Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Rapport final-2

374 views

Published on

voici un rapport sous le thème de le système d'information décisionnel préparé par : FATIHA BANIX,nabil madich et ER-RHIF IMANE

Published in: Software
  • Be the first to comment

Rapport final-2

  1. 1. 1 Université Sultan Moulay Slimane Faculté Polydisciplinaire Beni Mellal. Master : Management des ressources humaines Module : Système d’information et communication Travail à rendre sous thème : « Le système d’information décisionnel» Proposée Par:M. FalihNoureddine RéaliséesPar :BENNIKS FATIHA ER-RHIF IMANE MADICH NABIL
  2. 2. 2 Table des matières I- Introduction aux systèmes d’information décisionnels ......................................................... 3 1-1 L’évolution de l’informatique décisionnelle.......................................................................... 3 1-2 Définition de système d’information décisionnel................................................................... 4 1-3 les fonctions de système d’information décisionnel................................................................ 5 II- Les composants du système d’information décisionnels.......................................................... 6 2-1 Les Sources de données ....................................................................................................... 6 2-2 ETL.................................................................................................................................... 7 2-3 Data-warehouse................................................................................................................... 9 2-4 Les outils d’analyse et de visualisation.................................................................................13 III- La sécurité des systèmes d’information.............................................................................. 17 BIBLIOGRAPHIE :.................................................................................................................. 19
  3. 3. 3 I- Introduction aux systèmes d’information décisionnels 1-1 L’évolution de l’informatique décisionnelle L’évolution des affaires des entreprises mettait les utilisateurs face à diverses besoins, l’un de gestion et l’autre des transactions ou des opérations élémentaires qui ont devenu de plus en plus complexe, on parle des systèmes opérationnels ayant pour objectif de la saisie de données, leur traitement et la production en sortie de résultats prenant dans un premier temps la forme de documents opérationnels. Cet objectif de production des données n’a pas pu répondre aux besoins évolutifs des utilisateurs qui demandent d’autres fonctionnalités qui se manifestent dont le besoin d’analyse des données à des fins décisionnels. La prise de décision nécessite beaucoup de réflexions et de données générer par les systèmes opérationnels, donc il y avait une procédure à respecter pour réussir cette démarche de capitalisation des informations. D’abord les premiers systémes décisionnels appelaient infocentre sont apparu en 1980 pour combler le vide en matière de la prise de décision des premiers systèmes décisionnels qui ont connu des difficultés, trop de consommation des ressources due aux opérations d’analyse de données, ce qui influence la performance des systèmes opérationnels peu de consommation des ressources dans le même serveur. L’arrivée de l’infocentre a pour objectif de séparer les deux systèmes afin de garder la rapidité des systèmes opérationnels dans deux environnements distincts. Mais ses systèmes comme les autres premiers systèmes ont des limites, parmi lesquels des infocentres de données sont non historiées. L’avancement des technologies de l'information et de la communication (base de données, ordinateur multiprocesseurs, PC, réseaux locaux, internet, logiciels d’interrogation, de fouille de données, etc.). Ont permis de faciliter la prise de décision des entreprises. La historisation des données des systèmes opérationnels ou des données viennent de l’extérieur dans des entrepôts de données seront la base d’analyse de la situation actuelle de l’activité, anticiper les risques futurs et avoir une idée anticipatrice de l’environnement et de la concurrence. L’évolution des systèmes décisionnels : Source : Mémoire de fin d’études, Pour l’obtention du diplôme d’Ingénieur d’Etat en Informatique, FILALI ABDERRAHMANE, KEDJNANE SOFIANE
