Objectifs
- Savoir quelle architecture retenir pour le système décisionnel, pour quel type d’organisation et de projet.
- Connaître la place du Data Warehouse au coeur du système d’information décisionnel.
- Étudier la modélisation des données « en étoile » selon une approche vectorielle (Business Process Intelligence) et MDM (Master Data Management), ainsi que la maîtrise de l’ordonnancement des flux de collecte et de normalisation des données, d’intégration et de restitution des informations.
- Décider quel niveau de décisionnel choisir : Pilotage, analytique ou temps réel BAM (Business Activity Monitoring).
- Connaître les points clés de la mise en oeuvre d’un système décisionnel ajusté au métier.
- Savoir décider quelle organisation de projet mettre en place.
- Distinguer les rôles des différents acteurs de la maîtrise d’ouvrage et de la maîtrise d’oeuvre dans un projet de Business Intelligence.
- Améliorer concrètement le suivi, la prévision et l’optimisation de l’activité des organisations commerciales ou publiques.
Public visé
- Directeurs et chefs de projets décisionnels.
- Concepteurs.
- Ingénieurs d’études.
- Consultants.
- Directions informatiques et directions fonctionnelles.
- Maîtrise d’ouvrage et maîtrise d’oeuvre.
- Product Owner.
Programme
Du Décisionnel au Big Data, le coeur de l’évolution des systèmes décisionnels :- Rappels historiques : Replacer dans leur contexte les « révolutions » du décisionnel.
- Économie des données et transformation numérique.
- L’impact de l’économie des données sur le système décisionnel : Une opportunité extraordinaire de créer de la valeur.
- Les axes d’évolution du Décisionnel vers le Big Data.
- Faut-il faire évoluer l’architecture du Système d’Information Décisionnel pour intégrer les fonctions Big Data ? Comment la faire évoluer ?
- Data Warehouse, Data Lake et Big Data : Objectifs et rôles respectifs au sein du SID.
- Les complémentarités entre SI Opérationnel, Décisionnel et Big Data.
- Données « non structurées », Prédictif, Prescriptif : Quels besoins et quelles solutions ?
- De la BI à la Data Science : Données In-Memory, temps réel, Embedded BI, NoSQL, Hadoop...
- Big Data : Evolution ou révolution ?
- Présentation de systèmes décisionnels nouvelle génération dans de nombreuses industries.
- Explication de la valeur créée et de l’impact sur les modèles d’affaires.
La nouvelle architecture du Système d’Information décisionnel, du reporting à l’analyse prédictive :
Du reporting à la Business Process Intelligence :
- L’évolution des exigences des utilisateurs en termes d’aide à la décision.
- Les complémentarités entre pilotage opérationnel et Business Intelligence.
- Comment valoriser les données pour optimiser les processus métier.
- Comment concrètement intégrer les objectifs stratégiques dans le projet décisionnel.
- Comment faire évoluer les Data Marts existants vers un Système Décisionnel centralisé.
- Comment intégrer la confidentialité des données personnelles et les contraintes du RGPD.
- Data Marts indépendants ou dépendants, Système Décisionnel unifié ?
- Peut-on construire une architecture couvrant l’ensemble des besoins : Reporting, analyse, pilotage, Big Data ?
- Les facteurs clés pour garantir la capacité d’évolution : Volume, utilisateurs, périmètre fonctionnel.
- Rôles et fonctions des modules d’alimentation : Réplication, extraction, normalisation, intégration et visualisation.
- Le projet décisionnel : Quel impact sur les systèmes informatiques de gestion et sur les référentiels métiers ?
- Le système de collecte des données opérationnelles.
- Les flux de normalisation des informations référentielles.
- Les flux d’intégration des informations décisionnelles.
- Les flux d’interface avec les systèmes consommateurs.
- Comment assurer la cohérence des données du Data Warehouse.
- Changed Data Capture : Besoins fonctionnels et solutions réalistes.
