INF3186 Support-4 Modélisation Multidimensionnelle 2021-2022-1

INF3186
2021-2022
Université de
Yaoundé I
INF3186: Business Intelligence

Modélisation
Multidimensionnelle
(Stockage)
Avril 2022
Valéry MONTHE
valery.monthe@facsciences-uy1.cm
Bureau R114, Bloc pédagogique 1
Plan
1.Introduction
2.Limites de la modélisation E/A
3.Modélisation multidimensionnelle
1. Niveau conceptuel
2. Niveau logique
3. Niveau Physique
INF3186 || 2021-2022 Modélisation multidimensionnelle 2

Introduction
• Utilisation de concepts pour :
✓ Optimiser la restitution de la données selon les axes métiers de
l’entreprise
✓ Gérer et visualiser les données de manière rapide et intuitive
✓ Retrouver et analyser rapidement les données à partir de
diverses sources
✓ Intégrer plusieurs bases de données
✓ Grouper, organiser, corréler et transformer les données
✓ Réactivité
• Deux types de modélisations : entité-Relation et
multidimensionnelle

Modèles de Données
Système de pilotage
Modèle de Données
Entrepôt de Décisionnel
Système d’information données MDD
décisionnel
(SID)
ETL
Systèmes d’informations
BP BP BP
Système d’information
opérationnel
(SIO) Modèle de Données
Base de Opérationnel
production MDO
Système opérant

Limites de la modélisation E-A
• Modèle complexe
✓ Plusieurs tables et jointures mises en œuvre
• Risque de dégradation des performances
• Pas de compréhension pour l’utilisateur
• Données historiques difficilement représentées
• Contraires aux objectifs du DW

Niveaux d’abstraction
Sources : F. Ravat, UT1

Plan du chapitre
1.Introduction
2. Niveau logique
3. Niveau Physique

Niveau conceptuel
• Description de la base multidimensionnelle
indépendamment des choix d’implantation
• Les concepts :
• Dimension et hiérarchies
• Faits et mesures

Concepts de base
Dimension(1)
❑ Axes d’analyse avec lesquels on veut faire l’analyse
• Géographique, temporel, produits, etc.
❑ Chaque dimension comporte un ou plusieurs
attributs/membres
❑ Une dimension est tout ce qu’on utilisera pour faire nos
analyses
❑ Chaque membre de la dimension a des caractéristiques
propres et est en général textuel
❑ Remarque importante :
• Tables de dimension << table de fait

Concepts de base
Dimension(2)
Remarque : Une clé de substitution identifie de manière unique

chaque entité de la table de dimensions, quelle que soit sa clé
source naturelle.
Concepts de base
Hiérarchie (1)
❑ Les attributs/membres d’une dimension sont organisés
suivant des hiérarchies
• Chaque membre appartient à un niveau hiérarchique (ou niveau
de granularité) particulier
• Exemples :
• Dimension temporelle : jour, mois, année
• Dimension géographique : magasin, ville, région, pays
• Dimension produit : produit, catégorie, marque, etc.
❑ Les attributs définissant les niveaux de granularités sont

appelés paramètres
❑ Les attributs informationnels liés à un paramètre sont dits
attributs faibles
Concepts de base
Hiérarchie (2)

Concepts de base
Hiérarchie (3)
❑ Hiérarchies multiples dans une dimension
▪ (Plusieurs hiérarchie alternatives pour une même dimension)

Concepts de base
Granularité
❑ Niveau de détail de représentation
• Journée > heure du jour
• Magasin > rayonnage
❑ Choix de la granularité

Concepts de base
Fait (1)
❑ Sujet analysé
❑ Un ensemble d’attributs appelés mesures
(informations opérationnelles)
▪ Les ventes(chiffre d'affaire, quantités et montants
commandés, volumes des ventes, ...)
▪ les stocks (nombre d'exemplaires d'un produit en stock, ...),
▪ les ressources humaines (nombre de demandes de congés,
nombre de démissions, …).
❑ Un fait représente la valeur d’une mesure, calculée ou
mesurée, selon un membre de chacune des
dimensions

Concepts de base
Fait (2)
❑ Un fait est tout ce qu'on voudra analyser.
▪ Exemple : 250 000 FCFA est un fait qui exprime la valeur de la
mesure Coût des travaux pour le membre 2002 du niveau Année
de la dimension Temps et le membre Versailles du niveau Ville de
la dimension Découpage administratif.
❑ La table de fait :
▪ Contient les valeurs des mesures et les clés vers les tables de
dimensions -> traduit une relation (n,m) entre les dimensions
▪ Clé composite référençant des clés primaires des tables de
dimensions
▪ A en général plusieurs lignes et peu de colonnes

Concepts de base
Fait (3)
❑ Exemple :
▪ Fait : Montant des ventes, chaque jour pour chaque produit
dans chaque magasin

Concepts de base
Fait (4)
❑ Exemple :
▪ Requête : Quels sont les frais de déplacement et le
kilométrage des commerciaux de la région nord ayant des
véhicules de 10 à 14 CV en avril 2018?

