Présentation
En anglaisRÉSUMÉ
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 > Constitution d’un entrepôt
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
4. Constitution d’un entrepôt
Si la nécessité de constituer un entrepôt peut paraître évidente dans le cadre de la mise en œuvre d’un système décisionnel de l’entreprise, le premier écueil rencontré concerne la méthode à employer.
Nous présentons ici quelques éléments méthodologiques dans les principales étapes permettant de concevoir et mettre en œuvre un entrepôt.
Les méthodes utilisées pour le développement des traitements transactionnels s’avèrent globalement inadaptées, notamment les démarches en cascade ou en V. Notons cependant que certains de leurs modèles ou étapes peuvent être avantageusement réutilisés dans le développement des systèmes décisionnels.
Par exemple, la méthode MERISE ou le processus unifié (basé sur UML) proposent une démarche pour définir et implanter données et traitements. Le point de départ d’un tel processus est constitué par les besoins spécifiés par les utilisateurs opérationnels, toujours identifiables et généralement clairement définis. Le résultat est un logiciel fermé pour l’utilisateur, sorte de boîte noire activée chaque fois que la fonction qu’il assure est sollicitée par un événement.
Le cas des traitements décisionnels est différent. Il s’agit généralement de traitements non structurés, peu ou pas répétitifs et évolutifs.
lors de la définition d’un plan de recrutement, extraire des indicateurs des données opérationnelles concernant les fonctions et âges des salariés de l’entreprise.
Les décideurs doivent donc être capables d’accéder eux-mêmes aux données du système d’information et d’effectuer les traitements qui leur seront nécessaires au moment où ils en exprimeront le besoin.
Notons que la spécificité des traitements décisionnels exige une démarche itérative comportant des cycles courts. Certains professionnels disent qu’il faut voir grand mais faire petit à petit.
En effet, la constitution d’un entrepôt de données principal (unique) représente un investissement trop important pour une équipe d’informaticiens au sein d’une entreprise ; il est donc nécessaire d’étaler l’activité correspondante sur plusieurs années.
Commencer par le développement d’un projet pilote, unanimement...
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
Constitution d’un entrepôt
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
(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