Mémoire de projet de fin d’études

Présentés par

ZIDAHI LEILA
EL AAMERY YASSINE
En vue de l’obtention du diplôme

Licence universitaire professionnelle

SYSTÈME D’INFORMATION &D’INGÉNIERIE DÉCISIONNEL

Thème

« ÉLABORATION DATAMART & DASHBOARD SERVICE

PROJET ORANGE »

Encadré par :

Prof. MAROUANE SKITTI (Encadrant pédagogique)

M. YASSER EL GHEMAZ (Encadrant professionnel)

Année universitaire : 2020/2021

DÉDICACE
Je dédie ce travail :

À mes chers parents

Aicha ACHBARA et Abdellah ZIDAHI. Ceci est ma profonde gratitude pour votre éternel amour,
et qui vous m’avez toujours encouragé et soutenu durant toute ma vie. Que dieu les préserve et
les garde en bonne santé.

À mon très cher mari yassine

Pour leur soutien et encouragement

À mes Amis

En souvenir de notre sincère et profonde amitié et des moments que nous avons passés
ensemble.

À mes encadrants

Pour leur aide et leur accompagnement qui m’ont permis de mener à bien mon rapport
d’activité.

À mes respectables professeurs

Qui m’a tant formé pour être à la hauteur

Leila

Page | 2
 À la mémoire de mon défunt père

Qui m'a été toujours poussé dans mes études et dans la réalisation de mes rêves.

À ma chère mère Fatna

Pour tous ses sacrifices, son amour, sa tendresse, son soutien et ses prières tout au long de mes
études.

À ma femme Leila

Quand je t’ai connu, j’ai trouvé la femme de ma vie, mon âme sœur et la lumière de mon
chemin. Ma vie à tes côtés est remplie de belles surprises. Tes sacrifices, ton soutien moral et
matériel, ta gentillesse sans égal, ton profond attachement m’ont permis de réussir mes études.
Sans ton aide, tes conseils et tes encouragements, ce travail n'aurait vu le jour. Que Dieu
réunisse nos chemins pour un long commun serein et que ce travail soit témoignage de ma
reconnaissance et de mon amour sincère et fidèle.

À mes chères sœurs

Fatima Zahra & Salma pour leurs encouragements permanents, et leur soutien moral

À ma grande mère

Que Dieu lui donne une longue et joyeuse vie.

Yassine

Page | 3
REMERCIEMENT
Après avoir rendu grâce à Dieu le Tout-Puissant et le miséricordieux nous tenons à remercier
vivement et particulièrement notre cher professeur et encadrant M. Marouane SKITTI pour leur
suivi et pour leur énorme soutien, qu’ils n’ont cessé de nous prodiguer tout au long de la période
de la formation.

Nous tenons à remercier aussi le responsable pédagogie Monsieur Mounir MAHFOUD pour sa
disponibilité, son conseil scientifique et son sens d’écoute et d’échange.

Tout le corps professoral qui nous a fait bénéficier d’une formation pluridisciplinaire de très haut
niveau et beaucoup adaptées aux réalités.
On remercie vivement Mesdames et Messieurs les membres du jury d’avoir accepté d’évaluer ce
travail.

Enfin, nous adressons nos plus sincères remerciements à nos parents pour leur soutien et tous
nos proches et amis, qui nous ont toujours soutenus et encouragés au cours de la réalisation de
ce mémoire.

Nos remerciements s’adressent aussi à l’ensemble de responsables Intelcia en particulièrement

le directeur d’activité M. Mehdi LAMRANI pour son aide d’avoir un stage, notre coordinateur M.
Mustafa BENCHAILA pour leur soutien.

Nous remercions également nos encadreurs, M. KAMAL LACHHAB & M. YASSER EL GHEMMAZ,
pour leur aimable encadrement et toutes leurs consignes et recommandations. Nous adressons
également nos chaleureux remerciements pour toute l’équipe de la direction BST (Business
Support Team).

Chers membres du jury, c’est un honneur pour moi que vous avez accepté de juger mon travail.
Nous tenons à vous adresser notre respect et nos sincères remerciements.
Enfin, que toute personne ayant contribué de près ou de loin à la réussite de ce travail trouve ici
l’expression de notre reconnaissance.

Leila & Yassine

Page | 4
RÉSUMÉ
Afin de favoriser notre insertion professionnelle, approfondir nos connaissances et mettre en
pratique nos résultats de formation. Ce rapport résume nos travaux dans le cadre du programme
de fin d'études, dans le but d'obtenir une licence professionnelle en Systèmes d'Information &
d’ingénierie décisionnelle à l'Institut des Sciences et Technologies de Settat. Le projet a été réalisé
sous la direction de la BST (Business Support Team) d’Intelcia.

L'objectif du projet est de mettre en place des outils de gestion performants et efficaces pour
prendre les bonnes décisions. Il s'agit d'un rapport pouvant être mis à jour toutes les 30 minutes
qui gère KPI pour un suivi qualitatif et quantitatif d’une manière que chaque service peut se
rattraper avant la fin de la journée pour réaliser son objectif.

Après plusieurs réunions d'analyse des besoins avec le responsable de production et le

département BI, nous avons effectué des tests de sources de données. Ensuite, nous avons mis
en place une solution de conception et de prise de décision multidimensionnelle. L'entrepôt de
données est fourni via le processus ETL exécuté par l'outil SSIS. La phase de surveillance analyse
spécifiquement le cube, et l'étape finale sera présentée par Power BI.

Mot clés : ETL, SSIS, SSAS, BST, KPI, BI, POWER BI, Intelcia Maroc

Page | 5
ABSTRACT
In order to promote our professional insertion, deepen our knowledge and put into practice our
training results. This report summarizes our work within the framework of the end-of-studies
program, with the aim of obtaining a professional license in Information Systems & Decision
Engineering at the Institute of Sciences and Technologies of Settat. The project was carried out
under the direction of the BST (Business Support Team) of Intelcia.

The objective of the project is to implement efficient and effective management tools to make
the right decisions. It is a report that can be updated every 30 minutes that manages KPIs for a
qualitative and quantitative follow-up in a way that each department can catch up before the end
of the day to achieve its objective

after several requirements analysis meetings with the production manager and the BI
department, we conducted data source tests. Then we implemented a multidimensional design
and decision-making solution. The data warehouse is provided via the ETL process executed by
the SSIS tool. The monitoring phase specifically analyzes the cube, and power BI will present the
final step.

Keywords : ETL, SSIS, SSAS, BST, KPI, BI, POWER BI, Intelcia Maroc

Page | 6
LISTE DES ABRÉVIATIONS :

ABRÉVIATION DÉSIGNATION

SQL Structured Query Language

SSAS SQL Server Analysis Services

SSIS SQL Server Integration Services

SSMS SQL Server Management System

BI Business Intelligence

PROD Production

OLAP Online Analysis Processing

ETL Extract Transform Load

KPI Key Performance Indicator

QP Qualité prévisionnelle

QE Qualité d'engagement

TMO Temps moyen d'Opération

% Occupation Taux d'utilisation

NS Niveau de service

QS Qualité de service

Page | 7
LISTE DES TABLEAUX
Tableau 1:La liste et description des livrables............................................................................................. 24
Tableau 2:RISQUES DU PROJET ................................................................................................................... 25
Tableau 3:Liste des dimensions ................................................................................................................... 41
Tableau 4: Liste des mesures ...................................................................................................................... 42
Tableau 5:Comparatif des outils de reporting ............................................................................................ 44
Tableau 6 : Table de comparaison............................................................................................................... 55
Tableau 7: Différence entre les trois modes de conception ....................................................................... 56
Tableau 8:Comparaison entre l'ancienne approche et la solution réalisée ............................................. 73

Page | 8
LISTE DES FIGURES
Figure 1: Site d’Intelcia à l’international ..................................................................................................... 16
Figure 2: Clients d’Intelcia Maroc ................................................................................................................ 17
Figure 3: l'histoire du groupe ...................................................................................................................... 18
Figure 4: Organigramme hiérarchique ........................................................................................................ 18
Figure 5:La chaine décisionnelle.................................................................................................................. 19
Figure 6:Le processus ETL ............................................................................................................................ 20
Figure 7 : Cycle de vie d'un projet décisionnel ............................................................................................ 27
Figure 8:Un schéma du processus Scrum .................................................................................................... 28
Figure 9:Planification et conduite du projet ............................................................................................... 30
Figure 10: Planification et conduite du projet............................................................................................. 30
Figures 11:Interface Hyperion ..................................................................................................................... 35
Figures 12:Intranet hyperion ....................................................................................................................... 36
Figure 13:Rapport Groupe d'agents ............................................................................................................ 37
Figure 14:Processus Hypérion ..................................................................................................................... 37
Figure 15:Statistique par tranche d'horaire ................................................................................................ 38
Figures 16:exemple fichier plat ................................................................................................................... 39
Figures 17: comparison ETL TOOL ............................................................................................................... 43
Figure 18:Architecture du DWH selon Inmon ............................................................................................. 50
Figure 19:Architecture du DWH selon Kimball............................................................................................ 51
Figure 20:Example de Schéma en étoile ..................................................................................................... 52
Figure 21:Exemple de schéma en flocons ................................................................................................... 53
Figure 22:Example de schéma en constellation .......................................................................................... 54
Figure 23: schéma Datamart ....................................................................................................................... 57
Figure 24:Shéma fact Csat ........................................................................................................................... 57
Figure 25:Shéma fact prevision ................................................................................................................... 58
Figure 26:Shéma fact Group AGENT ........................................................................................................... 58
Figure 27:Shéma fact extraction ................................................................................................................. 59
Figure 28:Diagramme d’activité du processus d’alimentation ................................................................... 59
Figure 29:Les tаbles de fаits et les dimensions du DWH............................................................................. 63
Figure 30:vue de donnée de la dimension "DATE" ..................................................................................... 64
Figure 31:vue de donnée de la dimension "TIME" ...................................................................................... 65
Figure 32:ETL de la table de faits « extraction » ......................................................................................... 66
Figure 33:ETL de la table de faits «GROUP_AGENT» .................................................................................. 66
Figure 34:ETL de la table de faits «prevision» ............................................................................................. 67
Figure 35:ETL de la table de faits «CSAT» ................................................................................................... 67
Figure 36:chargement cube olap................................................................................................................. 68
Figure 37:Capture d'écran cube SSAS : Formules de calcules avancés ....................................................... 69
Figure 38:Capture d'écran représentée ‘Filtres et affichage’ ..................................................................... 70

Page | 9
Figure 39:Visuаlisаtion d'un rаpport sous Excel.......................................................................................... 70
Figure 40:Visuаlisаtion d'un rаpport sous Power BI Service ....................................................................... 72
Figure 41:Figure 40:Visuаlisаtion d'un rаpport sous Power BI Service ....................................................... 73

