Revision sheet: Introduction à la Business Intelligence

1. 📌 L'essentiel

• La Business Intelligence (BI) permet d'exploiter la masse de données des SI pour faciliter la prise de décision.
• La croissance des données (Big Data) entraîne la nécessité de nouvelles architectures et outils pour leur gestion.
• La modélisation en étoile simplifie l'analyse multidimensionnelle via des schémas de données appropriés.
• Les outils OLAP (Cube) offrent une analyse rapide, flexible et interactive.
• Les KPI (Indicateurs clés) orientent la stratégie : ventes, stocks, marges, etc.
• La BI s’appuie sur un architecture comportant sources → ETL → entrepôt → outils d’analyse → restitution.
• La relation entre ERP et BI : opérationnel métier versus analytique stratégique.
• Data Mining : recherche des motifs dans de grands ensembles de données, complémentaire à la BI.
• La modélisation célèbre (schéma en étoile) centralise les données pour faciliter l’analyse.
• La BI couvre plusieurs domaines métiers : commercial, financier, logistique, RH.
• Outils centraux : tableaux de bord, scorecards, cubes OLAP.

2. 🧩 Structures & Composants clés

• Sources de données — diversifiées : BDD, capteurs, réseaux sociaux, fichiers.
• ETL (Extraction, Transformation, Chargement) — processus d’intégration des données.
• Entrepôt de données — stockage centralisé, modélisé en étoile, flocon ou constellation.
• Outils OLAP — manipulation de cubes multidimensionnels.
• KPI — indicateurs de performance clés pour mesures stratégiques.
• Tableaux de bord — synthèses visuelles pour la supervision.
• Data Mining — techniques pour découvrir des motifs.
• Big Data — volume, variété, vélocité des données.
• Schémas de modélisation — étoile, flocon, constellation.

3. 🔬 Fonctions, Mécanismes & Relations

• La BI centralise les données hétérogènes pour l’analyse.
• L’architecture suit un flux : sources → ETL → entrepôt → outils d’analyse → restitution.
• La modélisation en étoile facilite l’analyse multidimensionnelle via des faits et dimensions.
• Les cubes OLAP permettent une navigation rapide dans plusieurs dimensions.
• KPI issus des données opérationnelles (exemple : ventes, marges) orientent les décisions.
• La BI exploite aussi bien l’analyse historique qu’analytique/prédictive.
• Data Mining identifie motifs et tendances exploitables par la BI.
• Relation hiérarchique :

  Sources
     └─ ETL
           └─ Entrepôt
                ├─ Analyse (OLAP, KPI)
                └─ Visualisation (Tableaux de bord)
  

• La BI permet de transformer les données brutes en informations stratégiques.

4. 🗂️ Tableau Comparatif : Modèles de modélisation de données

Modèle	Caractéristiques clés	Utilisation principale
Étoile	Faits centraux reliés directement à plusieurs dimensions	Analyse rapide, simplifiée
Flocon	Variante de l’étoile avec normalisation partielle	Économie d’espace, analyses complexes
Constellation	Plusieurs schémas en étoile reliés entre eux	Analyses multi-facettes approfondies

5. 🗂️ Diagramme Hiérarchique (ASCII)

Business Intelligence
 ├─ Sources de données
 │   ├─ BDD internes
 │   ├─ Capteurs
 │   └─ Réseaux sociaux
 ├─ Processus ETL
 │   ├─ Extraction
 │   ├─ Transformation
 │   └─ Chargement
 ├─ Entrepôt de données
 │   ├─ Modèle en étoile
 │   ├─ Modèle en flocon
 │   └─ Modèle en constellation
 ├─ Outils d’analyse
 │   ├─ OLAP (Cubes)
 │   ├─ Tableaux de bord
 │   └─ KPI
 └─ Prise de décision

6. ⚠️ Pièges & Confusions fréquentes

• Confondre modélisation en étoile et en flocon.
• Confondre KPI (indicateurs) et autres métriques.
• Prêter attention à la différence entre Data Mining (motifs) et BI (décision).
• Ne pas oublier que l’architecture doit respecter un flux logique.
• Вtête d’analyse : historique versus prédictive.
• Négliger l’impact de la qualité des données sur la BI.
• Confusion entre la gestion opérationnelle (ERP) et l’analyse stratégique (BI).
• Penser à la gestion en temps réel pour Big Data versus traitement batch classique.

7. ✅ Checklist Examen Final

• Définir la Business Intelligence et ses objectifs.
• Expliquer l’architecture typique de la BI (sources, ETL, entrepôt, outils).
• Identifier et décrire la modélisation en étoile.
• Connaître les principaux outils : OLAP, tableaux de bord, scorecards.
• Comprendre la relation entre ERP et BI.
• Expliquer le rôle et le fonctionnement du Data Mining.
• Différencier Big Data et Small Data.
• Maîtriser le langage des schémas hiérarchiques en ASCII.
• Savoir citer les principaux KPI en BI.
• Identifier une architecture BI dans un cas d’usage.
• Différencier schémas en étoile, flocon et constellation.
• Connaitre les enjeux liés à la qualité des données.