Académique Documents
Professionnel Documents
Culture Documents
Espace requis Relativement petit si les données Grand due aux données historiques
historiques sont archivées et aux données d’agrégation
Applications
ERP / Processus ETL Accès (visualisations)
CRM
Sélection Rapports
Méta- de routine
Legacy Datamart
données
Extraction
API / Intergiciels
Forage de
Entrepôt de données /
POS données textes
Transformation
Datacube
OLAP,
OLT tableaux
Intégration de bord
/Web
Chargement Autres
Externes
Systèmes
opérationnels Extraction Extraction
BD sources d'aujourd'hui d'hier
sources
Programme de
Programme comparaison
Fichiers
d'extraction d'extraction
utilisant les
timestamps Option 2:
Capture par Fichiers
Option 1: comparaison de d'extraction
Capture basée sur Zone de préparation fichiers utilisant la
les timestamps de données comparaison
(staging area)
Systèmes
opérationnels BD sources Journal de
transactions
sources triggers
Option 1:
Capture à l'aide des
journaux de transactions
Fichiers Fichiers
générés par générés par Option 2:
les sources les triggers Capture à l'aide de
triggers
Option 3:
Capture dans les Zone de préparation
applications sources
de données
(staging area)
■ Compréhensibilité:
– Données regroupées selon des catégories d'affaires qui ont un
sens pour les utilisateurs d'affaires;
■ Performance:
– La dénormalisation évite les jointures coûteuses;
– Autres optimisations (ex: index de jointure en étoile).
Tables de dimension:
DateCommande Produit ClientExpédiéÀ
idDate (PK) idProduit (PK) idClient (PK)
date description nomFamille
jourDeSemaine SKU prénom
jourDuMois marque sexe
jourDeAnnée sousCatégorie dateNaissance
jourDansMoisFiscal catégorie dateAbonnement
jourDansAnnéeFiscale département forfaitAbonnement
congéFérié poids adresseRue
jourDeTravail taille adresseVille
semaineDuMois couleur adresseProvince
... ... ...
■ Rarement employée;
■ Profondeur de l'historique est de un seul changement;
■ Utilisé lorsqu'on veut vouloir comparer les faits avec l'ancienne ou la
nouvelle valeur;
1. Magasins de données
2. Entrepôts de données d’entreprise (EDW)
– Bus de magasins de données (datamart bus)
– Hub-and-spokes
– Entrepôts de données fédérés
Source 1 Datamart 1
Staging Area
Infrastructure
de reporting
Source 2 Datamart 2
Source 3 Datamart 3
Entrepôt de données
conceptuel
Datamarts
Systèmes source ETL Reporting Utilisateurs
dépendants
Entrepôt
Source 1 de données Datamart 1
d’entreprise
Staging Area
Infrastructure
de reporting
Source 2 EDW Datamart 2
Source 3 Datamart 3
Concentrateur Rayons
(hub) (spokes)
Source 1 EDW 1
Entrepôt
de données
virtuel
Infrastructure
Staging Area
de reporting
Source 2 EDW 2 (EDW)
Source 3 EDW 3
Metadonnées
Intégration
virtuelle
• Tableaux de bord
• Scorecards
1 - Surveiller les
activités • Rapports standards
• Tableaux de bord,
• Rapports paramétrables
5 - Agir et faire le 2 - Identifier
suivi des résultats des exceptions • Alertes
Table Vente
noClient noArticle dateVente montant
1 10 10/01/2000 100
2 20 10/01/2000 200
3 10 10/01/2000 500
1 10 15/01/2000 300
Article
3 40 15/01/2000 100
2 60 16/01/2000 200
e
at
4 60 20/02/2000 400
D
2 10 20/02/2000 200
1 40 25/02/2000 100
Client
4 10 04/03/2000 300
1 20 04/03/2000 200
Article
e
at
D
Client
Article
Article
Article
e
e
at
at
at
D
D
Article Client Client Client
Article
Article
e
e
at
at
at
D
D
Client Client Client
Article
e
at
Client D
Roll-up
Slice
(dim. Produit)
(dim. Produit) Drill-down
(dim. Produit)
Produit 2 Catégorie 1 Catégorie 2 Catégorie 3 …
Client 1 Client 1
Client 2 Client 2
Client 3 Client 3
… …
Article
NOCLIENT NOARTICLE SUM(MONTANT)
---------- ---------- ------------
te
Da
1 10 500
1 20 200 Client
1 40 100
1 50 200
1 60 200
1 1200
2 10 700
2 20 300
2 60 400
Article
Article
2 1400
3 10 1000
te
te
3 20 400
Da
Da
3 40 100
3 50 200 Client Client
3 1700
4 10 300
4 60 500
4 800
10 2500
20 900
40 200
Article
50 400
60 1100
te
5100
Da
Client
10 20 40 50 60 total
Article
GROUP BY ROLLUP(noClient,noArticle)
te
NOCLIENT NOARTICLE SUM(MONTANT)
Da
---------- ---------- ------------
Client
1 10 500
1 20 200
1 40 100
1 50 200
1 60 200
1 1200
2 10 700
Article
2 20 300
2 60 400
te
Da
2 1400
3 10 1000 Client
3 20 400
3 40 100
3 50 200
3 1700
4 10 300
4 60 500
4 800 Article
5100
te
Da
Client
■ Rapports préformatés:
– Libraire de rapports fréquemment employés avec une description
de leur contenu
– Exemples:
■ Ventes courantes versus ventes de l’année précédente;
■ Taux mensuel d’attrition par plan de service;
■ Taux de réponses courrier par promotion par produit;
■ Rapports paramétrables:
– Permettent de modifier facilement le contenu à l’aide de
paramètres (ex: choix d’un produit, d’une région, etc.)
■ Outils de conception:
– Permettre aux utilisateurs de pouvoir créer facilement de
nouveaux rapports à l’aide d’une interface conviviale.
■ Exécution sur le serveur:
– Éviter de surtaxer l’ordinateur de l’utilisateur en exécutant le
rapport sur un serveur dédié.
■ Rapports cédulés:
– Permettre aux utilisateurs de céduler l’envoi de rapports à des
intervalles ou lors d’événements prédéterminés.