Académique Documents
Professionnel Documents
Culture Documents
ARCHITECTURES, FONCTIONNALITES
CONCEPTION
ANALYSE MULTIDIMENSIONNELLE
Pr. A. EL OUARDIGHI
jalilardighi@yahoo.fr
A. EL OUARDIGHI
Data warehouse
PLA
N
Partie 1: Notions et architectures dun Entrept de donnes
Partie 2: OLAP et Analyse multidimensionnelle
Partie 3: Modlisation et Conception dun Entrept de
donnes
Partie 4: Travaux dirigs de conception
Partie 5: Simulations pratiques
A. EL OUARDIGHI
Data warehouse
Data warehouse
Le Contexte
Quels clients
consomment tel
produit?
A. EL OUARDIGHI
Pourquoi et
comment le
chiffre daffaire
a baiss?
A combien
slvent mes
ventes
journalires?
Data warehouse
A. EL OUARDIGHI
Data warehouse
Problmatique
Comment
A. EL OUARDIGHI
Data warehouse
A. EL OUARDIGHI
Data warehouse
Trs souvent plusieurs de ces systmes existent indpendamment les uns des
autres
A. EL OUARDIGHI
Data warehouse
Ajout
Effacement
Requtes simples
Interrogations et modifications frquentes des donnes par de nombreux
utilisateurs
A. EL OUARDIGHI
Data warehouse
A. EL OUARDIGHI
Data warehouse
10
A. EL OUARDIGHI
Data warehouse
11
Donnes
Informations
I vit dans R, I est g de A,
Connaissances
Dcisions
A. EL OUARDIGHI
Lancer la promotion de Y & Z dans R auprs des clients plus gs que A, ...
Data warehouse
12
A. EL OUARDIGHI
Data warehouse
13
Orientes sujet
Structure volutive
Donnes
Dtailles
Actuelles
Peuvent tre mises jour
Accessibles de faon individuelle
Rsumes, agrges
Historiques
Pas de mises jour
Accessibles de faon ensembliste
Utilisateur
s
Des milliers
100 Mo - Go
Des centaines
100 Go -To
Conception
Utilisation
Nb Utilisat.
Taille BD
A. EL OUARDIGHI
Data warehouse
14
Data warehouse
15
Naissance du
Datawarehouse
A. EL OUARDIGHI
Data warehouse
16
Datawarehouse : Dfinition
Dfinition selon Bill Inmon:
Collection de donnes orientes sujets, intgres, non volatiles et
historises, organises pour le support du processus daide la
dcision
Base de donnes dans laquelle sont dposes aprs nettoyage et
homognisation les informations en provenance des diffrents
systmes de production de lentreprise OLTP
A. EL OUARDIGHI
Data warehouse
17
Vue synthtique des donnes selon les sujets intressant les dcideurs
A. EL OUARDIGHI
Data warehouse
18
A. EL OUARDIGHI
Data warehouse
19
Non volatiles
Consquence de lhistorisation
A. EL OUARDIGHI
Data warehouse
20
Donnes
multidimensionnelles
Notion de dimension
A. EL OUARDIGHI
Data warehouse
21
Reprsentatio
n
A. EL OUARDIGHI
DureMoy
Dpart.
5
5
18
7
12
8
9
15
18
12
22
25
Info
Phys
Philo
Droit
Info
Phys
Philo
Droit
Info
Phys
Philo
Droit
Mois
Janv
Janv
Janv
Janv
Fvr
Fvr
Fvr
Fvr
Mars
Mars
Mars
Mars
Anne
1998
1998
1998
1998
1998
1998
1998
1998
1998
1998
1998
1998
Data warehouse
22
1998
Info
Phys
Philo
Droit
A. EL OUARDIGHI
Janv
Fvr
Mars
5
5
18
7
12
8
9
15
18
12
22
25
Data warehouse
23
1998
Droit
A. EL OUARDIGHI
Philo
Phys
Info
v
n
a
30
25
20
15
10
5
s
ar
Data warehouse
24
1995
1996
1997
1998 7
18
7
18
Janv
Fvr
Mars
A. EL OUARDIGHI
5
5
5
5
12
18
15
12
25
22
12
18
Data warehouse
25
Notion de
Datamart
Dfinition:
C'est un sous-ensemble de donnes drives du DW cibl sur un sujet
unique.
A. EL OUARDIGHI
Data warehouse
26
Notion de
Datamart
Caractristiques:
A. EL OUARDIGHI
Data warehouse
27
Architecture gnrale
A. EL OUARDIGHI
Data warehouse
28
Flux entrant
Flux sortant:
A. EL OUARDIGHI
Data warehouse
29
Nettoyage
Normalisation
Zone de prsentation
A. EL OUARDIGHI
Requtes / Rapports
Analyse (OLAP), Tableaux de bords
Datamining
Data warehouse
30
Comportement de la clientle
Comportement du rseau
Historique
Sources
A. EL OUARDIGHI
31
Requte
s
Comportement clientle
Etc
A. EL OUARDIGHI
Data warehouse
32
Data warehouse
33
Concepts OLAP
Oprations OLAP
Outils OLAP
A. EL OUARDIGHI
Data warehouse
34
OLAP
OLAP vise assister lusager dans son analyse en lui facilitant lexploration de
ses donnes et en lui donnant la possibilit de le faire rapidement.
