Entrept de Donnes

Jean-Franois Desnos
Jean-Francois.Desnos@grenet.fr

ED JFD

Dfinition (Bill Inmon 1990)

Un entrept de donnes (data warehouse)

est une collection de donnes thmatiques,
intgres, non volatiles et historises pour
la prise de dcisions

ED JFD

Les donnes sont thmatiques

Donnes sont organises par thme (sujets
majeurs, mtiers),
vs systmes de production : processus
fonctionnels.
analyses transversales / structures
fonctionnelles et organisationnelles de
l'entreprise.
ED JFD

Les donnes sont intgres

Elles proviennent de systmes sources
htrognes
cohrence, normalisation, matrise de la
smantique, prise en compte des contraintes
rfrentielles et des rgles de gestion

ED JFD

Les donnes sont historises et non

volatiles
historisation : suivre dans le temps
l'volution des diffrentes valeurs des
indicateurs.
couches de donnes
non volatiles : traabilit non suppression

ED JFD

La pyramide du systme dinformation

Dcisionnel

Pilotage

In di
Administratif

Paye
Comptabilit
GRH

ca teurs
Produits
clients
procds

Mtier

NB : Un systme dinformation rellement complet intgre des informations et des

contraintes extrieures.
ED JFD

Intrt de lentrept de donnes

Vision transversale de lentreprise

Intgration des diffrents bases
Donnes non volatiles (pas de suppression)
Historisation
Organisation vers prise de dcision

ED JFD

Un projet complexe

Rassembler des donnes htrognes

Les homogniser et les restructurer
Vrifier leur fiabilit
Les diter (publier)

ED JFD

Exemple de tableau de bord

400
350
300
Ventes
250

Achats
Fournisseurs

200

Personnel
Clients

150

Bnfice
100
50
0
Anne 1

Anne2

Anne 3

Exemples dindicateurs dentreprise (succursales multiples)

L'anne est une dimension, le magasin pourrait tre une seconde
dimension, le type de produit une troisime.
ED JFD

Schma de principe dun ED

Donnes
Base cible

Donnes
Bases sources

Couche n
Logiciel
Extraction
Transformation
Chargement
(ETL)

Logiciel
Recherche
Analyse
Mise en forme
des
donnes

Edition
Papier
Web
couche 1

ED JFD

10

Donnes oprationnelles vs dcisionnelles

Donnes oprationnelles

Donnes dcisionnelles

Orientes application, dtailles,

prcises au moment de laccs

Orientes activit (thme, sujet),

condenses, reprsentent des
donnes historiques

Mise jour interactive possible

Pas de mise jour interactive

Accs par une personne la fois

Utilises par lensemble des

analystes

Haute disponibilit en continu

Haute disponibilit ponctuelle

Uniques(pas de redondance en
thorie)

Peuvent tre redondantes

Petite quantit de donnes utilises

par un traitement

Grande quantit de donnes utilise

par les traitements

Ralisation des oprations au jour

le jour

Cycle de vie diffrent

Forte probabilit daccs

Faible probabilit daccs

Utilises de faon rptitive

Utilises de faon alatoire

ED JFD

11

Classes de donnes dun ED

Mtadonnes ( donnes sur les donnes )
Donnes dtailles : donnes intgres dans
lED
Donnes agrges : sommation de donnes
dtailles (tables dagrgat)
Couches de donnes : historisation

ED JFD

12

Exemple dEntrept de donnes

LED doit fournir le CA des ventes dun produit, par date, client,
et vendeur, ainsi que toutes les sommations possibles de chiffre
daffaires dans une anne donne.
Une vente est caractrise par :
produit
client
vendeur
date