Concepts de base
Fait (5)
❑ Exemple :
▪ Requête : Quels ont été les revenus sur les ventes de la 33
dans la région du centre durant l’année 2017?

Concepts de base
Mesure
❑ Elément de données sur lequel portent les analyses, en fonction
des différentes dimensions
❑ Ces valeurs sont le résultat d’opérations d’agrégation sur les
données.
❑ Exemple :
▪ Coût des travaux
▪ Nombre d’accidents
▪ Chiffre d’affaire
▪ ….

Concepts de base
Clés
❑Tables de dimension
▪ Clé primaire
❑Table de fait
▪ Clé composée
▪ Clés étrangères des tables de dimension

Modélisation conceptuelle
Il existe 3 modèles de modélisation :
❑Modèle en étoile
❑Modèle en flocon de neige
❑Modèle en constellation

Modèle en étoile(1)
❑ Une table centrale : la table de faits
▪ Objets de l’analyse
▪ Taille très importante
▪ Nombreux champs
❑ Des table de périphériques : les tables de dimensions
▪ Dimensions de l’analyse
▪ Taille peu importante
▪ Peu de champs
❑ Les dimensions n’ont pas de liaisons entre elles

❑ Avantages :
▪ Structure simple
▪ Facilité de navigation
▪ Nombre de jointures limité: donc plus performantes
❑ Inconvénients :
▪ Redondance dans les dimensions
▪ Toutes les dimensions ne concernent pas les mesures

❑ Représentation graphique


Modèle en flocon de neige(1)
❑ Une évolution du schéma en étoile
❑ Dérivé du modèle en étoile où les tables de dimensions sont
normalisées
▪ La table de faits reste inchangée
❑ Chacune des dimensions décomposée selon sa(ou ses)
hiérarchie(s)
❑ Le fait est conservé et les dimensions sont éclatées
conformément à sa hiérarchie de paramètres
❑ Cela conduit à une normalisation des tables de dimensions:
▪ Structure hiérarchique des dimension
▪ Un niveau inférieur identifie un niveau supérieur
❑ Utilisé lorsque les tables sont très volumineuses

❑ Avantages :
▪ Réduction du volume
▪ Réduction de la redondance
▪ Permettre des analyses par palier sur la dimension
hiérarchisée
▪ Maintenance des tables de dimensions simplifiée
❑ Inconvénients:
▪ Navigation difficile
▪ Nombreuses jointures
▪ Requêtes moins performantes

❑ Exemple :

❑ Exemple :

❑ Exemple :

Modèle en constellation(1)
❑ Une série d’étoiles
▪ Fusion de plusieurs modèles en étoile qui utilisent des
dimensions communes
▪ Plusieurs tables de fait et tables de dimensions,
communes ou non.

❑ Exemple : vente de médicaments dans une pharmacie
❑ Une constellation de 2 schémas en étoile :

▪ L’un analyse les ventes
▪ L’autre les prescriptions des médecins
❑ Les dimensions Temps et Géographie sont partagées

Identification des dimensions
▪ Formalisme
P1 P2 P3
Dimension
Paramètre 1er niveau Paramètre

initial hiérarchique final
▪ Exemple
Etudiant
Matricule codeDep codeReg

nom nom nom

Définition du schéma : Démarche
▪ Etape 1 : Définition de la structure du schéma
• Identification du ou des faits
• Identification des dimensions avec le niveau de granularité le plus bas

▪ Etape 2 : Définition détaillée du fait => dictionnaire des
mesures
Etape 3 : Définition détaillée des dimensions => dictionnaire

des attributs

▪ Etape 4 : Définition des hiérarchie (avec cardinalités)
• Connaissances métier : règles de gestion…

▪ Etape 4 : Définition des hiérarchie (suite)
• Analyse du schéma de la BD source (ED ou BD de production)

▪ Etape 4 : Définition des hiérarchie (suite)
• Analyse des valeurs de la BD source (ED ou BD de production)

