Formation Systèmes décisionnels, Data Factory


Formation Systèmes décisionnels, Data Factory

Catalogue : MOA, Business Analysis



Finalité et principes des SID
• Positionnement du SID par rapport au Big Data et au SIO (Système d'Information Opérationnel).
• Tendances et évolutions du décisionnel. Data Lake versus Datawarehouse.
• Nouveaux enjeux : valorisation de l'information, corrélation rapide.
• L'architecture d'un SID.
• Les choix stratégiques d'architecture : intégration du Data Lake.
• Nouvel équilibre entre modélisation préalable et analyse dynamique.
Démarche de conception du SID, impact du mode découverte
• La typologie universelle des demandes sur un SID autour du pilotage et de l'analyse comportementale prédictive.
• Maîtriser le processus de conception des datamarts et des datalabs.
• Comment passer de datamarts en silo à un SI ouvert à la BI découverte et au Big Data ?
• Cohérence des modèles en étoile : multidimensionnel. Analyse en mémoire contre modèle en étoile. Modèle du datalab.
• Dénormalisation NoSQL versus dénormalisation décisionnelle classique.
• Différence entre analyse multidimensionnelle et prédictive.
• Eviter le foisonnement d'agrégats et indicateurs en réutilisant les développements.
• Concevoir une architecture mixte BI classique-BI découverte-Analytique dynamique.
Etude de cas
Proposer une démarche de conception à partir de besoins d'analyse.
Construire les référentiels
• Comment faciliter l'accès aux informations ? Réconcilier MOA, MOE autour du référentiel.
• Construire le référentiel d'entreprise. Les dimensions d'analyse et les indicateurs partageables.
• Construire une architecture couvrant toutes les étapes, du pilotage à l'analyse des comportements.
• Construire les dictionnaires pour le SID, utiliser les métadonnées pour gérer la cohérence.
Etude de cas
Déploiement des méthodes proposées sur des exemples.
Optimiser l'accès aux données
• Comment répondre aux besoins et définir les réponses informatiques optimales ?
• Le multidimensionnel, ROLAP, MOLAP ou Hybride : les critères de choix, les évolutions futures.
• Le multidimensionnel in-memory.
• Organiser son Data Lake. Construire les Datalabs.
• Appliquer une normalisation décisionnelle à vos modèles en étoile.
Mesurer la valeur du SID
• Faire de son SID un levier de la stratégie d'entreprise.
• Réunir les cas d'usage en process décisionnels.
• Urbanisation du SID : éviter trop de traitements et des couches sémantiques surchargées.
• Identifier les zones éligibles au Cloud Computing.
• Cartographier son SID pour lier finalité d’usage et données utilisées pour le RGPD.
• Définir les critères d'efficacité d'un SID.
• Piloter la valeur des données.
Big Data en mode industriel
• Principaux types de cas d’usage.
• Problème de l’industrialisation des projets Big Data.
• Check-list des recommandations.
• Analytique – prédictif temps réel et streaming (CEP Complex Event Processing).
État de l'art des outils décisionnels
• Lier ou fusionner son Data Lake et son Datawarehouse pour créer la Data Factory.
• Panorama des suites décisionnelles : SAS, Microsoft, SAP B.O...
• Degré d'intégration du mode découverte, de l'analytique et de la data visualisation.
• ETL. Outils multidimensionnels. Déploiement Web.
• Big Data intégré au SID. BD NoSQL. BD NewSQL. Cohabitation entre les différentes Bases de Données.
• Analyse en mémoire. Appliance ou Commodity Hardware.
• Positionnement de l'écosystème Hadoop dans l'analyse du comportement client.
• Basculer le SID sur une BD NoSQL, NewSQL ou intégrer les approches ?
• Combiner une solution Agile de data-discovery et des capacités d'industrialisation de la BI.
Etude de cas
Déterminer votre trajectoire d'évolution vers une architecture intégrée.
Opportunité et création de valeur pour l'entreprise
• Evaluer la valeur ajoutée pour l'entreprise et la conduite du changement utile.
• Gérer son portefeuille de projets, les prioriser. Critères de lotissement.
• Spécificités d'un projet décisionnel et d'un projet Big Data.
• Techniques d'analyse de besoin en décisionnel : pièges à éviter.
• Comment évaluer la complexité, la maturité des besoins ?
• Conduire le passage du décisionnel classique au mixte classique-analytique en mode libre.
Organisation de la gouvernance : équipes - process - données
• Différents acteurs et rôles respectifs. Nouvelle relation entre métiers et IT.
• Leviers de la BI découverte, du Big Data et de la Datascience.
• Positionner le décisionnel au sein de l'entreprise. Organiser la gouvernance, la cohérence globale des données.
• Créer une organisation cohérente et pluridisciplinaire.
• Préserver l'autonomie des utilisateurs. Gérer la réactivité.
• Intégrer les métiers dans le pilotage de la valeur : données et cas d’usages.
• Organiser la Data Factory. Administrer les composants du SID.
• Garantir la fiabilité des données et des informations.
• Mettre en place le processus de la gestion de la qualité et de la véracité.
• Définir les contrôles qualité minimum. Définir le phasing des contrôles.
• Impact de la réglementation RGPD sur la sécurité d’accès aux données.

 

Fiche de la formation



 Cible :

Responsables informatiques, responsables des études, architectes SI, consultants et chefs de projet décisionnel, autres chefs de projets fonctionnels et techniques.


 Prérequis :

Aucune connaissance particulière.


 Durée : 3 jours

 Type : Séminaire


 Contactez-nous