ED JFD

produit, client, vendeur,

date, prix de vente

code produit, code famille (et libells)

code client, type client
code vendeur, nom, code service
jour, semaine, mois

13

Modlisation de la base cible

le modle relationnel est adapt aux transactions.
Dans un entrept de donnes, prvu pour laide la
dcision, pas de modlisation en forme normale
Modle dimensionnel :
tables de faits + tables de dimensions relies une table
de faits par une jointure.
On obtient un schma en toile (dans le cas le plus
simple)
ED JFD

14

Le modle dimensionnel
Une table contenant une cl multiple, la
table de faits,
un ensemble de tables secondaires, les
tables de dimension (chacune possde une
cl primaire unique correspondant lun
des composants de la cl multiple de la
table de faits).
jointures schma en toile
ED JFD

15

Schma en toile de lexemple

code produit
code famille
libell

Table de faits
VENTE
code produit
code client
code vendeur
date
prix de vente

code vendeur
nom
code service

code client
type client

date
semaine
mois
anne

4 tables de dimensions
ED JFD

16

Table de faits
Contient des faits numriques
Les faits les plus utiles sont numriques et
additifs.
les agrgats, ou tables dagrgat, sont des
enregistrements rcapitulatifs.

ED JFD

17

Avantages du modle
dimensionnel
Conu pour un requteur : performances;
Peut tre modifi sans peine (faits
nouveaux, dimensions nouvelles ,attributs
dimensionnels nouveaux, granularit
variable);
Doit tre capable dintgrer de nouvelles
sources.
ED JFD

18

Rsultat possible
Tableau des ventes par produit et par client :

produit

client
ED JFD

19

Le cube de donnes
Chiffre daffaires

produit

ski de piste
raquette
surf
luge
ski de fond

Vendeur

jan

fev mars

Antoine
Brigitte
Laurence

mois

ED JFD

20

Volumtrie
Linformation de synthse peut tre plus
volumineuse que linformation de dtail
2D
3D

ED JFD

21

Exemple de volume
Tableau 3x3 9 lments de dtail
7 lments de totalisation
Tableau 3x3x3 27 lments de dtail
lments de totalisation :
3 tranches 3x3 = 3x7 = 21
+ la face avant 4x4 = 16
Total = 37
ED JFD

22

Cube de donnes
Dans un modle dimensionnel, on cherche reprsenter
les donnes dans un cube (ou hypercube).
analyse ascendante : synthtiser
analyse descendante : dtailler
rotation des dimensions et coupe : trancher le cube

ED JFD

23

Dimensions et indicateurs

dimension :

- produit
- client
- vendeur
- date
indicateur :
- chiffre daffaires
une dimension prend une liste de valeurs,
un indicateur est un nombre.
ED JFD

24

Additivit des indicateurs

indicateurs : de prfrence numriques et
additifs.
Certains sont semi additifs (additifs pour
certaines dimensions).
Non additifs : fonctions d'agrgations :
moyenne, ratios, comptage de lignes.

ED JFD

25

Exemple dadditivit
Table de faits VENTE
code produit
code client
code vendeur
prix de vente
ristourne client (type client)
commission vendeur (CA vendeur)
retour oui/non

ED JFD

26

Cas gnral : Hypercube

Indicateur associ n dimensions (n > 3)
Le cube est alors appel hypercube.
On fixe n-2 dimensions.
En gnral, plusieurs indicateurs.
Ici, un deuxime indicateur pourrait tre le
bnfice.
ED JFD

27

Hirarchie de dimensions
Dimensions

mois
| semaine
| jour

ED JFD

28

Analyse multi-dimensionnelle
Rotation des dimensions
et tranchage,
Analyse descendante
ou ascendante.
ED JFD

29

Quelques dfinitions (1)

Entrept de donnes (ED) ou Datawarehouse :
Systme dinformation agrgeant des donnes
non volatiles et historises, dans un but daide
la dcision.
Datamart : ED spcialis mtier , ou ED partiel

Datamining :
Recherche et analyse dinformation dans une base de
donnes.

