Dans le cadre de mon cursus de formation en informatique spécialisée en Data Science, j’ai pu
découvrir les domaines du développement, des systèmes de base de données, des ERP et surtout les
différentes problématiques qu’affrontaient les entreprises pour obtenir des indicateurs d’aide à la
décision à partir de leurs systèmes d’information.
Ces indicateurs permettent aux entreprises d’avoir un aperçu rapide de l’activité et des résultats de
différents secteurs comme des statistiques de vente, des niveaux d’affluence, des rendements, des
coûts des prestations…. Ils sont une aide importante lors des choix stratégiques et la qualité de ces
informations est cruciale pour la gestion globale de l’entreprise.
Lors de mon cursus et de mes missions, les difficultés que j’ai pu rencontrer lors des différentes tâches sont liées :
- Au volume des informations traitées,
- À la diversité des modèles de données,
- Au manque de référentiel commun pour relier toutes les informations entre elles,
- À la demande de rapidité sur la disponibilité des informations. Obtenir des informations en temps réel est en effet nécessaire dans certains projets tels que celui du Marketing Automation pour la communication client automatisée.
Le besoin de mise en place d’un système permettant de croiser les différentes informations de l’écosystème de l’entreprise, fait apparaître certains blocages lors de l’utilisation d’un système de
Business Intelligence construit autour d’une base de données relationnelle.
Ce mémoire présente dans une première partie, les différentes questions, problématiques et définitions autour du sujet de l’analyse et du traitement des informations. Il aborde également le sujet de la protection des données qui est une nouvelle contrainte à intégrer dans la problématique. Dans une seconde partie, plusieurs solutions ayant les capacités de traiter les informations sont étudiées et comparées selon les différentes contraintes identifiées dans la partie précédente. Cette partie est nommée « Architecture des données », parce que c’est bien la façon d’organiser, de structurer et de traiter les données qui est la base fondamentale d’une bonne analyse de données.
Différents types de visualisation des données sont également présentés dans le paragraphe « Data visualisation », la facilité de compréhension par le client étant un facteur important d’appropriation du système par les utilisateurs.
Enfin la conclusion, est construite autour des différentes informations collectées tout au long du processus de recherche. Aboutissant au résultat des comparatifs d’environnements et analyses en fonction de la problématique principale.
L'introduction étant posée, le document complet est à disposition sur le lien ci-dessous :
Télécharger le document complet