▪ Etape 5 : Définition complète du schéma conceptuel
• Analyse des valeurs de la BD source (ED ou BD de production)

Plan
1.Introduction
2. Niveau logique
3. Niveau Physique

Modélisation logique
Description de la base multidimensionnelle suivant la
technologie utilisée:
▪ ROLAP (Relationnal-OLAP)
• Tables pour faits et dimensions
▪ MOLAP (Multidimensional-OLAP)
• Un fichier contenant des matrices à plusieurs
dimensions
▪ HOLAP (Hybrid-OLAP)
• Tables pour les données détaillées et fichiers pour
les données agrégées
ROLAP (1)
▪ Les données sont stockées dans une BD relationnelle
▪ Données obtenues à partir des tables relationnelles
et de jointures entre celles-ci.
▪ Requêtes complexes en fonction de la granularité
▪ Un moteur OLAP permet de simuler le
comportement d’un SGBD multidimensionnel
▪ Requête recalculée à chaque consultation
▪ Langage : SQL

ROLAP (2)
▪ Avantages :
• Facile à mettre en place
• Peu couteux
• Evolution facile
• Stockage de gros volumes
▪ Inconvénients :
• Moins performant lors des phases de calculs
• Temps de réponse long car sollicitation de la base à chaque
relance d’un rapport
▪ Exemple de moteur ROLAP : Mondrian

ROLAP (3)

ROLAP (4)
▪ Principe : Faits et dimensions modélisés au travers
de tables [Kimball 96]
▪ Règles de transformation (données détaillées)
▪ R1 : Toute dimension est transformée en une relation où :
• Attributs = tous les paramètres et attributs faibles
• Clé primaire = paramètre de plus bas niveau
▪ R2 : Tout fait est transformé en une relation où:
• Clé primaire =
✓ Concaténation des clés étrangères référençant les
dimensions
Ou
✓ Clé synthétique
• Attributs = mesures + clés étrangères
MOLAP (1)
▪ Les données sont stockées comme des matrices à
plusieurs dimensions : Cube[1:m,1:n,1:p] (mesure)
▪ Données stockées dans une base de données
multidimensionnelle appelée CUBE
▪ Pas de relationnel
▪ Tous les croisements possibles sont pré-calculés
▪ Langage : MDX (Multi Dimensional eXpression)
▪ Accès direct aux données dans le cube

MOLAP (2)
▪ Avantage :
• Rapidité
• Temps de réponse très court : toutes les données et résultats
sont stockées
• Difficile à mettre en place
• Formats souvent propriétaires et coût élevé des licences
• Ne supporte pas de très gros volumes de données
▪ Exemple de moteurs MOLAP:
• Microsoft Analysis Services
• Hyperion

MOLAP (3)

HOLAP (1)
▪ Solution hybride entre ROLAP et MOLAP
▪ Données de base stockées dans un SGBD relationnel (tables
de faits et de dimensions) + données agrégées stockées dans
un cube
• Accès aux données agrégées avec MOLAP(Cube)
• Accès aux détails avec ROLAP (tables relationnelles)
▪ Avantages
• Temps de réponse assez courts
• Moins couteux que MOLAP
• Bon compromis au niveau des coûts et des performances (les
requêtes vont chercher les données dans les tables et le cube)
• Ne pourra pas être utilisé si les rapports sont trop complexes et font
trop de croisements de données.
HOLAP (2)

Synthèse
Source : E. Negre, U Paris Dauphine

Réalisation d’un DW
▪ Evolution des données et des sources
• Démarche itérative
▪ 3 techniques :
✓ Top – down [Inmon]
✓ Bottom-up [Kimball]
✓ Middle - out

Top-Down
▪ Concevoir tout l’entrepôt intégralement
• Il faut donc connaître à l’avance toutes les dimensions et tous les faits.
▪ Objectif : Livrer une solution technologiquement saine basée sur
des méthodes et technologies éprouvées des bases de données.
▪ Avantages :
• Offrir une architecture intégrée : méthode complète
• Réutilisation des données
• Pas de redondances
• Vision claire et conceptuelle des données de l’entreprise et du travail à
réaliser
• Inconvénients :
• Méthode lourde
• Méthode contraignante
• Nécessite du temps

