Version PDF

Afficher les cours préalables

Afficher les qualités de l'ingénieur

École de technologie supérieure

Responsable(s) de cours :

Christian Desrosiers

PLAN DE COURS

Hiver 2021
MTI820 : Entrepôts de données et intelligence d'affaires (3 crédits)

Modalités de la session d’hiver 2021

Pour assurer la tenue de la session d’hiver 2021, les modalités suivantes seront appliquées :

La plupart des cours de la session d'hiver seront donnés à distance. Les autres seront donnés en présence si la situation socio-sanitaire le permet. Cette information est disponible sur l’horaire de la session d’hiver diffusé sur le site de l’ÉTS ainsi que sur Cheminot.

L’étudiant inscrit à un cours à distance doit avoir accès à un ordinateur, un micro, une caméra et un accès à internet, idéalement de 10Mb/s ou plus. L’étudiant doit ouvrir sa caméra et/ou son micro lorsque requis, notamment pour des fins d’identification ou d’évaluation.

Les cours à distance pourraient être enregistrés, à la discrétion de l’ÉTS, afin de les rendre disponibles aux étudiants inscrits aux cours.

La notation des cours sera la notation régulière prévue aux règlements des études de l'ÉTS.

Les examens intra se feront normalement à distance. Les examens finaux se feront normalement en présence si la situation socio-sanitaire le permet.

Pour les examens (intra, finaux) qui devaient se faire à distance, leur surveillance se fera à l’aide de la caméra et du micro de l’ordinateur et pourrait être enregistrée. Ceci est nécessaire pour se conformer aux exigences du Bureau canadien d’agrément des programmes de génie (BCAPG) afin d’assurer la validité des évaluations.

Le contexte actuel oblige bien sûr l’ÉTS à suivre de près l’évolution de la pandémie de COVID-19, laquelle pourrait entraîner, avant ou après le début de la session d’hiver 2021, un resserrement des directives et recommandations gouvernementales. Nous vous assurons que l’ÉTS se conformera aux règles en vigueur afin de préserver la santé publique et que, si requis, elle pourrait aller jusqu’à interdire l’accès physique au campus universitaire et ordonner que toutes les activités d’enseignement et d’évaluation soient exclusivement données à distance pour tout ou partie de la session d’hiver 2021.

Des exigences additionnelles pourraient être spécifiées par l’ÉTS ou votre département, suivant les particularités propres à votre programme.

En vous inscrivant ou en demeurant inscrit, vous acceptez les modalités particulières de la session d’hiver 2021.

Nous vous rappelons que vous avez jusqu’au 17 janvier 2021 pour vous désinscrire de vos cours et être remboursé.

Pour les nouveaux étudiants inscrits au programme de baccalauréat uniquement, vous avez jusqu’au 31 janvier 2021 pour vous désinscrire de vos cours et être remboursé.

Préalables
Aucun préalable requis

Descriptif du cours

À la suite de ce cours, l’étudiant sera en mesure :

d’analyser les besoins d’une organisation en intelligence d’affaires;
de spécifier les exigences d’un entrepôt de données;
de modéliser, concevoir, réaliser, et administrer un entrepôt de données.

Revue des concepts SQL2; interface entre SQL et un programme (SQLJ, SQL-PSM, JDBC, DBMS_LOB); modélisation, conception, réalisation, réalisation et administration d’un entrepôt de donné. Éléments d’un système d’aide à la décision (decision support systems - DSS). Rôle des entrepôts de données en intelligence d’affaires (business intelligence).

L’étudiant doit maîtriser les bases de données conventionnelles avant de prendre ce cours (ce cours n’en est pas un d’introduction aux bases de données).

Objectifs du cours

Les objectifs généraux du cours se divisent en plusieurs objectifs spécifiques :

Objectif général	Objectifs spécifiques : L’étudiant devra être en mesure de :
1	Comprendre la définition, la structure et l’utilité des entrepôts de données, des comptoirs de données, ainsi que d’autres formes de stockage;
1	Définir les étapes clés de l’intégration des données et comprendre l’apport des outils spécialisés par rapport aux langages de programmation conventionnels;
1	Saisir comment les outils d’accès et d’analyse de données peuvent rendre les clients finaux autonomes dans le processus analytique;
1	Identifier clairement les différences entre les systèmes transactionnels et analytiques (intelligence d’affaires) en termes de leurs fonctions architecture et contexte d’utilisation;
2	Identifier et comprendre les différentes phases d’un projet d’intelligence d’affaires;
2	Définir les acteurs, ainsi que leurs rôles et responsabilités, dans un projet d’intelligence d’affaires;
2	Comprendre les particularités et l’importance de la gouvernance des données dans le contexte de l’intelligence d’affaires;
3	Analyser une situation, diagnostiquer le problème et définir les besoins spécifiques;
3	Concevoir la solution;
3	Énumérer et décrire les étapes de réalisation.

