Systèmes OLTP : utiles pour la gestion des données opérationnelles de l’entreprise Data integration framework DIF : Préparation

d’assainissement & transformation de données

Systèmes OLAP : nécessaires pour la décision : agrégation des données (adhoc queries, (source => final users)
drill-down, slicing/dicing…)
Data prep : rassembler, reformater, consolider,
DWH : bddr conçues pour les besoin d’analyse et de requêtage. Il est : transformer, assainir et stocker les données dans
des staging areas et DWH.
 Thématique
 Intégrée (sources hétérogènes) Data franchising : filtrer, réorganiser,
 Non volatile transformer, agréger et stocker les données en
 Historisé (time-variant) des informations pour le reporting et l’analyse
(DWH  DTM ou cubes).
DTM : a mêmes fonctions que DWH, mais conçu pour les besoins d’une seule équipe ou
unité commerciale. Il est plus petit et plus ciblé, a tendance à servir un seul sujet. BI & analytics : (processus) => livrer les App BI (rapports, alertes, cubes) aux final users à partir
des données récupérées et stockées dans l’architecture d’information.
ODS : magasin intermédiaire pour intégrer des données en temps réel ou quasi-réel Data management : (processus + standards) => définir, gouverner et gérer le capital
provenant de plusieurs sources en vue d’opérations supplémentaires sur les données informationnel de l’entreprise (BI)
Metadata management : (processus + procédure + politiques) => définir la gestion des
Méthodologie de la mise en place du DWH (architecture de l’information)
métadonnées utilisées et échangées au sein du DIF.
 Spécification des besoins métiers (interviews, brainstorming,..) o Qualité des données : les données doivent êtres
o Besoins métiers (BP, règles métiers & métriques, use cases BI, workflow  Clean (pas d’erreurs)
processus BI & interactions users)  Consistents (y a-t-il des sources de données qui se chevauchent ayant des
o Besoins en données (data profiling, input de la modélisation des données, ETL, données inconsistantes ?)
outils BI)  Conformed (peut-on analyser les données sur des dimensions communes ?)
o Besoins techniques (standards en infra, orientations techno)  Current (donnée à jour et dispo selon la fréquence nécessaire ?)
o Exigences réglementaires et de conformité (mesures vie privée et sécurité,  Compréhensive (données nécessaires sont disponibles et recueillies ?)
réglementations de l’industrie, réglementations de pays)  Implémentation & Déploiement
 Conception de l’architecture (4 couches : informations, données, techno, produits)
o Faut répondre à ces questions : Architecture des données :
 Quoi ? quels BP ou fonctions seront supportés par les App analytiques,  Définir les données, modèles relationnels, intégration,
quels types d’analytics à utiliser et quels types de décisions seront affectés ? transformations, stockage et workflow nécessaires pour
 Qui ? employés, clients, fournisseurs, prospects.. qui auront accès aux App l’implémentation des spécifications analytiques issues
 Où ? emplacement actuel de la données, où s’intégrera-tell, où sera-t-elle de l’architecture de l’information
consommée
 Pourquoi ? raisons derrière l’implémentation de la solution BI, les Types d’architecture :
spécifications technico-fonctionnelles  Datawarehouse BUS
 Permet de garantir la pérennité de la solution BI  Entreprise Datawarehouse
 Offre une vision transversale des BP couverts par les App analytiques  Architecture hybride
 En son absence, ces App deviennent des silos, compromettant l’efficacité de la  Datawarehouse-as-a-service
solution analytique et engendrant des coûts en temps et opportunités perdues.  Datawarehouse moderne

Cours Reporting & monitoring d’entreprise ARFAOUI A.

Datawarehouse BUS Enterprise datawarehouse

 Projet à l’échelle de l’entreprise

 Axé-IT (IT-Driven), participation passive des utilisateurs
 Datawarehouse (BUS) logique + Datamarts (Subject areas)
 Tables centralisées normalisées atomiques (interdites d’accès aux utilisateurs)
 Axé-Affaires (Business-Driven), participation active des utilisateurs
 Création ultérieure de data marts dépendants, subsets de données distincts
 Datamarts décentralisés
physiquement
 Datamarts indépendants optimisés pour Dashboarding/Analytics
 Integration via un modèle de données d’entreprise
 Intégré via les dimensions conformes
 3-tier (datawarehouse, datamart, cube), duplication des données
 2-tier (datamart, cube)
 Moins d’ETL, pas de duplication données

Cours Reporting & monitoring d’entreprise ARFAOUI A.

