Leçon 1 sur 5
Système décisionnel et système opérationnel
Je sais distinguer le système qui fait tourner l'entreprise au quotidien de celui qui aide à décider, et décrire l'architecture d'un entrepôt de données qui alimente ce second système.
- 1 h 15
- 6 exercices corrigés
- QCM de 7 questions
À la fin de la leçon, vous saurez :
- Distinguer un système opérationnel (OLTP) d'un système décisionnel
- Expliquer pourquoi on n'analyse pas directement les bases de production
- Définir un entrepôt de données et ses quatre caractéristiques
- Décrire l'architecture d'une chaîne décisionnelle, des sources aux tableaux de bord
- Estimer la volumétrie d'un entrepôt
Avant de commencer : Bases de données relationnelles et SQL (SELECT, jointures, GROUP BY) ; systèmes d'information de gestion.
1Je découvre
Diaka Distribution est un grossiste en produits alimentaires (riz, huile, sucre, farine, lait en poudre) installé à Matoto, à Conakry. L'entreprise a ouvert quatre dépôts : Kindia, Labé, Kankan et N'Zérékoré. Chaque jour, les caissiers saisissent les factures dans un logiciel de facturation ; les magasiniers enregistrent les entrées et sorties de stock dans une autre application ; les paiements par mobile money arrivent dans un fichier exporté chaque soir ; la paie est tenue dans un tableur.
Ces logiciels fonctionnent bien pour servir les clients. Mais la directrice générale pose d'autres questions : « Quel dépôt a le plus progressé depuis deux ans ? », « Le riz se vend-il mieux pendant le ramadan à Kankan qu'à Labé ? », « Quels clients grossistes n'ont rien commandé depuis trois mois ? ».
Le responsable informatique a essayé de lancer une grosse requête sur la base de facturation un matin : les caisses de tous les dépôts ont ralenti pendant vingt minutes. Et le résultat était faux, car le dépôt de Kankan code « RIZ-25 » ce que Conakry appelle « RZ25KG ».
Pourquoi faut-il un système à part pour aider à décider, et comment l'organise-t-on ?
2Je comprends
1. Deux familles de systèmes d'information
Un système d'information remplit deux grandes missions : faire fonctionner l'organisation et aider à la piloter.
Le système opérationnel (ou transactionnel) enregistre les événements de l'activité au moment où ils se produisent : une vente, un paiement, une entrée en stock, une admission dans un centre de santé. On parle d'applications OLTP (On-Line Transaction Processing). Exemples : logiciel de caisse, progiciel de gestion intégré (ERP), application de gestion des patients, logiciel de paie.
Le système décisionnel (en anglais business intelligence, BI) rassemble les données produites par les systèmes opérationnels, les rend cohérentes et les conserve dans le temps pour permettre l'analyse : tendances, comparaisons, indicateurs, prévisions.
| Critère | Système opérationnel (OLTP) | Système décisionnel |
|---|---|---|
| Finalité | exécuter les opérations du jour | comprendre et décider |
| Utilisateurs | caissiers, magasiniers, agents (nombreux) | dirigeants, contrôleurs de gestion, analystes (moins nombreux) |
| Opérations typiques | insertions et mises à jour courtes, très fréquentes | lectures massives, agrégations |
| Données | détaillées, actuelles, modifiables | historisées, souvent agrégées, non modifiées |
| Horizon | le présent (état courant) | plusieurs années |
| Requête type | « afficher la facture n° 4512 » | « chiffre d'affaires par dépôt et par mois sur 3 ans » |
| Modèle | normalisé (3e forme normale), pour éviter les redondances | dimensionnel (étoile), pour faciliter la lecture |
| Exigence clé | temps de réponse en millisecondes, disponibilité | richesse de l'analyse, cohérence des chiffres |
Les deux systèmes ne s'opposent pas : le décisionnel se nourrit de l'opérationnel.
2. Pourquoi ne pas interroger directement les bases de production ?
La situation de Diaka Distribution illustre cinq obstacles :
- Performance : une requête qui parcourt des millions de lignes bloque les transactions des utilisateurs (verrous, saturation du disque et du processeur).
- Dispersion : les données utiles sont réparties entre plusieurs applications (facturation, stocks, mobile money, paie) qui ne partagent ni les mêmes codes ni la même technologie.
- Hétérogénéité : un même article, un même client ou un même dépôt porte des codes différents ; les dates et les unités ne sont pas écrites de la même façon.
- Absence d'historique : une base opérationnelle conserve l'état actuel. Si un client déménage de Kindia à Conakry, son adresse est écrasée ; on ne sait plus où il était quand il a acheté.