Bottom-Up (approche inverse)
▪ Créer les datamarts un par un puis les regrouper par des niveaux
intermédiaires jusqu'à obtention d'un véritable entrepôt.
▪ Objectif : Livrer une solution permettant aux usager d’obtenir
facilement et rapidement des réponses à leurs requêtes d’analyse
▪ Avantages :
• Simple à réaliser
• Résultats rapides
• Efficace à court terme
• Pas efficace à long terme
• Le volume de travail d’intégration pour obtenir un entrepôt de données
• Risque de redondances (car réalisations indépendantes)

Middle-Out(approche hybride)
▪ Concevoir intégralement l’entrepôt de données (toutes les
dimensions, tous les faits, toutes les relations), puis créer des
divisions plus petites et plus gérables.
▪ Avantages :
• Prendre le meilleurs des 2 approches
• Développement d’un modèle de données d’entreprise de manière itérative
• Développement d’une infrastructure lourde qu’en cas de nécessité
• Implique, parfois, des compromis de découpage (dupliquer des dimensions
identiques pour des besoins pratiques)

Réalisation d’un DW : Etapes
5 étapes importantes pour la réalisation d’un
DW
▪ Conception
▪ Acquisition des données
▪ Définition des aspects techniques de la
réalisation
▪ Définition des modèles de restitution
▪ Stratégies d’administration, évolution,
maintenance

1- Conception
▪ Définir la finalité du DW :
o Quelle activité de l’entreprise faut-il piloter?
o Quel est le processus de l’entreprise à modéliser?
o Qui sont les décideurs?
o Quels sont les faits numériques?
▪ Qu’est ce qui va être mesurer?
o Quelles sont les dimensions?
▪ Comment les gestionnaires décrivent-ils des données qui résultent du
processus concerné?
▪ Définir le modèle de données :
o Modèle en étoile/flocon/constellation?
o Et/ou cube?
2- Acquisition des données
▪ Pour l’alimentation ou la mise à jour de l’entrepôt
o Mise à jour régulière
Besoin d’un outil pour automatiser les chargements de

l’entrepôt : ETL (Extract, Transform, Load)

3- Aspects techniques
▪ Contraintes
o Logicielles,
o Matérielles,
o Humaines,
o …..

4- Restitution
▪ But du processus d’entreposage,
▪ Conditionne souvent le choix de l’architecture et
de la construction du DW
▪ Toutes les analyses nécessaires doivent être
réalisables!
▪ Types d’outils de restitution :

o Requêteurs et outils d’analyse
o Outils de data mining

5- Administration, maintenance
▪ Toutes les stratégies à mettre en place pour

l’administration, l’évolution et la maintenance
o Ex : fréquences des rafraichissements(global
ou plus fin?)

Représentation et manipulation de
cube

Exercice d’application
On considère un entrepôt de données permettant d’observer les ventes de
produits d’une entreprise. Le schéma des tables est le suivant :
CLIENT (id-client, région, ville, pays, département)
PRODUIT (id-prod, catégorie, coût-unitaire, fournisseur, prix-unitaire, nom-prod)
TEMPS (id-tps, mois, nom-mois, trimestre, année)
VENTE (id-prod, id-tps, id-client, date-expédition, prix-de-vente, frais-de-livraison)
Questions
1.Indiquer quelles sont la (les) table(s) de fait et les tables de dimension de
cet entrepôt.
2.Donner pour chaque dimension, sa (multi-) hiérarchie.
3.Donner la représentation du schéma en étoile de l’entrepôt.
4.On veut transformer ce schéma en schéma en flocon. Donner la nouvelle
représentation de la table TEMPS (ajouter des paramètres / attributs, si
nécessaire)

Bibliographie et ressources
Ouvrages recommandés
1. Golfarelli M., Rizzi S., « Data Warehouse Design:Modern Principles and
Methodologies », McGrawHill, 2009.
2. Kimball R., Ross, M., « Entrepôts de données:guide pratique de
modélisation dimensionnelle », 2°édition, Ed. Vuibert, 2003, ISBN:2-
7117-4811-1.
3. Franco J-M., « Le Data Warehouse ». Ed. Eyrolles, Paris, 1997. ISBN 2-212-
08956-2.
4. OLAP Solutions:Building Multidimensional Information Systems, E.
Thomsen
Notes de cours et autres références
1. Elsa NEGRE, Univ Paris-Duaphine, Entrepôts de données
2. F. Boufares, LIPN, Université Paris Nord
3. P. Marcel, LI, Universitéde Tours
4. Bernard Espinasse, Ecole Polytechnique Universitaire de Marseille
5. T. Hamon, Institut Galilée –Université Paris 13
INF3186 || 2021-2022 Modélisation multidimensionnelle 25/04/2022 66