ED JFD

30

Quelques dfinitions (2)

Analyse ascendante/descendante (Drill up, drill down) :
Action dobtention dun niveau de dtail plus global
(ascendant - up) ou plus fin (descendant - down) sur un axe
danalyse multidimensionnel.

Decision Support System (DSS) : Systme informatique conu

pour laide la dcision plutt que pour la gestion.

Hypercube : Espace danalyse n dimensions (par ex. temps, lieu,

produit, vendeur, prix,...).

ED JFD

31

Quelques dfinitions (3)

Mtadonnes ou donnes sur les donnes :
Structure, contenu, localisation, rgles dagrgation
et de transformation des donnes.

On line analytical process (OLAP) :

Requtage, analyse et prsentation des donnes dun ED.
Bas sur le cube .

Modle dimensionnel : modlisation faits dimensions

alternative la modlisation entit / relation
ED JFD

32

Bibliographie
Manuel du designer V5, Business Objects, 1999.
Piloter l'entreprise grce au data warehouse, J.-M. Franco et al.,
Eyrolles 2001.
La construction du datawarehouse, J.-F. Goglin, Herms 1998.
Building the Data Warehouse, W. H. Inmon, Wiley 1996.
Entrepts de donnes, guide pratique du concepteur, R. Kimball,
Wiley 1997.
Concevoir et dployer un data warehouse, R. Kimball et al.,
Eyrolles 2000.

http://www.tdwi.org
ED JFD

33

Entrepts de donnes

Modlisation
dimensionnelle

ED JFD

34

 La modlisation dimensionnelle souvent appele

modlisation OLAP (Codd 1993) se prsente
comme une alternative au modle relationnel. Il
correspond mieux aux besoins du dcideur tout en
intgrant la modlisation par sujet.
Cest une mthode de conception logique qui vise
prsenter les donnes sous une forme
standardise intuitive et qui permet des accs
hautement performants. Elle aboutit prsenter les
donnes non plus sous forme de tables mais de
cube centr sur une activit.
ED JFD

35

Modlisation entit-relation
liminer la redondance des donnes
Adapte aux transactions (ex : mise jour
dune adresse client), mais pas aux
interrogations
Modle complexe : des milliers de tables
Pas de comprhension pour lutilisateur
Ncessit de performances
ED JFD

36

Modlisation dimensionnelle

Une table de faits (cl multiple)

Tables de dimensions : cl primaire

unique qui correspond lun des
composants de la cl multiple de la table
de faits

ED JFD

jointure en toile

37

Table de faits
Contient un ou plusieurs faits numriques
qui se produisent pour la combinaison de
cls d finissant chaque enregistrement
Ex.
Vente_euros, Vente_units, Cot_euros

ED JFD

38

Ex. : vente en grande distribution

ED JFD

39

Un schma entit-relation =
plusieurs tables de faits
Dtecter les processus mtier et les
modliser lun aprs lautre
Slectionner les relations n,n contenant des
faits numriques et additifs. En faire autant
de tables de faits
Les tables dimensionnelles relies
plusieurs schmas sont dites conformes
(partages)
ED JFD

40

Avantages de la modlisation
dimensionnelle
Structure prvisible
Structure standardise
Requteur simple et optimis
Toutes les dimensions sont quivalentes
Symtrie
ED JFD

41

Evolutions du modle
Ajout de faits nouveaux possible (si compatible
avec grain)
Ajout dune dimension nouvelle (si une seule
valeur par enregistrement de la table de faits)
Ajout dattributs dimensionnels
Outils dagrgat (enreg. rcapitulatifs)
ED JFD

42

Planification
Construction de lED datamart par
datamart, pour viter une trop grande
complexit
Eviter les tuyaux de pole
laborer un bus dcisionnel grce
aux dimensions conformes
ED JFD

43

Dimension conforme
Une table de dimension en relation avec
plusieurs tables de fait est dite conforme
Cohrence des interfaces utilisateurs et des
contenus
Cohrence de linterprtation des attributs
Grande importance dans la conception
ED JFD

