Vous êtes sur la page 1sur 26

Analyse

multidimensionnelle
Plan
● OALP
● Représentation multidimensionnelle
● Analyse multidimensionnelle
● Manipulation des cubes
● Slicing
● Scoping ou Dicing
● Roll-up ou Drill-up
● Drill-down
● Serveurs ROLAP, MOLAP, et HOLAP
l'introduction
• Les tableaux multidimensionnels sont des structures de
données qui permettent de stocker des éléments
organisés sur plusieurs axes.
• Ils offrent une manière efficace d'organiser et
d'accéder à des données dans une grille ou un tableau
à plusieurs dimensions
Rappel
► Informatique décisionnelle
OLAP: OnLine Analytical Processing
C'est quoi:

Catégorie de logiciel (moteur) dont le rôle est l'exploration et l'analyse rapide des
données dans le "Data Warehouse" DW suivant une approche multidimensionnelle
utilisant plusieurs niveaux d'agrégation

Avantage:

l'utilisateur n'a pas à maîtriser des langages d'interrogation et des interfaces


complexes

L'utilisateur interagit avec les données


OLAP
► Données à analyser:

► Les données sources OLAP sont souvent stockées dans les magasins de
données (datamart; dimensions et faits)

▸ Les fonctions OLAP permettent, à partir des entrepôts de données, d'analyser


l'activité de l'entreprise grâce à des statistiques moyennes mobiles,
coefficients de corrélation, valeurs cumulées...

▸ L'élément principal de l'infrastructure OLAP est le cube (ou hypercube).

→ Une base de données multidimensionnelle, qui permet l'analyse de ces


données.OLAP
Représentation multidimensionnelle
► Données représentées par une structure à
plusieurs
DIMENSIONS:

▸ Clients

• Produits

▸ Vendeurs

Géographie

• Temps
▸ Les cellules continent des données agrégées:

Quantité vendue

Chiffre d'Affaire

Coût

Le résultat sous forme:

Relations

Cube de données

Hyper cube de données


Représentation multidimensionnelle
● Exemple:

● Analyser les ventes de produits par zone géographiques et par temps

● 3 dimensions; Produits, Geographie et Temps

● Granularités:

● Géographie: Pays, Région, et Ville

● Temps: Année, Trimestre, Mois et Semaine

● Faits: Chiffre d'affaire, Marge...


Représentation multidimensionnelle
● Représentation multidimensionnelle

● Dimensions représentées comme axes d'analyse

● Faits comme les cellules


Représentation multidimensionnelle
● Agrégation des données

● Les données seront groupées à différents niveaux de granularité (niveau de


détail des données)

● Les groupements sont pré-calculés / granularité

● total des ventes / mois

● total des ventes / années

● total des ventes / mois 12


Représentation
multidimensionnelle
● Sur les granularités:

● Temps: Jours. Mois, Trimestre, Semestre, Années....

● Produit: Types, Gammes, Marques....

● Zone géographique: Quartiers, Villes, Régions, Pays,...


Manipulation des cubes
● Des opérateurs algébriques:

● Slicing: Extraction d'une tranche d'information

● Scoping ou Dicing: Extraction d'un bloc de données

● Roll-up ou Drill-up (agrégation d'une dimension => résume): passage au grain


inférieur

● Drill-down (plus détaillées): passage au grain supérieur


Manipulation d'un cube
● Slicing:

● Sélection de tranches du cube par des prédicats selon une dimension


● Filtrer une dimension selon une valeur
● Exemple: Représentation en cube des quantités vendues de 3 produits par
Régions et par Mois
Manipulation d'un cube
● Scoping ou Dicing:

● Extraction d'un sous-cube (bloc de données). C'est une opération plus


générale que le slicing)
Manipulation d'un cube
● Drill-up (Roll-up):

● Consiste à représenter les données du cube à un niveau de granularité


supérieur sur une dimension
● → Utilisation des fonctions d'agrégation (somme, moyenne, etc) spécifiées
pour la mesure et la dimension
Manipulation d'un cube
● Drill-down

● Consiste à représenter les données du cube à un niveau de granularité de


niveau inférieur, donc sous une forme plus détaillée.
● On fait un « zoom >> sur une dimension
Types de serveurs OLAP
● On peut citer trois types de serveurs OLAP

● Relational OLAP(ROLAP)

● Multidimensional OLAP (MOLAP)

● Hybrid OLAP (HOLAP)


ROLAP
● Données sont stockées dans un SGBD relationnel et le serveur OLAP simule le
comportement multidimensionnel

● Le schéma de conception en étoile ou en flocon

● Représentation multidimensionnelle via des vues matérialisées

● Les requêtes OLAP (slice, rollup...) sont traduites en instructions SQL


Avantages et Inconvénient
● Avantages:

● Souple,

● permet une évolution facile,

● Inconvénient:

● Peu efficace pour les calculs complexes


MOLAP
● Dans un serveur MOLAP, utilise des moteurs de stockage multidimensionnels
pour des vues multidimensionnelles des données.

● la structure de stockage est en cube et avec un accès direct aux données


dans le cube

● Ces cubes sont implémentés sous forme des matrices à plusieurs dimensions

● Chaque cube est indexé sur ses dimensions


Avantages et Inconvénient
● Avantages:

Rapidité

● Inconvénient:

Formats propriétaires
HOLAP
● C'est une combinaison de ROLAP et MOLAP

● Données stockées dans SGBD relationnel (données de base)

● Les données agrégées sont stockées dans serveurs MOLAP (des cubes)
Avantages et Inconvénient
● Avantages:

● Il possède à la fois la grande évolutivité de ROLAP

● La possibilité de stocker de gros volumes de ROLAP

● L'efficacité des calculs complexes de MOLAP

● Inconvénient:

● Complexité

● Coût
conclusion
• représentation multidimensionnelle et l'OLAP ouvrent de nouvelles perspectives
dans l'analyse des données.

• Ces approches offrent une vision approfondie et interactive, permettant une


exploration plus complète des informations.

• En combinant la visualisation multidimensionnelle avec l'OLAP, les


organisations peuvent améliorer leur compréhension des données complexes
Merci !

Vous aimerez peut-être aussi