27250009 - Entrepôts de données et Business Intelligence
| Niveau de diplôme | |
|---|---|
| Crédits ECTS | 3 |
| Volume horaire total | 2E+1 |
| Volume horaire CM | 20 |
Responsables
- ELGHAZEL Haytham
Objectifs
Ce cours a pour objectifs de permettre aux étudiants de : 1. Comprendre les concepts de l’intelligence d’affaires et des entrepôts de données, et saisir la différence entre les systèmes transactionnels et les systèmes analytiques; 2. Comprendre les différentes phases d’un projet d’intelligence d’affaires; 3. Appliquer les concepts appris pour être capable d’analyser une situation et définir les composantes de la solution.
Estimation du temps de travail personnel (en dehors des cours) : 10 heures
CONNAISSANCES A ACQUERIR :
COMPETENCES CIBLES :
Estimation du temps de travail personnel (en dehors des cours) : 10 heures
CONNAISSANCES A ACQUERIR :
- Comprendre la définition, la structure et l’utilité des entrepôts de données, les comptoirs de données, d’autres formes de stockage et la modélisation dimensionnelle;
- Définir les étapes clés de l’intégration des données et de comprendre l’apport des outils spécialisés (tel que Talend) par rapport aux langages de programmation conventionnels;
- Saisir comment les outils d’accès et d’analyse des données peuvent rendre les clients finaux autonomes ;
COMPETENCES CIBLES :
- Définir et mettre en œuvre les normes, méthodes, outils et procédures aptes à répondre aux exigences de l'entreprise
- S'adapter de manière permanente aux environnements technologiques
- Négocier ou prescrire des solutions informatiques dans les domaines administratifs, industriel, scientifique, technique, …
Contenu
PLAN DE COURS
1. Introduction à l’intelligence d’affaires et aux entrepôts de données
2. Cycle de vie d’un projet en intelligence d'affaires
3. Les architectures d’entrepôts de données
4. La modélisation dimensionnelle des données
5. Implémentation et conception physique
6. Intégration des données et l’architecture de traitement ETL
7. La gestion d’un projet d’intelligence d’affaires
8. L’analyse prédictive et le forage de données
1. Introduction à l’intelligence d’affaires et aux entrepôts de données
2. Cycle de vie d’un projet en intelligence d'affaires
3. Les architectures d’entrepôts de données
4. La modélisation dimensionnelle des données
5. Implémentation et conception physique
6. Intégration des données et l’architecture de traitement ETL
7. La gestion d’un projet d’intelligence d’affaires
8. L’analyse prédictive et le forage de données
Bibliographie
OUVRAGES ET PUBLICATIONS DE REFERENCE :
1. Ralph Kimball, Laura Reeves, Margy Ross, Warren Thornthwaite (2006). The Data Warehouse Lifecycle Toolkit, 2nd Edition, Wiley.
2. Efraim Turban, Ramesh Sharda, Dursun Delen, David King (2010). Business Intelligence: A Managerial Approach, 2nd Edition, Prentice Hall.
3. Paulraj Ponniah (2010). Data Warehousing Fundamentals for IT Professionnals, 2nd Edition, Wiley.
OUVRAGES OU ARTICLES DE RECHERCHE EMBLEMATIQUES SUR LE SUJET DU COURS :
1. Michalczyk, S., Nadj, M., Azarfar, D., Maedche, A., & Gröger, C. (2020). A state-of-the-art overview and future research avenues of self-service business intelligence and analytics.
2. ABU-ALSONDOS, I. The impact of business intelligence system (BIS) on quality of strategic decision-making. International Journal of Data and Network Science, 2023, vol. 7, no 4, p. 1901-1912.
1. Ralph Kimball, Laura Reeves, Margy Ross, Warren Thornthwaite (2006). The Data Warehouse Lifecycle Toolkit, 2nd Edition, Wiley.
2. Efraim Turban, Ramesh Sharda, Dursun Delen, David King (2010). Business Intelligence: A Managerial Approach, 2nd Edition, Prentice Hall.
3. Paulraj Ponniah (2010). Data Warehousing Fundamentals for IT Professionnals, 2nd Edition, Wiley.
OUVRAGES OU ARTICLES DE RECHERCHE EMBLEMATIQUES SUR LE SUJET DU COURS :
1. Michalczyk, S., Nadj, M., Azarfar, D., Maedche, A., & Gröger, C. (2020). A state-of-the-art overview and future research avenues of self-service business intelligence and analytics.
2. ABU-ALSONDOS, I. The impact of business intelligence system (BIS) on quality of strategic decision-making. International Journal of Data and Network Science, 2023, vol. 7, no 4, p. 1901-1912.
Contrôles des connaissances
Examen Terminal :
Ecrit, 2h
Question de cours et étude de cas
Contrôle continu :
Notation pendant les enseignements
Ecrit, 2h
Question de cours et étude de cas
Contrôle continu :
Notation pendant les enseignements
Présentation orale et dossier de travaux pratiques
Pondération : 50% / 50%
Pondération : 50% / 50%
Informations complémentaires
MODALITES PEDAGOGIQUES
Cours magistraux et projet (cas d’application)
NATURE DES SUPPORTS
Diapositives de cours et étude de cas détaillée
INNOVATIONS PEDAGOGIQUES ET UTILISATION DE TECHNOLOGIES
Usage de l’ETL TALEND
Mise en pratique sur des jeux de données en open sources sur des cas d'études du monde socio-économique
PRE-REQUIS EN TERMES DE CONNAISSANCES ET COMPETENCES
Maîtrise des connaissances en conception et modélisation de systèmes ainsi que les systèmes de gestion de bases de données, langage SQL.
LECTURE(S) CONSEILLEE(S) :
Entrepôt de données - Wikipedia
Cours magistraux et projet (cas d’application)
NATURE DES SUPPORTS
Diapositives de cours et étude de cas détaillée
INNOVATIONS PEDAGOGIQUES ET UTILISATION DE TECHNOLOGIES
Usage de l’ETL TALEND
Mise en pratique sur des jeux de données en open sources sur des cas d'études du monde socio-économique
PRE-REQUIS EN TERMES DE CONNAISSANCES ET COMPETENCES
Maîtrise des connaissances en conception et modélisation de systèmes ainsi que les systèmes de gestion de bases de données, langage SQL.
LECTURE(S) CONSEILLEE(S) :
Entrepôt de données - Wikipedia