvrir leurs tendances pour chaque commune de la ville de Lubumbashi et à une certaine période donnée. Cette analyse a permis ce que la Brasimba sache le comportement précédent et présent d'un produit, afin de faire des prédictions et surtout savoir quel produit faudra-t-il privilégier pour sa production. La matérialisation des entrepôts de données consiste à intégrer les sources externes qui existent déjà, octroyées par la société elle-même, ce qui a été une tâche difficile pour nous. Soucieux de bien approfondir ces notions, nous avons simulé les données en créant par nous-mêmes les différentes sources de données externes utilisées à la Brasimba pour le stockage avant de passer à l'étape d'intégration. Ce projet a commencé par l'étape de collecte et d'identification des sources externes (data pumping). Cette étape est suivie de l'intégration de ces sources dans l'entrepôt (data warehousing), et chuter par la production des rapports et/ou des tableaux de bord (reporting) qui est de toute évidence le résultat de l'analyse sur les données globales. Toutefois, ce projet ouvre certaines perspectives entre autres l'intégration du service web, le dimensionnement et l'administration de l'entrepôt lui-même. C'est à ce titre que nous sollicitons l'implication non modérée d'autres scientifiques non seulement pour la continuité et l'amélioration de ce projet mais aussi à nous faire parvenir toutes remarques et suggestions à notre adresse mail masscedrick@gmail.com. 81 |
|