Stratégies pédagogiques

Les objectifs seront atteints par une combinaison de cours magistraux, de lectures individuelles, de discussions, et de travaux pratiques faits en équipe.

La participation active des étudiants et étudiantes est le premier facteur de succès de ce cours.

Utilisation d’appareils électroniques

Aucun appareil utilisé

Horaire

Groupe	Jour	Heure	Activité
01	Jeudi	18:00 - 21:30	Activité de cours

Coordonnées de l’enseignant

Groupe	Nom	Activité	Courriel	Local	Disponibilité
01	Alain Cardinal	Activité de cours	cc-Alain.CARDINAL@etsmtl.ca	A-4526

Cours

Note : Tous les cours sont d’une durée de 3 heures 30 minutes par semaine (incluant la pause de 30 minutes)

Cours	Description	Lectures (Kimball)
1	Introduction à l’intelligence d’affaires et aux entrepôts de données	Intro
2	Cycle de vie d’un projet en intelligence d’affaires	Ch. 1
3	Les spécifications informationnelles et l’analyse de besoins	Ch. 2, 3
4	La modélisation dimensionnelle des données	Ch. 6,7
5	Les architectures d’entrepôts de données	Ch. 4, 5
6	Intégration des données et l’architecture de traitement ETL	Ch. 9, 10
7	Implémentation et conception physique	Ch. 8
8	Les applications d'intelligence d'affaires	Ch. 11, 12
9	L’analyse prédictive et le forage de données	Ch. 11
10	La gouvernance des données et le MDM	Ch. 13, 14
11	Impact de l'infonuagique sur l'intelligence d'affaires	-
12	Intelligence d'affaires et science des données	-
13	Approches d'implémentation (présention des projets)	-

Laboratoires et travaux pratiques

Le cours comporte trois travaux pratiques ainsi qu’un projet de cours au choix sur l’intelligence d’affaires. Les travaux pratiques et le projet de cours seront réalisés en équipes de deux à trois étudiants.

I. Travaux pratiques

Les trois travaux pratiques, ayant une pondération respective de 10 %, 10% et 5%, porteront sur les thèmes de 1) l’analyse des besoins et la modélisation dimensionnelle, 2) la conception d’un système ETL et 3) la conception d’une application analytique. Ces travaux pratiques seront réalisés en classe, de même qu’en dehors des périodes de cours.

II. Projet de cours

Le projet de cours de chaque équipe portera sur un thème au choix, relié à l’intelligence d’affaires. Des exemples de sujets pouvant servir pour un projet sont les suivants :

La comparaison d’outils d’intelligence d’affaires pour un problème particulier;
L’application de l’intelligence d’affaires dans un contexte donné (ex : le domaine de la santé, le Web, etc.);
Le développement d’une application de forage de données ou d’analyse prédictive;
Une nouvelle tendance de l’intelligence d’affaires (ex : infonuagique, temps-réel, réseaux sociaux, etc.).

L’évaluation du projet est faite selon trois (3) composantes différentes:

1. Proposition de projet (5 % de la note finale)

Au plus tard à la séance 6 du cours, chaque équipe doit remettre une proposition de projet de 5 à 10 pages comportant les éléments suivants :

Une présentation de la problématique et des objectifs du projet;
Une description détaillée de la méthodologie proposée pour le projet (ex : données utilisées, étapes de réalisation, outils envisagés, etc.);
Un calendrier de planification spécifiant les dates des différents jalons et la répartition des tâches;
Une proposition de table des matières détaillée pour le rapport final;
Une liste d’au moins cinq (5) références pertinentes au projet.

2. Rapport de projet (20 % de la note finale) :

À la fin de la session, les équipes devront remettre un rapport de 20 à 30 pages décrivant le travail réalisé dans le cadre du projet. Les rapports devront présenter à nouveau la problématique et les objectifs du projet et, selon la nature du projet, pourront contenir les éléments suivants :

Une analyse des besoins;
Un modèle dimensionnel des données;
Un plan d’architecture haut niveau de la solution proposée;
Une description des technologies employées;
Une revue de littérature pertinente;
Un exemple d’utilisation de la solution développée (ex : captures d’écran, rapports, tableaux de bord, etc.);
Les résultats obtenus présentés sous la forme de tableaux et/ou de graphiques;
etc.

