– Positionnement du SID par rapport au Big Data et au Système
d’Information Opérationnel (SIO).

– Tendances et évolutions du décisionnel. Data Lake et Datawarehouse.

– Valorisation de l’information, corrélation rapide.

– L’architecture d’un SID.

– Les choix stratégiques d’architectu

– Maîtriser le processus de conception des datamarts et des datalabs.

– Passage de datamarts en silo à un SI ouvert à la BI et au Big Data

– Cohérence des modèles en étoile

– Dénormalisation NoSQL et dénormalisation décisionnelle classique.

– Analyse multidimensionnelle et prédictive.

– Réutilisation des développements

– Concevoir une architecture mixte BI classique-BI découverte
Analytique dynamique.

– 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.
Travaux pratiques
Déploiement des méthodes proposées sur des exemples.

– Le multidimensionnel, ROLAP, MOLAP ou Hybride

– Le multidimensionnel in-memory.

– Organiser son Data Lake. Construire les Datalabs.

– Appliquer une normalisation décisionnelle à vos modèles en étoile.

– Faire de son SID un levier de la stratégie d’entreprise.

– Urbanisation du SID

– Identifier les zones éligibles au Cloud Computing.

– Cartographier son SID

– Définir les critères d’efficacité d’un SID.

– Piloter la valeur des données

-Problème de l’industrialisation des projets Big Data.

– Check-list des recommandations.

– 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.

– 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.

– 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

– Organiser la Data Factory. Administrer les composants du SID.

– Garantir la fiabilité des données et des informations.