- Comment éviter les pièges de la restitution ad hoc et préserver l’autonomie des utilisateurs.
La plateforme Data Warehouse /Data Lake :
Le Système de Gestion de Base de Données :
- Fonctionnalités et positionnement du système de gestion de Base de Données dans l’architecture décisionnelle.
- Comment choisir et faire évoluer la machine et la Base de Données dédiées au Data Warehouse.
- Pourquoi et comment faire cohabiter les bases relationnelles (SGBDR) et multidimensionnelles (OLAP) ?
- SGBD In-Memory : Comment faire profiter les utilisateurs de cette rupture technologique ?
- Panorama des offres : Oracle, IBM, Teradata, SAP, Microsoft et les nouveaux entrants.
- Différence et complémentarité entre Data Lake et Data Warehouse.
- Les bases de données NoSQL : Panorama.
- Les bases de données graph : Usages et technologies.
- Hadoop / MapReduce : Usages et technologies.
- Fonctionnalités attendues d’un logiciel ETL (Extract, Transform, Load).
- Comment modéliser les flux des données et leur ordonnancement.
- Positionnement des offres ETL : Informatica, ODI, BODS, SSIS, Talend, etc.
- Les nouveaux outils de préparation de données (Talend, Tableau, Qlik, Trifacta…).
- Outils traditionnels :
- Query et Reporting, Ad Hoc Analysis, Cubes MOLAP, etc. : Quels domaines d’application privilégiés ?
- Quels outils et quelles fonctionnalités pour quelles catégories d’utilisateurs ?
- Comment éviter le foisonnement des rapports et des traitements de restitution.
- Positionnement des offres : SAP Business Objects, IBM Cognos, MicroStrategy, Information Builders...
- Ergonomie et autonomie de l’utilisateur : Comment éviter le rejet de la solution de restitution.
- Positionnement des offres : Tableau, Qlik, TIBCO Spotfire, Microsoft PowerBI...
- Concilier indépendances utilisateurs et respect des procédures internes.
- Evolution du rôle du département informatique.
- Mise en place d’un CCBI (Centre de Compétences en BI).
- Comment industrialiser une solution de BI agile.
La modélisation des informations d’aide à la décision :
Les objectifs de la modélisation :
- Comment décrypter l’expression des besoins décisionnels.
- Comment définir et cadrer le périmètre du projet décisionnel.
- Agile Data Warehouse Design et « Model Storming ».
- La démarche de modélisation agile (BEAM).
- Faut-il re-modéliser les données des processus métier (BPR) ?
- Les composants de l’étoile : Faits, indicateurs et référentiels.
- Comment éviter le foisonnement des agrégats et des indicateurs.
- Pourquoi faut-il éviter la modélisation des données « en flocon » ?
- Comment réconcilier MOA et MOE (BPI).
- Les référentiels et la stabilité historique du périmètre (MDM).
- Quelles sont les réponses de la modélisation vectorielle ?
- La modélisation des évolutions dans les référentiels métiers.
- Comment garantir la cohérence des analyses transversales ou rétroactives.
Le portail décisionnel :
Le Décisionnel et le Web :
- Quelles « interfaces » aujourd’hui pour exposer l’information décisionnelle ?
- Comment profiter de l’ergonomie Web 2.0 : Pour quels types de besoins et d’utilisateurs ?
- La Data Visualization : Réalité des nouvelles interfaces pour le portail décisionnel.
- Comment choisir le bon compromis entre richesse fonctionnelle et simplicité d’utilisation.
- Quelles sont les solutions aujourd’hui opérationnelles ?
- Quelles sont les contraintes liées à leur mise en oeuvre ?
- Quels sont les apports réels de la Data Visualization pour le Décisionnel ?
- Les cibles Intranet, Extranet et Externet.
- Portail décisionnel et portail d’entreprise.
- Comment faire du Décisionnel une source de nouveaux services : Le modèle de maturité de l’entreprise vers les DaaS (Data as a Service).