  4. 4. 4 1-2 Définition de système d’information décisionnel A – Définition Les systèmes décisionnels sont dédiés au management de l’entreprise pour aider au pilotage de l’activité. Le recours a l’historique des données de l’entreprises permet aux décideurs d’avoir une vision transversale de l’entreprise, les SID permettent une vision transversale de l’établissement grâce à des informations en provenance de différents métiers (comptabilité, finance, GRH…). Ils stockent les informations de manière spécifique et permettent ainsi des analyses poussées sur des thématiques précises pour déterminer la meilleure décision à prendre. Entièrement dédié au pilotage de la performance, le SID met en œuvre une grande richesse de fonctions : tableaux de bord pré-formatés, analyse multidimensionnelle, simulation… B – Les Requêtes Grace aux systèmes d’information décisionnels on peut lancer des requêtes spécifiques permettant d’extraire des informations pertinentes à la prise de décision par exemple : - Quel est le nombre des salariés qui ont été recrutés en 2015 ayant statut de technicien ? - Quel est le montant des achats par catégorie et par région ? Schéma d’une requête :
  5. 5. 5 C- Données-> Information -> Connaissance Le système d’information décisionnel a pour objectif de transformer les données stockées dans les Data Warehouse en informations, puis en connaissances. Source : Analyse et conception d’un outil d’aide à la décision quant à la sélection d’un système de gestion de la connaissance,Corinne Bourgeois 1-3 les fonctions de système d’information décisionnel Un système d’information décisionnel assure quatre fonctions fondamentales : la collecte des données, l’intégration, la diffusion et la présentation et enfin l’administration. Collecte : La collecte (parfois appelée datapumping) est l’ensemble des tâches consistant à détecter, à sélectionner, à extraire et à filtrer les données brutes issues des bases de production. Les sources de données, étant souvent hétérogènes, cette fonction est la plus délicate à mettre en place. La collecte des données se font donc à l’aide d’outils de type ETL (extract-transform-load pour extraction-transformation-chargement). Intégration : L’intégration consiste à concentrer les données collectées dans un espace unifié : l’entrepôt de données. Élément central du dispositif, il permet aux applications décisionnelles de bénéficier d’une source d’information commune, homogène, normalisée et fiable, susceptible de masquer la diversité de l’origine des données. Diffusion et présentation : La diffusion met les données à la disposition des utilisateurs, selon des schémas correspondant au profil ou au métier de chacun, sachant que l’accès direct à l’entrepôt de données ne correspondrait généralement pas aux besoins d’un décideur ou d’un analyste. L’objectif prioritaire est de segmenter les données en contextes informationnels fortement cohérents, simples à utiliser et correspondant à une activité décisionnelle particulière.
  6. 6. 6 Administration : C’est la fonction transversale qui supervise la bonne exécution de toutes les autres. Elle pilote le processus de mise à jour des données, la documentation sur les données, la sécurité, les sauvegardes et la gestion des incidents. II- Les composants du système d’information décisionnels 2-1 Les Sources de données La prise de décision se base sur les données venant soit des systèmes opérationnels, soit des données externes à l’entreprise : A- Les systèmes opérationnels : Chaque entreprise possède des applications de production des données pour gérer les activités quotidiennes, les ventes, les achats, factures, salariés…, ses données alimentent le Data Warehouse, il convient de mentionner qu’il faut bien choisir les données essentielles à la prise de décision. B- Les sources externes Les données générées par les systèmes opérationnels ne sont pas suffisantes pour prendre des choix stratégiques, le recours à des enquêtes sur le marché, la supervision des choix des concurrents, la protection des données, le recours à des études, la collecte des données auprès des bases de données externes, L’analyse PESTEL de l’environnement …, ces données doivent figurer avec les données internes dans le Data Warehouse. Schéma des sources des données :
  7. 7. 7 2-2 ETL Les phases du processus E.T.L. représentent la mécanique d’alimentation du Data Warehouse. Ainsi elles se déroulent comme suit : Source : http://www.datasciencecentral.com/profiles/blogs/10-open-source-etl-tools A- L’extraction des données « L’extraction est la première étape du processus d’apport de données à l’entrepôt de données. Extraire, cela veut dire lire et interpréter les données sources et les copier dans la zone de préparation en vue de manipulations ultérieures. » [Kimball, 2005]. Les politiques d’extraction des données : Push : dans cette méthode, la logique de chargement est dans le système de production. Il " pousse " les données vers la zone de préparation quand il en a l'occasion. L'inconvénient est que si le système est occupé, il ne poussera jamais les données. Pull : contrairement de la méthode précédente, le Pull " tire " les données de la source vers la zone de préparation. L'inconvénient de cette méthode est qu'elle peut surcharger le système s'il est en cours d'utilisation. Push-pull : c'est la combinaison des deux méthodes. La source prépare les données à envoyer et indique à la zone de préparation qu'elle est prête. La zone de préparation va alors récupérer les données.
