Plateforme Décisionnelle SAS

Plateforme dcisionnelle SAS
Grgoire de Lassence
Copyright 2010 SAS Institute Inc. All rights reserved.
Grgoire de Lassence Responsable Pdagogie et Recherche Dpartement Acadmique

Tel : +33 1 60 62 12 19 gregoire.delassence@fra.sas.com http://www.sas.com/france/academic
Copyright 2010, SAS Institute Inc. All rights reserved.
SAS dans le monde

1976 : Cration en Caroline du Nord Socit prive CA 2010 : 2.43 milliards $ 11 000 employs 24 % du CA rinvesti en R&D
SAS en France
280 collaborateurs
Services SAS Academic

Cours http://www.sas.com/offices/europe/france/academic/index.html
academic@fra.sas.com Dveloppement de programmes, tudes de cas, support pdagogique Experts SAS, e-learning, Certification SAS
Club SAS Academic

SAS pendant le stage : CPPS Licence Gratuite Domicile Offres de stage et dembauche de nos clients
Divers
Newsletter Internationale Student Ambassador Competition / Papiers SFF Recherche & Chaires Evnements & Sponsoring
Plateforme dcisionnelle
Quel projet dcisionnel ?
Descriptif
Business Intelligence ?
SAS Mobile Business Intelligence
SAS Mobile Business Analytics
Prdictif
Analytique
9
10
Matriser la chane dcisionnelle
SGBD/R
Extraire Transformer Charger Nettoyer
Agrger Transposer
Data Mart OLAP Data Mart Reporting
Pilotage
Rapports
ERP Fichiers plats
Data Warehouse
Data Mart Analytique ETL Qualit des donnes
Data Mining Prvisions
Modle de donnes Mthodologie
SGBD/R
OLAP
Requtes, rapports Prvision, modlisation Pilotage, Portail Optimisation

11
La plate forme dcisionnelle Enterprise Intelligence Platform
12
Enterprise Intelligence Platform Une dclinaison mtier
13
Enterprise Intelligence Platform Une dclinaison sectorielle
14
Secteurs dactivit
Systme dinformation
Mtiers
15
Le dcisionnel au cur des processus de lentreprise
16
Client Tier
SAS Data Integration Studio SAS Management Console SAS Information Map Studio
SAS Enterprise Guide SAS Add-In for Microsoft Office
SAS Web Report Studio SAS Information Delivery Portal
HTTP Server
SDK Java Servlet Container
Middle Tier
webDAV Server
Web Infrastructure Kit
Metadata Server
Server Tier
Workspace Server SAS9
Stored Process Server
OLAP Server
SAS/CONNECT Server
17
Foundation
SAS Business Intelligence Personas

IT Support
IT Admin (Ahmed)
User administration Reporting administration Software administration
Power Users
Business Analyst (Jacques)
No DBMS or programming Strong Excel Ad hoc queries OLAP Create reports Publish reports Custom reports Understands business metrics
Information Consumers
C-level Execs
Annotation E-mail
Data Modeler (Marcel)

Business View manager Understands physical data model SQL programmer
Middle Management (Henri)

Drill down Manipulation Annotation
Power User (Gloria)

Some DBMS and programming Strong Excel Ad hoc queries Custom reports Modeling Analytics Detail data Understands business domain
Operational Consumers
Sales Marketing Customer Service Finance Technical Support
Report Administrator (Robert)

Report Builder Schedule reports Monitor queue
18
Le Cas Orion
La socit : Orion
Cette socit fictive, prsente au niveau mondial, est spcialise dans la commercialisation darticles de sport et dextrieur
Le sige sociale aux tats-Unis, gre des filiales en Belgique, Pays Bas, Allemagne, Royaumes Unis, Danemark, France, Italie, Espagne et Australie. Les produits sont vendu en magasin, par catalogue et par Internet. Il y a 5 ans de transaction, depuis le 1er janvier 2003. Nous somme aujourdhui le 1er janvier 2008.
20
Structure de lorganisation : (suite)

Les employs sont enregistrs dans la base de donnes selon cinq niveaux:
Pays Compagnie Dpartement Section Groupe
Les informations complmentaires sur les employs sont notamment:

