Exam SI (DATA)

DW/DM/BD
Introduction :
Avec la généralisation de l’informatique dans tous les secteurs d’activité, les entreprises
produisent et manipulent de très importants volumes de données électroniques.
L’exploitation de ces données dans un but d’analyse et de support à la prise de décision,
cette prise de décision est réalisée par les décideurs grâce à des moyens classiques comme
requêtes SQL, vues, outils graphiques d’interrogation…
Actuellement, les entreprises ont besoin d’outils et de modèles pour la mise en place de systèmes
décisionnels comportant des données évolutives.
Les nouvelles technologies ;

Qu’est-ce qu’un DW :
-D’après la définition de BILL Inmon le père de DW, il considère le DW comme "Une
collection de données orientées sujet, intégrées, non volatiles et historiées, organisées pour
supporter un processus d'aide à la décision ".
Il existe 2 type de DW : Magasins de données qu’est le Data Mart et l’Entrepôts de
données d’entreprise (EDW).
Historique :
-A propos L'histoire de l'entrepôt de donnée, il commence par la création des deux termes
principale de l'entrepôt de donnée : fait et dimension par General Mills et l'Université Dartmouth
en 1960.
 1983 - Teradata introduit dans sa base de données managériale un système

exclusivement destiné à la prise de décision.
 1988 - Barry Devlin et Paul Murphy publient l'article Une architecture pour les
systèmes d'information financiers (An architecture for a business and
information system) où ils utilisent pour la première fois le terme
Datawarehouse.
 1990 - Red Brick System crée Red Brick Warehouse, un système spéciquement
dédié à la construction de l'entrepôt de données.
 1991 - Bill Inmon publie Building the Data Warehouse (Construire l'entrepôt de
données).
 1995 -Le Data Warehousing Institute, une organisation à but lucratif destinée à
promouvoir le Datawarehousing, est fondé.
 1996 - Ralph Kimball publie The Data WarehouseToolkit (La boîte à outils de
l'entrepôt de données).
L’état de l’art :
-Le DW d'entreprise a pour périmètre l'ensemble des opérations de l'entreprise qui n’ont
pas de fin, car l'entreprise évolue. De nombreux DW possèdent un périmètre fonctionnel
limité soit à une application, soit à une activité, soit à une entité juridique...
 Selon Inmon [Inmon 96] et Lawyer [LAWER-CHOWDHURY 07], il y a deux
propriétés essentielles d'un entrepôt, la flexibilité et l'extensibilité. Les questions
(besoins) des utilisateurs d'aujourd'hui ne seront pas les mêmes demain. Il faut donc
prévoir par la flexibilité la modification des structures et des données dans le temps
 Selon [SEN-SINHA 05], un entrepôt de données est: orienté-sujet, intégré, variant
dans le temps et non volatile. Cette définition est dérivée de celle du créateur du
terme «entrepôt de données» monsieur Bill Inmon [Inmon 96]. Un entrepôt de
données «orienté-sujet» est compartimenté en sujets principaux, représentant les
processus d'affaires majeurs.
 Selon [GARDNER 98], «un entrepôt de données est un processus, non un produit,
qui assemble et gère les données de différentes sources afin de «gagner» une vue
d'ensemble détaillée ou en partie de toute l'entreprise».
Qu’est-ce qu’un Data mining :
le Data Mining est le processus de découverte de nouvelles corrélations, modèles et tendances en
analysant une grande quantité de données, en utilisant les technologies de reconnaissance des
formes ainsi que d’autres techniques statistiques et mathématique pour découvrir des nouvelles
relations entre elles et de les reformuler afin de les rendre plus utilisables de la part de ses
propriétaires, et il concerne l'ensemble des secteurs d'activité dès lors qu'il y a des données à
analyser et surtout lorsqu'il y a beaucoup de données.
Son intérêt comprend que les de grandes quantités de données et au besoin de les transformés en
connaissances utiles surtout dans les applications concernant l’analyse du marché, la détection de
fraudes, la conservation de client, le contrôle de productions et l’exploration scientifique.
Depuis des années, plusieurs travaux existent et traitent ce vaste domaine «Data Mining », il est
considéré comme le pilé principal pour la prise de la décision, dans ce contexte, on va citer quelques
travaux :
Le premier article [44] (Mostafa hanoune, Fouzia benabbou,) «modélisation informatique de clients
douteux, En utilisant les techniques de datamining », Une telle connaissance pourrait être utilisée pour
permettre aux décideurs et responsables stratégiques de prendre des décisions adéquates.
L'article (Bruno Agard, Andrew Kusiak,) «Exploration des bases de données industrielles à l'aide du
data mining - perspectives », considere aue le DM comme un processus de résolution dédié aux
problèmes industriels a été plus particulièrement présenté.
Qu’est-ce qu’une Big DATA :
Avec le développement des nouvelles technologies, d’internet et des réseaux sociaux, la production
de données numériques est en croissance constante. L’expression « Big Data » désigne la grande
masse des données numériques produites par les entreprises et les particuliers dont les
caractéristiques (volume, variété, vitesse ou vélocité) requièrent des outils informatiques de stockage
et d’analyse spécifiques de plus en plus sophistiqués.
Dans la littérature, il existe peu de travaux consacrés au sujet de la transformation organisationnelle
qu’implique le Big Data. Les auteurs ayant traité cette question abordent le sujet sous différents
angles.
-Brynjolfsson et McAfee (2012) parlent de data driven business concernant les transformations des
modes de prise de décision des managers. Il est question de prendre des décisions en se basant sur
les analyses et les données du Big Data, et moins sur l’intuition.
-Davenport (2014) souligne la nécessité de s’adapter aux changements des processus
technologiques, du management, et de la culture de l’entreprise. Par exemple pour le traitement des
données du Big Data, l’auteur note le besoin de recruter de nouveaux profils, des data-scientist,
capables d’analyser, développer des applications à partir de ces grandes masses de données, et
communiquer des résultats.
Pour Vossen (2014) note qu’il n’est pas nécessaire de mettre en place une architecture spécifique
aux besoins du Big Data. L’auteur préconise dans ce cas, de mobiliser les nouvelles solutions
technologiques disponibles sur le marché.
Les transformations liées à cette technologie

