Présentation
EnglishRÉSUMÉ
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.
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 > Architecture d’un système décisionnel
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(240 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
2. Architecture d’un système décisionnel
On considère généralement une architecture à trois niveaux (figure 2) :
-
les sources d’information qui correspondent à l’ensemble des bases de données de production et sites dont sont extraites les informations décisionnelles ;
-
l’entrepôt qui contient l’ensemble des données extraites de ces sources ;
-
les magasins extraits de l’entrepôt et dédiés aux différentes classes de décideurs.
Les trois niveaux de cette architecture ne sont pas nécessairement présents dans les systèmes décisionnels. Par exemple, des logiciels commerciaux permettent de constituer des magasins directement à partir des sources. Cependant, à notre avis, l’architecture à trois niveaux assure l’indépendance de l’entrepôt par rapport aux diverses manipulations faites par les décideurs.
-
Sources : les informations utiles aux décideurs peuvent être stockées sur des sites de natures diverses (sites web, bases de données relationnelles, fichiers). Les langages de codification, les structures de données sont généralement hétérogènes, ce qui rend délicate l’extraction des données en vue d’alimenter l’entrepôt.
-
Entrepôt : il s’agit d’une véritable base de données qui contient les données extraites des sources. Elles y sont généralement organisées selon le modèle relationnel.
Seules les informations utiles aux décideurs sont stockées dans l’entrepôt, ce qui nécessite une analyse fine des besoins en matière de données.
L’alimentation de l’entrepôt consiste à extraire périodiquement des données des sources pour « rafraîchir » l’entrepôt. Les fréquences d’extraction sont naturellement liées à la volonté des décideurs d’analyser des données récentes.
Au sein d’un entrepôt, des données peuvent être historisées, même si elles ne le sont pas dans les sources.
Exemplepour connaître l’évolution du salaire d’un employé, il convient de constituer une série chronologique des salaires dans l’entrepôt et de compléter la série à chaque extraction de la source.
Un...
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(240 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
Architecture d’un système décisionnel
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
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(240 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