3. Présentation orale (10 % de la note finale) :

Lors de la dernière séance du cours, chaque équipe devra présenter les principaux éléments de son projet aux autres élèves de la classe. Chaque membre de l’équipe aura environ 10 minutes pour présenter sa partie, et une période de questions de 5 minutes suivra la présentation. Les présentations seront évaluées selon les critères suivants :

La qualité et la pertinence du contenu;
La qualité de la recherche et des références;
La qualité visuelle de la présentation;
L’intérêt suscité dans la classe.

Évaluation

Élément	Valeur
Travail pratique #1	10 %
Travail pratique #2	10 %
Travail pratique #3	5 %
Proposition de projet	5 %
Rapport de projet	25 %
Présentation orale	10 %
Examen final*	35 %

* La documentation permise pour l'examen final est une seule feuille de notes, recto-verso.

Date de l'examen final
Votre examen final aura lieu pendant la période des examens finaux, veuillez consulter l'horaire à l'adresse suivante : http://etsmtl.ca/Etudiants-actuels/Baccalaureat/Examens-finaux

Politique de retard des travaux
Tout travail (devoir pratique, rapport de laboratoire, rapport de projet, etc.) remis en retard sans motif valable, c’est-à-dire autre que ceux mentionnés dans le Règlement des études (1er cycle, article 7.2.7 b / cycles supérieurs, article 6.5.4 b) se verra attribuer la note zéro, à moins que d’autres dispositions ne soient communiquées par écrit par l’enseignant dans les consignes de chaque travail à remettre ou dans le plan de cours pour l’ensemble des travaux.

Dispositions additionnelles

Format de remise

Les rapports doivent être remis électroniquement sous la forme d’un fichier PDF, Word ou OpenOffice.

Politique des retards et qualité de la langue

Retard de moins de 24 heures : perte de 10 %;
Retard de plus de 24 heures mais moins de 48 heures : perte de 20 %;
Retard de plus de 48 heures mais moins de 72 heures : perte de 30 %;
Retard de plus de 72 heures : perte de 100 %;
La qualité du français peut faire perdre jusqu’à 15 % des points

Instruction pour les remises

Faire parvenir les versions électroniques à : cc-Jean-Francois.Gailleur@etsmtl.ca
Objet du courriel : MTI820 : Remise rapport X
Identifier tous les membres de l'équipe dans le courriel

Absence à un examen
Dans les cinq (5) jours ouvrables suivant la tenue de son examen, l’étudiant devra justifier son absence d’un examen durant le trimestre auprès de la coordonnatrice – Affaires départementales qui en référera au directeur de département. Pour un examen final, l’étudiant devra justifier son absence auprès du Bureau du registraire. Toute absence non justifiée par un motif majeur (maladie certifiée par un billet de médecin, décès d’un parent immédiat ou autre) à un examen entraînera l’attribution de la note (0).

Infractions de nature académique
Les clauses du « Règlement sur les infractions de nature académique de l’ÉTS » s’appliquent dans ce cours ainsi que dans tous les cours du département. Les étudiants doivent consulter le Règlement sur les infractions de nature académique (https://www.etsmtl.ca/docs/ETS/Gouvernance/Secretariat-general/Cadre-reglementaire/Documents/Infractions-nature-academique ) pour identifier les actes considérés comme étant des infractions de nature académique ainsi que prendre connaissance des sanctions prévues à cet effet. À l’ÉTS, le respect de la propriété intellectuelle est une valeur essentielle et les étudiants sont invités à consulter la page Citer, pas plagier ! (https://www.etsmtl.ca/Etudiants-actuels/Baccalaureat/Citer-pas-plagier).

Documentation obligatoire

Ralph Kimball, Laura Reeves, Margy Ross, Warren Thornthwaite (2006). The Data Warehouse Lifecycle Toolkit, 3^nd Edition, Wiley.

Ouvrages de références

Ralph Kimball, Margy Ross (2002). The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling, 2^nd Edition, Wiley.
Ralph Kimball, Joe Caserta (2004). The Data Warehouse ETL Toolkit, Practical Techniques for Extracting, Cleaning, Conforming and Delivering Data, Wiley.
Efraim Turban, Ramesh Sharda, Dursun Delen, David King (2010). Business Intelligence: A Managerial Approach, 2nd Edition, Prentice Hall.
Paulraj Ponniah (2010). Data Warehousing Fundamentals for IT Professionnals, 2^nd Edition, Wiley.
Cindi Howson (2006). Business Objects XI: The complete Reference, 2^nd Edition, Mc Graw Hill.
Gloria J.Miller, Dagmar Brautigam, Stefanie V. Gerlach (2006). Business Intelligence Competency Centers, Wiley.
Jiawei Han, Micheline Kamber (2006). Data Mining Concepts and Techniques, 2^nd Edition, Morgan Kaufmann.

Adresse internet du site de cours et autres liens utiles

https://cours.etsmtl.ca/mti820/