- Modèle peu lisible : un schéma normalisé de 150 tables est fait pour garantir la cohérence des mises à jour, pas pour être compris par un décideur.
La réponse classique consiste à copier régulièrement les données utiles dans une base dédiée à l'analyse : l'entrepôt de données.
3. L'entrepôt de données et ses quatre caractéristiques
Selon la définition de Bill Inmon, devenue classique, un entrepôt de données (data warehouse) est une collection de données :
| Caractéristique | Signification | Illustration chez Diaka Distribution |
|---|---|---|
| Orientée sujet | organisée autour des grands thèmes de l'activité, pas autour des applications | ventes, stocks, clients, et non « base du logiciel de caisse » |
| Intégrée | codes, formats et unités harmonisés | « RIZ-25 » et « RZ25KG » deviennent un seul article |
| Non volatile | on ajoute des données, on ne les modifie ni ne les supprime | les ventes de 2024 restent identiques quand on charge 2026 |
| Historisée (variable dans le temps) | chaque donnée est rattachée à une date | on compare un mois à celui de l'année précédente |
Ces données sont destinées à l'aide à la décision. Un magasin de données (data mart, ou datamart) est un sous-ensemble de l'entrepôt consacré à un métier ou à un service : datamart commercial, datamart stocks, datamart ressources humaines.
4. L'architecture d'une chaîne décisionnelle
Une chaîne décisionnelle comporte quatre couches :
SOURCES ALIMENTATION STOCKAGE RESTITUTION
------------- ------------- --------------- ---------------
Facturation ---\ Entrepôt de données Tableaux de bord
Stocks ----> Zone de préparation --> (historique intégré) --> Rapports
Mobile money ---/ (extraction, | Analyse OLAP
Paie (tableur) transformation, Datamarts Fouille de données
Fichiers externes chargement : ETL) (ventes, stocks, RH)- Les sources : bases des applications, tableurs, fichiers fournis par des partenaires (relevés bancaires, données d'un opérateur de mobile money), parfois données publiques.
- L'alimentation (ETL) : on extrait les données, on les transforme (nettoyage, harmonisation, calculs) dans une zone de préparation (staging area), puis on les charge dans l'entrepôt. C'est l'objet de la leçon 3.
- Le stockage : l'entrepôt et ses datamarts, modélisés pour l'analyse (leçon 2). On y ajoute des métadonnées : définition de chaque indicateur, origine de chaque donnée, date du dernier chargement.
- La restitution : outils de requête, rapports, cubes OLAP (leçon 4) et tableaux de bord (leçon 5).
Deux approches de construction s'affrontent :
| Approche « descendante » (Inmon) | Approche « ascendante » (Kimball) | |
|---|---|---|
| Point de départ | un entrepôt central d'entreprise, normalisé | des datamarts métier, en modèle dimensionnel |
| Datamarts | dérivés de l'entrepôt central | reliés entre eux par des dimensions communes (« conformes ») |
| Avantage | cohérence globale forte | résultats rapides, projet par étapes |
| Limite | projet long et coûteux avant les premiers résultats | risque d'incohérence si les dimensions ne sont pas partagées |
Pour une PME comme Diaka Distribution, on commence souvent par un datamart des ventes, puis on ajoute les stocks et les achats en réutilisant les mêmes dimensions (articles, dépôts, calendrier).
5. Les acteurs et les décisions servies
On distingue classiquement trois niveaux de décision :
| Niveau | Qui décide | Horizon | Exemple de question |
|---|---|---|---|
| Stratégique | direction générale, conseil d'administration | plusieurs années | « Faut-il ouvrir un dépôt à Boké ? » |
| Tactique | directeurs commercial, logistique, financier | mois, trimestre | « Comment répartir le stock de riz entre les dépôts avant la rentrée ? » |
| Opérationnel | chefs de dépôt, superviseurs | jour, semaine | « Quels articles commander demain à Kankan ? » |
Un projet décisionnel réunit les utilisateurs métier (qui expriment les besoins et valident les chiffres), un chef de projet, des architectes et développeurs ETL, un administrateur de l'entrepôt et, de plus en plus, des analystes de données. Le facteur de réussite n'est pas l'outil, c'est la confiance des décideurs dans les chiffres.
6. Estimer la volumétrie
Avant de choisir un serveur, on estime la taille de la table principale (les ventes) : nombre de lignes multiplié par la taille d'une ligne.
Exemple
Diaka Distribution : 5 points de vente (siège + 4 dépôts).
Chaque point enregistre en moyenne 600 lignes de facture par jour, 310 jours par an.
