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 > Extraction des sources
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
Constitution d’un entrepôt
En anglais
3. Extraction des sources
Les entrepôts de données sont alimentés à partir de sources multiples, autonomes (gérées par des systèmes différents et indépendants), hétérogènes (du point de vue structurel ou sémantique), éventuellement peu structurées (données semi-structurées) ou non.
Une première démarche pour construire un entrepôt à partir de telles sources consiste à écrire pour chacune un programme ad hoc réalisant la sélection des données pertinentes de la source pour les adapter aux exigences du système qui gère l’entrepôt de données. Cette démarche est particulièrement contraignante notamment pour le rafraîchissement de l’entrepôt ainsi que pour s’adapter à ses évolutions.
Une démarche intermédiaire pour s'accorder avec plus de souplesse à l’hétérogénéité des systèmes qui gèrent les sources tout en préservant leur autonomie, consiste à générer pour chaque source (rôle de l’adaptateur) une image dans un modèle compatible avec celui de l’entrepôt. Un processus générique d’unification permet ensuite l’alimentation de l’entrepôt. Généralement, le modèle pivot utilisé pour les images est le modèle relationnel : il suffit généralement d’utiliser la fonction d’exportation de données intégrée au système de gestion de la source pour obtenir cette image. Ce processus se simplifie lorsque les sources sont relationnelles ou pseudo-relationnelles, et cette tâche peut être pilotée par des systèmes génériques avec des interfaces graphiques spécifiant les caractéristiques de l’image à partir de la source (voir l’environnement Oracle, § 7). À partir de cet ensemble d’images, on alimente soit directement les tables de l’entrepôt de données, soit les tables associées aux vues d’un système d’intégration de données (appelé aussi système médiateur), dans un schéma...
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
Extraction des sources
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