Date dentre et de dpart de lemploy Date de dbut et de fin de contrat (pour certain contrat) Adresse Sexe Salaire Responsable hirarchique
21
Loffre
La socit Orion propose environ 5500 rfrences. Certains ne sont pas vendus dans tous les pays, dautres, de part les volumes commercialiss, refltent certaines particularits rgionales, certains sports nationaux. Tous les noms sont fictifs. Les produits sont organiss selon 4 niveaux:
Ligne de produit Catgorie de produit Groupe de produit Produit
Chaque produit a un cot et un prix de vente. Le systme informatique gre tous les prix en dollars. En utilisant les dates de dbut et de fin, ces prix varient en fonction du temps. Cet historique est sauvegard. Le systme gre aussi les remises pour certains produits, certaines priodes. Les prix sont gnralement uniques de part le monde.
22
Les clients
Les clients dOrion Star sont repartis travers le monde, notamment dans les pays o se trouvent des filiales, mais pas uniquement. Les noms et adresses sont fictifs, mme si les villes, rgions/comts et pays, sont rels. La base de donnes enregistre environ 90 000 clients, pas tous actifs. Ladresse des clients comprend tout ou partie des informations:
Rue Code postal Ville Rgion / dpartement / cont Etat Pays Continent
La gestion des adresses est contrle par des pointeurs (identifiant de colonnes), ce qui facilite le changement dadresse. Les clients sont classs dans des groupes en fonction de leur activit dachat.
23
Les commandes
La plupart des commandes de cette tude de cas sont pour des clients dtenteurs de la carte de fidlit Orion Star, clients pour lesquels les informations sont enregistres. Chaque commande pointe vers le commercial qui a enregistr la vente. Environ 980 000 commandes sont enregistres dans cette tude de cas, commandes qui refltent notamment les saisonnalits.
Chaque commande comprend une ou plusieurs lignes, une ligne par produit.
24
Schma relationnel normalis des donnes de production
25
Cahier des Charges !

Suite un audit interne, voici les principales questions recenses :
Quelle est la tendance des ventes :
Quels produits sont disponibles en stock ? O ? Quels sont les produits qui se vendent le mieux ? Y a-t-il une relation entre le temps, lespace et la vente de produit ? Qui a fait le plus de vente ?
Quels sont les produits en perte de vitesse :

Quels sont les produits les moins vendus? Est-ce que ces mauvaises ventes sont corrles lespace ou au temps? Quels sont les produits qui contribuent moins de 0.05% du CA pour un Pays/une anne donn(e)? Est-ce que ces produits peuvent tre remiss?
26
Cahier des Charges : (suite)

Marge
Quelle est la marge gnre par ce produit, ce groupe de produit, catgorie de produit et ligne de produit ?
Est-ce que la marge dpend de la quantit vendue ?
Remise
Est-ce que les remises font augmenter les ventes ? Est-ce que les remises font augmenter la marge ?
Clients
Quels groupes de clients sont identifis ? Quel client achte par quel canal ? Quels sont les clients les plus rentables ?
Fournisseur
Quel fournisseur me propose des produits rentables?
27
Mission :
Lobjectif de cette tude de cas est de prsenter un POC au comit de direction de la socit Orion, rpondant au cahier des charges et prsentant lintrt de lintgration dun systme dcisionnel dans cette socit.
28
lment de solution du cas Orion :
Supports Physiques Varis !

Relationnel normalis Relationnel d-normalis Fichiers plats Multidimensionnel Virtuel
Index Partition
30
Orion DW, DM ?
ETL
ODS
ETL
Star
ETL
Gold
ETL
Cube
IMS
DM
DW DM DM
IMS
Administration
31
32
OLAP
Structure multidimensionnelle
Base n-dimensions
Donnes Relationnelles
Produit Ecrous Ecrous Ecrous Vis Vis Vis Boulons Boulons Boulons Joints Joints Joints Ecrous Ecrous Ecrous Vis Vis Vis Boulons Boulons Boulons Joints Joints Joints Region Nord Sud Centre Nord Sud Centre Nord Sud Central Nord Sud Central Nord Sud Centre Nord Sud Centre Nord Sud Centre Nord Sud Centre Temps T1 T1 T1 T1 T1 T1 T1 T1 T1 T1 T1 T1 T2 T2 T2 T2 T2 T2 T2 T2 T2 T2 T2 T2 Ventes 100 70 50 80 70 40 50 40 10 40 40 30 90 70 40 90 60 35 45 45 20 30 35 30
Sud Centre Nord Ecrous Vis Boulons Joints T1 T2 T3 T4
Responsable Produits
Responsable Ventes
Responsable Financier 34
Quest-ce que la consolidation??
Le seul moyen dobtenir des temps de rponse performants consiste pr-calculer tous les totaux logiques
35
On Line Analytical Processing
Rolap
: Relational olap
olap
Multidimensional Hybrid
olap
36
Rolap
Repose sur une structure relationnelle,