INMON VS KIMBALL

Inmon Kimball Datawarehouse moderne

Approche Top-Down
Conception Modèle du DW
Architecture Staging area + DW + DTM
Focus DW orienté entreprise
DTM orientés processus
Niveau de décision Stratégique
Stabilité systèmes src Grand taux de changements
Compétences Grande équipe de spécialistes
Durée mise en œuvre Long si Big Bang
(court si itératif)
Coût Coût initial élevé, décroissant
Architecture hybride
Bottom-Up (avec vue entreprise)
Modèle dimensionnel des DTM
Staging area + DTM
DTM orientés processus
tactique
Stables
Petite équipe de généralistes
Cout (mode incrémental)
Coût initial modéré (dépenses
élevées)

Datawarehouse-as-a-service

Cours Reporting & monitoring d’entreprise ARFAOUI A.

Conception du datawarehouse (incrémentale)
 Suivre ces étapes pour chaque BP :
1. Sélection du business process
 Le BP s’agit d’une activité opérationnelle de l’entreprise
 Les événements d’un BP génèrent des KPIs (faits de la table de fait)
 Identifier les parties prenantes qui fourniront les spécifications des processus
recensés (matrice des parties prenantes)
 Le premier projet DW/BI doit se focaliser sur le processus le plus critique pour le
métier mais aussi le plus faisable.
2. Choix de la granularité de la table de fait
 La granularité établit ce que représente une ligne de la table de fait
 La granularité atomique reflète le niveau de détails le plus bas des données issues
du processus métier
 La granularité atomique résiste mieux à l’imprévisibilité des requêtes utilisateurs
 Différentes granularités ne peuvent pas co-exister dans une même table de fait
3. Identification des dimensions
 Les dimensions décrivent le “qui, quoi, où, quand, comment et pourquoi” d’un BP.
 Contenant les attributs descriptifs utilisés par l’application BI pour le filtrage et le
groupement des faits
 Structure table dimension: PK (= FK dans les tables de faits) + attributs
 La clé primaire != clé métier (A part pour la dimension Temps)
 Parfois la clé métier change également dans le temps. Dans ce cas, on a recours à
une clé durable (Durable super natural Key)
o Dimensions dénormalisées: hiérarchies many-to-one à profondeur fixe sont
aplaties en une ligne de dimension
o Dimensions flocon: structure multi-niveau représentant la hiérarchie de la
dimension. La table de dimension de niveau hiérarchique le plus bas, dont la
granularité est la plus fine, est reliée à la table de fait
 La dénormalisation permet une meilleure performance : simplicité et rapidité
o Dimensions dégénérées: N’est représentée que par une PK au niveau de la table de
fait qui fait généralement référence à un identifiant de la transaction dans la base
opérationnelle ou ODS
o Dimension Temps: Généralement construite à l’avance. Elle est rattachée aux tables
de faits et permet la navigation selon la date, la semaine, le mois, la période fiscale…
 Elle a deux colonnes obligatoires: une PK (généralement sous forme d’un Integer
YYYYMMDD) et la date complète (forme Date, utilisé par l’ETL comme colonne look-
up pour assigner les clés étrangères aux lignes de la table de fait).
Cours Reporting & monitoring d’entreprise ARFAOUI A.
o Dimension d’Audit: contient la
métadata sur les chargements ETL
effectués. Elle permet de suivre la
qualité des données (Erreurs etc.), les
variables de l’environnement, les
versions du code ETL, timestamp de
l’exécution etc.
 Elle est généralement attachée à chaque table de fait. Elle est la dernière dimension
à être mise-à-jour au niveau du processus ETL
 Slowly changing dimensions:
 Type 0: Nouvelle valeur écrase l’ancienne
 Type 1: Ajouter une nouvelle ligne (3 colonnes ajoutées)
 Type 2: Ajout d’un nouvel attribut gardant la version précédente (-1) de la valeur
 Les abréviations, les flags, les indicateurs opérationnels doivent être traduits dans
les tables de dimensions en des attributs textes significatifs
 Les valeurs “NULL” dans les attributs de dimensions devront être remplacées par un
texte descriptif “Non-applicable” ou “Inconnu” afin d’éviter toute inconsistance du
traitement lors du groupement…
4. Identifications des faits
 “Que mesure le processus métier étudié?” -> correspond à un événement physique
observable
