MET6910 Résumé exam final

Granularité : La notion de granularité définit la taille du plus petit élément, de la plus grande finesse d'un système. Quand on arrive au niveau de granularité d'un système, on ne peut plus découper l'information. Information en entonnoir ex Ventes de l’année, ventes trimestrielles, ventes hebdomadaires, ventes journalières ect…

Différence entre le KDD et le Data Mining (Cours 10 diapo 10-12) :

Datamining donne le pattern (Nous propose des corrélations qu’on ne soupçonnerait pas, c’est l’analyse exploratoire des données KDD  le datamining s’oriente vers les phénomènes et les relations entre les variables à l’aide des faits et des dimensions) Alors qu’avec le KDD c’est nous qui devons donner le pattern que nous avons préétabli pour explorer les données (Extraction de connaissance à partir de données).

** Souvent en architecture de data warehouse, on arrête au data-mart car cela c’est tous du multidimensionnel alors qu’après c’est un modèle relationnel.

3 Niveau de structuration  (Cours 2, diapo9 et 16 à 19) : [pic 1]

Ex. data-mining (Analyse d’une base de données) : Structuré VS Web-Mining (extraction de données stockée sur internet) Non-Structuré

ELT VS ETL

ELT: Extraction chargement et aucune transformation. La transformation se fait au niveau du data mart ou autre. C'est une approche plus push.  ELT : VEUT DIRE QU’IL VA  PAS TRANSFORMER→ IL PEUT AUSSI SEULEMENT EXTRAIRE LES DONNÉES.   VS      ETL : Extract, Transfer, Load

 COURS 10  DIAPO 27 à 30      3 catégories de l’analyse prédictive dans le marketing B2B :

1. Le Scoring Predictif

2. Les modèles d’identification

3. La segmentation automatisée

[pic 2]

Processus décisionnel Herbert-Simon :  

Modélisation : concevoir des pistes de solutions.

Choix : inclus aussi le déploiement.

Le processus est non statique. Il permet d’adapter continuellement notre processus aux différents facteurs qui appariassent. UN AUTRE modèle ? → Waze qui s’adapte continuellement.

Donner et expliquer brièvement les types d’analyse en forage de donnée (data mining) : (Cours 8, Page 3-4)

• Descriptif : Analyse de l’état des données, indicateur de performance, on décrit.
• Prédictif : On en fait une projection
• Prescriptif : Mélange de descriptif et prédictif

CAS CONTINENTAL : Commenter les facteurs critiques  de succès de gestion du changement selon : CRM (client/users), RH, Opération…

Ils ont fait un brainstorming  avec l’équipe de Warehouse data pour aider les employés à comprendre l'importance du real-time BI et une idée en est ressorti : concourse mapp screen pour finalement créer le flight management Dashboard application… Ce Flight management dashboard application a été la clé de leur succès et en même temps une sorte de gestion du changement en leur faisant voir eux-même l'importance du real time bi.

4 principales  sections qui composent un tableau de bord (Cours 12 diapo 27)

1. Que s’est-il passé? (Vision « rétroviseur ») HISTORIQUE

2. Comment l’expliquer?

3. Que se passe-t-il? ACTUEL

4. Qu’est-ce qui pourrait se passer? FORECAST

Quoi le what-if  scénario  → Qu’est-ce qui arrive en changeant telle ou telle variables (prescriptif : ce qui arrive si on change certaines variables on regarde ce qui arrive)

ZÉRO-LATENCE : (aucun délai, transit ou retard)

Décrivez les liens  entre les 4 axes de Balance Scorecard (BSC) et les cartes stratégiques (15PTS). COURS 9 diapo 14-15-16-17

 Carte Stratégique : Détermine les relations de cause à effet entre les mesures des résultats retenues et les indicateurs de performance. On définit ou on s’enva avec les Cause à effet en entreprise.  On veut définir l’impact.

4 axes :  On définit  l’impact   des Axe Financier, Axe Client, Axe des processus internes, Axe de l’apprentissage organisationnel.

Lien : La vision et la stratégie dans la carte détermine les 4 axes.  Cartes stratégique qui détermine ou on s’enva au niveau finance, client, processus internes et apprentissage. La carte stratégique démontres les causes à effet  et les impact sur les indicateurs retardataire et précurseur pour décider sur quoi on doit travailler.

Gouvernance Bi :  On gouverne les Bi pour exercer un leaderships/ induire une direction afin que les actifs (données, outils, techniques) soient utilisé adéquatement, bonifiés et protégés.

Processus de définition et choix des indicateurs de performance selon la performance b comment on choisit les indicateurs de performance: objectifs stratégique, processus d’affaire,  variable d’action et on mesure les actions par les indicateurs.

 VS

Gouvernance de données : Permet de s’assurer de l’exactitude, de l’unicité et de l’intégrité des données.

« La gouvernance des données est le processus de supervision et de décision qui permet de hiérarchiser les différents investissements, d'allouer les ressources adéquates et un pilotage par les résultats, tout ceci pour s'assurer que les données utilisées au sein des projets sont valorisées et répondent aux enjeux et aux objectifs de l'entreprise » COURS 3, DIAPO 48

ÉTUDE DE CAS

Facteurs d’affaires :

Réussite dépend de quoi ex on vend des sac : sur quoi on se base, tendance, produits, client, lieu, cela devient en faits les dimensions.  Ex départ vente, marketing, client

Modélisation dimensionnelle en étoile faits (Qu’est-ce qu’on calcul) + dimensions+ Hiérarchie des dimensions.

Modélisation d’architecture data warehouse selon des contraintes et pourquoi ce modèle.

Quand est-ce qu’on utilise l’architecture d’un data-mart indépendant : Lorsqu’on doit mettre en place le projet RAPIDEMENT, les données seront alors en multidimensionnel. Par contre, à chaque changement de calcul, il n’y a pas de partage entre les data marts. Elle est plus rapide, moins coûteuse, mais ce n’est pas celle à prendre si on peut prendre notre temps.

...