Pas de structure de stockage ddie,
Calcul la vole des agrgats demands par l utilisateur.
Requtes SQL
37
Molap
Indicateur
Forme OLAP la plus pure Repose sur une structure multidimensionnelle.
accs direct
Accs immdiat lagrgat dsir.
38
MOLAP
ROLAP
HOLAP
Espace disque
Temps de rponse
Complexit
Complexit
39
Le march de la BI
41
42
43
44
45
Enterprise Marketing Management
Data Quality Tools
BI Platforms
Operational Risk Managmt Software for Financial Services : Leaders' Quadrant Enterprise Marketing Management : Visionaries Quadrant Data Quality Tools : Leaders' Quadrant CRM Multichannel Campaign Management : Leaders Quadrant Energy Trading and Risk Management Platforms : Visionaries Quadrant Marketing Resource Management : Visionaries' Quadrant Business Intelligence Platforms : Leaders' Quadrant Data Integration Tools : Visionaries' Quadrant
46
47
Total Cost of Ownership
Components of the Total Cost of Ownership are:

Software costs Hardware costs Manpower costs to deploy and maintain the solution Many companies based their investment decisions mainly based on the software acquisition costs This is only a minor component of the TCO
Manpower costs are by far more important and this is the focus of this presentation
48
TCO in over 5 years

10 000 000 9 000 000 8 000 000 7 000 000
TCO in
6 000 000 5 000 000 4 000 000 3 000 000 2 000 000 1 000 000 0
1 - 49 50 - 149 Ranges of users BO Cognos SAP BW SAS 150 - 499 Over 500
49
Le Data Mining avec Enterprise Miner
Dfinition
Les 2 familles de techniques de DM
Les techniques descriptives : segmentation ( clustering ) Recherche dassociations (squences) Algorithmes gntiques (SAS OR) Les techniques prdictives : rgression logistique arbres de dcision rseaux de neurones Raisonnement base de cas SVM Autres choses
Traitement de gros volumes et intgration du DM dans les processus de production

51
Les 10 tapes dun projet

Choix du sujet - Dfinition des objectifs Inventaire des donnes existantes
Collecte, nettoyage et mise en forme des donnes

Constitution de la base danalyse Mise en uvre des algorithmes (segmentation, scoring) Elaboration des modles
Validation et choix dun modle

Dclaration la CNIL Dploiement du modle Formation des utilisateurs Analyse des retours de laction et suivi des outils
Source http://data.mining.free.fr/
52
Segmentation RFM
Nombre de commandes Rcence T1 4 3 2 1
1111
T2
T3
1110 1101 1011 0111
1100 1010 1001 0110 0101 0011
1000
0100
0010 0001
T-4
53
Les donnes utilises en Data Mining
A partir des donnes oprationnelles :

O ( lieux gographiques, Internet, ) Quand ( Frquence, rcence, ) Comment ( mode de payement, ) Combien ( nombre de TE, ) Quoi ( Produit, )
54
Distribution du prnom Charlotte
http://www.meilleursprenoms.com
55
Multidisciplinary
Statistics Pattern Neurocomputing Recognition Machine Data Mining Learning
AI
Databases KDD
56
Required Expertise
Domain Data Analytical Methods
57
Predictive Modeling
Inputs
... ... ... ... ... ... ... ... ... ... Target
Cases . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . .
58
...
Overfitting
Training Set Test Set
19 e = 90 %
49 e = 75 %
59
Better Fitting
Training Set Test Set
34 e = 83%
43 e =78%
60
Model Complexity
Too flexible
Not flexible enough
61
Arbre de dcision
10 000
Condition A (Condition sparant au mieux Les individus de chaque classe)
4 000
Condition B
6 000
Condition C
3 000
1 000
1 000
5 000
Si A et B
Si A et non B
Si non A et C
Si non A et non C
63
The Right-Sized Tree

Stunting
Pruning
64
A Field Guide to Tree Algorithms
AID THAID CHAID

CART
ID3 C4.5 C5.0
65
Measurement:
unary - one value for example, a variable with a particular value that was used to create a data subset binary - two values for example, the variable MARITAL that contains No or Yes nominal - more than two non-numeric values, but no implied order for example, STATECOD that contains AK, AL, AR, AZ, etc. ordinal - more than two but not more than ten numeric values, with implied order for example, NUMCARS that contains values from 0 to 3
interval - more than ten numeric values for example, AMOUNT that contains many different dollar values
66
Missing Value Imputation