 Les faits identifiés doivent avoir la granularité choisie dans l’étape 2.
 Les faits numériques peuvent être soit :
 additifs (e.g. Quantité commandée),
 semi-additifs: ne sont pas additifs par toutes les dimensions (e.g. montant des
comptes),
 non-additifs: ne sont additif sur aucune dimension (e.g. prix unitaire)
 Structure de la table de faits: Clés étrangères des dimensions + mesures
 Il est possible d’avoir recours à une clé primaire spécifique à la table de faits (entier
automatiquement généré). Elle est utile pour retrouver les lignes de la table au cas
d’un processus de chargement interrompu, de remplacer les updates de la table de
faits en des insertions/suppressions ou si la table de faits contient des lignes qui sont
parents de lignes dans une autre table de faits de granularité plus fine.
 Table de faits de transaction: repose sur la transaction du système opérationnel.
 L’unicité de l'occurrence est marquée par l'unicité de son contexte (ensemble des
clés de dimensions)
 Table de faits périodique: image d'une table de faits de transaction à un moment
donné ou synthèse d'une table de faits de transaction à travers l'agrégation des
mesures sur ses dimensions
 Table de faits récapitulatif ou cumulée: contient les clés étrangères de dimensions
choisies et/ou réduites ainsi que des faits créés en sommant des mesures à partir
de tables de faits plus atomiques
 Les valeurs “NULL” doivent être évitées. Si le cas se pose, les dimensions devront
introduire des clés dummy représentant l’inconnu ou le non-applicable
 Pour des besoins de comparaisons, les faits ayant le même nom doivent être
conformes sur l’ensemble du modèle (même définition technique)
 Il est possible d’avoir une table de faits sans faits (Factless Fact table). Celle-ci est
utilisée pour enregistrer qu’un événement s’est produit
Règles d’Or
 Règle #1: Charger des données atomiques détaillées dans les structures
dimensionnelles
 Règle #2: Structurer les modèles dimensionnels autour des processus métier
 Règle #3: S’assurer que chaque table de fait a une dimension Temps qui y est
associée
 Règle #4: S’assurer que tous les faits d’une table de fait ont la même granularité ou
niveau de détail.
 Règle #5: Résoudre les problèmes des relations n-à-n entre la table de fait et les
dimensions
 Règle #6: Résoudre les problèmes des relations n-à-1 dans les tables de dimensions
 Règle #7: Stocker les labels utiles pour les rapports et filtrer les valeurs du domaine
dans les tables de dimension
 Règle #8: S’assurer que les tables de dimension utilisent des clés de substitution.
 Règle #9: Créer des dimensions conformes pour intégrer les données dans
l’ensemble de l’entreprise
 Règle #10: Equilibrer en continu les exigences métiers et les réalités pour livrer une
solution DW/BI acceptée par les utilisateurs finaux et qui supporte leur processus
de prise de décision
 Limites: croissance exponentielle de la taille -> Problème de scalabilité,
compétences en MDX requises (vs. SQL)
 Les cubes OLAP sont généralement établis lors de la dernière étape du déploiement
d’un système BI/DW
 Plusieurs configurations sont possibles:
o Schéma en étoile pour stocker les données atomiques, le cube joue le rôle
d’un datamart
o Schéma en étoile joue le rôle du dwh ou datamart et les cube ajoutent une
couche pour “high-performance reporting”
Gestion de performance (EPM : enterprise performance management)
Défis et évolutions :
o Répondre à de nouvelles attentes du marché
o Suivre ou lancer une nouvelle offre
o S’adapter à l’évolution des réglementations
o S’adapter à la libéralisation, à la saturation de certains marchés
o Faire face à de nouveaux concurrents, à la globalisation, à l’évolution des
techniques ou autres aléas externes à l’entreprise
 Il y a un besoin récurrent et permanent de suivre l’activité et les réalisations de
l’entreprise, et anticiper ainsi les évolutions du marché pour s’y adapter
 Les entreprises doivent donc se munir d’outils décisionnels et de suivi de la
performance lui permettant d’analyser les grands volumes de données qui sont
manipulés
EPM fait référence aux systèmes, processus et méthodologies utilisés pour mesurer et
gérer la performance de l’entreprise.