Page | 10
TABLE DES MATIÈRES
D ED I C AC E ............................................................................................................................................................................................................................... 2

R EM ÉR C I E M E NT .................................................................................................................................................................................................................... 4

R É SU M É .................................................................................................................................................................................................................................. 5

AB S T R AC T ............................................................................................................................................................................................................................... 6

L I ST E D ES AB R É VI AT I O NS : ................................................................................................................................................................................................ 7

LISTE DES TABLEAUX ...................................................................................................................... 8

LISTE DES FIGURES ......................................................................................................................... 9

TABLE DES MATIÈRES ................................................................................................................... 11

INTRODUCTION GÉNÉRAL ............................................................................................................ 14

CHAPITRE 1.................................................................................................................................................. 15
I. PRESENTATION DE L’ORGANISME ................................................................................................ 16
I.1.1. GROUPE INTELCIA: ....................................................................................................................... 16
I.1.2. EN CHIFFRE: ................................................................................................................................ 16
I.1.3. LES PARTENAIRES & CLIENT ...................................................................................................... 17
I.1.4. HISTOIRE DU GROUP: .................................................................................................................... 17
I.1.5. ORGANIGRAMME ......................................................................................................................... 18
I.1.6. UNITÉ DU PROJET ......................................................................................................................... 19
II. ÉTAT DE L’ART SUR LES SYSTÈMES DÉCISIONNELS .................................................................................... 19
II.1.1. INFORMATIQUE DÉCISIONNELLE (BUSINESS INTELLIGENCE)..................................................................... 19
II.1.2. LA CHAÎNE DÉCISIONNELLE ............................................................................................................. 19
II.1.3. LE SYSTÈME OPÉRATIONNEL VS LE SYSTÈME DÉCISIONNEL .................................................................... 21
III. PÉRIMÈTRE DU PROJET ................................................................................................................... 22
III.1.1. PROBLÉMATIQUE GÉNÉRALE:......................................................................................................... 22
III.1.2. CONTEXTE & INTÉRÊT:................................................................................................................. 22
III.1.3. OBJECTIFS DU PROJET: ................................................................................................................. 23
III.1.4. OBJECTIFS VISES : ....................................................................................................................... 23
IV. CONDUITE DE PROJET..................................................................................................................... 24
IV.1.1. LES LIVRABLES: .......................................................................................................................... 24
IV.1.2. DETERMINATION DES RISQUES:...................................................................................................... 25
IV.1.3. CYCLE DE VIE D’UN PROJET DÉCISIONNEL : ........................................................................................ 26
V. PLANIFICATION DU PROJET : ............................................................................................................. 27
V.1.1. MÉTHODOLOGIE ADOPTÉE : SCRUM................................................................................................. 27
V.1.2. RAISON DU CHOIX ....................................................................................................................... 28
V.1.3. PLANIFICATION DU PROJET ............................................................................................................ 28
V.1.4. PLANNING PRÉVISIONNEL DU PROJET : .................................................................................... 29
V.1.5. PLANNING RÉEL DU PROJET : ................................................................................................... 30
V.1.6. ANALYSE DES ÉCARTS : ............................................................................................................ 31

Page | 11
V.1.7. ORGANISATION D’ÉQUIPE :............................................................................................................ 31
V.1.7.1. RÔLES :.................................................................................................................................. 31
VI. CONCLUSION ............................................................................................................................... 32
CHAPITRE 2.................................................................................................................................................. 33
I. PROBLÉMATIQUE: ........................................................................................................................... 34
II. OBJECTIFS VISÉS : ........................................................................................................................... 34
III. ETUDE DE L’EXISTANT ..................................................................................................................... 34
I.1.1. PRESENTATION DE L’OUTIL:............................................................................................................. 34
I.1.2. PROCESSUS HYPERION................................................................................................................... 37
I.1.3. RESULTAT DEMANDÉ : ................................................................................................................... 38
IV. CRITIQUE DE L’EXISTANT: ................................................................................................................ 38
V. ANALYSES DES BESOINS: .................................................................................................................. 38
III.1.1. JUSTIFICATION DE L’APPROCHE UTILISÉE ........................................................................................... 39
III.1.2. BESOINS PRINCIPAUX : ................................................................................................................ 40
III.1.3. PÉRIMÈTRE FONCTIONNEL DU PROJET .............................................................................................. 40
III.1.3. RECENSEMENT DES DIMENSIONS .................................................................................................... 40
III.1.4. RECENSEMENT DES MESURES......................................................................................................... 41
III.1.5. PÉRIMÈTRE TECHNIQUE DU PROJET ................................................................................................. 42
III.1.6. ENVIRONNEMENT DE TRAVAIL ....................................................................................................... 43
III.1.7. BENCHMARKING DES OUTILS BI ..................................................................................................... 43
III.1.8. COMPARATIF DES OUTILS ETL : ...................................................................................................... 43
VI. CADRAGE DES BESOINS TECHNIQUES: ................................................................................................. 44
IV.1.1. ARCHITECTURE TECHNIQUE : ......................................................................................................... 44
IV.1.2. ARCHITECTURE MATÉRIELLE : ........................................................................................................ 45
VII. CONCLUSION .............................................................................................................................. 46
CHAPITRE 3.................................................................................................................................................. 47
I. MODÉLISATION D’UN DATAWAREHOUSE .............................................................................................. 48
I.1.1. GÉNÉRALITÉS SUR LE DATAWAREHOUSE: ............................................................................................ 48
I.1.2. DATAMART (MAGASIN DE DONNÉES): ............................................................................................... 49
I.1.3. OBJECTIFS DE ENTREPÔT DE DONNÉES: .............................................................................................. 49
I.1.4. MÉTHODOLOGIE DE CONSTRUCTION D'UN DWH ................................................................................. 49
II. LA MODÉLISATION DIMENSIONNELLE:.................................................................................................. 52
II.1.1. CHOIX DU MODÈLE ...................................................................................................................... 54
II.1.2. STRUCTURE DU DATAMART ............................................................................................................ 56
II.1.3. CONCEPTION DE LA ZONE D’ALIMENTATION ....................................................................................... 59
III. CONCLUSION ............................................................................................................................... 60
CHAPITRE 4.................................................................................................................................................. 61
I. RÉALISATION DE LA PHASE D’ETL ........................................................................................................ 62
I.1.1. INTÉGRATION DES DONNÉES : .......................................................................................................... 62
I.1.2. CRÉATION DES TABLES DU DATAWAREHOUSE ...................................................................................... 62
I.1.3. ALIMENTATION DU DATAWAREHOUSE ............................................................................................... 63
I.1.4. CHARGEMENT DES CUBES OLAP : .................................................................................................... 68
I.1.5. RESTITUTION DES DONNÉES ............................................................................................................ 71
I.1.6. COMPARAISON ............................................................................................................................ 73
II. CONCLUSION ................................................................................................................................ 74
CONCLUSION ................................................................................................................................. 75

Page | 12
BIBLIOGRAPHIE ............................................................................................................................. 76

WEBOGRAPHIE .............................................................................................................................. 77

Page | 13
INTRODUCTION GÉNÉRALE
Dans le cadre de notre formation continue pour notre licence professionnelle Système
d'information & d'ingénierie décisionnelle à la faculté Science de technologie de Settat, nous
avons eu l’opportunité de réaliser un rapport fin d’études pour l’entreprise Intelcia Maroc on se
focalisant sur le projet orange Maroc.

Intelcia est un acteur majeur de la relation client qui a connu une croissance forte durant les dix
dernières années. Cette croissance est fondée sur un attachement solide à ses valeurs et à la
proximité client et collaborateur. Elle a donc décidé de se doter d’un outil évolué pour faire le
suivi de ses activités et assurer une mission de veille stratégique importante.

Ce rapport décrit les différentes étapes que nous suivons pour mettre en œuvre le système de
prise de décision.

Il est divisé en quatre chapitres qui sont les suivants :

Le premier chapitre place le projet dans son contexte général, présente l'organisation d'accueil
et énumère les problèmes et les objectifs du projet. Il suit ensuite les étapes suivies pour exécuter
le projet et les livrables attendus à la fin de chaque phase.

Le deuxième chapitre analyse la situation actuelle à partir des sources de données, des règles de
gestion adoptées et des rapports utilisés, puis présente les résultats des fonctions et le cadre
technique des solutions adoptées.

Le troisième chapitre introduit la phase de conception, et présente en détail la matrice

dimensionnelle et le modèle multidimensionnel de notre Datamart, qui implique différents
indicateurs et axes d'analyse.

Le quatrième et dernier chapitre présente les différentes étapes de mise en œuvre, de la

fourniture d'un entrepôt de données à la création de vues métier et de cubes OLAP, en passant
par la génération de divers rapports de récupération.

Ce travail se terminera par une conclusion générale, résumant les résultats obtenus et présentant
les vues de nos travaux.

Page | 14
CHAPITRE 1
CONTEXTE GÉNÉRAL
Le début du chapitre a commencé à annoncer une
présentation de l’organisme d’accueil « INTELCIA
MAROC ». Ensuite, l'histoire décrit le système de la
société, notre travail et la présentation de la
description complètent des travaux et des plans et
des incidents présents.

Page | 15
I. PRÉSENTATION DE L’ORGANISME
I.1.1. Groupe Intelcia:

Crée depuis 2000 au Maroc et porté par une ambition forte, le Groupe a rapidement étendu sa
présence géographique et ses activités pour accompagner ses clients sur l'ensemble de leurs
opérations d'externalisation et leur permettre de mieux se concentrer sur leurs enjeux et cœurs
de métier.

Son savoir-faire repose sur sa capacité à conjuguer talents, technologies et processus pour offrir
un service sur-mesure et des compétences aux standards internationaux.

Figure 1: Site d’Intelcia à l’international

I.1.2. En chiffre:

Intelcia est une entreprise humaine, ambitieuse et en pleine expansion, mais c’est aussi :
• 80% de nos encadrants issus de la promotion
• Présent sur 3 continents et 17 sites interne
• 49 Sites • 1,7 million d’heures de formation délivrées /
• Plus de 24 000 collaborateurs an
• CA 315 Millions d'euros • +800 sessions d’intégration / mois
• +9 000 participants aux sessions de formation
continue / mois
• +80 managers formés / mois
• 137 formateurs
• 110 salles de formation

Page | 16
 I.1.3. LES PARTENAIRES & CLIENTS

Après avoir consolidé sa position de leader régional dans le secteur de la relation client au
cours des 20 dernières années, Intelcia affiche désormais une nouvelle ambition : devenir un
acteur global de l’outsourcing aux expertises multiples.