Inputs ? ? ? Cases ? ? ? ?
? ?
67
Rseau Neuronaux
Artificial Neural Networks

Neuron
Hidden Unit
69
Multilayer Perceptron
Hidden Layers
Input Layer Output Layer
Hidden Unit
70
INPUT
HIDDEN
OUTPUT
AGE
COMBINATION
ACTIVATION tanh(1+ 2AGE+ 3INC) =A
1+ 2AGE+ 3INC
INCOME
COMBINATION 4+ 5AGE+ 6INC ACTIVATION tanh(4+ 5AGE+ 6INC) =B COMBINATION 10+11A+ 12B+13C
COMBINATION 7+ 8AGE+ 9INC
ACTIVATION tanh(7+ 8AGE+ 9INC) =C

71
Activation Function
Input Layer
72
Universal Approximator
6+A-2B+3C
B
C
73
Association Rules
A B C
A CD B CD ADE
B C E
Rule AD CA AC B&CD
Support 2/5 2/5 2/5 1/5

Confidence 2/3 2/4 2/3 1/3

74

Plateforme Décisionnelle SAS

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Plateforme Décisionnelle SAS

Uploaded by

Copyright:

Available Formats

Plateforme dcisionnelle SAS

Copyright 2010 SAS Institute Inc. All rights reserved.

Grgoire de Lassence Responsable Pdagogie et Recherche Dpartement Acadmique

Copyright 2010, SAS Institute Inc. All rights reserved.

SAS dans le monde

Copyright 2010, SAS Institute Inc. All rights reserved.

Services SAS Academic

Club SAS Academic

Copyright 2010 SAS Institute Inc. All rights reserved.

Quel projet dcisionnel ?

SAS Mobile Business Intelligence

Copyright 2010, SAS Institute Inc. All rights reserved.

SAS Mobile Business Analytics

Copyright 2010, SAS Institute Inc. All rights reserved.

Copyright 2010, SAS Institute Inc. All rights reserved.

Matriser la chane dcisionnelle

Extraire Transformer Charger Nettoyer

Data Mart OLAP Data Mart Reporting

ERP Fichiers plats

Data Mart Analytique ETL Qualit des donnes

Data Mining Prvisions

Modle de donnes Mthodologie

Requtes, rapports Prvision, modlisation Pilotage, Portail Optimisation

Copyright 2010, SAS Institute Inc. All rights reserved.

La plate forme dcisionnelle Enterprise Intelligence Platform

Copyright 2010, SAS Institute Inc. All rights reserved.

Enterprise Intelligence Platform Une dclinaison mtier

Copyright 2010, SAS Institute Inc. All rights reserved.

Enterprise Intelligence Platform Une dclinaison sectorielle

Copyright 2010, SAS Institute Inc. All rights reserved.

Le dcisionnel au cur des processus de lentreprise

Copyright 2004, SAS Institute Inc. All rights reserved.

Copyright 2010, SAS Institute Inc. All rights reserved.

SAS Enterprise Guide SAS Add-In for Microsoft Office

SAS Web Report Studio SAS Information Delivery Portal

SDK Java Servlet Container

Web Infrastructure Kit

Workspace Server SAS9

Stored Process Server

SAS Business Intelligence Personas

Data Modeler (Marcel)

Middle Management (Henri)

Power User (Gloria)

Report Administrator (Robert)

Copyright 2010 SAS Institute Inc. All rights reserved.

Copyright 2010, SAS Institute Inc. All rights reserved.

Structure de lorganisation : (suite)

Les informations complmentaires sur les employs sont notamment:

Schma relationnel normalis des donnes de production

Copyright 2010, SAS Institute Inc. All rights reserved.

Cahier des Charges !

Quels sont les produits en perte de vitesse :

Cahier des Charges : (suite)

Est-ce que la marge dpend de la quantit vendue ?

Copyright 2010, SAS Institute Inc. All rights reserved.

Copyright 2010, SAS Institute Inc. All rights reserved.

lment de solution du cas Orion :

Copyright 2010 SAS Institute Inc. All rights reserved.

Supports Physiques Varis !

Copyright 2010, SAS Institute Inc. All rights reserved.

Copyright 2010, SAS Institute Inc. All rights reserved.

Copyright 2010 SAS Institute Inc. All rights reserved.

Sud Centre Nord Ecrous Vis Boulons Joints T1 T2 T3 T4