A. EL OUARDIGHI
Data warehouse
35
Modle conceptuel
Approche multidimensionnelle
Temps
Gographie
Produits
Clients
Nombre dunits vendues
Chiffre dAffaire
Cot
Reprsentations:
Relations,
Cube de donnes,
A. EL OUARDIGHI
Data warehouse
36
Modle conceptuel
Vue multidimensionnelle:
A. EL OUARDIGHI
Data warehouse
37
A. EL OUARDIGHI
Data warehouse
38
Exemple: une ligne de commande par produit, par client et par jour
Finesse
Taille de lentrept
A. EL OUARDIGHI
Data warehouse
39
Granularit des
dimensions
Granularit des dimensions
A. EL OUARDIGHI
Data warehouse
40
A. EL OUARDIGHI
Data warehouse
41
Architectures OLAP
A. EL OUARDIGHI
Data warehouse
42
Architectures OLAP
Architecture ROLAP:
A. EL OUARDIGHI
Mondrian (Pentaho)
Data warehouse
43
Architectures OLAP
Architecture MOLAP:
Hyperion
A. EL OUARDIGHI
Data warehouse
44
Architectures OLAP
Architecture HOLAP:
MOLAP + ROLAP
A. EL OUARDIGHI
Data warehouse
45
Concepts OLAP
Oprations OLAP
Outils OLAP
A. EL OUARDIGHI
Data warehouse
46
A. EL OUARDIGHI
Data warehouse
47
12
15
12
25
22
12
18 18
Janv
7
18 5
5
Fvr 15 9
5
12
8
12
Mars 25 2
12 18
8
18
17 15
1996 25 22 12 18
1997
1998
<>
<>
<>
<>
<>
<>
25
Pivot
A. EL OUARDIGHI
Data warehouse
48
15
25
9
22
12
12
12
18 18
15
12
25
22
18
12 12
<>
Switch
A. EL OUARDIGHI
Data warehouse
49
Split:
Dcomposition
Droit Philo Phys Info
1996
18 24 7
15
1997 9
15
12 25
8
1998 7
8 25
1
5
5
5 17
7
18
5
5
Janv
Fvr
Mars
Info
15
12 12 6
25
22
12
18 18
Sp
lit
Janv
18
Fvr
15
<>
<>
Mars 25
<>
<>
Janv
15
Janv
25
Janv
18
12
24
Fvr
12
<>
<>
Fvr
<>
<>
Fvr
<>
<>
Mars 18
<>
<>
Mars 12
<>
<>
Mars 22
<>
<>
A. EL OUARDIGHI
Data warehouse
50
A. EL OUARDIGHI
Data warehouse
51
(P
13,5
13,5
13
,5
ll
Ro
-u
)
im
Tr
p(
A. EL OUARDIGHI
52
Restriction (Slice)
Sapplique sur les valeurs du cube ou les valeurs des dimensions
12
15
12
25
22
12
18 18
A. EL OUARDIGHI
Droit Philo
1997 9
12
12
1998 7
8
18
<>
7
18
Janv
9 9
Fvr 15
Data warehouse
53
Projection (Dice)
Rduit le nombre de dimension
12
15
12
25
22
12
18 18
A. EL OUARDIGHI
Dice
1996
1997 16
13,5
1998
8,7
Janv 12,6
Fvr 14,6
Mars 22,3
<>
<>
<>
<>
Data warehouse
54
Slice
Droit Philo Phys Info
1996 18 24 7
15
1997 9
15
12 25
8
1998 7
8 25
1
5
5
5 17
7
18
5
5
Janv
8
12
6
9
8
12
Fvr 15
Mars 25 22 12 18 18
A. EL OUARDIGHI
Droit Philo
1997 9
12
12
1998 7
1
18
7
18
<>
Janv
9 9
Fvr 15
Dice
Droit Philo
1997 9,5 10
1998 11 13,5
11 13,5
Data warehouse
55
Concepts OLAP
Oprations OLAP
Outils OLAP
A. EL OUARDIGHI
Data warehouse
56
Outils OLAP
Exemples doutils OLAP
Exemple de moteurs MOLAP : Board M.I.T., Essbase, IBM TM1, Jedox Palo,
icCube server, Infor Alea, Microsoft Analysis Services, Oracle OLAP.
