+

Analyse Dimensionnelle Datawarehouse et moteur OLAP.

BARBE-CREULY Bastien BLIN Alexandre DECOT Jordan VASSOU Joris

Sommaire
Introduction Architecture dcisionelle Le moteur OLAP Avantages/inconvnients Point de vue de lutilisateur Conclusion

+Introduction

Les SGBD relationnels

Rapides

Font exactement ce quon leur demande

SQL a apport une harmonisation du langage de requte

On veut ne plus devoir grer les ressources physiques

Les limites
Elles ne viennent pas des SGBD usuels

Elles viennent de lutilisateur et des volumes de donnes gigantesques

Analyser des donnes devient de plus en plus complexe

+
Architecture dcisionelle

Prsentation gnerale

Datawarehouse

Quest ce quun Datawarehouse

Entrept de donnes

Regrouper les donnes provenant de lentreprise Avec une valeur ajout Modlisation spcifiques des donnes

But? Fournir aux dcideurs des donnes pertinente rapidement accessible

Dfinition
Dfinition de Bill Immon
Une collection de donnes orientes sujets, intgres, non volatilles et historises, organiss pour le support dun processus daide la dcision

Dfinition
Orientes sujets
Reprsentation des donnes sous forme de thmes

Intgres
Unification des donnes

Non volatiles
Aucune modification ou supression de donnes

Historises
Rfrencement dans le temps des donnes

Alimentation du datawarehouse
Diffrentes sources de donnes Base de donnes Fichiers csv, xml etc ...

Middleware ETL (Extraction / Transformation /Loading)

Datamart
Sous ensemble dun datawarehouse

Marketin g

Vente

RH

Modle en toile

Modle en flocon

Analyse des donnes - OLAP

Quest ce quOLAP
OLTP ( On Line Transaction Processing) => OLAP (On Line Analytical Processing) Bases multi-dimensionnelles Surcouche dun entrept de donnes

Dimensions, mesures et rles:

Exemple avec un magasin de chaussures

Catgories 2009

Dimensions: -Catgories - Magasins (Zone

gographique)

- Temps 2010 2011 2012 Mesures: - Chiffre daffaire - Bnfice etc.

Temps

Oprations OLAP: Gestion de la granularit

Drill-Up:

Temps

Drill-Down:

Oprations OLAP:
Drill- Across:

Temps

Oprations OLAP:

Rotate:

Temps

Oprations OLAP:
Slicing:

Temps

Oprations OLAP:
Scoping:

Temps

Exploiter les donnes: Language MDX

Multidimensional Expressions

Langage de requtage pour OLAP = SQL pour les Bases de donnes relationnelles. Temps

MOLAP: Fonctionnement

Optimisation de lespace

Gain de vitesse

Rgneration ncessaire

Temps

MOLAP: Aggrgation des donnes

Taille du cube importante peut doubler le poids de la base.

Temps

Cots des quipements importants

ROLAP: Fonctionnement
ROLAP accdent la base relationnelle

Gnre des requtes SQL

Temps

ROLAP: Aggrgation des donnes

Tables temporaires pour stocker les aggrgations

Temps

Mais configurables

HOLAP

Fusionner les 2 derniers modes de fonctionnement

Temps Attention: demande une grosse analyse pour ne prendre que les points forts.

+
Avantages & inconvnients

Avantages
Permet lagrgation dun volume important de donnes Simplifie grandement lanalyse et laffichage de donnes complexes Utile dans linformatique dcisionnelle

Oblige dadopter une structure cohrente et davoir des donnes propres

Inconvnients
Oblige dadopter une structure cohrente et davoir des donnes propres Structure diffrente dun base de donnes relationnelle Coteux en temps et en argent mettre en place

Maintenance complexe

+
Point de vue utilisateur final

Conclusion
Evolution des classiques, mais remplace pas!! BDD ne les

Gros travail danalyse = gros investissements Outils ncessaires pour la prise de decision

Des questions?

+
Merci de votre attention