Ce que l’on appelle, à tort, l’Intelligence Artificielle :
- Qu’est-ce que l’intelligence augmentée et l’automatisation des processus décisionnels.
- Explication des termes utilisés : Machine learning, deep learning, predictive analytics...
- La démarche d’automatisation d’un modèle décisionnel.
- Construction de la matrice d’apprentissage.
- Choix des méthodes d’apprentissage.
- Boucle d’apprentissage.
- Présentation de cas pratiques d’automatisation de l’analyse de données.
- De l’apprentissage machine à la robotisation informationnelle.
La mise en oeuvre du projet décisionnel :
L’étude préalable :
- Les facteurs clés du succès d’un Système d’Information Décisionnel.
- Comment mieux impliquer les directions générales et les utilisateurs.
- Quels sont les critères pour le lotissement du projet décisionnel ?
- Périmètre fonctionnel pilote : Quelle définition optimum ?
- Acteurs, rôles et livrables.
- Sous-traitance : Quoi, quand, comment ?
- Les responsabilités MOA et MOE.
- Le rôle du DPO.
- Mise en place d’une démarche à deux niveaux : Prototypage et industrialisation.
- Du Business Model Canvas (BMC) à l’industrialisation : Les étapes concrètes
- Jusqu’où aller dans l’expression des besoins ? Comment formaliser les besoins fonctionnels.
- Comment répartir les rôles entre maîtrises d’ouvrage et d’oeuvre. Les livrables : Objectifs et contenu.
- Modélisation vectorielle : Quels vrais avantages ? Où sont les difficultés ?
- L’impact du RGPD.
- Recette du Système Décisionnel : Qui invoquer et comment ?
- Comment valider le retour sur investissement.
- Comment évaluer la qualité des données : Que faire des données « invalides » ?
- Comment établir un cycle vertueux d’amélioration de la qualité des informations.
- Quels liens entre Système Décisionnel, Système Référentiel et Système informatique de Gestion ?
- Extensions du projet décisionnel : Domaine fonctionnel, historique, usages, données non structurées.
- Comment garantir la cohérence et la fiabilité des informations décisionnelles dans le temps.
- Quand et comment faire évoluer le cercle des utilisateurs du Système Décisionnel ?
- Comment passer d’une culture du Data Mart à un Système Décisionnel partagé.
- Comment gérer les impacts inévitables sur les Systèmes informatiques de Gestion.
MDM et Gouvernance : Comment les intégrer dans le projet décisionnel :
- Le projet Master Data Management : Ce qu’il englobe.
- Quelles sont les conditions pour qu’une information devienne référentielle, et reste intègre ?
- Le Data Quality Management (DQM) et le Master Data Management (MDM) en prolongement du projet décisionnel.
- Etude de cas : Utiliser une base de données graphes pour cartographier les données de référence.
- La gouvernance des données : Aperçu.
- La place du projet décisionnel dans le cadre de gouvernance.
- Le cas de la RGPD, et son impact sur le projet décisionnel, le MDM, et le cadre de gouvernance.
La formation "Décisionnel : Du reporting à l'analyse prédictive" vous intéresse ?
Recevez gratuitement le programme de la formation par CAPGEMINI INSTITUT.
Les prochaines sessions
Centre
CAPGEMINI INSTITUT
147 Quai Président Roosevelt
92136 Issy les moulineaux cedex
> Voir la carte
Les internautes qui ont consulté cette annonce ont aussi consulté:
Cette formation vous permettra de répondre à vos questions sur le « Project Management Office »...
Prochaine session le 05/12/2019 à Paris
Comprendre de manière technique, fonctionnelle et architecturelle les Web Services, les...
Prochaine session le 21/11/2019 à Paris
- Apprendre les bases de Python - Maîtriser les principales bibliothèques de Python -...
Dans mon entreprise
En résumé
Objectif
Certification / expertise
Durée
21 heure(s)
Coût
2740 € HT
Modes d'enseignement
En école ou centre de formation