44

Fait conforme
Fait ayant la mme dfinition dans tous les
datamarts, mme unit de mesure, mme
contexte dimensionnel.
Ex pour le fait recettes : priodes,
rgions de ventes cohrentes
Ex : conditionnement en units et botes
Fait non conforme : noms distincts
ED JFD

45

Exemple de lagence de voyage

1 - voyages ariens
Quel est le chiffre daffaires (CA) par client,
par date de voyage (et par mois, trimestre et
anne), par compagnie arienne, par ville de
destination ? Les tableaux de bord doivent
pouvoir prsenter les totaux et sous totaux
de CA : tous clients confondus, et/ou toutes
dates, et/ou toutes compagnies, et/ou toutes
destinations.
ED JFD

46

Schma dimensionnel
1 - voyages ariens
Dimension
client

Dimension
compagnie
arienne

ED JFD

Dimension
ville
Code client
Compagnie arienne
Ville darrive
Date du vol
Prix pay

Dimension
Date

47

Exemple de lagence de voyage

2 location de voiture
Dans le cas de la location de voiture, on
souhaite diter le CA, le nombre de jours de
location, et le kilomtrage pour chaque :
client, date de rservation, ville, loueur, et
catgorie de vhicule, ainsi que toutes les
sommations de la mme manire que pour les
dplacements.
ED JFD

48

Schma dimensionnel
2 location de voiture
Dimension
client

Dimension
loueur

ED JFD

Dimension
ville
Code client
Loueur
Ville de location
Date de location
Prix pay
Distance parcourue

Dimension
Date

49

Exemple de lagence de voyage

3 - htel
Dans le cas de lhtellerie, on veut des
tableaux de bord par client, htel, ville, date
de dbut de sjour, faisant apparatre le
nombre de nuites et le prix total pay .

ED JFD

50

Schma dimensionnel
3 - htel
Dimension
client

Dimension
Htelier

ED JFD

Dimension
ville
Code client
Htelier
Ville de sjour
Date de dbut
Nombre de nuites
Prix pay

Dimension
Date

51

Exemple de lagence de voyage

regroupement
On veut maintenant regrouper ces trois ED en un seul, afin de
rpondre aux questions supplmentaires suivantes :
Quel est le CA total induit par un dplacement en avion ?
Quelle est la dure du sjour ? Quel est le CA en location de
voiture ? En htellerie ?
On veut pouvoir diter les dtails de CA par priode de temps
et par client, ville, compagnie arienne, loueur et htelier, et
faire tous les regroupements utiles.
Figurer le modle dimensionnel dun tel ED, en montrant en
particulier comment lon peut retrouver location de voiture
et/ou htellerie, si elles existent, partir dun dplacement en
avion. Un voyage en avion nimplique pas forcment location
de voiture et/ou htellerie, et inversement.
ED JFD

52

Code client
Cie arienne
Ville darrive
Date du vol
Prix pay

Dimension
client

Code client
Loueur
Ville de location
Date de location
Prix pay
Distance parcourue
Code client
Htelier
Ville de sjour
Date de dbut
Nombre de nuites
Prix pay

ED JFD

Dimension
ville

Dimension
Date

53

Niveau de dtail
On privilgie le niveau le plus fin
Evolutivit
Puissance
Efficacit du Data mining

ED JFD

54

Multisources
Commencer par un datamart monosource
Rparer les tuyaux de pole : chercher
crer des dimensions conformes
Bus dcisionnel : dimensions et faits
conformes
ED JFD

55

Dimensions, faits et attributs

Plausible : 10 dimensions pour un datamart
Si 2 ou 3 dimensions : le concepteur en a-t-il oublies ?
Si 20 dimensions : devient trop complexe

Un fait est une observation du march , la

plupart du temps un champ numrique de la
source
Lattribut est un champ textuel (apparat dans les
dimensions)
ED JFD