On veut garder 5 ans d'historique ; une ligne occupe environ 60 octets.
- Lignes par an = 5 x 600 x 310 = 930 000 lignes.
- Lignes sur 5 ans = 930 000 x 5 = 4 650 000 lignes.
- Volume brut = 4 650 000 x 60 = 279 000 000 octets, soit environ 279 Mo.
- Les index et les agrégats peuvent multiplier ce volume par 2 à 3 :
on prévoit donc de l'ordre de 0,6 à 0,9 Go.
Conclusion : un serveur ordinaire suffit ; la difficulté du projet est la qualité
des données, pas leur volume.
Méthode
Cadrer un projet décisionnel
- Recenser les décideurs et les questions qu'ils se posent (entretiens).
- Traduire ces questions en indicateurs et en axes d'analyse (par dépôt, par mois…).
- Identifier, pour chaque indicateur, la source opérationnelle qui contient la donnée.
- Évaluer la qualité de ces sources (codes, doublons, valeurs manquantes).
- Estimer la volumétrie et la fréquence de mise à jour (chaque nuit, chaque semaine).
- Commencer par un datamart prioritaire, le valider avec les utilisateurs, puis étendre.
3Je retiens
Je retiens
Le système opérationnel (OLTP) exécute l'activité ; le système décisionnel aide à la piloter.
On n'analyse pas les bases de production : lenteur, dispersion, codes hétérogènes, pas d'historique.
Un entrepôt de données est orienté sujet, intégré, non volatile et historisé.
Un datamart est un sous-ensemble de l'entrepôt consacré à un métier.
Chaîne décisionnelle : sources, alimentation ETL, stockage, restitution.
Inmon part d'un entrepôt central ; Kimball part de datamarts reliés par des dimensions communes.
Volumétrie = nombre de lignes x taille d'une ligne, plus index et agrégats.
La réussite dépend de la confiance des décideurs dans les chiffres.
4Erreurs fréquentes
- Croire qu'un entrepôt est une simple copie de la base de production : il est intégré et historisé.
- Lancer des analyses lourdes sur la base de caisse en pleine journée de travail.
- Mettre à jour ou supprimer des données anciennes dans l'entrepôt : il est non volatile.
- Commencer par choisir un logiciel au lieu de recenser les questions des décideurs.
- Oublier les métadonnées : sans définition commune, deux services calculent deux chiffres différents.
5Je m’exerce
1Exercice 1
(Questions de cours)
a) Donnez trois différences entre un système opérationnel et un système décisionnel.
b) Citez et expliquez les quatre caractéristiques d'un entrepôt de données.
c) Qu'est-ce qu'un datamart ?
Voir le corrigéCacher le corrigé
a) Par exemple : le système opérationnel traite des transactions courtes et fréquentes (insertions, mises à jour), le décisionnel des lectures massives et des agrégations ; le premier contient l'état actuel, le second plusieurs années d'historique ; le premier est normalisé, le second modélisé pour l'analyse (étoile) ; leurs utilisateurs diffèrent (agents d'exécution d'un côté, décideurs et analystes de l'autre).
b) Orienté sujet : organisé par thème (ventes, clients) et non par application. Intégré : codes, formats et unités harmonisés. Non volatile : on ajoute sans modifier ni supprimer. Historisé : chaque donnée est datée, ce qui permet de suivre les évolutions.
c) Un sous-ensemble de l'entrepôt consacré à un métier ou un service (ventes, stocks, ressources humaines), plus petit et plus simple à interroger.
2Exercice 2
Classez chaque requête comme opérationnelle ou décisionnelle, en justifiant.
a) Afficher le solde du compte d'un client de microfinance au guichet de Kankan.
b) Comparer le taux d'impayés des agences de microfinance par trimestre depuis 2022.
c) Enregistrer l'admission d'un patient dans un centre de santé de Kindia.
d) Calculer le nombre moyen de consultations par mois et par centre de santé de la préfecture sur trois ans.
e) Vérifier si un article est disponible au dépôt de Labé avant de le promettre à un client.
Voir le corrigéCacher le corrigé
a) Opérationnelle : consultation d'un état actuel pour servir un client.
b) Décisionnelle : comparaison dans le temps et entre agences, agrégation.
c) Opérationnelle : enregistrement d'une transaction.
d) Décisionnelle : moyenne sur trois ans, par mois et par centre.
e) Opérationnelle : vérification ponctuelle de l'état courant du stock.
3Exercice 3
Chez Diaka Distribution, le dépôt de Labé écrit les dates au format JJ/MM/AAAA, le siège au format AAAA-MM-JJ ; les quantités de sucre sont en sacs de 50 kg à Conakry et en kilogrammes à Kankan. Quelle caractéristique de l'entrepôt est en jeu ? Que doit faire l'alimentation de l'entrepôt ?