Figure 2: Clients d’Intelcia Maroc

I.1.4. Histoire du Group:

Le groupe Intelcia a réussi à gagner un nombre important des clients qui ont convenu de
nombreux services réussis à rencontrer des clients

Page | 17
 Figure 3: l'histoire du groupe

I.1.5. Organigramme

Cet organigramme présente notre hiérarchie au sein de la société Intelcia Maroc :

Figure 4: Organigramme hiérarchique

Page | 18
 I.1.6. Unité du projet

Le stage de fin d’études a été effectué au sein de département Business Intelligence de la

société Intelcia Maroc.

II. État de l’art sur les systèmes décisionnels

II.1.1. Informatique décisionnelle (Business Intelligence)

L'informatique décisionnelle est un processus technologique qui analyse des données pour
présenter des informations exploitables par les dirigeants, les cadres commerciaux et les autres
utilisateurs, afin de leur permettre de prendre des décisions plus avisées.

Les systèmes décisionnels sont utilisés par les décideurs pour obtenir une connaissance
approfondie de l'entreprise et de définir et de soutenir leurs stratégies d'affaires, par exemple :

▪ Acquérir un avantage concurrentiel.

▪ Améliorer la performance de l'entreprise.
▪ Répondre plus rapidement aux changements.
▪ Augmenter la rentabilité.
▪ D'une façon générale la création de valeur ajoutée de l'entreprise.

II.1.2. La chaîne décisionnelle

La chaîne décisionnelle est la chaîne de traitement de l’information permettant de

transformer les données collectées en informations pouvant être utilisées à des fins
décisionnelles

Cette chaîne se compose d’éléments et d’outils que l’on présente souvent en quatre étapes
distinctes

Figure 5:La chaine décisionnelle

Page | 19
La phase d’alimentation

La phase d’alimentation consiste à détecter, sélectionner, extraire, transformer et charger dans

une data warehouse (DWH, entrepôt de données) l’ensemble des données brutes issues des
différentes sources de stockage de l’information (bases de données, fichiers plats, applications
métiers, etc.).

Cette phase est généralement réalisée grâce à un outil d’ETL (Extract, Transform, Load). Grâce à
des connecteurs, l’ETL peut extraire un grand nombre de données de différents types, puis
grâce à des transformateurs manipuler ces données pour les agréger et les rendre cohérentes
entre elles. Nous verrons plus loin l’ensemble des fonctionnalités et des avantages des ETL.

Figure 6:Le processus ETL

La phase de modélisation

Une fois les données centralisées, la phase de modélisation consiste à stocker et structurer les
données dans un espace unifié (la data warehouse) pour qu’elles soient disponibles pour un
usage décisionnel. Cette phase est également réalisée grâce aux outils d’ETL via des
connecteurs qui permettent l’écriture dans la data warehouse.

Les données peuvent à nouveau être filtrées et transformées pour assurer la cohérence de
l’ensemble dans la data warehouse. Enfin, lors de cette phase les données stockées peuvent
être prétraitées via des calculs ou des agrégations pour faciliter leur accès aux outils d’analyse.

La phase de restitution

La phase de restitution vise à mettre les données à la disposition des utilisateurs en prenant en
compte leur profil et leur besoin métier. L’accès direct à la data warehouse n’est pas autorisé
puisque l’objectif est de segmenter et de diffuser les données collectées pour qu’elles soient
cohérentes par rapport au profil de l’utilisateur et qu’elles soient simples à exploiter.

Page | 20
Lors de cette phase, de nouveaux calculs de données peuvent être effectués pour répondre aux
besoins spécifiques des utilisateurs. Les outils de la phase de restitution sont multiples. Il peut
s’agir d’outils de reporting, de portails d’accès à des tableaux de bord, d’outils de navigation
dans des cubes OLAP (ou hypercubes) ou encore des outils de statistique.

La phase d’analyse

Dans la phase d’analyse, les utilisateurs finaux vont analyser les informations qui leur sont
fournies. Habituellement, les données sont modélisées par des représentations basées sur des
requêtes pour construire des tableaux de bord ou des rapports via des outils d’analyse
décisionnelle (Power BI, Tableau, QlikView ...).

L’objectif de cette phase est d’assister au mieux l’utilisateur pour qu’il puisse analyser les
informations mises à sa disposition et prendre des décisions. Cela passe notamment par le
contrôle d’accès aux rapports, la prise en charge des requêtes et la visualisation des résultats.

II.1.3. Le Système opérationnel Vs Le Système décisionnel

Le système d'exploitation représente les tâches quotidiennes, répétitives et atomiques

(insertion, modification, suppression) effectuées par les salariés de l'entreprise pour permettre
à ces derniers d'exercer des activités et de survivre en conséquence.

Le système d'information opérationnel OLTP (Online Transaction Processing) est un système de

gestion ou de production conçu pour soutenir les opérations de l'entreprise. Au fur et à mesure
que la quantité de données augmentait, le système d'exploitation s'est retrouvé limité aux
besoins des managers qui avaient besoin d'informations complètes pour l'analyse et la prise de
décision, un système d'information de type OLAP (analyse et traitement en ligne) est né. Dans
ce qui suit, nous proposons un tableau comparatif entre les systèmes opérationnels et
décisionnels :

Décisionnel opérationnel

- Gros volumes de données à gérer - Petits volumes de données à gérer

- Petit nombre - Utilisé par toute l’entreprise

d’utilisateurs(décideurs,analystes,etc.)
- Orienté thèmes et sujets - Orienté applications

- Données en lectures seules - Lecture, écriture et modification de

données
- Niveau de granularité très - Niveau de granularité fin
grand(histoires)
- Temps de réponse moins critiques - Temps de réponse immédiats

Page | 21
 - Centralisé - Décentralisé

Table 1:Tableau comparatif entre les SI décisionnels et les SI opérationnels

III. Périmètre du projet

III.1.1. Problématique générale:

80% de l’activité principale d’Intelcia se focalise sur les appels entrants, c’est-à-dire que les
appels sont répondus par les conseillers clientèle du centre. Intelcia dispose de plusieurs
outils permettant la gestion de ces appels, leurs divers types de durées (ACW, DMT, DMC ...),
l’agent opérant ceux-ci, les appels reçus, la codification de l’agent par contacts etc.
Un centre qui travaille en émission et réception d'appels produit souvent des campagnes de
prise de rendez-vous. Cette activité est devenue assez structurée. Elle est entièrement
tournée vers l'excellence. Les directeurs de production travaillent avec des tableurs capables
de calculer la marge brute générée en temps réel. Le travail en réception réussit si le centre
met en place des processus de production structurés et clairs.
Le temps moyen d'un appel est souvent prédéfini pour une campagne car la marge s'obtient
sur le volume des appels. Une position de travail doit produire chaque jour de production un
nombre brut d'appels qui peut dépasser 250. Les plateformes de réception sont souvent
équipées de « solutions ». Ces « solutions » permettraient d'améliorer la marge et auraient
la vertu de multiplier le retour sur les investissements - parfois princiers - que doivent faire
ceux qui démarrent un centre d'appels.

III.1.2. Contexte & Intérêt:

C'est dans un environnement hautement complexe et concurrentiel la plupart (sinon toutes) des
entreprises se développent. Un climat si fort la concurrence oblige ces entreprises à surveiller le
marché de très près pour éviter laissez vos concurrents prendre du retard et réagissez au plus
vite, les attentes du marché, de leurs clients et de leurs partenaires. Pour cette raison, les
dirigeants de l'entreprise, quel que soit le domaine dans lequel ils sont les activités doivent
pouvoir remplir leur mission chose. En particulier, ils doivent prendre la décision la plus
appropriée. Ces décisions, affectera grandement la stratégie de l'entreprise, son avenir ne devrait
donc pas ni le prendre à la légère ni trop hâtivement, étant donné qu'ils sont la survie de
l'entreprise.

Page | 22
Il s'agit de prendre des décisions sages et sages clair, fiable et pertinent. Dès lors, la question est
de savoir comment identifier et présenter de qui l'information peut-elle impliquer, et d'une part
sait que l'entreprise est en train de fermer en revanche, avec de grandes quantités de données,
le système d'exploitation il a été constaté que « transactionnel » est limité ou impossible à
fournir de telles informations, et en même temps, il constitue un support considérable à la prise
de décision. C'est dans ce contexte qu'est né le « système décisionnel ». Ils fournissent les
décideurs peuvent s'appuyer sur des informations de haute qualité pour arrêter leurs choix
décisionnels. À cette fin, ces systèmes utilisent un large éventail de technologies et les méthodes,
où "dataWarehouse" représente l'élément les conditions principales et nécessaires pour un
système de prise de décision bien exécutée.

Les activités quotidiennes d’Intelcia génèrent des quantités de données complexes et massives.
Ceux-ci les données sont une source précieuse d'informations qui peuvent être améliorées un
processus décisionnel significatif. Cependant, ces données ne sont pas utilisées de manière
satisfaisante, compromettant ainsi le processus de prise de décision tous les niveaux du groupe.
Le projet vise à fournir des données aux décideurs afin de pouvoir inspirez-les et favorisez une
prise de décision opportune et éclairée. Le système doit créer un entrepôt de données fiable
contenant des informations nécessaires pour compléter le processus de prise de décision.

III.1.3. Objectifs du projet:

Afin de répondre aux problèmes auparavant cités, la courante séparation a pour but d’introduire,
en rectifiant lieu, une lettre décisionnelle, publique en conférant aux décideurs un tasseau
croyable entre une meilleure estimée de décision.

Ainsi, les essentiels juridiques assignés à la séparation sont :

• Génération d’un rapport d’activité de chaque trente minutes.

• Offrir aux décideurs et aux analystes la mine de broder des analyses
appropriées.
• Offrir des informations fiables, cohérentes et pertinentes.

III.1.4. Objectifs visés :

Pour répondre à la problématique abordée ci-dessus, le projet devrait mettre en place un

système décisionnel qui répond aux besoins des utilisateurs. Pour cela, il faudra :

• Générer les différents rapports statiques et dynamiques pour une mise à

disposition de l’information essentielle à la prise de décision
• Mettre en place un outil collaboratif pour publier les rapports standards et
permettre aux utilisateurs d’effectuer des analyses selon le besoin ainsi que
de générer des rapports personnalisés.
• Soulager les TL.
Page | 23
IV. Conduite de projet
On appelle la conduite de projet ou éventuellement la gestion de projet l'organisation
méthodologique mise en œuvre pour faire en sorte que l'ouvrage réalisé par le maître
d'œuvre réponde aux attentes du maître d'ouvrage et qu'il soit livré dans les conditions de coût et
de délai prévus initialement, indépendamment de sa « fabrication ».

Pour ce faire, la gestion de projet a pour objectifs d'assurer la coordination des acteurs et des
tâches dans un souci d'efficacité et de rentabilité.