Cubes
Les cubes OLAP, structures dimensionnelles implémentées dans des BD
multidimensionnelles, sont optimisés pour un accès direct par les utilisateurs aux
mesures précalculées (précalcul des multiples combinaisons de valeurs de dimensions
et des faits)

 Avantages: vitesse et feedback instantané (slice/dice, drill-up/down)

Cours Reporting & monitoring d’entreprise ARFAOUI A.
Business intelligence
La Business Intelligence se définit comme l'ensemble des technologies permettant de
collecter, consolider, modéliser et restituer les données à des fins de compréhension,
d’analyse et de décision : visibilité sur une activité, détection de faiblesses, prise de
décisions stratégiques ou tactiques, réactivité face à un événement…
Axes BI :
Dimension Reporting
 La plus ancienne et la plus dominante dimension
 Au début, les organisations livraient aux utilisateurs de simples rapports formatés.
 Avec les avancées survenues dans le web, le Reporting est devenu plus interactif et
plus dynamique.
Dimension Monitoring
 Un nouveau besoin: la livraison des données voulues dans les temps voulus et qu’en
cas d’événements critiques qui nécessitent l’attention des décideurs.
 Comparer les performances et les objectifs et de lancer des alertes en cas de
déviations.
Cours Reporting & monitoring d’entreprise ARFAOUI A.
REPORTING
Le reporting a pour objectif de rendre visible dans des états, l'information stockée dans
des bases de données. Il s'agit donc de produire un compte rendu, sur des supports qui
seront généralement imprimés. La diffusion en est le plus souvent adaptée à la
production de documents (factures, commandes, rapport annuel…)
 Les rapports ont un format prédéterminé et offre le détail de l’information.
 Le rapport peut ensuite être diffusé sur l'Intranet, périodiquement en automatique
ou ponctuellement à la demande.
 Les outils de reporting ne sont pas à proprement parler des instruments d'aide à la
décision. Bien que, lorsqu'ils sont utilisés correctement, on peut juger qu'ils
permettent au responsable de disposer d'une précieuse vue d'ensemble de son
activité, ils sont en fait surtout destinés à "rendre compte" du travail effectué auprès
de la hiérarchie.
MONITORING
Le tableau de bord permet de passer d'une vision a posteriori (constatation sur la base
des évènements passés) à une logique de pilotage, c'est à dire d'accéder, en temps réel
à l'état actuel et prévisionnel de l'activité. Il ne s’agit pas de produire des états, mais de
donner les informations clés, aux bonnes personnes, sous une forme ergonomique.
Les tableaux de bord permettent de:
o Communiquer la stratégie
o Raffiner la stratégie
o Augmenter la visibilité
o Augmenter la coordination
o Augmenter la motivation
o Offrir une vision consistante de l’activité
o Réduire les coûts et la redondance
o Livrer des informations actionnables
Types de tableaux de bord :
 Opérationnel: permet aux employés front-line de suivre de près les processus
opérationnels
 Tactique: aide les managers et analystes à suivre et analyser l’activité, les
processus et les projets du département
 Stratégique: permet aux dirigeants de délinéer leur progrès vers la réalisation
des objectifs stratégiques.
Utilisation des types de tableau de bord par les managers  Indicateurs (métriques): permettent d’évaluer la performance ou le progrès. Ils sont
construits à partir de données qualitatives ou quantitatives et sont orientés dans le
but de progresser jusqu’à l’atteinte d’un objectif professionnel. Tout indicateur
n’est pas forcément indicateur de performance.
 Indicateurs clé de performance (KPIs): Indicateurs de performance qu’on considère
“clé” pour l’entreprise. Ils permettent de fixer des objectifs réalistes, constater la
progression, détecter les problèmes etc. Les autres métriques pourront contribuer
à la compréhension et le diagnostic du problème.

