Académique Documents
Professionnel Documents
Culture Documents
2
Plan du Chapitre
Problématique
des données dans
un système
décisionnel CHAPITRE 2:
ENTREPÔTS DE DONNÉES – DATA
WAREHOUSE
4
Systèmes
Opérationnels vs. Décisionnels
Structures de
Stockage de
Données dans un
Système
CHAPITRE 2:
Décisionnel ENTREPÔTS DE DONNÉES – DATA
WAREHOUSE
Structures de Stockage de Données dans un Système Décisionnel
13
Data Mining
(Extraction de données)
Data Marts
(Magasins de données)
Synthèse
Data Warehouse
(Entrepôt de données)
Alimentation
Transformation
ODS
(Operational Data Store)
Extraction
Systèmes
Opérationnels
15
Définitions
Data Warehouse
o Intégration des données hors ligne
ODS
o Intégration des données en ligne
o Sauvegarde des données récentes
o Utilisé quand les données sont dispersées sur plusieurs supports de stockage, et on a besoin de les
rassembler
Exemple:
o On veut avoir une vue unique sur un patient qu’on pourra modifier en ligne
o Les données de ce patient sont disposées dans plusieurs bases de données (liste des
hospitalisations, liste des diagnostics, liste des achats pharmaceutiques…)
o ODS peut être utilisé pour extraire ces données et les afficher
17
Data Warehouse vs. Data Mart
Data Warehouse
o Dépôt de données au niveau entreprise
o Combinaison de plusieurs Data Marts
o Contient toutes les mesures et dimensions nécessaires
o Assure l’intégrité de ces mêmes dimensions à travers tous les Data Marts
Data Mart
o Ensemble de dimensions et mesures limitées
o Utilisées pour des thèmes métier spécifiques
o Construites à partir des données des entrepôts
Exemple
o Dans une entreprise, il existe un seul entrepôt de données mais plusieurs magasins de données : Finance,
Vente…
18
Les Entrepôts de
Données
CHAPITRE 2:
ENTREPÔTS DE DONNÉES – DATA
WAREHOUSE
19
Pourquoi ne pas utiliser un SGBD?
SGBD et DW
o Ont des objectifs différents et font des traitement différents
o Stockent des données différentes
o Font l’objet de requêtes différentes
Besoin d’une organisation différente des données
Doivent être physiquement séparés
SGBD
Mode de travail transactionnel (OLTP)
Permettent d’insérer, modifier, interroger des informations rapidement, efficacement et en sécurité
Objectifs:
1. Sélectionner, ajouter, mettre à jour et supprimer des tuples
2. Opérations rapides, faites par plusieurs utilisateurs simultanément
20
Entrepôt de Données :Objectifs
Le DW est orienté sujets, ce qui signifie que les données collectées doivent
être orientées métier, et donc triées par thème
Les données du DW sont non volatiles, ce qui signifie qu’une donnée entrée
dans l’entrepôt l’est pour de bon et n’a pas vocation à être supprimée
Les données du DW doivent être historisées, donc datées
BD BD BD
Outils d’alimentation pour
o Extraire
les données sources Extraction
o Transformer
o Charger dans un DW
Transformation
Chargement
DW
BD BD BD
Extraction 26
ETL : Extraction Transformation
Chargement
DW
Extraction 27
ETL : Transformation Transformation
Chargement
DW
Extraction 28
ETL : Chargement Transformation
Chargement
DW
Extraction 29
DW :Métabase de Données Transformation
Chargement
DW
Extraction
30
DW :Structure (1/3) Transformation
Chargement
DW
1. Directe simple :
o On fait des mises à jour du
datawarehouse avec des laps
de temps importants.
BD BD BD
Extraction
31
DW :Structure (2/3) Transformation
Chargement
DW
2. Cumul simple :
o On stocke les données de
chaque mise à jour, les mises
à jour étant fréquentes (par
exemple tous les jours) on a
un espace occupé
important, mais on ne perd
pas d’information.
BD BD BD
Extraction
32
DW :Structure (3/3) Transformation
Chargement
DW
3. Résumé déroulant :
o À chaque mise à jour, on stocke des
données détaillées, et on synthétise les
anciennes données en fonction de leur
âge. Plus une donnée est vieille, moins
elle est détaillée.
33
Bibliographie
Supports de Cours
Didier Donsez – «Systèmes d’information décisionnels (Data Warehouse / Data Mining) »- Université Joseph Fourier
Jacky Akoka et Isabelle Comyn-Wattiau – «Le Data Warehouse et les Systèmes Multidimentionnels »- Université de
Versailles
Livres