 Transformer la relation client :
La relation client peut connaitre des transformations très importantes. Grâce aux capteurs
intégrés dans le produit en service, mais également grâce à l’analyse des données massives
issues des réseaux sociaux et de l’internet, il est désormais possible de connaitre les
besoins, les propriétés et l’altitude de nos clients : ce qu’ils aiment ou pas dans notre
produit, leur façon de l’utiliser, les caractéristiques de consommation par zone
géographique, etc. Conséquence de cette évolution : le développement produit peut être
adapté de façon continue en intégrant dans le design ces "boucles de rétroaction clients".
 La refonte de l’organisation :
Les nouvelles technologies favorisent l’autonomisation des employés, en leur permettant de
prendre les bonnes décisions au moment convenable à travers des habiletés prédictives.
Pour cela, celles-ci s’appuient sur des bases de connaissances contenant l’intégralité des
événements du passé.
La conséquence directe de cette "autonomisation des employés" couplée à "l’augmentation
des équipements" est une anatomie de l’organisation avec une diminution constante du
besoin d’un « cadre intermédiaire » cette couche de management dont l’activité repose
essentiellement sur l’analyse et la décision.
Cette technologie favorise le croisement de données inter-domaines, conduisant par là
même à une transversalisation et une désilotisation de l’organisation.
 Une transformation des métiers :
Les nouvelles applications de l’intelligence artificielle vont transformer l’accès au savoir et à
l’économie. Certaines compétences intellectuelles seront « mécanisées » et d’autres vont gagner en
valeur, notamment celles où les humains gardent un avantage certain sur les machines aussi loin
que l’on puisse voir : les activités créatives et créatrices, l’art, la science et la technique, mais aussi
toutes les activités liées aux relations entre les personnes...
Alors il y a toujours la peur que la machine remplace l’humain, mais dans les faits, c’est la
combinaison (homme / machine) qui est la plus efficace et cela va probablement continuer dans le
futur, et Il ne faut pas voir l’apparition de machines intelligentes comme un remplacement, mais
comme un levier de démultiplication de notre intelligence.
 La sécurité des entreprises :
Nous avons vu que la révolution des technologies implique de nombreux avantages et bienfaits :
Mais implique des défis pour les organisations qui souhaitent entrer dans la tendance des données.
Alors ces technologies présente-t-il des risques ?
Et selon Mayer-Schönberger et Cukier, dans leur ouvrage (2013), écrivent que nous vivons dans un
monde où «Nous sommes constamment sous surveillance, Le débat sur l'utilisation des données
numériques donne lieu à beaucoup de fantasmes, autour de l'espionnage des individus. En fait, le
vrai problème est celui de la privatisation de ces données. Avant même l’avènement d’Internet, des
firmes spécialisées comme Equifax, Experian et Acxiom collectaient, mettaient sous forme de
tableaux et fournissaient l’accès à des informations personnelles pour des centaines de millions de
personnes dans le monde entier, contient des entreprises des organisations …
Internet a rendu le pistage plus facile, moins cher et plus utile. Et les agences gouvernementales nous
espionne, Si l’ère d’Internet a menacé notre vie privée, le Big Data la met-il encore plus en
danger ?
Voilà des questions qui font plutôt froid dans le dos… C’était le premier risque du Big Data pour les
libertés individuelles, alors le Big Data pourrait mettre en danger le respect de la nos vie privée.
Conclusion :
Ces technologies remettre l’humain au centre de toute initiative est le défi que les différents
débats ont mis en avant. La réussite de la transformation numérique, nourrie par les
technologies de la data entre autres, ne peut se faire sans accompagner l’acteur humain dans
les différents changements qu’il peut constater dans son environnement direct.

Exam SI (DATA)

Transféré par

Droits d'auteur :

Formats disponibles

Exam SI (DATA)

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Exam SI (DATA)

Transféré par

Droits d'auteur :

Formats disponibles

DW/DM/BD

Les nouvelles technologies ;

 1983 - Teradata introduit dans sa base de données managériale un système

Qu’est-ce qu’une Big DATA :

Les transformations liées à cette technologie

Vous aimerez peut-être aussi