Identification des KPIs (Méthodologie GIMSI)

 Phase 1. Identification : quel est le contexte ?
 Phase 2. Conception : que faut-il faire ?
 Phase 3. Mise en œuvre : comment le faire ?
Scorecards  Phase 4. Suivi permanent : le système correspond-il toujours aux attentes ?
 Utilisés principalement pour représenter la progression des objectifs stratégiques
et tactiques (long terme).
 Les Scorecards Utilisent des graphes (comparaison des mesures avec les objectifs) +
des commentaires (actions prises, interprétations des résultats, prévisions…)

Conception des tableaux de bord

 Les tableaux de bord offrent l’alignement, la visibilité et la collaboration en
permettant aux utilisateurs de définir, contrôler et analyser la performance via des
indicateurs.
 La qualité des décisions pouvant être prises est directement dépendante de la
qualité de la mesure et de la pertinence des indicateurs choisis.
 Le choix des indicateurs représente la principale difficulté lors de l’élaboration d’un
système de tableau de bord.

Les catégories d’indicateurs

 Indicateurs d’alerte: signalent un état anormal nécessitant une intervention à court
terme
 Indicateurs d’équilibration: assurant le constat de l’état du système et de son
avancement vers les objectifs. Ces indicateurs servent notamment à maintenir le
cap, et pourront être à l’origine des actions correctives s’ils indiquent une dérive.
 Indicateurs d’anticipation: informent sur le système dans son environnement et
peuvent induire des changements de stratégie et d’objectif.
Indicateurs Vs. KPIs
 L’environnement de l’entreprise en termes de marché et de stratégie, puis les
structures de l’entreprise -> Les enjeux de l’entreprise
 Les objectifs doivent être en accord avec les enjeux de l’entreprise. Ils sont déduits
de la stratégie globale de l’entreprise.
 Une fois les objectifs arrêtés, on peut déterminer les KPIs à utiliser pour les mesurer
Choix de la stratégie
o Répondre aux questions: Qui sommes-nous? Où sommes-nous? Où souhaitons-
nous aller?
o Choix de la stratégie parmi les scénarios possibles

Cours Reporting & monitoring d’entreprise ARFAOUI A.

Déclinaison en objectifs Key steps in the KPI Process
o La stratégie --> plan d’actions en fonction des moyens et contraintes
o Stratégie déclinée en objectifs (SMART)

Un Objectif doit être:

 Borné : l’objectif doit s’exprimer dans une dimension de temps finie.
 Mesurable : l’objectif doit s’exprimer en une unité mesurable.
 Accessible : les décideurs disposent des moyens nécessaires pour atteindre
l’objectif et les contraintes sont maîtrisables.
 Réaliste : la « méthode » d’accès est réaliste.
 Fédérateur : l’objectif recueille l’adhésion des décideurs.
 Constructif : l’objectif local contribue aux objectifs globaux. Etude de cas : société de mobilier (séance 6 : slide 32 -> 37)
Métrique parfaite: Ça bouge + compréhensible par l’ensemble des employés + calcul Les entreprises Data-Driven doivent anticiper la tyrannie des métriques en évitant les
simple et transparent + donnée accessible failles récurrentes:
Choix des objectifs - Distorsion de l’information
• Mesurer le plus facilement mesurable
o Groupe de travail: décideurs, différents acteurs • Mesurer le plus simple quand les objectifs escomptés sont complexes
o Séances de brainstorming (affiner, structurer, éliminer redondance…) • Mesurer les inputs au lieu des outcomes
• Dégradation de la qualité de l’information par la standardisation
Liste des KPIs pour chaque objectif
- Contournement des métriques (Gaming the metrics)
o Bibliothèque d’indicateurs génériques: L’appellation est peut être générique, mais • Contourner par écrémage: chercher des objectifs plus simples, des clients
leur fabrication est spécifique et dépendante du système à contrôler et des objectifs moins complexes etc.
fixés par l’entreprise • Améliorer les chiffres en abaissant les normes
• Améliorer les chiffres par omission ou distortion de l’information
Spécification des besoins
• Tricher : La fréquence de la triche est proportionnelle à l’enjeu de la
o Département ou cellule demandant l’indicateur métrique
o La portée géographique de l’indicateur
Visualisation des données
o Titre de l’indicateur
Les tableaux de bord sont des mécanismes de présentation (visual display) qui doivent :
o Description de l’indicateur (en des termes metier)
- afficher les informations nécessaires pour atteindre des objectifs (KPIs)
o Type de l’indicateur (stratégique, tactique ou opérationnel)
- sur un seul écran
o Propriétaire de l’indicateur (recueille, contrôle, approuve et rapporte les
- transmettre l’information immédiatement (récapitulations et/ou exceptions)
données)
La plupart des TB ne communiquent pas efficacement à cause d’une mauvaise
o Formule de calcul de l’indicateur
conception
o Source de données et disponibilité
La conception d’un Tableau de bord est axée sur 2 volets:
o Rapports de support
• Contenu: Pertinence de l’information  conception fonctionnelle
o Indicateurs connexes
• Ergonomie visuelle: visualisation de l’information  conception visuelle
 Présenter l’information pertinente pour qu’elle se démarque

Cours Reporting & monitoring d’entreprise ARFAOUI A.

  Arranger des informations disparates de manière à donner un sens et permettre
une perception efficiente
La visualisation de l’information est la construction d’images qui représentent des
aspects importants d’une situation ou d’un processus
La visualisation des données permet:
• Communication de messages riches
• Découverte de nouveaux faits et relations
• Eclairage sur des suppositions
Concepts de la perception visuelle
Mémoire iconique (le registre sensoriel visuel): traitement préconscient de
l’information visuelle “preattentive processing” -> Grande vitesse, capture des objets
marquants, groupement d’un ensemble d’objets
Mémoire à court terme: stockage de l’information durant le traitement conscient. ->
Temporaire, portion dédiée à l’information visuelle, capacité stockage limitée (3-9
chunks d’information visuelle : unité de perception ou de mémoire)
Le “Preattentive processing” est très performant dans la detection d'attributs visuels
particuliers
4 catégories des attributs préattentifs: couleur, forme, position spatiale, mouvement
5 utilisations des attributs de couleurs:
- Sequential : color is ordered from low to high
- Diverging: 2 sequential colors with a neutral midpoint
- Categorical colors for individual comparison
- Highlight: color used to highlight something
- Alert: color used to alert or warn reader
 Les attributs préattentifs permettent la communication des données
quantitatives ou catégoriques
Le principe fédérateur pour une bonne conception visuelle est la simplicité
Data-ink Ratio: introduit par Tufe en 1983 est « la proportion d’encre (ou pixels) qui est
utilisée pour présenter les données, sans redondance, comparativement à la quantité
totale d’encre (ou pixels) utilisés par la représentation graphique».
 5 Principes de Tufe:
1. Above all else show data
2. Maximize data-ink ratio
Cours Reporting & monitoring d’entreprise ARFAOUI A.
3. Erase non-data-ink
4. Erase redundant data-ink
5. Revise and edit
Conception visuelle d’un TB
Les caractéristiques d’un tableau de bord bien conçu:
- Exceptionnellement bien organisé
- Condensé sous forme de sommaires et exceptions
- Spécifique et personnalisé pour une audience particulière et des objectifs précis
- Utilise des mécanismes de présentation qui communiquent l’information et son
message de la manière la plus directe et la plus claire possible
Une bonne conception visuelle d’un tableau de bord passe par:
1. Un choix méticuleux du bon mécanisme de présentation
2. Une organisation judicieuse des graphiques
3. Une bonne esthétique
• L’un des défis primordiaux de la visualisation de l’information est de projeter des
données n-dimensionnelles en un canevas de faible dimensionalité
• Solutions de conception classiques: variation des attributs graphiques, small multiples
etc.
Afin de bien organiser ses graphiques il faut distinguer deux types d’ “informations
importantes”
• Importante tout le temps
• Importante en ce moment précis
Mettre en évidence ces deux catégories requièrent des méthodes différentes ; moyens
statiques pour la 1ere catégorie (positionnement par exemple), dynamiques pour la
2eme
Les espaces les plus détenteurs de l’attention sont le haut gauche de la page et le centre
de la page (s’il est suffisamment mis en relief)
La mise en évidence peut se faire en:
- Utilisant des attributs graphiques supérieurs à la norme (saturation, teinte, taille…)
- Utilisant des attributs graphiques en contraste avec la norme (teinte différente,
orientation, enclos etc.)
 Pour mettre un texte en relief, il est plus judicieux d’ajouter une marque avec une Cycle de vie d’un rapport/TB
couleur distincte Deux méthodes de création des rapports/TBs:

1. Par les utilisateurs finaux : l’interface doit être simple et les données affichées
 Organisation des KPIs:
d’une manière compréhensible.
o Organisation des groupes selon leurs fonctions métier, entités et utilisation
o Regroupement des éléments qui appartiennent au même groupe 2. Par les spécialistes du Reporting/Monitoring: environnement plus robuste qui
demande une meilleure compréhension sur les sources de données.
o Distinction discrète entre les groupes (espaces blancs, lignes légères etc.)
o Support de comparaisons significatives
o Dissuasion de comparaisons non-significatives

Les comparaisons sont possibles grâce à:

o Combinaison entre des éléments dans un même graphe

o Rapprochements des éléments lors de l’affichage
o Utilisation de couleurs communes pour lier des éléments La gestion d’un rapport/TB inclue:
o Inclusion de valeurs comparatives (ratios, pourcentages, variances etc.)  Connection aux sources de données
- Il est préférable d’utiliser le même mécanisme de presentation pour un KPI chaque  Valeurs par défaut des paramètres
fois qu’il est affiché pour maintenir l’uniformité  Paramètres de sécurité du rapport
- Limiter le nombre des KPIs dans un tableau de bord entre 3 et 7  Options du cache des rapports
- Concevoir un Tableau de bord pour l’interaction:  Calendrier de production des rapports
o Drill-down vers le détail
Delivery ou livraison:
o Slicing pour restreindre le focus
1. Livraison push: les rapports/TBs sont envoyés aux utilisateurs (mails, fichiers
- Une bonne esthétique offre un tableau de bord convivial et agréable ce qui
partagés, impression). Ils sont exécutés selon un calendrier et envoyés aux
encourage une meilleure réponse, réactivité et prise d’action
utilisateurs.
- L’esthétique passe par un bon choix des couleurs, de police pour le texte, et de
2. Livraison pull: les utilisateurs accèdent à une application contenant les rapports/
résolution
TBs. (portail web (sharepoint) ou de simples URLs inclus dans une application)
- Compromis esthétique - intégrité de l’information: L’information prime
Sources de données
Slide 101 for more data visualization tips
1. Création de la connexion vers la base de données et de la requête qui remonte les
Erreurs de Conception visuelle (slide 118 ->128) données.
1. Excéder les limites d’un seul écran
2. Fournir un contexte inadéquat des données
3. Afficher un détail excessif
4. Exprimer des mesures indirectement

Data visualization scenarios (slide 129 -> 146)

Cours Reporting & monitoring d’entreprise ARFAOUI A.

 a. Des rapports/TBs plus complexes peuvent demander plusieurs data sets pour ANNEXE :
différents éléments du rapport.

b. Les data sets peuvent avoir recourt à plusieurs sources de données Exemple: le
paramètre du rapport et les données du rapport parviennent de deux BD
différentes.

Les techniques pour filtrer les données:

1. Le rapport n’affiche que les données vérifiant une condition. On ne remonte de la
BD que les données dont on a besoin.

2. L’utilisateur veut spécifier des critères sur les données. Le filtre est appliqué après
rapatriement des données.

Cours Reporting & monitoring d’entreprise ARFAOUI A.