  8. 8. 8 Source : ETL (Extract,Transform and Load) Extraction, Transformation et Chargement BENTALBA Salah Eddine «Consultant IT » B- La transformation des données : La transformation est la seconde phase du processus. Cette étape, qui du reste est très importante, assure en réalité plusieurs tâches qui garantissent la fiabilité des données et leurs qualités. Ces tâches sont : Dé-normalisées : dans un DW (Data Warehouse), avoir des doublons n'est pas important, avoir un schéma en troisième forme normale est même déconseillé. Il faut que les données apparaissent là où elles doivent apparaître. Nettoyées : dans un système de production, les utilisateurs entrent les données. Les risques d'erreurs sont là : entrer la rue au lieu du pays, écrire Canoda au lieu de Canada. Ces erreurs ont des répercussions directes sur les analyses (les commandes avec Canoda comme pays ne feront pas partie des commandes faites au Canada). Il faut pouvoir détecter et corriger ces erreurs. Contextualisées : imaginez un système de production où les informations sur l'activité du personnel sont enregistrées, et un système de RH ou les informations personnelles, comptables des employés sont stockées. Un entrepôt de données possède une vision universelle, un employé est un employé, et il n'y aura qu'une seule dimension "Employé" avec toutes les informations le concernant. Chargées en DW : c'est l'étape la plus complexe, il s'agit ici d'ajouter les nouvelles lignes, voir si des lignes ont été modifiées et faire une gestion d'historique, voir si des lignes ont été supprimées et le mentionner dans l'entrepôt, tout en faisant attention de ne pas charger des données en double.
  9. 9. 9 Cette opération se solde par la production d’informations dignes d’intérêt pour l’entreprise et de et sont donc prêtes à être entreposées Source :http://grim.developpez.com/articles/concepts/etl/ C- Le chargement des données C’est la dernière phase de l’alimentation d’un entrepôt de données, le chargement est une étape indispensable. Elle reste toute fois très délicate et exige une certaine connaissance des structures du système de gestion de la base de données (tables et index) afin d’optimiser au mieux le processus. 2-3 Data-warehouse A- Qu’est-ce qu’un Data Warehouse Bill Inmon définit le Data Warehouse, dans son livre considéré comme étant la référence « Le Data Warehouse est une collection de données orientées sujet, intégrées, non volatiles et évolutives dans le temps, organisées pour le support d’un processus d’aide à la décision. » Les paragraphes suivants illustrent les caractéristiques citées dans la définition d’Inmon. Orienté sujet :le Data Warehouse est organisé autour des sujets majeurs de l’entreprise,contrairement à l’approche transactionnelle utilisée dans les systèmes opérationnels, qui sont conçus autour d’applications et de fonctions telles que : cartes bancaires, solvabilité client…, les Data Warehouse sont organisés autour de sujets majeurs de l’entreprise tels que : clientèle, ventes, produits…. Cette organisation affecte forcément la conception et l’implémentation des données contenues dans le Data Warehouse. Le contenu en données et en relations entre elles diffère aussi. Dans un système opérationnel, les données
  10. 10. 10 sont essentiellement destinées à satisfaire un processus fonctionnel et obéit à des règles de gestion, alors que celles d’un Data Warehouse sont destinées à un processus analytique. Intégrée :le Data Warehouse va intégrer des données en provenance de différentes sources.Cela nécessite la gestion de toute incohérence. Evolutives dans le temps :Dans un système décisionnel il est important de conserver les différentes valeurs d’une donnée, cela permet les comparaisons et le suivi de l’évolution des valeurs dans le temps, alors que dans un système opérationnel la valeur d’une donnée est simplement mise à jour. Dans un Data Warehouse chaque valeur est associée à un moment « Every key structure in the data warehouse contains - implicitly or explicitly -an element of time » [Inmon, 2000]. Non volatiles :c’est ce qui est, en quelque sorte la conséquence de l’historisation décriteprécédemment. Une donnée dans un environnement opérationnel peut être mise à jour ou supprimée, de telles opérations n’existent pas dans un environnement Data Warehouse. Organisées pour le support d’un processus d’aide à la décision :Les données du DataWarehouse sont organisées de manière à permettre l’exécution des processus d’aide à la décision (Reporting, Data Mining…). B- Structure des données d’un Data Warehouse Le Data Warehouse a une structure bien définie, selon différents niveaux d’agrégation et de détail des données. Cette structure est définie par Inmon[Inmon, 2000] comme suit : Source : Mémoire de fin d’études,Pour l’obtention du diplôme d’Ingénieur d’Etat en Informatique, FILALI ABDERRAHMANE, KEDJNANE SOFIANE
