Bibliographie & annexes
Présentation
En anglais
RÉSUMÉ
Cet article traite des bases de données spécifiques, nommées entrepôts de données et utilisées par les applications d’aide à la décision. L’exploitation des entrepôts de données obéit à des procédures particulières qui les différencient des bases de données. L’extraction des données d’un entrepôt réclame une sélection des données pertinentes de par la grande diversité des sources. Leur structuration impose des modèles tridimensionnels, et leur manipulation nécessite des logiciels d’analyse de données.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Claude CHRISMENT : Professeur à l’université Toulouse-3
-
Geneviève PUJOLLE : Maître de conférences à l’université Toulouse-1
-
Franck RAVAT : Maître de conférences à l’université Toulouse-1
-
Olivier TESTE : Maître de conférences à l’université Toulouse-3
-
Gilles ZURFLUH : Professeur à l'université Toulouse-1
INTRODUCTION
Les entrepôts de données (ou « data warehouse ») sont des bases de données (BD) spécifiques utilisées par les applications d’aide à la décision.
La mise en place et l’exploitation d’un entrepôt au sein d’une entreprise suivent des processus particuliers, distincts des démarches utilisées pour l’élaboration des BD.
En ce qui concerne l’extraction des données, les entrepôts sont alimentés à partir de sources de données diverses telles que des BD, des fichiers et des documents web. Il convient de s’assurer de la cohérence de l’ensemble de ces données et de permettre leur mise à jour régulière (rafraîchissement) en accord avec les besoins des décideurs.
La structuration de l’entrepôt doit être adaptée à l’usage que l’on en fait. Les modèles de données utilisés pour structurer et manipuler les BD classiques sont généralement inadaptés aux entrepôts ; de nouveaux modèles multidimensionnels ont été proposés pour offrir aux décideurs une représentation simple des données.
La manipulation des données d’un entrepôt s’effectue souvent au travers de logiciels d’analyse de données. C’est pourquoi les données doivent être sélectionnées selon certains critères ou certaines dimensions grâce à des opérateurs ad hoc qui les agrègent ou, au contraire, les répartissent selon les axes d’étude.
Enfin, l’évolution de l’entrepôt n’est pas uniquement liée aux extractions des données qu’il reçoit régulièrement des sources. Son schéma peut aussi être modifié au fil du temps pour s’adapter à l’évolution des processus d’analyse.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Technologies de l'information > Technologies logicielles Architectures des systèmes > Big Data > Entrepôts de données > Analyse décisionnelle
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(239 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
L’exemple d’Oracle
En anglais
6. Analyse décisionnelle
6.1 Contexte
Les magasins constituent un extrait des données contenues dans l’entrepôt de données dédié à une fonction dans l’entreprise ou à une classe d’utilisateurs. Les décideurs manipulent les données de ces magasins au travers d’outils spécifiques. Pour répondre à ce besoin, chaque magasin repose sur un modèle de données particulier. Ces modèles de données peuvent prendre la forme suivante :
-
une BD relationnelle ;
-
un tableau manipulé au travers d’un tableur du marché ;
-
un environnement spécifique pour la prise de décision (univers Business Objects, catalogue de Cognos) ;
-
une BD multidimensionnelle.
La figure 11 schématise ces différents types de magasins de données.
Une fois que ces magasins ont été définis, ils sont manipulés avec des outils de manipulation décisionnelle. Nous pouvons classer ces outils en différentes catégories :
-
requêteurs pour bases de données relationnelles ou multidimensionnelles ;
-
tableurs avec leurs différentes fonctions ;
-
outils spécifiques d’analyse OLAP ;
-
outils de fouille de données.
6.2 Outils de manipulation décisionnelle
Dans cette catégorie, nous pouvons recenser les requêteurs SQL. Ils permettent de manipuler des bases de données relationnelles. La connaissance du schéma de la BD et du langage SQL ainsi que la restitution du résultat sous forme de tableau ne sont pas toujours en adéquation avec les besoins d’analyse des décideurs. Aussi, sont proposés sur le marché des requêteurs présentant les données sous une forme plus adaptée. Ces outils intègrent une couche conceptuelle permettant aux utilisateurs de spécifier leurs requêtes à partir d’un référentiel. Ce référentiel permet de stocker des noms de données ou d’indicateurs en...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(239 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Analyse décisionnelle
BIBLIOGRAPHIE
-
(1) - AGRAWAL (R.), GUPTA (A.), SARAWAGI (S.) - Modeling Multidimensional Databases - . Research Report, IBM Almaden Research Center, San Jose, Californie (1995). Paru dans les actes de ICDE’97.
-
(2) - GYSSEN (M.), LAKSHMANAN (L.V.S.) - A Foundation for Multi-Dimensional Databases - . 23rd International Conference on Very Large Data Bases – VLDB’97, Athènes, Grèce (25 au 29 août 1997).
-
(3) - INMON (W.H.) - Building the Data Warehouse - . Wiley (2002).
-
(4) - KIMBALL (R.), ROSS (M.) - Entrepôts de données. Guide pratique de modélisation dimensionnelle - . Vuibert (2003).
DANS NOS BASES DOCUMENTAIRES
ANNEXES
Cette liste n’est pas exhaustive.
Oracle http://www.oracle.com
-
Requêteurs
Impromptu, Cognos http://www.cognos.com/impromptu
Business Objects, Business Objects SA http://www.businessobjects.com
Discoverer, Oracle http://www.oracle.com/technology/products/discoverer
-
Requêteurs avec rapport via un navigateur
WebIntelligence, Business Objects SA http://www.businessobjects.com
Impromptu Web Reports, Cognos http://www.cognos.com/impromptu
-
Outils d’analyse OLAP
Oracle OLAP, Oracle http://www.oracle.com/technology/products/bi/olap/olap.html
Microsoft SQL Server, Microsoft http://www.microsoft.com/sql
-
Outils graphiques d’analyse OLAP
PowerPlay, Cognos http://www.cognos.com/products/business_intelligence/analysis
Business Objects, Business Objects SA http://www.businessobjects.com
-
Outils ETL
Oracle Warehouse Builder, Oracle http://www.oracle.com/technology/products/warehouse
DataStage, Ascential http://www.ascential.com/products/datastage.html
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(239 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
