Modélisation multidimensionnelle des magasins
Entrepôts de données

5.1 Nécessité de modèles adaptés

Les données à analyser doivent refléter la vision des analystes, c’est-à-dire apparaître sous une forme facilitant les prises de décision. Cette vision correspond à une structuration des données selon plusieurs axes d’analyse représentant des notions diverses telles que le temps, la localisation géographique, une nomenclature de produits, etc. On parle d’analyse multidimensionnelle.

La modélisation traditionnelle sous la forme de relations est inadéquate pour supporter efficacement les analyses multidimensionnelles. Pour s’en convaincre, considérons la relation de la figure 5a. On peut distinguer deux axes selon lesquels les ventes de l’année 2000 peuvent être observées : un axe relatif aux catégories de produits vendus et un axe relatif aux départements des points de vente. La représentation relationnelle de ces données ne facilite pas le travail de l’analyste ; par exemple, l’observation des ventes dans la Haute-Garonne (Département = 31) met en jeu des enregistrements disséminés dans la relation.

Une vision plus proche de celle des analystes consiste à organiser les données dans un tableau où les axes d’analyse sont croisés (figure 5b) ; il s’agit d’une représentation de données à deux dimensions. Dans ce contexte, l’observation des ventes dans la Haute-Garonne consiste simplement à analyser la première ligne. Pour construire cette représentation à partir de la relation initiale, les enregistrements sont répartis en lignes et en colonnes.

Par extension, si l’on considère plusieurs tableaux relatifs aux ventes annuelles de l’année 2000 à l’année 2002, on observe alors les données dans un espace à trois dimensions (figure 5c).

La modélisation multidimensionnelle consiste donc à considérer les données à analyser – on parle de sujet analysé – comme un point dans un espace à plusieurs dimensions. Les données sont ainsi organisées de telle sorte que le sujet analysé et les axes de l’analyse soient mis en évidence. Cette organisation multidimensionnelle a favorisé l’utilisation de la métaphore du cube de données (figure 6).