  11. 11. 11 Données détaillées : ce sont les données qui reflètent les événements les plus récents, fréquemment consultées, généralement volumineuses car elles sont d’un niveau détaillé. Données détaillées archivées : anciennes données rarement sollicitées, généralement stockées dans un disque de stockage de masse, peu coûteux, à un même niveau de détail que les données détaillées. Données agrégées : données agrégées à partir des données détaillées. Données fortement agrégées : données agrégées à partir des données détaillées, à un niveau d’agrégation plus élevé que les données agrégées. Meta données : ce sont les informations relatives à la structure des données, les méthodes d’agrégation et le lien entre les données opérationnelles et celles du Data Warehouse. Les métadonnées doivent renseigner sur : Les transformations nécessaires, C- Modélisationet conceptiondu Data Warehouse Les deux approches les plus connues dans la conception des Data Warehouse sont :  L’approche basée sur les besoins d’analyse,  L’approche basée sur les sources de données, Aucune des deux approches citées n’est ni parfaite, ni applicable à tous les cas. Toutes deux doivent être étudiées pour choisir celle qui s’adapte le mieux à notre cas. Quelque soit l’approche adoptée pour la conception d’un Data Warehouse, la définition de celui-là reste la même. En étant un support d’aide à la décision, le Data Warehouse se base sur une architecture dimensionnelle. - Approche « Besoins d’analyse » Le contenu du Data Warehouse sera déterminé selon les besoins de l’utilisateur final. Cette approche est aussi appelée « approche descendante » (Top-Down Approach) et est illustrée par R. Kimball grâce à son cycle de vie dimensionnel comme suit :
  12. 12. 12 Source : Mémoire de fin d’études,Pour l’obtention du diplôme d’Ingénieur d’Etat en Informatique, FILALI ABDERRAHMANE, KEDJNANE SOFIANE - Approche « Source de données » Le contenu du Data Warehouse est déterminé selon les sources de données. Cette approche est appelée : Approche ascendante (Bottom-up Approach). Illustration de l’approche « Source de données » grâce au cycle dedéveloppement du DW de Inmon[Inmon, 2002]. - Approche mixte Une combinaison des deux approches appelée hybride ou mixte peut s’avérer efficace. Elle prend en considération les sources de données et les besoins des utilisateurs. Cette approche consiste à construire des schémas dimensionnels à partir des structures des données du système opérationnel, et les valider par rapport aux besoins analytiques. Cette approche cumule les avantages et quelques inconvénients des deux approches déjà citées, telles que la complexité des sources de données et la difficulté quant à la détermination des besoins analytiques.
  13. 13. 13 Source : Mémoire de fin d’études,Pour l’obtention du diplôme d’Ingénieur d’Etat en Informatique, FILALI ABDERRAHMANE, KEDJNANE SOFIANE D- Architecture d’un Data Warehouse Après avoir exposé et défini chacun des éléments constituant l’environnement d’un Data Warehouse, il serait intéressant de connaitre le positionnement de ces éléments dans une architecture globale d’un Data Warehouse : Source : http://sig2010.esrifrance.fr/SIG_et_datawarehouse.aspx 2-4 Les outils d’analyse et de visualisation Après la constitution du Data Warehouse la phase suivante est l’exploitation du Data Warehouse se fait par le biais d’un ensemble d’outils analytiques développés autour du Data Warehouse. Donc cette étape nécessite l’achèvement du développement, ou de la mise en place, de ces outils qui peuvent accomplir les fonctions suivantes:
  14. 14. 14 A. Requêtage ad-hoc : Le requêtage ad-hoc reste très fréquent dans ce type de projet. En effet, les utilisateurs de l’entrepôt de données, et spécialement les analystes, seront amenés à interagir avec le DW via des requêtes ad-hoc dans le but de faire les analyses requises par leurs métiers et, d’élaborer aussi, des rapports et des tableaux de bords spécifiques. L’accès à ce genre de service peut se faire via différentes méthodes et outils. Cependant, les spécialistes en la matière préconisent de laisser la possibilité à l’utilisateur de choisir les outils qui lui paraissent les plus adéquats. B. Reporting : Destiné essentiellement à la production de rapports et de tableaux de bord, « il est la présentation périodique de rapports sur les activités et résultats d'une organisation, d'une unité de travail ou du responsable d'une fonction, destinée à en informer ceux chargés de les superviser en interne ou en externe, ou tout simplement concernés par ces activités ou résultants ». Ces outils de Reporting ne sont pas, à proprement parler, des instruments d'aide à la décision, mais, lorsqu’ils sont utilisés de manière appropriée, ils peuvent fournir une précieuse vue d’ensemble. Les rapports sont alors crées par le biais d’outils de Reporting qui permettent de leur donner un format prédéterminé. Les requêtes sont constituées lors de l’élaboration des rapports qui seront ensuite diffusés périodiquement en automatique ou ponctuellement à la demande. C. Analyse dimensionnelle des données( OLAP) : L’analyse dimensionnelle est sans doute celle qui exploite et fait ressortir au mieux les capacités de l’entrepôt de données par le croisement des données issues de plusieurs dimensions. Le but par l’analyse dimensionnelle est d’offrir aux utilisateurs la possibilité d’analyser les données selon différents critères afin de confirmer une tendance ou suivre les performances de l’entreprise. La modélisation dimensionnelle permet cela. Elle consiste à considérer un sujet d’analyse comme un cube à plusieurs dimensions, offrant des vues en tranches ou des analyses selon différents axes.C’est d’ailleurs pour cela que le choix de la solution doit se faire au préalable, selon les besoins en utilisation, la taille de l’entrepôt et les moyens techniques disponibles.