56

Parcourir les dimensions

ED JFD

57

Forage
Forage vers le bas = Drill down = donner
des dtails
Forage vers le haut = Drill up = sommer
Un vritable forage mlange les attributs
hirarchiss et non hirarchiss de toutes les
dimensions disponibles
ED JFD

58

Floconnage
Dfinition : dimension dont les champs
faible cardinalit sont dans des tables
spares, relies la table dorigine au
moyen de cls artificielles.
Non recommand : performances,
complexit
Gain en espace disque non dterminant
ED JFD

59

Exemple de floconnnage
Table de faits
contient
cl_produit
comme cl extrieure

Table de dimension
Cl_produit

Cl_conditionnement

Nombre_botes

Flocon
Cl_conditionnement

Type_conditionnement

ED JFD

60

Attributs des tables de dimensions

Pas de codes
Littraux (mots complets)
Descriptifs
Soigns (orthographe, valeurs)
Indexs
Documents (mtadonnes)

ED JFD

61

Mtadonnes
Ensemble dinformations ncessaires laccs,
la comprhension et lexploitation des donnes
du data warehouse.
Le rfrentiel de lentrept de donnes =
mtadonnes + outils dadministration
Il collecte lensemble des modles de donnes
ncessaires la construction et lexploitation du
data warehouse.
ED JFD

62

Dimension temps

Cl_date (cl principale)

Date complte
Jour de la semaine
Numro du jour dans la semaine
Numro du jour dans lanne

Indicateur jour ouvrable

Indicateur dernier jour du mois

ED JFD

63

Sous dimension temps (flocon)

Cl_date (cl principale)

Pays (cl principale)
Indicateur de jour fri
Indicateur de fte religieuse
Indicateur de fte civile
.

ED JFD

64

Dimensions changeantes

Cl_produit ou cl_client ne changent pas, mais

les attributs voluent.
On peut :
1. Rcrire sur lenregistrement (historique perdu)
2. Ajouter un enreg. Avec nouvelle valeur de cl
3. Crer un nouveau champ ancien dans lenreg
et y stocker lancienne valeur dattribut

ED JFD

65

Dimensions dgnres
N bon de commande, n de facture ?
Souvent conserver dans la base de faits,
mais pas dattributs associs
pas de table de dimension associe

ED JFD

66

Cls
Toutes les cls : cls de substitution
dpourvues de signification, et sans rapport
avec les bases sources.

ED JFD

67

Faits
Additifs de prfrence
Faits textuels (exemple : conditions mtos
lors dun relev de sinistre d assurance) =
peu dintrt de comptage et regroupement
si texte libre
Prfrer les tmoins

ED JFD

68

Conception dune table de faits

1. Commencer par un data mart source
unique
2. Granularit : un enreg. de la table de faits
sera cr pour chaque :
a.
b.
c.
d.
ED JFD

Vente
Dclaration de sinistre
Inscription dtudiant
Ligne de facture
69

Conception dune table de faits

(suite)
3. Choisir les dimensions : descripteurs
valeur unique (de prfrence)
4. Choisir les faits : les faits (indicateurs)
doivent correpondre la granularit de la
table de faits

ED JFD

70

Agrgat
Table rcapitulative (sommations) destine
amliorer les performances du requtage.
Il sagit dune table de faits qui possde des
tables dimensionnelles.

ED JFD

71

Table de faits sans fait

exemple 1

ED JFD

72

Interrogations sur lexemple 1

1.
2.
3.
4.

Cours les plus suivis ?

Cours les plus rgulirement suivis ?
Profs qui ont le plus dtudiants ?
Profs qui utilisent des quipements
dautres dpartements ?
5. Equipements les moins utiliss ?
ED JFD

73

Table de faits sans fait

exemple 2

ED JFD

74

Interrogations sur lexemple 2

Quels sont les produits qui taient en
promotion et ne se sont pas vendus ?
1. Consultation de la table de couverture
: liste des produits en promotion tel jour
dans tel point de vente
2. Consultation de la table des ventes pour
recenser les produits qui se sont vendus
ED JFD

75

Table des ventes de lexemple 2

ED JFD

76

Analyse des donnes de lED :

Exemple de B.O.