IV.1.1. Les Livrables:

Chaque phase du projet est marquée à la fin par un livrable. La liste et la description des livrables
de chaque phase sont détaillées dans le tableau ci-dessous :

Phase Livrables

Dossier d’analyse :
- Analyse de l’expression des besoins
Étude et analyse - Récapitulatif des mesures et axe d’analyse
- Matrice de croisements
dimensions/mesures
Dossier de conception :
- Schémas de modélisation des datamarts
Modélisation
- Dictionnaire de données
Description des univers
Packages : Flux de contrôle et de données
Dossier d’ETL :
- Contrats d’interface
Mise en œuvre de l’ETL - Description des gestionnaires des sources
de données
- Description des flux de contrôle
- Description des flux de données
Rapports et univers déployés sur le serveur
- Dossier de restitution
Phase de restitution - Contrats d’interface
- Description des gestionnaires des sources
de données
- Description des flux de contrôle
Phase de publication - Guide d’administration
- Guide d’utilisation
Tableau 1:La liste et description des livrables

Page | 24
 IV.1.2. Détermination des risques:

Par définition, un risque est un danger possible plus ou moins prévisible qui peut affecter en fin
de projet, la gestion des risques est essentielle pour réagir aux incidents des événements qui
déstabilisent le projet. Il faut se poser la question néfaste les problèmes qui peuvent survenir
au cours de cette tâche et les solutions qui peuvent être apportées. À toutes les étapes de ce
projet, nous sommes confrontés à plusieurs risques cela peut nous empêcher d'atteindre nos
objectifs. On peut les reconnaitre et les réduire par des mesures correctives et préventives.

Réf Description Impact Type de risque Probabilité Niveau Actions préventives

du risque d’impact

Le cahier Impact sur la Fonctionnel Moyen Élevé Élaboration d’un

de charge compréhension questionnaire
R01 est non du besoin. Recueillir de la
complet. documentation

R02 La Le produit ne Fonctionnel Faible Moyen Le développement

conception couvre pas incrémental et
est tous les volets l’implication du client.
insuffisante du besoin

la réalisation d’une
démonstration avec des
R03 Les outils Impossibilité Technique Faible Faible échantillons des fichiers
exigés ne d’achever le sources
peuvent projet.
pas
répondre
au besoin.

Le Un planning détaillé
dépassement
R04 Le suivi est des délais et Organisationnel Faible Moyen des réunions de suivi
insuffisant sur les coûts hebdomadaires

Définir des moyens de

réduire les phases pour
Planning Le être conforme à la
R05 non dépassement durée globale
conforme à des délais et Organisationnel Moyen Elevé
la réalité sur les coûts
Tableau 2:Risque de projet

Page | 25
 IV.1.3. Cycle de vie d’un projet décisionnel :

La réalisation de tout projet décisionnel commence par la phase de planification afin de définir
l’étendue du projet, suivie des phases suivantes :

▪ Une phase de collecte(alimentation) : Les données d’exploitation (internes à l’entreprise)

doivent être collectées de manière pertinente par le biais d’un processus ETL (Extract,
Transport, Load), c’est-à-dire récupérer auprès des différentes sources disponibles,
filtrées et adaptées en vue d’une utilisation à vocation décisionnelle.

▪ Une phase de stockage et de modélisation : Les données sont structurées, centralisées

et rendues disponibles dans le datawarehouse, ce dernier doit être non volatile, orienté
métier, historisé et intégré.

▪ Une phase de restitution (distribution) : Il est nécessaire de pouvoir restituer les données
et d’en proposer un accès aisé en prenant en compte chaque profil et besoin métier, d’où
l’existence des datamarts. Cette étape inclut notamment les rapports, statistiques
générées, tableaux de bord, outils de navigation dans les cubes OLAP (ou hypercubes) …

▪ Une phase d’analyse (d’exploitation) : À partir des rapports générés et donnés,

l’utilisateur final doit pouvoir analyser les informations et en tirer des conclusions. Cette
phase peut inclure du datamining pour explorer d’éventuelles corrélations, des analyses
multidimensionnelles, des analyses de performance…

Page | 26
 Figure 7 : Cycle de vie d'un projet décisionnel

V. Planification du projet:
V.1.1. Méthodologie adoptée : Scrum

Scrum est un processus agile, qui nous pousse à fournir la plus grande valeur commerciale dans
les plus brefs délais. Il permet de contrôler rapidement et régulièrement les livrables après
chaque sprint. Notre projet prévoit de mener quatre sprints, chaque sprint d'une durée de deux
semaines. Chaque journée de travail commence par une réunion de 15 minutes maximum,
appelée Daily Scrum ou "Daily Scrum" en anglais. À la fin du sprint, une réunion est organisée
pour une revue de sprint, qui dure jusqu'à 3 heures, pour présenter nos réalisations pendant le
sprint afin que nous puissions arriver à des résultats pour la suite du projet.

▪ Sprint : Un sprint est un intervalle de temps pendant lequel les équipes scrum vont
réaliser un travail préparé au début de cet intervalle de temps en étant guidé par un
objectif.

Page | 27
 ▪ Daily Scrum : le Daily Scrum Meeting ou DSM est une des cérémonies du cadre
méthodologique Scrum de développement de produit. Elle permet à chacun des
membres de l’équipe de connaître leurs objectifs du jour ainsi que les obstacles qu’ils
peuvent rencontrer.

V.1.2. Raison du choix

L’Application de la Méthode Agile-Scrum a plusieurs avantages :

▪ Une gestion intelligente du travail qui engendre plus d’efficacité et de productivité.

▪ Une meilleure visibilité et communication des équipes sur les sujets en cours.
▪ La valorisation et l’autonomie de chaque membre du groupe
▪ Une cohésion d’équipe, et une réflexion constante pour dépasser les difficultés.
▪ Une meilleure performance.

Figure 8:Un schéma du processus Scrum

V.1.3. Planification du projet

L’organisation et la planification sont la colonne vertébrale de chaque projet, la planification

permet de structurer les différentes tâches à accomplir et d’estimer la durée de réalisation, ce
qui permet d’évaluer les ressources nécessaires et leurs coûts et donc d’atteindre les objectifs
visés. C’est dans ce sens ou on a utilisé le diagramme de GANTT comme outil de représentation

Page | 28
visuelle d’état d’avancement des différentes activités de chaque projet en outre il permet de
visualiser le détail et la durée de chaque tâche dans chaque phase parmi les phases suivantes :

Phase 1 : (Étude préalable) : Cette phase consiste à une formation sur les outils de travail pour
se familiariser avec ses derniers tous en réalisant l’analyse de l’environnement économique et
de la stratégie de l’entreprise afin de définir le périmètre et la portée du projet.

Phase 2 :(Analyse et Architecture technique) : Cette phase permet d’analyser la solution

existante, ses inconvénients, et d’analyser les besoins afin de définir les mesures et les
dimensions, et proposer de nouveaux modèles de tableaux de bord plus ergonomiques selon
les besoins exprimés par l’entreprise. Et vers la fin de cette phase, on va définir les éléments de
l’architecture qui répondent aux spécifications initiales du projet (Matériels, Logiciels, Base de
données, etc.).

Phase 3 :(Conception du DWH et chargement ETL) : Dans cette partie on s’occupe de la

Conception des tables de fait et des dimensions du DWH, et choisir des indicateurs de
performances selon le besoin. Et on va développer le processus d’intégration de données qui
vise l’extraction des données depuis les sources de données, leurs transformations et leurs
chargements sur le DWH.
Phase 4 (Restitution et Tests) : C’est la dernière étape où on va créer des rapports et des
tableaux de bord pour chaque activité de vente (Commande, Livraison, Facture, Échéance,
Règlement). Tester le bon fonctionnement de la chaîne décisionnelle et déployer la solution
finale.
Les figures suivantes représentent le diagramme de GANTT des phases ci-dessus :

V.1.4. PLANNING PRÉVISIONNEL DU PROJET :

Afin de faire un meilleur suivi du projet, des réunions d'avancement avait lieu chaque semaine ou sur
demande en cas de problème.

Page | 29
 Figure 9:Planification et conduite du projet

V.1.5. PLANNING RÉEL DU PROJET :

Cette figure présente le planning réel du projet, grâce à cette étape déterminante, on obtient une vue
d’ensemble correcte de la durée globale du projet.

Figure 10: Planification et conduite du projet

Page | 30
 V.1.6. ANALYSE DES ÉCARTS :

Nous signalons les changements suivants :

▪ Conception de datawerhouse et chargement ETL, nous avons prévu 10 jours alors que nous
avions besoin de 18 jours
▪ Repporting, nous avons prévu de 2 jours alors que nous avions besoin de 3 jours.

V.1.7. Organisation d’équipe :

Ci-dessous présente l’équipe projet tout en décrivant le rôle et les tâches attribués à chacun des
membres de l’équipe :

NOM FONCTION / RÔLE POUR LE Mail

PROJET

MEROUANE SKITTI ENCADRANT [email protected]

Yasser EL GHEMMAZ Chef de projet [email protected]

LEILA ZIDAHI RÉALISATRICE [email protected]

YASSINE EL AAMERY RÉALISATEUR [email protected]

Table 2: Équipe de projet

V.1.7.1. Rôles :

L’équipe a un rôle capital : elle est constituée avec le but d’optimiser la flexibilité et la
productivité pour cela, elle s’organise elle-même et doit avoir toutes les compétences
nécessaires à la réalisation du produit.

RÉALISATEUR/RÉALISATRICE

• Recueil du besoin
• Analyse du besoin
• Préparation environnement

ENCADRANT

• Valide le rapport du projet

CHEF DE PROJET
Page | 31
 • Valide le planning du projet
• Vérifie la spécification fonctionnelle et technique

VI. Conclusion

Après avoir présenté l'organisation du stage de mon projet de recherche, ce chapitre a dévoilé
les problèmes rencontrés dans le suivi des activités de production d'un même rapport et tous les
problèmes qui ont entravé le bon déroulement de l'opération.

Le temps est perdu et le coût est élevé. L'objectif principal du stage y a également été annoncé,
à savoir établir un système d'aide à la décision qui remplacera les outils existants.

Page | 32
CHAPITRE 2
ETUDE DES BESOINS
Dans ce chapitre, nous commencerons par analyser et
expliquer les exigences techniques et fonctionnelles
du projet, puis nous présenterons en détail le premier
sous-système de collecte et de chargement de
données pour construire une base de données
multidimensionnelle basée sur différentes sources de
données.

Page | 33
 I. Problématique:
Suite à un travail actuel qui ce fait par les teams leader pour
exploiter un Dashboard non personnalisé de suivi des KPI’s qui génère une
charge de travail avec un moyen de temps de 15 min au minimum pour chaque 2 h pour
chaque service.

II. Objectifs visés:

Pour répondre à la problématique abordée ci-dessus, le projet devrait mettre en place un
système décisionnel qui répond aux besoins des utilisateurs. Pour cela, il faudra :

▪ Générer les différents rapports statiques et dynamiques pour une mise à disposition de
l’information essentielle à la prise de décision.
▪ Mettre en place un outil collaboratif pour publier les rapports standards et permettre
aux utilisateurs d’effectuer des analyses selon le besoin ainsi que de générer des
rapports personnalisés.
▪ Soulager les TL.

