Réingénierie de Base de Données et Création d'un Tableau de Bord Analytique pour une Entreprise de Modèles et Maquettes

Méthodologie AGILE/SCRUM

Pour structurer efficacement ce projet complexe, nous avons adopté la méthodologie AGILE/SCRUM, en divisant le travail en cinq sprints distincts :

1. Calculs : Détermination et implémentation des métriques SQL

2. Intégration : Préparation des données pour l'analyse

3. Modélisation : Restructuration de la base de données selon un modèle analytique

4. Analyse et préconisation : Interprétation des données et recommandations

5. Live Demo : Présentation finale du tableau de bord

Cette approche nous a permis de maintenir une progression structurée tout en conservant la flexibilité nécessaire pour nous adapter aux besoins émergents.

Phase 1 : Calcul des métriques en SQL

La première étape consistait à extraire et calculer toutes les métriques demandées par le client à l'aide de requêtes SQL. Travaillant avec MySQLWorkBench et DBeaver, j'ai créé des requêtes pour analyser les performances des représentants commerciaux, les tendances de ventes par région, l'identification des produits les plus/moins vendus, les clients générant le plus de revenus, et l'état des stocks.

Cette phase a constitué la fondation de notre projet analytique, établissant les indicateurs qui seraient ensuite visualisés dans le tableau de bord.

Phase 2 : Remodélisation de la base de données

Après avoir pris connaissance de la structure existante de la base de données, j'ai constaté qu'elle suivait un schéma transactionnel (OLTP) qui n'était pas optimal pour l'analyse. J'ai donc entrepris de la remodéliser selon un schéma en étoile (OLAP), mieux adapté aux besoins analytiques.

En m'appuyant sur la méthode MERISE (MCD → MLD → MPD), j'ai créé plusieurs tables de dimensions (clients, produits, employés, dates, etc.) et une table de faits centrale contenant les mesures clés nécessaires pour les indicateurs demandés. Cette restructuration a permis d'optimiser significativement les performances des requêtes analytiques.

Phase 3 : Création des vues SQL et intégration Power BI

Une fois le modèle conceptuel validé, j'ai créé des vues SQL correspondant à nos tables de dimensions et de faits. Ces vues ont ensuite été importées dans Power BI, où j'ai établi les relations entre les différentes tables selon notre schéma en étoile.

Cette structure relationnelle optimisée dans Power BI a facilité l'application de filtres et a considérablement amélioré les performances des requêtes, permettant une exploration fluide des données.

Phase 4 : Développement du tableau de bord

À partir de cette infrastructure solide, j'ai commencé à développer le tableau de bord en créant des visualisations adaptées à chaque métrique demandée. J'ai veillé à ce que les représentations visuelles soient intuitives et permettent une compréhension rapide des tendances et des anomalies.

Le tableau de bord a été conçu pour offrir différents niveaux de granularité, permettant au directeur de l'entreprise d'avoir une vue d'ensemble de la performance tout en pouvant approfondir l'analyse sur des aspects spécifiques.

Conclusion et perspectives

Ce projet a permis de démontrer concrètement l’impact d’une refonte bien pensée de la structure de données sur la performance analytique. En passant d’un modèle transactionnel à un modèle analytique optimisé, nous avons considérablement amélioré la rapidité et la pertinence des analyses. Le tableau de bord final, désormais opérationnel, offre au directeur une vision claire, dynamique et personnalisable de l’activité de l’entreprise, couvrant les domaines clés que sont les ventes, les finances, la logistique et les ressources humaines.

La combinaison des outils SQL, de la méthode MERISE et de Power BI a été décisive dans le succès de ce projet. Elle a permis de transformer une base de données brute en un outil stratégique d’aide à la décision. Ce projet constitue une référence solide en matière de réingénierie de données au service de la performance métier.