  15. 15. 15 Source : (Collection DCG intec 2013-2014) Victor ALBORS, Laurence ALLEMAND, Laurent BOKSENBAUM, Philippe GERMAK-UE 118 Systemes d’information de gestion série 4-Cnam Intec (2013) - Vocabulaire : Un cube représente un ensemble de mesures organisées selon un ensemble de dimensions. Une dimension est un axe d’analyse c’est-à-dire une base sur laquelle seront analysées les données. Ex : le temps. Une dimension possède des instances, également appelées Membres. Chaque membre appartient à un niveau hiérarchique. Il s’agit du principe de granularité. EX :’2009’ est membre de la dimension ‘temps’ du niveau hiérarchique ‘année’. Une mesure est l’élément de donnée que l’on analyse. Ex : nombre de ventes. Enfin, un fait représente la valeur d’une mesure (indicateur) selon un membre de chacune des dimensions. - La navigation dans les données Une fois que le serveur OLAP a construit le cube multidimensionnel « ou simulé ce cube selon l’architecture du serveur », plusieurs opérations sont possibles sur ce dernier offrant ainsi la possibilité de naviguer dans les données qui le constituent. Ces opérations de navigation « Data Surfing » doivent être, d’une part, assez complexes pour adresser
  16. 16. 16 l’ensemble des données et, d’autre part, assez simples afin de permettre à l’utilisateur de circuler de manière libre et intuitive dans le modèle dimensionnel. Afin de répondre à ces attentes, un ensemble de mécanismes est exploité, permettant une navigation par rapport à la dimension et par rapport à la granularité d’une dimension. ´ Le « Slicing » et le « Dicing » sont des techniques qui offrent la possibilité de faire des tranches « trancher » dans les données par rapport à des filtres de dimension bien précis, se classant de fait comme des opérations liées à la structure « se font sur les dimensions ». La différence entre eux se manifestent dans le fait que : Le Slicingconsiste à faire une sélection de tranches du cube selon des prédicats et selon une dimension « filtrer une dimension selon une valeur » [Chouder, 2008]. Le Dicing, quant à lui, peut être vu comme étant une extraction d’un sous cube. Drill-down & Roll-up : Ces Méthodes, appelées aussi « forage vers le bas/vers le haut », sont les méthodes les plus répandues pour une navigation dans un entrepôt de données. Elles consistent à représenter les données du cube à niveau de granularité inférieur, dans le cas du « Drill-down », ou un niveau supérieur, c’est le « Roll-up » En somme ses deux opérations de contrôler le niveau de détail des données du cube. D. Tableaux de bord : Les tableaux de bord sont un outil de pilotage qui donne une vision sur l’évolution d’un processus, afin de permettre aux responsables de mettre en place des actions correctives. « Le tableau de bord est un ensemble d’indicateurs peu nombreux conçus pour permettre aux gestionnaires de prendre connaissance de l’état et de l’évolution des systèmes qu’ils pilotent et d’identifier les tendances qui les influenceront sur un horizon cohérent avec la nature de leurs fonctions » [Bouquin, 2003]. Cette forme de restitution a la particularité de se limiter à l’essentiel, c'est-à-dire la mise en évidence de l’état d’un indicateur par rapport à un objectif, tout en adoptant une représentation graphique de l’information. E. Data Mining : Le Data Mining est une composante essentielle des technologies Big Data et les techniques d’analyse de données volumineuses. Il s’agit là de la source des Big Data Analytics, des analyses prédictives et de l’exploitation des données. En règle générale, le terme Data Mining désigne ne l’analyse de données depuis différentes perspectives et le fait transformer ces données en informations utiles, en établissant des relations entre les données. Ces informations peuvent ensuite être utilisées par les entreprises pour augmenter un chiffre d‘affaires ou pour réduire des couts. Elles peuvent également servir à mieux comprendre une clientèle afin d’établir de meilleures stratégies marketing.