III. Étude de l’existant

L'étude du système existant est une étape très importante dans la mise en œuvre du
projet, ainsi qu'une étape importante dans la conception et la mise en œuvre du
nouveau système. Il permet de détecter les défaillances et d'identifier les axes
d'amélioration afin d'atteindre les objectifs souhaités.

INTELCIA MAROC contient beaucoup de données sur toutes les activités, il surveille les
clients ainsi, la base de données existante contient des requêtes vers des bases de
données relationnelles liées à l'ERP. Et donc, l'extraction et le reporting se font sous
Excel. Par conséquent, cela est limité et ne fournit pas toutes Fonctionnalités requises.

I.1.1. Présentation de l’outil:

Ce document a pour objectif de présenter les rapports Genesys sur Hypérion et cela suite aux
multiples mises à jour qu’ont connues ces derniers. Cela permettra d’avoir la même lecture de
la part de tous les acteurs des centres d’appels. Les rapports concernés sont :

▪ Rapport Files d’attentes

▪ Rapport Groupes d’agents
▪ Rapport Agents
▪ Rapport Calcul indicateur / Indicateurs Orange
▪ Rapport Réitération
▪ Rapport Facturation
▪ Rapport Outbound
Page | 34
 ▪ Rapport Csat

Figure 11:Interface Hypérion

Rapport Files d’attentes

Ce rapport permet d’avoir les statistiques d’appels sur les files d’attente Genesys, sur
différents intervalles de temps (½ heure, heure, jour, semaine, mois, année).

Interface des entrées

L’interface permet de sélectionner comme Entrées :
▪ Les dates
▪ Les files d’attente (en cours / Archive)
▪ Type de rapport dont on a besoin.

Types de rapports:
▪ Rapport par file d’attente.
▪ Rapport par date.
▪ Rapport cumulé par dates
▪ Rapport cumulé par files d’attente
▪ Rapport filtre Files d’attentes
▪ Rapport filtre Files d’attente Transfert

Page | 35
 Figure 12:Intranet Hypérion

Rapport Groupes d’agents :

Ce rapport permet d’avoir les statistiques d’appels des groupes d’agents Genesys, sur les
différents intervalles de temps (par intervalle ½ heure, heure, jour, semaine, mois, année).

Interface des entrées

L’interface des entrées permet de sélectionner les dates, les groupes d’agents et le type de
rapport dont on a besoin.

Types de rapports :

▪ Rapport général détaillé avec des graphes.

▪ Rapport par groupe d’agents (en cours / Archive)
▪ Rapport par filtres de transfert

Page | 36
 Figure 13:Rapport Groupe d'agents

I.1.2. Processus Hypérion

Cette figure représente les démarches de préparation d’un rapport :

Figure 14:Processus Hypérion

Page | 37
 I.1.3. Résultat demandé :

Figure 15:Statistique par tranche d'horaire

IV. Critique de l’existant:

Les recherches sur l'étape actuelle permettent d'examiner attentivement les données traitées
par le superviseur, qui sont multiformes, éparses et non intégrées.

Le rapport utilisé n'est pas automatique. Il est très coûteux en termes de temps et suit une
méthode manuelle de base. Cela peut être la source de multiples erreurs de saisie ou de calcul.
De plus, le rapport ne permet pas l'analyse pour faciliter la prise de décision par les superviseurs
et les coordinateurs.

Il ne fournit que des rapports statiques. Enfin, le rapport ne peut pas répondre aux besoins des
utilisateurs en termes de fiabilité, d'analyse et de pertinence des données.

V. Analyses des besoins:

L'objectif de la phase de recueil des exigences est d'assurer la couverture fonctionnelle de
l'ensemble du processus métier inclus dans le périmètre du projet.
Page | 38
Par conséquent, il est très important d'effectuer une analyse complète des exigences définies
dans la spécification. En effet, lors de rencontres avec les gens du métier, ces exigences ont été
complétées et modifiées.

III.1.1. Justification de l’approche utilisée

Après avoir étudié différentes méthodes de collecte d'informations, nous avons choisi la
méthode de l'entretien car elle présente de multiples avantages, mais cette méthode
présente également certains inconvénients, notamment en raison des contraintes de
temps, il est difficile de maintenir un grand nombre de personnels. Cela se fait grâce à une
méthode documentaire qui recueille des informations complètes.

Résumez la méthode que nous avons utilisée :

• Recherchez le système source.

• Entretiens avec des utilisateurs de bases de données et des décideurs d'entreprise.

• Résumé des exigences détectées.

• Rassemblez les documents requis.

La première méthode de "maintenance" : en raison de ses avantages évoqués plus haut.

Grâce à des réunions avec les représentants des utilisateurs, nous avons pu recueillir des
informations détaillées.

Figure 16:exemple fichier plat

Page | 39
 La deuxième méthode « document » : Nous utilisons cette méthode lorsque nous
recherchons le système d'exploitation de l'entreprise, et le document se trouve sur l'ERP
interne « Hyperion »

III.1.2. Besoins principaux :

• Centralisation des sources de données dans une Data Warehouse :

Étant donné que les données sont stockées à différents endroits, il est essentiel de les intégrer
dans l'entrepôt de données.

Cela répondra au besoin d'un accès facile et rapide à l'information. L'entrepôt de données
constituera une riche archive de données pour les superviseurs

• Génération des tableaux de bord selon les critères des utilisateurs :

Au fur et à mesure que les données sont stockées dans l'entrepôt de données et que les
métriques sont chargées, les données sont publiées sous forme de rapports statiques et de
tableaux de bord.

Pour obtenir des informations précises, les utilisateurs doivent générer un rapport sur le tableau
de bord qui montre la distribution des mesures et l'axe d'analyse.

III.1.3. Périmètre fonctionnel du projet

Cette partie permet de formuler les besoins des clients, en précisant les services rendus par le
nouveau système et les fonctions restreintes auxquels il est soumis. Dans la prise de décision,
l'objectif du cadre fonctionnel est de répondre aux exigences fonctionnelles de notre projet en
termes de mesure et de dimensions. La conception du système décisionnel repose sur deux
concepts de base : le concept de mesure et le concept de dimensionnalité. La mesure fait
référence au sujet de l'analyse. Il fait référence à un ensemble de métriques qui représentent
différentes valeurs de l'activité analysée. La dimension est l'angle ou l'axe de l'analyse, qui se
compose de paramètres et d'attributs pouvant modifier la mesure.

III.1.3. Recensement des dimensions

Dim description
Date
Un Time Dimension contient toutes les données
d'une période définie par jour
Time Un Time Dimension contient toutes les données
d'une période définie en heur

Page | 40
 service
Déclenchement et définition d'événements
dans une tâche personnalisée.

Tableau 3:Liste des dimensions

III.1.4. Recensement des mesures

Le tableau ci-dessous résume tous les mesures et indicateurs

de rendement identifiés. Prérequis :

Table de faits Mesures

EXTRACTION DÉBORDÉE

ABANDONNES

RÉPONDUS

REPONDUS_30_40

ENTRANTS

CSAT MVP envoyé

MVP répondu

Volume très satisfait

Volume satisfait

Volume satisfait

Volume neutre

Volume peu satisfait

Volume pas du tout satisfait

Taux de Satisfaction

Taux d'insatisfaction

PRÉVISION PRÉVUE

GROUP_AGENT N_INBOUND

N_OUTBOUND

N_CUST_CALLS

N_UNKNOWN

T_INBOUND

T_OUTBOUND

Page | 41
 T_INTERNAL

T_CONSULT

T_UNKNOWN

T_TALK

T_WAIT

T_RINGING

T_WORK

T_LOGIN

T_HOLD

N_WORK

N_HOLD

N_TALK
Tableau 4: Liste des mesures

III.1.5. Périmètre technique du projet

Cette partie présente spécifiquement la boîte à outils utilisée pour mettre en œuvre le projet,
en précisant les différents outils utilisés et les concepts nécessaires à une bonne
compréhension des aspects techniques du projet, ou nous pouvons transformer des exigences
fonctionnelles en fonctions logicielles. L'architecture technique de la solution peut être divisée
en trois niveaux :
▪ Collecte des données : La collecte des données est assurée par des outils ETL, depuis
des fichiers plats.
▪ Stockage : La base de données utilisée pour le stockage est différente de la base de
données opérationnelle. En effet, ne ralentissez pas l'outil de production à chaque fois
que vous souhaitez extraire des données. Par conséquent, le stockage des données est
terminé dans l'entrepôt de données. Ce dernier gère également l'historique des
données pour fournir une vue des changements au fil du temps.
▪ Exploration de données : le but des étapes d'extraction, de stockage et de diffusion est
de fournir les données disponibles aux utilisateurs finaux de différentes manières.
o Diffusion des rapports.
o Tableau de bord.
o Analyse stratégique.

Page | 42
 III.1.6. Environnement de travail

La mise en œuvre d'une solution décisionnelle est connue par des

outils pouvant effectuer l'opération de traitement de l'information.

La meilleure technologie à adopter est déterminée par la fonctionnalité et l'ergonomie, la

sécurité et la compatibilité avec la durabilité de la solution.

III.1.7. Benchmarking des outils BI

Après avoir représenté l'architecture du projet, il est nécessaire de sélectionner les

composants matériels, logiciels, SGBD du référentiel ETL Tools, Reporting Tools et tableaux de bord.

Chaque jour un nouvel outil arrive sur le marché, il devient difficile de choisir lequel.

La meilleure façon de choisir un outil est de l'évaluer en dernier à travers les critères.

Pour évaluer les outils de BI, nous avons choisi de comparer les produits qui représentent les
meilleures solutions de data mining disponibles sur le marché.

III.1.8. Comparatif des outils ETL :

Pour l'étape d’alimentation, il existe différents outils ETL, chacune avec des forces et des faiblesses.