Voir le corrigéCacher le corrigé
C'est l'intégration. L'alimentation doit convertir toutes les dates dans un format unique (par exemple un type DATE, ou AAAA-MM-JJ) et exprimer toutes les quantités dans une unité commune (par exemple le kilogramme : 1 sac = 50 kg), en documentant ces règles dans les métadonnées.
4Exercice 4
Une institution de microfinance de Kankan compte 12 agences. Chaque agence enregistre en moyenne 250 opérations par jour, 300 jours par an. Une ligne de la table des opérations occupe 80 octets.
a) Combien de lignes l'entrepôt contiendra-t-il pour 3 ans d'historique ?
b) Quel est le volume brut en octets, puis en mégaoctets (1 Mo = 1 000 000 octets) ?
c) Avec un facteur 2,5 pour les index et les agrégats, quel volume prévoir ?
Voir le corrigéCacher le corrigé
a) Par an : 12 × 250 × 300 = 900 000 lignes. Sur 3 ans : 900 000 × 3 = 2 700 000 lignes.
b) 2 700 000 × 80 = 216 000 000 octets, soit 216 Mo.
c) 216 × 2,5 = 540 Mo, soit environ 0,54 Go.
5Exercice 5
Expliquez, à l'aide d'un exemple chez Diaka Distribution, pourquoi la non-volatilité et l'historisation permettent des analyses impossibles dans la base de facturation.
Voir le corrigéCacher le corrigé
Exemple : le client grossiste Bah achetait à Kindia en 2024, puis a été rattaché au dépôt de Conakry en 2025. Dans la base de facturation, son dépôt de rattachement a été remplacé : toutes ses ventes passées semblent faites à Conakry. Dans l'entrepôt, les ventes de 2024 restent attachées à Kindia (non volatilité) et chaque vente est datée (historisation) : on peut comparer correctement Kindia 2024 et Kindia 2025, et calculer une évolution d'une année sur l'autre.
6Exercice 6
(Type examen) Une société minière de Boké souhaite un système décisionnel. Ses données sont dans : un ERP (achats, stocks de pièces détachées, comptabilité), un logiciel de suivi de production (tonnes extraites par engin et par poste), un tableur de suivi des incidents de sécurité, et le système de paie.
a) Proposez l'architecture de la chaîne décisionnelle (schéma en texte).
b) Proposez trois datamarts et, pour chacun, une question de décideur à laquelle il répond.
c) Approche descendante ou ascendante : que conseillez-vous et pourquoi ?
d) Donnez deux risques du projet et une mesure pour chacun.
Voir le corrigéCacher le corrigé
a)
ERP (achats, stocks, compta) --\
Suivi de production -----------+--> Zone de préparation (ETL) --> Entrepôt --> Datamarts
Tableur incidents sécurité ----+ nettoyage, codes communs historisé Production
Paie --------------------------/ (engins, sites, dates) Maintenance
Sécurité, RH
Restitution : tableaux de bord, rapports, OLAPb) Datamart production : « Quel tonnage par engin, par poste et par mois, et quel écart par rapport à l'objectif ? ». Datamart maintenance et stocks : « Quelles pièces détachées sont le plus consommées par type d'engin ? ». Datamart sécurité : « Comment évolue le nombre d'incidents par site et par type depuis deux ans ? ».
c) L'approche ascendante est conseillée pour obtenir vite un premier résultat (par exemple le datamart production), à condition de définir dès le départ des dimensions communes (engins, sites, calendrier) partagées par tous les datamarts. L'approche descendante se justifie si l'entreprise dispose d'un budget et d'un délai importants et exige une cohérence globale immédiate.
d) Risque 1 : données de mauvaise qualité (tableur des incidents mal rempli) ; mesure : règles de contrôle à l'alimentation et formulaire de saisie normalisé. Risque 2 : rejet par les utilisateurs qui ne retrouvent pas « leurs » chiffres ; mesure : les associer à la définition des indicateurs et faire valider chaque chiffre avant la mise en service.
Cherchez d’abord seul, sur votre cahier, puis ouvrez le corrigé pour comparer.
6Je vérifie
Choisissez une réponse pour chaque question : la correction s’affiche aussitôt.
Karamö, votre enseignant
Il a lu cette leçon. Posez-lui votre question : il vous répond ici.
Connectez-vous pour poser vos questions à Karamö.
Avec un compte Kharandi gratuit, vous cochez les leçons terminées et vous suivez votre progression, cours par cours.