A. EL OUARDIGHI
Data warehouse
57
Conception d'un DW
Etude pralable
Modlisation
Alimentation
Restitution
A. EL OUARDIGHI
Data warehouse
58
A. EL OUARDIGHI
Data warehouse
59
A. EL OUARDIGHI
Data warehouse
60
La conception d'un DW
Etude pralable
Modlisation
Alimentation
Restitution
A. EL OUARDIGHI
Data warehouse
61
Etude pralable
Etude des besoins:
A. EL OUARDIGHI
Data warehouse
62
Etude pralable
Etude des besoins:
A. EL OUARDIGHI
Data warehouse
63
Etude pralable
Cots de dploiement:
A. EL OUARDIGHI
Data warehouse
64
La conception d'un DW
Etude pralable
Modlisation
Alimentation
Restitution
A. EL OUARDIGHI
Data warehouse
65
Modles de donnes
Niveau conceptuel:
Tables de dimensions
La table des faits contient les mesures et les cls des dimensions
A. EL OUARDIGHI
Data warehouse
66
Table de faits
Contient les donnes observables (les faits) sur le sujet tudi selon divers axes
danalyse (les dimensions)
Faits
A. EL OUARDIGHI
Cl date (CE)
Cl produit (CE)
Cl magasin (CE)
Quantit vendue
Cot
Montant des ventes
Data warehouse
67
Additif
Semi additif
Non additif
A. EL OUARDIGHI
Data warehouse
68
Data warehouse
69
Table de dimension
Axe danalyse selon lequel vont tre tudies les donnes observables (faits)
Dimension produit
Cl de substitution
Attributs de la
dimension
A. EL OUARDIGHI
Cl produit (CP)
Code produit
Description du produit
Famille du produits
Marque
Emballage
Poids
Data warehouse
70
A. EL OUARDIGHI
Data warehouse
71
Raider en Twix
A. EL OUARDIGHI
Data warehouse
72
Avantage:
Inconvnients:
Cl produit
Description du produit
Groupe de produits
12345
Intelli-Kids
Logiciel
Jeux ducatifs
A. EL OUARDIGHI
Data warehouse
73
Avantage:
Inconvnients:
Cl produit
Description du produit
Groupe de produits
12345
Intelli-Kids
Logiciel
25963
Intelli-Kids
Jeux ducatifs
A. EL OUARDIGHI
Data warehouse
74
Avantage:
Inconvnients:
Cl produit
Description du
produit
Groupe de
produits
Nouveau groupe de
produits
12345
Intelli-Kids
Logiciel
Jeux ducatifs
A. EL OUARDIGHI
Data warehouse
75
Subit des changements trs frquents (tous les mois) dont on veut prserver
lhistorique
A. EL OUARDIGHI
Data warehouse
76
Faits
Cl_client
Cl_client
Cl_client
Nom
Faits
Nom
Prnom
Cl_client
Adresse
Cl_dmog
Prnom
Adresse
Date_nais
Date_naissance
Dim_dmographique
Revenus
Cl_dmog
Niveau_tude
Revenus
Nb_enfants
Niveau_tude
Statut_marital
Nb_enfants
Profil_financier
Statut_marital
Profil_achat
Profil_financier
Profil_achat
A. EL OUARDIGHI
Data warehouse
77
Schma en toile;
Schma en flocon;
Schma en constellation.
A. EL OUARDIGHI
Data warehouse
78
Schma en toile
A. EL OUARDIGHI
Data warehouse
79
Schma en flocons
A. EL OUARDIGHI
Data warehouse
80
Modle en constellation
A. EL OUARDIGHI
Data warehouse
81
Conception d'un DW
Etude pralable
Modlisation
Alimentation
Restitution
A. EL OUARDIGHI
Data warehouse
82
Alimentatio
n
A. EL OUARDIGHI
Data warehouse
83
Alimentation du DW
Alimentation dun DW (ETL)
Extraction (Extract)
Transformation (Transform)
Filtrer
Homogniser
Nettoyer
Etc
Chargement (Loading)
A. EL OUARDIGHI
Data warehouse
84
A. EL OUARDIGHI
Data warehouse
85
Extractio
n
Extraction:
Base de donnes,
Fichiers,
Bases propritaires
ODBC,
SQL natif,
Fichiers plats
Priodique et Rpte
Difficult:
A. EL OUARDIGHI
86
Transformation
Cest une suite doprations qui a pour but de rendre les donnes
cibles homognes et puissent tre traites de faon cohrente.
A. EL OUARDIGHI
Data warehouse
87
Chargement
Utilisation de connecteurs:
ODBC,
SQL natif,
Fichiers plats
A. EL OUARDIGHI
Data warehouse
88
A. EL OUARDIGHI
Data warehouse
89
Outils ETL
Exemples doutils ETL
A. EL OUARDIGHI
Data warehouse
90
Conception d'un DW
Etude pralable
Modlisation
Alimentation
Restitution
A. EL OUARDIGHI
Data warehouse
91
Restitution
Requteurs : Donne une rponse une question plus ou moins
complexe (type SQL)
EIS (Executive Information Systems): Outils de visualisation
et de navigation dans les donnes
Applications spcialises : applications dveloppes
spcialement pour les besoins de lentreprise
Tableaux de bord
Data Mining : Outils volus de prdiction, simulation, ...
A. EL OUARDIGHI
Data warehouse
92
Restitution
A. EL OUARDIGHI
Data warehouse
93