Business Intelligence (1) - Data Warehouses
Code UE : NFE211-HDF
- Cours
- 6 crédits
- Volume horaire de référence
(+ ou - 10%) : 50 heures
Responsable(s)
Faten ATIGUI
Public, conditions d’accès et prérequis
Ce cours s'adresse aux auditeurs préparant le diplôme d'ingénieur informatique option système d'information et/ou aux étudiants suivant le Master STIC mention Informatique Spécialité Systèmes d'Information et de Décision
Prérequis : Bonnes connaissances en bases de données et en systèmes d'information.
Prérequis : Bonnes connaissances en bases de données et en systèmes d'information.
L'avis des auditeurs
Les dernières réponses à l'enquête d'appréciation pour cet enseignement :
Présence et réussite aux examens
Pour l'année universitaire 2022-2023 :
- Nombre d'inscrits : 52
- Taux de présence à l'évaluation : 58%
- Taux de réussite parmi les présents : 93%
Objectifs pédagogiques
Acquérir une bonne connaissance de l'informatique décisionnelle (Business Intelligence), et en particulier de tous les processus liés à une architecture d'entrepôt de données (Data Warehouse).
Cette UE cible tout particulièrement la conception de l'entrepôt de données, la gestion du projet, et sa mise en œuvre, en particulier la mise en œuvre de la partie ETL.
Remarque : Pour une maitrise complète du processus, tant du point de vue gestion des données que du point de vue analyse des données (data Science) il est conseiller de suivre également le NFE212 (semestre 2) qui fait suite au NFE211 (semestre 1)
Cette UE cible tout particulièrement la conception de l'entrepôt de données, la gestion du projet, et sa mise en œuvre, en particulier la mise en œuvre de la partie ETL.
Remarque : Pour une maitrise complète du processus, tant du point de vue gestion des données que du point de vue analyse des données (data Science) il est conseiller de suivre également le NFE212 (semestre 2) qui fait suite au NFE211 (semestre 1)
Compétences visées
Capacité d'intégration dans une équipe de développement de système d'information décisionnel. En particulier compétences en conception et exploitation d'entrepôts de données :
- Capacité à concevoir et implémenter la partie ETL d’un Data Warehouse
- Capacité à concevoir et implémenter des cubes décisionnels
- Capacité à concevoir dans sa totalité une chaîne décisionnelle
- Capacité à mettre en œuvre une chaîne décisionnelle à l’aide des outils du marché
- Capacité à exploiter une chaîne décisionnelle
- Capacité à gérer l'intégration des données
- Capacité à gérer un projet décisionnel
Introduction
Ingénierie d'extraction et d'intégration des données
- La Business Intelligence
- Business Intelligence et Big Data
- Objectifs d'un entrepôt de données
- OLAP versus OLTP
- Architecture matérialisée /architecture médiateur
- Dualité Entrepôt / magasins, Architecture de Inmon, Architecture de Kimball
- Data Warehouse / Data Lake
- Les méta-données, gestion, standardisation CWMI
- La modélisation multidimensionnelle, faits, dimensions, hiérarchies, indicateurs
- Modèles OLAP, ROLAP, MOLAP
- Modélisation en étoile, en flocon, en constellation
- L'algèbre multidimensionnelle
- Les dimensions à changement lent
- Les différents types de table de faits (récapitulatif / transaction / instantanné)
- Méthode par matrice
- Méthode par indicateurs
- Méthode MAP
- Méthode par analyse des requêtes
- Volumétrie, choix de la granularité, choix des Data Marts
- Méthodes de projets BI
Ingénierie d'extraction et d'intégration des données
- L’extraction des données
- Le nettoyage des données
- L'intégration sémantique des données
- Le rafraichissement des données
- Solution par programmation (Embedded SQL, déclencheurs)
- Solution par outils ETL
- Outils ETL, Systèmes de gestion de bases de données OLAP, outils de modélisation multidimensionnelle
- Data Warehouse et Cloud,
- Data Warehouse et Big Data
L’UE sera validée par un examen final et par un projet réalisé individuellement ou en binôme.
Le projet - dont le sujet sera choisi par l’élève en accord avec le professeur - permettra de mettre en place une chaîne décisionnelle fondée sur les outils du marché (parmi l’offre industrielle ou celle du logiciel libre). Le projet peut aussi permettre d’approfondir un point théorique (par exemple la prise en compte du RGPD dans le Data Warehouse).
La note finale sera la moyenne de l'examen et du projet (avec la contrainte note examen >= 10).
Le projet - dont le sujet sera choisi par l’élève en accord avec le professeur - permettra de mettre en place une chaîne décisionnelle fondée sur les outils du marché (parmi l’offre industrielle ou celle du logiciel libre). Le projet peut aussi permettre d’approfondir un point théorique (par exemple la prise en compte du RGPD dans le Data Warehouse).
La note finale sera la moyenne de l'examen et du projet (avec la contrainte note examen >= 10).
- M. Jarke , M. Lenzerini, Y. Vassiliou, P. Vassiliadis : Fundamentals of datawarehouses (2d édition, Springer, 2003).
- E. Métais : Systèmes d'aide à la décision et entrepôts de données (Encyclopedia Universalis) http://www.universalis.fr/encyclopedie/systemes-informatiques-systemes-d-aide-a-la-decision/
- W.H. Inmon : Building the Datawarehouse
- Kimball R, Ross M. : Entrepôts de données, guide pratique de modélisation multidimensionnelle, Vuibert 2003
Cette UE apparaît dans les diplômes et certificats suivants
Chargement du résultat...
Contact
Centre(s) d'enseignement proposant cette formation
-
Valenciennes
- 2024-2025 1er semestre : Formation hybride soir ou samedi
Comment est organisée cette formation ?2024-2025 1er semestre : Formation Hybride soir ou samedi
Précision sur la modalité pédagogique
- Une formation hybride est une formation qui combine des enseignements en présentiel selon un planning défini et des enseignements à distance avec ou sans planning défini.
Code UE : NFE211-HDF
- Cours
- 6 crédits
- Volume horaire de référence
(+ ou - 10%) : 50 heures
Responsable(s)
Faten ATIGUI