Parmi les outils les plus utilisés figurent :

Figure 17: comparaison ETL TOOL

Produits évalués Meilleure note Moins bonne note

IBM Cognos Business Ecosystème de partenaires Environnement de

Intelligence (5/5), Applications horizontales développement (3,1/5)
et verticales (5/5)
Page | 43
 Information Builders WebFOCUS Architecture (4,61/5) Résultats financiers (2,3/5)
Platform

MicroStrategy Analytics Platform Administration et sécurité Applications horizontales et

(4,1/5), Présence verticales (1/5)
internationale (4,1/5)

OpenText Actuate iHUB Environnement de Applications horizontales et

développement (4,8/5) verticales (1/5), Résultats
financiers (1/5)

Oracle BI Foundation Suite Applications horizontales et Environnement de

verticales (5/5), Ecosystème développement (2,3/5)
de partenaires (5/5)

Qlik Sense, QlikView, Tarif (4,6/5) Applications horizontales et

verticales (1/5)

SAP BusinessObjects Business Applications horizontales et Transparence de la stratégie

Intelligence verticales (5/5), Ecosystème (3/5)
de partenaires (5/5)

SAS Enterprise BI Server, SAS Applications horizontales et Transparence de la stratégie

Visual Analytics, SAS Office verticales (5/5), Ecosystème (3/5)
Analytics de partenaires (5/5)

Tableau Desktop, Tableau Transparence de la stratégie Applications horizontales et

Server, Tableau online (4/5) verticales (1/5)

Tibco Spotfire, Tibco Jaspersoft Direction product (4/5) Applications horizontales et

verticales (1/5)
Tableau 5:Comparatif des outils de reporting

VI. Cadrage des besoins techniques:

IV.1.1. Architecture technique :

Couche SSIS :

Pour chaque projet, nous disposons principalement de 3 bases de données (sources de données) :

-CRM (Source de données initiale)

-Entrepôt de données

-BD est composé de la structure que l'entrepôt de données

Page | 44
 Couche SSAS : (Cubes OLAP)

Les cubes OLAP sont crées et mis à jour quotidiennement à partir des tables temporaires sur tous les
flux SSIS pour tous les projets .

Couche Power BI :

À ce niveau toutes les formules de calculs sont faites sur des ‘Canevas’ exigés par les
clients.
Les projets Power BI disposent de plusieurs datasets qui sont connectés aux cubes OLAP.

La mise à jour des rapports se fait à travers la mise à jour de donnée en 1er lieu, la mise à jour du
cube en second, ainsi que l’exportation de ces rapports, tous se font au niveau de la couche SSIS.

IV.1.2. Architecture matérielle :

La réalisation de l’application de notre projet fin d’année se base principalement sur des plates
formes différentes mais complémentaires qui sont :
V.
- SQL SERVER 2019 (System de Gestion de Bases de Données)
- (SQL SERVER DATA TOOLS) de Visual Studio 2017

- MICROSOFT BI DESKTOP
Microsoft SQL Server 2019 :

est un système de gestion de base de données (SGBD) en langage SQL incorporant entre
autres un SGBDR « SGBD relationnel » développée et commercialisée par la
société Microsoft.

C’est un outil qui possède toutes les caractéristiques pour pouvoir accompagner
l'utilisateur dans la manipulation, le contrôle, le tri, la mise à jour, et bien d'autres actions encore,
de bases de données grâce au langage SQL.
Visual studio 2017 :

Visual Studio est un ensemble complet d'outils de développement permettant de

générer des applications web ASP.NET, des services XML, des applications
bureautiques et des applications mobiles. Visual Basic, Visual C++, Visual C#
utilisent tous le même environnement de développement intégré (IDE), qui leur permet de
partager des outils et facilite la création de solutions faisant appel à plusieurs langages. Par
ailleurs, ces langages permettent de mieux tirer parti des fonctionnalités du Framework .NET,
qui fournit un accès à des technologies clés simplifiant le développement d'applications web
ASP et de services web XML grâce à Visual Web développer.

Page | 45
 Mais aussi un espace de travail Business Intelligence ralliant (SSIS, SSAS, SSRS) pour la création
de solutions de l’informatique décisionnelle

Microsoft Power BI :
Power BI est une solution d'analyse de données de Microsoft. Il permet de créer
des visualisations de données personnalisées et interactives avec une interface
suffisamment simple pour que les utilisateurs finaux créent leurs propres rapports
et tableaux de bord.

VII. Conclusion
Dans ce chapitre, nous avons procédé au recueil des besoins fonctionnels en arrêtant la liste des
indicateurs et des axes d’analyse ayant un enjeu décisionnel pour le groupe qualité.
Enfin nous avons recueilli les besoins techniques en définissant notamment l’architecture
adoptée dans le cadre de notre projet.

Page | 46
CHAPITRE 3
MODÉLISATIONS DU
PROJET
Dans ce chapitre, nous présenterons la généralité
d'un entrepôt de données et la méthodologie suivie
pour le concevoir. Ensuite, nous expliquerons en
détail en spécifiant un Datamart conçu pour chaque
indicateur et axe d'analyse impliqué.

Page | 47
 I. Modélisation d’un Datawarehouse
I.1.1. Généralités sur le Datawarehouse:

Le Data Warehouse est une collection de données intégrées, orientées sujet, non volatiles,
historisées, résumées et disponibles pour l’interrogation et l’analyse.

Il permet de stocker des données nécessaires à la prise de décision. Les données d’un entrepôt
de données respectent donc les caractéristiques suivantes:

✓ Intégrées : Les données de l’entrepôt proviennent de différentes sources de données et

peuvent exister sous différentes formes. Ainsi, il faut les intégrer afin de les homogénéiser.
✓ Orientées sujet : Les données de l’entrepôt sont structurées par thèmes (les sujets
majeurs de l’entreprise).
✓ Historisées : Le Data Warehouse stocke l’historique des valeurs que la donnée aura prises
au cours du temps.
✓ Non volatiles : Les données de l’entrepôt sont très rarement modifiées, la non-volatilité
des données est en quelque sorte une conséquence de l’historisation.
✓ Résumées : Les informations qui proviennent des sources de données doivent être
agrégées (ou résumées) afin de faciliter le processus de prise de décision.

• Approche de conception du Datawarehouse

Les deux approches les plus connues en conception de Data Warehouse sont :

▪ L’approche basée sur les besoins d’analyse

▪ L’approche basée sur les sources des données

L’approche la plus convenable à notre projet est celle basée sur les besoins d’analyse. Elle est
aussi appelée « approche descendante » (Top-Down Approach) et est proposée par Ralph
KIMBALL.

Pour Ralph KIMBALL, la data warehouse est constituée de l’agrégation des différents Datamarts.

Les Datamarts sont les subdivisions logiques du Data Warehouse. KIMBALL met en avant le
développement itératif et incrémental du Data Warehouse, chaque itération devant
correspondre au traitement d’un sujet particulier et donc à la création d’un nouveau Datamart.

Les datamarts sont placés au centre de l’architecture. Le reste sera composé d’un staging area
temporaire.
Page | 48
Ce dernier est la zone où la plupart des opérations de nettoyage et de préparation des données
ont lieu avant leur chargement dans le Datawarehouse. Le staging area est dit temporaire car les
données sont détruites une fois le chargement des datamarts terminé.

I.1.2. Datamart (Magasin de données):

Les Datamarts ou les Magasins de données sont des sous-ensembles du DWH ou les données
sont organisées selon des domaines ciblés ou selon les besoins métiers de chaque entreprise,
c’est dans ce sens ou les Datamarts ne contiennent que les données utiles pour l’entreprise.

La différence entre le Datawarehouse et le Datamart a été considérée de deux manières

différentes selon, les deux informaticiens américains et les principaux théoriciens de
l’informatique décisionnelle, Bill Inmon et Ralph Kimball : Selon Bill Inmon, le Magasin de
données est un flux de données fonctionnelles et spécifiques pour l’usage métiers, ce flux
provient de l’entrepôt de données.

En revanche, Ralph Kimball définit le Datamart comme étant un sous-ensemble de l’entrepôt

de données, regroupant des tables avec des données avec un niveau détaillé et d’autres avec
niveau plus agrégé, dans le but est d’augmenter la rapidité d’accès aux données, facilité l’accès
aux données et bien représenter les données métiers d’une entreprise

I.1.3. Objectifs d’entrepôt de données:

▪ Les données de l’organisation doivent être accessible facilement (données parlantes,

et signification évidente pas seulement pour le développeur mais surtout pour
l’utilisateur
▪ La présentation des informations de manière cohérente : Les données doivent être
assemblées à partir des différentes sources de l’entreprise et il faut contrôler la
qualité et éviter de les mettre à disposition quand elles ne sont pas nettoyées.
Attention si deux mesures sont identiques, elles doivent porter le même nom pour
éviter toute confusion et inversement ne pas mettre le même nom pour deux
mesures qui ne sont pas calculées
▪ Il doit être adaptable
▪ Il doit efficacement protéger les informations de l’entreprise
▪ Il doit être utilisé lors de la prise de décision et par l’ensemble de la communauté
▪ Il doit servir de stockage d’information

I.1.4. Méthodologies de construction d'un DWH

Approche « Top-Down»

Il y a trois méthodes communément utilisées pour mettre en place un entrepôt de données

(Data warehouse), haut en bas (Top-Down) et bas en haut (Bottom-up) et hybride (Middle-out)
relatif aux deux théoriciens de l’informatique décisionnelle Inmon et Kimball.

C’est une approche descendante qui consiste à créer un entrepôt de donnée central, normalisé
(3FN) qui regroupe des données atomiques (détaillées) provenant des différents systèmes de
production de l’entreprise. Une fois que l’entrepôt de donnée est conçu, on commence à créer
Page | 49
les Datamarts, chaque Datamart contient les informations nécessaires pour répondre aux
besoins analytiques d’un métier donné.

Cette approche consiste à construire le schéma de l’entrepôt de données qui a été proposé par
Inmon , qui démarre du fait que les besoins des utilisateurs sont en perpétuelle évolution ce qui
rend inutile de donner une solution basée sur les besoins, il préfère donc se baser sur les
sources de données et d’essayer de centraliser toutes les données venant des différentes
sources dans un entrepôt de donnée ou ils seront historiés et intégrés. Une fois que l’entrepôt
est conçu, on passe vers une autre étape qui est la compréhension des besoins d’utilisateurs
puis leur livrer les données qu’ils ont besoin sous forme des Datamarts, et la figure suivante
illustre cette démarche :

Figure 18:Architecture du DWH selon Inmon

Approche « Bottom-Up »

C’est une approche ascendante qui consiste à créer des DMs avec des faits et des dimensions
conformes qui vont faire l’objet de l’entrepôt de données.

Cette approche consiste à construire le schéma de l’entrepôt de données qui a été proposé par
Kimball , qui démarre du fait que l’objectif principal d’un entrepôt de données est de répondre
aux besoins analytiques des utilisateurs, pour cela il faut passer par une phase de collecte de
besoins afin de bien les définir, Kimball suppose que le fait d’avoir des DMs, avec des faits et
des dimensions conformes, permet de faire introduire de nouvelles données dont le but de
répondre à d’autres besoins non prévus au départ.

L’avantage de cette méthode est qu’elle est simple à réaliser (une étoile à la fois) par contre
l'inconvénient est le volume de travail d'intégration pour obtenir un entrepôt de données ainsi
que la possibilité de redondances entre les étoiles, et la figure suivante illustre cette démarche :

Page | 50
 Figure 19:Architecture du DWH selon Kimball

Approche hybride « Middle-Out »

C’est une combinaison entre les deux autres approches afin de profiter des avantages de chacune.