ED JFD

77

Schma de principe dun ED

Bases sources

Base cible
Couche n
Extraction
Transformation
Chargement
(ETL)

Recherche
Analyse
Mise en forme
des
donnes

Edition
couche 1
ED JFD

78

Loutil BO
Business Objects : extraire, mettre en forme et
analyser les donnes de la base cible.

intranet de ltablissement
univers = architecture des informations extraites.
utilisateurs : crent de nouvelles requtes,
paramtrent et en excutent des requtes
existantes.
ED JFD

79

Univers BO

Le designer dunivers :
Informaticien
Comptences
SQL
BD de lentreprise
ED JFD

80

Dveloppement dun univers

Planification
dcouper le SI en domaines

Analyse
Analyser les besoins des utilisateurs

Conception
Faire le schma conceptuel; spcifier lunivers

Application
Crer lunivers

Maintenance

ED JFD

81

Les objets dans BO

Indicateur : nombre
Dimension : entit (une variable)
UFR
Chimie
Exemple
Ens.

Prof
Univ

ED JFD

82

Classes et univers
Les objets peuvent tre regroups en classes
et sous-classes
L univers est un ensemble dobjets
crs sur une BD

ED JFD

83

Hirarchies
Une dimension appartient souvent une
hirarchie.
La hirarchie ordonne la dimension et
permet de changer le niveau danalyse.

ED JFD

84

Exemple de hirarchie
Exemple
Hirarchie dans lorganisation de la scolarit.
Composante (UFR)
Sciences
Cycle
1er cycle
Diplme
Deug
Etape
1re anne
ED JFD

85

Analyse dimensionnelle
Elle est possible si les dimensions de
lunivers sont hirarchises
Exemple : nombre dtudiants par
composante,.........., tape
changement du niveau danalyse

ED JFD

86

Cration dun univers

La structure dun univers doit sadapter la
logique de lutilisateur, et non la structure
des tables de la BD.
Autant que possible, les dimensions doivent
tre dfinies dans des hirarchies.

ED JFD

87

Objets de lunivers
Normaliser les noms des objets
ex. : Nationalit-code
Nationalit-libell
Utiliser la langue du mtier
Chaque dimension doit avoir une liste de
valeurs qui associe code et libell.
ED JFD

88

Structure de la base ED
Objectif : produire des indicateurs au
carrefour des dimensions
Une table de faits comporte des dimensions
et des indicateurs
A chaque dimension dune table de faits, on
associe une table de dimension (sauf
dimension dgnre)
ED JFD

89

La dimension historique
Elle est sous-jacente dans tous les faits : date,
trimestre, anne selon les faits mesurs : nb
dinscriptions, budget, appartenance un
groupe.
La date dextraction est galement importante.
2 dimensions historiques :
les faits, lextraction
ED JFD

90

Cration des tables de faits

Si les dimensions sont dans des hirarchies
diffrentes, on peut avoir intrt crer
plusieurs tables de faits.

ED JFD

91

Structure des tables de dimension

Il peut y avoir une hirarchie lie la
dimension. Ex. : Nationalit
code-nat Lib-nat
code-groupe de pays Lib-groupe
Schma en flocon
ED JFD

92

Sparation indicateur et dimension

mieux vaut crer une variable avec liste de
valeurs, plutt que des indicateurs.
lajout dune nouvelle valeur est alors
simple.
Il est plus simple de modifier des
valeurs (lignes)
plutt que des
structures (colonnes)
ED JFD

93

Exemple indicateur et dimension

Si lon cr les indicateurs :
- professeur
- assistant
- On veut crer agrg , il faut modifier la
table de faits
Si lindicateur est enseignant , on modifie
seulement la liste de valeurs.