INF3186 Support-4 Modélisation Multidimensionnelle 2021-2022-1

Transféré par

Informations du document

Titre original

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

INF3186 Support-4 Modélisation Multidimensionnelle 2021-2022-1

Titre original :

Transféré par

Droits d'auteur :

INF3186

INF3186: Business Intelligence

INF3186 || 2021-2022 Modélisation multidimensionnelle 2

INF3186 || 2021-2022 Modélisation multidimensionnelle 3

INF3186 || 2021-2022 Modélisation multidimensionnelle 4

INF3186 || 2021-2022 Modélisation multidimensionnelle 5

Sources : F. Ravat, UT1

INF3186 || 2021-2022 Modélisation multidimensionnelle 7

INF3186 || 2021-2022 Modélisation multidimensionnelle 8

INF3186 || 2021-2022 Modélisation multidimensionnelle 9

Remarque : Une clé de substitution identifie de manière unique

❑ Les attributs définissant les niveaux de granularités sont

INF3186 || 2021-2022 Modélisation multidimensionnelle 12

INF3186 || 2021-2022 Modélisation multidimensionnelle 13

INF3186 || 2021-2022 Modélisation multidimensionnelle 14

INF3186 || 2021-2022 Modélisation multidimensionnelle 15

INF3186 || 2021-2022 Modélisation multidimensionnelle 16

INF3186 || 2021-2022 Modélisation multidimensionnelle 17

INF3186 || 2021-2022 Modélisation multidimensionnelle 18

INF3186 || 2021-2022 Modélisation multidimensionnelle 19

INF3186 || 2021-2022 Modélisation multidimensionnelle 20

INF3186 || 2021-2022 Modélisation multidimensionnelle 21

INF3186 || 2021-2022 Modélisation multidimensionnelle 22

INF3186 || 2021-2022 Modélisation multidimensionnelle 23

INF3186 || 2021-2022 Modélisation multidimensionnelle 24

INF3186 || 2021-2022 Modélisation multidimensionnelle 25

INF3186 || 2021-2022 Modélisation multidimensionnelle 26

INF3186 || 2021-2022 Modélisation multidimensionnelle 27

INF3186 || 2021-2022 Modélisation multidimensionnelle 28

INF3186 || 2021-2022 Modélisation multidimensionnelle 29

INF3186 || 2021-2022 Modélisation multidimensionnelle 30

INF3186 || 2021-2022 Modélisation multidimensionnelle 31

INF3186 || 2021-2022 Modélisation multidimensionnelle 32

❑ Une constellation de 2 schémas en étoile :

INF3186 || 2021-2022 Modélisation multidimensionnelle 34

Paramètre 1er niveau Paramètre

Matricule codeDep codeReg

INF3186 || 2021-2022 Modélisation multidimensionnelle 35

INF3186 || 2021-2022 Modélisation multidimensionnelle 36

Etape 3 : Définition détaillée des dimensions => dictionnaire

INF3186 || 2021-2022 Modélisation multidimensionnelle 37

Sources : F. Ravat, UT1

INF3186 || 2021-2022 Modélisation multidimensionnelle 38

Sources : F. Ravat, UT1

Sources : F. Ravat, UT1

Sources : F. Ravat, UT1

INF3186 || 2021-2022 Modélisation multidimensionnelle 42

INF3186 || 2021-2022 Modélisation multidimensionnelle 44

INF3186 || 2021-2022 Modélisation multidimensionnelle 45

INF3186 || 2021-2022 Modélisation multidimensionnelle 46

INF3186 || 2021-2022 Modélisation multidimensionnelle 48

INF3186 || 2021-2022 Modélisation multidimensionnelle 49

INF3186 || 2021-2022 Modélisation multidimensionnelle 50

INF3186 || 2021-2022 Modélisation multidimensionnelle 52

Source : E. Negre, U Paris Dauphine

INF3186 || 2021-2022 Modélisation multidimensionnelle 53

INF3186 || 2021-2022 Modélisation multidimensionnelle 54

INF3186 || 2021-2022 Modélisation multidimensionnelle 55

INF3186 || 2021-2022 Modélisation multidimensionnelle 56

INF3186 || 2021-2022 Modélisation multidimensionnelle 57

INF3186 || 2021-2022 Modélisation multidimensionnelle 58

Besoin d’un outil pour automatiser les chargements de

INF3186 || 2021-2022 Modélisation multidimensionnelle 60

INF3186 || 2021-2022 Modélisation multidimensionnelle 61

▪ Types d’outils de restitution :