L’idée dans cette approche réside dans le fait de construire des schémas candidats à partir des données.
Ainsi, le schéma construit constitue une réponse aux besoins réels d’analyse et il est également possible
de le mettre en œuvre avec les sources de données.

Choix de l’approche

Nous avons réduit quelques aspects qui peuvent vous aider à choisir entre les deux approches.

• Signaler les besoins si vous avez besoin de rapports intégrés à l’ensemble de l’organisation,
l’approche Inmon est plus appropriée. Mais si vous souhaitez que les rapports soient axés sur le
processus métier ou l'équipe, optez pour la méthode Kimball.
• Date limite du projet: Concevoir un modèle de données normalisé est comparativement plus
complexe que concevoir un modèle dénormalisé. Cela rend l'approche Inmon un processus
fastidieux. Par conséquent, si vous avez moins de temps pour la livraison, optez pour la
méthode Kimball.
• Plan de recrutement prospectif: Le niveau de complexité plus élevé de la création de modèles
de données dans l'approche de l'entrepôt de données Inmon nécessite une équipe plus large de
professionnels pour la gestion de l'entrepôt de données. Par conséquent, choisissez en
conséquence.
• Changements fréquents: Si vos besoins de reporting sont susceptibles de changer plus
rapidement et que vous avez affaire à des systèmes sources volatils, optez pour la méthode
Inmon car elle offre plus de flexibilité. Cependant, si les besoins de reporting et les systèmes
sources sont relativement stables, il est préférable d'utiliser la méthode Kimball.

Page | 51
 • Principes d’organisation : Si les parties prenantes et les directeurs d'entreprise de votre
organisation reconnaissent la nécessité d'un entreposage de données et sont prêts à en
supporter les dépenses, la méthode de l'entrepôt de données Inmon serait un pari plus sûr. En
revanche, si les décideurs ne se soucient pas de l'essentiel de la démarche, et ne recherchent
qu'une solution pour améliorer le reporting, alors il suffit d'opter pour la méthode de l'entrepôt
de données Kimball.

II. La modélisation dimensionnelle:

Ces dernières années, afin de résoudre les problèmes de performances liés aux requêtes à
grande échelle dans les entrepôts de données, des modèles dimensionnels ont été utilisés. Les
méthodes de modélisation dimensionnelle peuvent améliorer les performances de requête des
rapports de synthèse sans affecter l'intégrité des données. Le modèle dimensionnel est très
populaire dans les entrepôts de données car il peut fournir de meilleures performances de
requête que le modèle relationnel, en particulier pour les très grandes requêtes. D'autre part,
le modèle dimensionnel distingue deux types de représentation des données : le premier est les
données de la table de faits, c'est-à-dire les métriques et les indicateurs, c'est-à-dire que les
données que nous voulons analyser sont stockées dans la table de faits. La seconde structure
permet de présenter les dimensions de l'axe que l'on veut analyser, c’est-à-dire elles
fournissent le contexte du sujet à analyser.

Il existe trois modèles d’un datawerhouse :

▪ Le modèle en étoile

Un schéma en étoile est une représentation fortement dénormalisée qui assure un haut niveau
de performance des requêtes même sur de gros volumes de données.

Figure 20:Example de Schéma en étoile

Page | 52
 ▪ Modèle en flocon

Le modèle de données dit « en flocons » est une variante du modèle en étoile : chaque table de
dimension est re-normalisée pour faire apparaître la hiérarchie sous-jacente (nomenclature,
etc.). La normalisation n'est pas indispensable car ni mises à jour ni suppressions ne sont
effectuées directement sur l'entrepôt de données. L'intérêt principal du modèle en flocons
réside dans le gain en espace de stockage qui est de l'ordre de 5 à 10 %.

Figure 21:Exemple de schéma en flocons

▪ Modèle en constellation :

Le modèle en constellation se compose donc de plusieurs tables des faits avec leurs tables de
dimensions respectives. Les tables de dimensions communes aux différentes tables des faits ne
font pas l'objet de redondances : c'est l'un des principaux avantages cette modélisation

Page | 53
 Figure 22:Example de schéma en constellation

II.1.1. Choix du modèle

Après avoir défini les axes d’analyse et les indicateurs à partir desquels le modèle
multidimensionnel sera conçu, la deuxième étape consiste à élaborer ce dernier.

Les analyses décisionnelles sont basées sur des traitements directement liés à la modélisation de
l'information sous une forme conceptuelle proche de la perception qu'en a l'analyste. Cette
perception de l'information est basée sur une vision multidimensionnelle des données.

Cette modélisation multidimensionnelle consiste à considérer un sujet analysé comme un point

dans un espace à plusieurs dimensions (axes d'analyses). Les données sont organisées de
manière à mettre en évidence le sujet analysé et les différentes perspectives de l'analyse.

Dans notre exemple, la modélisation multidimensionnelle repose sur le concept de fait et de

dimension.

TABLE DE FAIT TABLE DE DIMENSION

Clé primaire La table de faits contient une clé Chaque table de dimension
primaire qui est une concaténation contient sa clé primaire.
de clés primaires de toutes les
tables de dimensions.

Page | 54
 Signification La table de faits contient les La table de dimension
mesures avec des attributs d’une contient les attributs avec
table de dimension. lesquels la table de faits
calcule la métrique.
Taille de la table La table de faits se développe La table de dimensions se
verticalement. développe horizontalement.
Attribut & Records La table de faits contient moins La table de dimension
d’attributs et plus contient plus d’attributs et
d’enregistrements. moins d’enregistrements.
Création Les tables de dimension
La table de faits peut être créée doivent être créés en
uniquement lorsque les tables de premier.
dimensions sont complétées.

Schéma Un schéma contient moins de Un schéma contient plus de

tables de faits. tables de dimension.
Les attributs La table de dimension
La table de faits peut contenir des contient toujours des
données au format numérique et attributs au format textuel.
au format textuel.

Tableau 6 : Table de comparaison

Pour faciliter l'utilisation et améliorer les performances lors de l'analyse des données, trois types
de schémas sont généralement: schéma en étoile, schéma en flocon de neige, schéma
de constellation.

Pour choisir un modèle de conception de données, nous avons étudié les différences entre ces
trois modes de conception :

Schéma en étoile Schéma en flocon Schéma en

constellation
TABLE DE FAIT Une seule table de Une seule table de Plusieurs tables de
faits entourée par un faits entourée par un faits
seul cercle de seul cercle de
dimensions dimensions
TABLE DE dimension Toute dimension à Toute dimension à Plusieurs modèles
niveaux multiple est niveau multiple au dimensionnels se
aplatée en une seule moins un niveau de partagent les mêmes
dimension dimension est géré dimensions, c’est –à-

Page | 55
 dans une structure dire,les de fait ont
séparée des autres des tables de
niveaux dimensions en
commun
Le schéma en étoile Le schéma en flocons La modélisation en
est conçu pour de neige est conçu constellation est une
répondre à des pour répondre à des technique de
Avantages requêtes inhérentes requêtes sur une modélisation, issue
à la structure dimension ayant des du modèle en étoile.
dimension-fais relations complexes
entre ses niveaux
Performant, Éviter les
navigation facile redondances
d’information
Réduction de volume
Tableau 7: Différence entre les trois modes de conception

Le choix des indicateurs et la déduction des dimensions d’analyse nous ont menés à élaborer
quatre tables de fait.

Ces tables de fait permettent d’exprimer les différents indicateurs que nous avons recueillis
auparavant. Ces tables de faits seront notées : Fait Csat, FaitPrevision, FaitGroup_Agent, fait
Extraction.

II.1.2. Structure du Datamart

La figure ci-dessous présente le schéma en Constellation de notre projet

Page | 56
 Figure 23: schéma Datamart

« Fait Csat »

Figure 24:Shéma fact Csat

Page | 57
« FaitPrevision »

Figure 25:Shéma fact prevision

« FaitGroup_Agent »

Figure 26:Shéma fact Group AGENT

Page | 58
« Fait Extraction »

Figure 27:Shéma fact extraction

II.1.3. Conception de la zone d’alimentation

L’alimentation du Datawarehouse, est une étape des plus importantes dans un projet
décisionnel, elle représente 80% de la charge de travail. Cette étape a pour objectif d’assurer
l’acheminement des données des systèmes sources jusqu’à l’entrepôt de données, en passant
par les différentes phases de nettoyage et de transformations nécessaires.

Le diagramme d’activités suivant décrit le processus général de l’alimentation de l’entrepôt de

données dès sa mise en service :

Figure 28:Diagramme d’activité du processus d’alimentation

Page | 59
Il faut distinguer les deux types de tables dans l'entrepôt de données "fait et dimension". Chaque
type de table contient des informations différentes, donc la table de dimension doit être chargée
avant la table de fait, et il y a un problème avec le chargement de la table de dimension, nous
devons donc appeler la charge de sauvegarde (afficher un avertissement et continuer à charger),
sinon la charge doit cesser d'afficher une erreur.

III. Conclusion
À travers ce chapitre, nous montrons le design du Datamart sélectionné pour notre projet selon
la méthode de Kimball. Cette conception est basée sur une matrice dimensionnelle. En effet, ce
dernier établit un croisement entre les indicateurs liés à chaque domaine et les différents axes
d'analyse qui peuvent le décomposer. Ce sont ces mêmes indicateurs et dimensions qui sont
exprimés sous forme de tableaux de faits et de tableaux de dimensions, et cela se base sur le
modèle dimensionnel.

Page | 60
 CHAPITRE 4
RÉALISATIONS DU PROJET
Ce chapitre intègre les résultats des phases d'analyse et de
conception précédentes. Par conséquent, il présente les
méthodes utilisées pour implémenter divers flux ETL, quelques
exemples de vues métier généré à partir de la couche
physique de données dans notre entrepôt de données, des
exemples de cubes OLAP et des exemples de rapports
statiques et dynamiques qui sont finalement générés.

Page | 61
 I. Réalisation de la phase d’ETL
Cette section traite de l'implémentation de Datawarehouse
et ETL, en utilisant le moteur Microsoft SQL spécifiquement SSMS et SSAS pour réaliser ETL.

I.1.1. Intégration des données:

Afin de démarrer le processus ETL, compte tenu de la diversité et de la difficulté d'avoir toutes les
données nécessaires à la réalisation du projet, il est nécessaire de collecter toutes ces données qui
peuvent être utilisées pour atteindre les objectifs précédemment fixés. Les données chargées de la
mise en place de la solution proviennent du système d'information de l'entreprise, qui réside dans
une base de données relationnelle et se trouve dans un fichier Excel, plat... Puis après avoir
collecté toutes les données pour la mise en place du système d'aide à la décision, Développement
doit créer des bases de données et des tables au niveau de SQL Server, puis charger diverses bases
de données

I.1.2. Création des tables du Datawarehouse.