  17. 17. 17 III- La sécurité des systèmes d’information Gestion des risques liés aux TI ou sécurité du SI ? La sécurité du système d’information est souvent définie à partir de quatre critères fondamentaux de la valeur d’une information (DICP). :  la disponibilité (D), en termes de délais et de performance,  l’intégrité (I), à savoir l’exactitude et l’exhaustivité de l’information, non modifiée par des tiers non autorisés  la confidentialité (C) : l’information doit être accessible uniquement aux tiers autorisés,  la preuve/contrôle (P), c’est-à-dire à la fois la non-répudiation (impossibilité pour un acteur de nier avoir reçu ou émis l’information) et l’ "auditabilité" de l’information (possibilité de contrôler le bon déroulement du processus ayant permis d’obtenir l’information). En réalité, ces critères doivent être pris en compte en termes de gestion des risques induits. Exprimer un risque consiste à décrire son incidence et sa probabilité. La gestion des risques est un domaine stratégique de la gouvernance des SI. L’analyse et la gestion des risques permettent d’identifier des objectifs de sécurité. Ces objectifs de sécurité visent à protéger les actifs de valeur (c’est-à-dire les données ou les informations stockées, traitées, partagées, transmises ou extraites à partir d'un support électronique) contre les menaces qui conduisent à la perte, l’inaccessibilité, l’altération ou la divulgation inappropriée. Le concept de sécurité peut donc se résumer à l’objectif de sécurité : "la sécurité des systèmes d'information a pour objectif de protéger les intérêts de ceux qui dépendent des systèmes d'information et de communication qui délivrent l'information, contre les préjudices imputables à des défauts de disponibilité, de confidentialité, et d'intégrité. La sécurité des SI se situe donc au niveau opérationnel et tactique, en réponse aux risques identifiés au niveau stratégique.
  18. 18. 18 Conclusion : L’évolution des technologies de l’information et de communication a donné l’essor des systèmes d’information décisionnels, les entreprises avec un ensemble d’outils cherchent de réunir le maximum d’informations sur leurs activités à des fins stratégiques, la prise de décision nécessite une base de données sur laquelle on s’appuie pour effectuer des analyses très poussées ce qui rend la qualité de la prise de décision importante. un système d’information décisionnel est un avantage compétitif pour les entreprises et son choix nécessite beaucoup de réflexions, des fonds, des personnes qualifiés…, le processus de capitalisation des informations passe par un ensemble des étapes comme le schéma suivant l’indique : Source : (Collection DCG intec 2013-2014) Victor ALBORS, Laurence ALLEMAND, Laurent BOKSENBAUM, Philippe GERMAK-UE 118 Systemes d’information de gestion série 4-Cnam Intec (2013)
  19. 19. 19 BIBLIOGRAPHIE : - (Collection DCG intec 2013-2014) Victor ALBORS, Laurence ALLEMAND, Laurent BOKSENBAUM, Philippe GERMAK-UE 118 Systemes d’information de gestion série 4-Cnam Intec (2013) - Propos Les Systémes D'information Décisionnels Michel BRULEY - Mémoire de fin d’études, Pour l’obtention du diplôme d’Ingénieur d’Etat en Informatique, FILALI ABDERRAHMANE, KEDJNANE SOFIANE - http://www.itilfrance.com/index.php?pc=pages/docs/itilv3-03/117-02.inc - http://www.igm-univ-mlv.fr - Analyse et conception d’un outil d’aide à la décision quant à la sélectiond’un système de gestion de la connaissance,Corinne Bourgeois -http://inforsid.fr/?q=node/23

×