ED JFD

94

Agrgats

Deux solutions :

1. Tables dagrgats = calculs pr-tablis

optimisant les performances
2. Fonction aggregate aware de BO

ED JFD

95

ED JFD

96

ED cours 4
Elments darchitecture
Administration
Stratgie
Construction

ED JFD

97

Data warehouse et dataweb

Intranet : rseau de donnes privatif de
linstitution
Architecture 3 (n)-tiers :
Client lger (navigateur)
Serveur(s) dapplications
Serveur(s) de donnes

ED JFD

98

Intgration au portail
A partir du client universel, accs toutes les
applications de lentreprise :
Applis dcisionnelles, bureau virtuel, workflow,
docflow, BD,
Point daccs unique,
Architecture simplifie,
Rduction des cots.
ED JFD

99

Administrer
Qualit de service (disponibilit, fiabilit,
scurit), gestion des anomalies
Configuration, paramtrage, maintenance du
systme dinformation :
gestion financire, administrative,
technique; maintenance et support.
ED JFD

100

Administration fonctionnelle

Traduire le besoin de chaque utilisateur

Assurer la cohrence globale
Faire voluer lensemble
Etablir des profils
Editer : coordonner la diffusion
Matriser la qualit : le mtadictionnaire et
son volution

ED JFD

101

Administration technique

Volumtrie
Puissance des traitements
Evolutions
outils dadministration des systmes,
scurit, sauvegardes, mtrologie
Ces outils sappuient sur la politique des SI
de lentreprise
ED JFD

102

Choix stratgiques
Rfrentiel intgr
Solution centralise ou non
Espaces privs
Matriser les cots
Commencer par un datamart ?

ED JFD

103

Rfrentiel intgr
Multiplicit des dictionnaires : ETL, SGBD,
OLAP
Pour garantir la cohrence, 1 seul dictionnaire
si possible

ED JFD

104

Solution centralise ou non

Si lorganisation comporte un sige et des
agences : 2 niveaux dED ?
La solution centralise est coteuse (rseau)
et moins volutive
La solution dcentralise est plus souple,
mais plus complexe

ED JFD

105

Du datamart lED
Dveloppement RAD
Larchitecture retenue doit permettre le
passage lchelle

ED JFD

106

La dmarche RAD
Analyse des besoins
Phase 1
Mise en uvre 1re version
Retour dexpriences
.
Besoins complmentaires
Phase N
Mise en uvre Nime version
Retour dexpriences
ED JFD

107

Les itrations du RAD

A chaque tape (itration), il faut vrifier les
cohrences :
du dictionnaire
de larchitecture et des flux (non rgression)
des plate-formes et environnements

ED JFD

108

La charge de mise en uvre de

lED
La restitution de linformation, visible
par lutilisateur, ne reprsente que 15 %
La partie immerge :
Alimentation de lED :
OLAP :
Administration :
ED JFD

50 %
20 %
15 %
109

Le chef de projet

doit tre orient utilisateurs

soutenu par la direction et les utilisateurs
ne pas promettre la lune
soigner la conception (modle, donnes
intgrer)
ne pas faire le jouet du prsident
Ne pas sarrter la premire phase
ED JFD

110

Les difficults lies laxe

temps
Le calendrier
Dfinitions de lanne, du mois; irrgularits
Additivit des variables
Variations de priodicit

Consolidation, agrgation (mouvements

internes)

ED JFD

111

Agrgats
Il faut slectionner les agrgats
retenir :
Compromis
volume
temps de rponse
ED JFD

112

Rfrentiel
Nomenclatures
nom. de rfrence,
org. rseau

Profils
utilisateurs

Paramtres
conception
exploitation
ED JFD

Rgles de gestion

Donnes et flux
mta-dictionnaire

Rfrentiel
Espaces privs
workflow

113