Après avoir intégré les données dans SSMS, l'étape suivante consiste à créer les tables de
l'entrepôt de données. Pour la création de tables, Microsoft SQL Server fournit une variété de
méthodes de création, la première est une interface graphique, la seconde est le langage SQL et la
méthode de requête SQL que nous choisissons est utilisée pour créer des tables, créer des
attributs et définir leurs types. Ensuite, nous avons crée la clé primaire et leur clé étrangère de
chaque table dans la table de faits, puis nous avons inséré la relation entre ces clés. La figure
suivante montre un exemple de création de tables de faits et de dimensions dans notre entrepôt
de données, ainsi que toutes les tables de faits et dimensions dans notre DWH.

Page | 62
 Figure 29:Les tаbles de fаits et les dimensions du DWH

I.1.3. Alimentation du Datawarehouse

Après la collecte des données et la définition de la structure Datawarehouse, l'étape suivante est le
processus ETL (Extraction, Transformation, Load). Extraire les données de la source et les charger
dans le Datawarehouse est simplement le processus de copie des données d'une base de données
vers d’autres Datawarehouse. Effectuez ensuite la conversion sur les données. Les transformations
que nous utilisons dans le projet sont la conversion de données, les colonnes dérivées.

▪ Chargement des dimensions

Notre entrepôt de données contient 3 tables de dimensions qui seront chargées automatiquement
par des jobs en fonction du travail de liaison de données avec notre database.

Dimension Service :

Ci-dessous la structure de la dimension « Service » au niveau de l’entrepôt de données :

Page | 63
Dimension Date :

Concernant la dimension date, nous devons faire le chargement à partir d'un fichier Excel.
En effet, la date de création de la dimension nécessite la définition d'une période, par exemple
2010 à 2030, puis nous avons les propriétés qui doivent
être présentes dans le projet correspondant.
La figure ci-dessous montre la structure de la dimension «Date» au niveau de l’entrepôt de
données

Figure 30:vue de donnée de la dimension "DATE"

Page | 64
Dimension Time :

La figure ci-dessous montre la structure de la dimension «Time» au niveau de l’entrepôt de

données

Figure 31:vue de donnée de la dimension "TIME"

▪ Chargement de la table de faits

Le chargement des données dépend principalement de la situation, de la quantité de données, du

type de données sources, etc. Par conséquent, afin de sélectionner la méthode appropriée pour
effectuer l'intégration des données, plusieurs critères doivent être pris en compte. Dans ce cas, les
données sont collectées à partir de plusieurs sources dans différents formats. Notre entrepôt de
données contient 4 tables de faits, qui agrégeront les données des tables de dimension. Ces fiches
seront également responsables des indicateurs et mesures fixés pour les objectifs du projet.
Les figures suivantes montrent un exemple des chargements des tables de faits .

FACT EXTRACTION :

Page | 65
 Figure 32:ETL de la table de faits « extraction »

FACT GROUP_AGENT

Figure 33:ETL de la table de faits «GROUP_AGENT»

Page | 66
Fact Prevision :

Figure 34:ETL de la table de faits «prevision»

Fact CSAT

Figure 35:ETL de la table de faits «CSAT»

Page | 67
 I.1.4. Chargement des Cubes OLAP:

Plus formellement, un cube OLAP est une structure de données multidimensionnelle qui stocke
des faits sous forme de mesures indexées par plusieurs dimensions. Par conséquent, chaque
cellule de l'ensemble de données multidimensionnelles représente une mesure ou une valeur
quantitative du fait concernant l'intersection de plusieurs dimensions. On peut voir à partir de
cette définition que le sens des cubes OLAP est de fournir aux utilisateurs la possibilité d'effectuer
une analyse multidimensionnelle ou une agrégation d'axes dimensionnels dans l'espace.

Figure 36:chargement cube olap

Formules de calcules au niveau du Cube OLAP :

Tous les calculs demandés sont effectués au niveau de projet SSAS

Page | 68
 Figure 37:Capture d'écran cube SSAS : Formules de calcules avancés

Canevas de reporting format Excel :

Le modèle est créé en fonction de toutes les exigences du client, il contient donc toutes les
formules que nous avons mentionnées dans le diagramme de classes pour afficher les
informations de productivité de chaque service.

- Taux N Attention
- Niveau Service 40sec
- Qualité de prévision
- Qualité d’engagement
- Taux d’Occupation
- Taux d'adhérence
- Productivité
- Capacitaire

Page | 69
 Figure 38:Capture d'écran représentée ‘Filtres et affichage’

Figure 39:Visuаlisаtion d'un rаpport sous Excel

Ceux figures représentent un DATASET qui contiennent trois filtres pertinents :

- Service
- Date
- Time

Page | 70
 I.1.5. Restitution des données

La phase de restitution est la dernière étape du projet BI. Cette phase permet aux utilisateurs d'une
analyse approfondie des données, il permet de fournir de générer des rapports et de tableaux de
bord pour intégrer différents standards qui a exécuté. De plus, la restitution permet de traiter le
même résultat en évitant différentes dimensions.

Power BI est un outil d'un éditeur Microsoft. Il est spécifiquement utilisé pour les rapports,
principalement pour les utilisateurs de Business Intelligence. Il offre la possibilité de se connecter à
plusieurs sources données, quel que soit leur type ou leur emplacement.

Les reportings permettent de présenter les informations nécessaires de manière concise, précise et
facile à comprendre. Pour analyse par les décideurs et les statisticiens. Par conséquent, ils peuvent
observer de manière continue l'évolution de ses indicateurs dans le temps. Cependant, cet outil est
connu pour sa simplicité et sa finalité il a été développé pour permettre aux utilisateurs d'effectuer
des rapports de haut niveau. Lors de l'utilisation de SQL Server pour créer un entrepôt de données.

Microsoft Power BI doit connectez-vous pour importer l'entrepôt de données. Après le chargement
des données depuis SQL Server, l'étape suivante consiste à créer un tableau de bord, pour lequel
Microsoft BI fournit une Diversité des types graphiques.

Ce tableau de bord regroupe tous les critères demandés par le client orange de chaque service

▪ Taux de la qualité d’engagement

▪ Taux de la qualité prévisionnel
▪ Taux de niveaux services
▪ Taux de niveaux d’attentions
▪ Statistique les appels entrants, répondus par tranche d’horaire.
▪ Calculs des heures réalisées

Page | 71
Figure 40:Visuаlisаtion d'un rаpport sous Power BI Service

Page | 72
 Figure 41:Figure 40:Visuаlisаtion d'un rаpport sous Power BI Service

I.1.6. Comparaison

Le tableau ci-dessous définit la comparaison entre l’ancienne approche et la solution réalisée

selon différents critères :

Ancienne Aproche Solution réalisée

Collecte de données Manuelle Automatique
Stockage de données Plusieurs sources de données Un seul DWH organisé
Accès aux données Demander à l’administrateur de Requête directe sur le DWH
la base de données
Accès aux informations Fichier Excel réalisé Tableaux de bord générés
manuellement automatiquement
Disponibilité de l’information Journalier Chaque 30 minutes
Confidentialité de l’information Aucune Accès privé via Power BI
Intégrité de l’information Erreurs de saisie Erreurs de saisie
Tableau 8:Comparaison entre l'ancienne approche et la solution réalisée

Page | 73
II. Conclusion
À travers ce chapitre, nous avons réalisé le plan décisionnel du projet. C'est utiliser le processus
ETL pour vérifier les dimensions et les tables de faits dans l'entrepôt, cela nous permet d'appliquer
plusieurs transformations sur notre base de données, il est donc prêt à stocker et à explorer.
Ensuite, nous avons décrit les étapes de récupération de données, cela fait partie de la dernière
étape de la mise en œuvre d'une solution d'aide à la décision. Mettez cette étape Mettez en
surbrillance les rapports et les tableaux de bord générés par les outils Power BI pour automatiser
cette action tâches, trouvez les lacunes et aidez les gestionnaires à prendre les bonnes décisions.

Page | 74
CONCLUSION
Bref, notre stage de fin d'études chez Intelcia Maroc nous a permis d'atteindre nos objectifs
souhaités. En fait, ce stage est une opportunité sans précédent pour nous de mener un projet qui
adopte les meilleures pratiques de l'industrie. Les stages sont techniquement bénéfiques car nous
pouvons utiliser des outils open source pour maîtriser toute la chaîne de valeur des projets BI.

Par conséquent, dans notre projet, nous sommes guidés pour suivre l'étape de développement du
projet décisionnel.

En effet, avant de commencer à concevoir notre Datamart, nous commençons d'abord par analyser
les données existantes pour comprendre la structure des données sources et faire attention au
système de reporting qui a été mis en place. Une autre étape importante de notre travail consiste à
contacter le responsable pour comprendre les différentes règles de gestion et déterminer les
exigences fonctionnelles et techniques. Vient ensuite la phase de conception du Damart.

C'est à cette étape que nous avons modélisé les différentes composantes de la solution proposée à
partir des résultats du référentiel d'exigences fonctionnelles et techniques.

Enfin, nous avons commencé à générer des rapports indiquant l'état de la récupération en fonction
des besoins des utilisateurs professionnels.

Nous avons également commencé à développer des tableaux de bord en tant qu'applications d'aide
à la décision. Ce stage nous a donné l'opportunité de combiner nos connaissances techniques avec
la pratique professionnelle, et en même temps d'acquérir des connaissances assez importantes en
propriété industrielle et commerciale.

Au terme de ce travail, nous pouvons dire que nous avons pu atteindre la plupart des objectifs
énoncés dans le cahier des charges du projet.

Page | 75
BIBLIOGRAPHIE

Livre/CD Contributeurs Pages/Duration Langue Éditeurs

Business Objects - Web Intelligence Thierry Édition

400 pages Français
(version XI R2) Petibon ENI
Entrepôts de données. Guide pratique de Ralph Kimball, Français Édition
modélisation dimensionnelle 2ème Margy ross 437 pages Vuibert
édition.
Ralph Français Édition
Entrepôt de données : Guide pratique de Vuibert
la modélisation multidimensionnelle Kimball

Le Data Warehouse : Guide de conduite Ralph Kimball Français Edition

de projet Eyrolles
The Data Warehouse Toolkit the
Complete Guide to Dimensional Ralph Kimball
Anglais N/A
Modeling (Second Edition)

Page | 76
WEBOGRAPHIE
[1]. https://www.intelcia.com/fr/accueil

[2]. https://biniouses.wordpress.com/article/datawarehouse/objectifs-datawarehouse/

[3].https://fr.wikipedia.org/wiki/%C3%89toile_(mod%C3%A8le_de_donn%C3%A9es)#/media/Fichier:St
ar-schema.png

[4]. https://www.lemagit.fr/definition/BI-informatique-decisionnelle

[5]. https://www.journaldunet.com/solutions/cloud-computing/1155544-les-meilleures-solutions-
de-business-intelligence-selon-forrester/

Page | 77