ENTREPÔT DE DONNÉES

INES SLIMENE

INFORMATIQUE DÉCISIONNELLE 2019/2020 1

2019/2020 [email protected]
PLAN

 Objectifs
 Définition d’un DW
 Caractéristiques des DW
 Data Warehouse et Datamart
 Architecture du DW
 Construction et d'exploitation d’un DW

INFORMATIQUE DÉCISIONNELLE 2019/2020 2

OBJECTIFS

 regrouper, organiser des informations provenant de sources diverses,

◆ les intégrer et les stocker pour donner à l’utilisateur une vue orientée métier (sujet),
◆ retrouver et analyser l’information facilement et rapidement.
 La simple logique de production (produire pour répondre à une demande) ne suffit plus pour pérenniser l'activité
d'une entreprise.
 Pour faire face aux nouveaux enjeux, l’entreprise doit collecter, traiter, analyser les informations de son
environnement pour anticiper.
 Problème : l’information produite par l'entreprise est surabondante, non organisée et éparpillée dans de multiples
systèmes opérationnels hétérogènes et peut provenir de toutes les places de marchés (mondialisation des
échanges).
 Solution : Rassembler et homogénéiser les données.
INFORMATIQUE DÉCISIONNELLE 2019/2020 3
DÉFINITION D’UN DW

 Ralph Kimball
« un entrepôt de données est constitué peu à peu par les datamart de l’entreprise regroupant le niveau
d’agrégation et d’historisation au sein d’une même base ».

 W. H. Inmon (1996):
« Le data Warehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées,
organisées pour le support d’un processus d’aide à la décision »

INFORMATIQUE DÉCISIONNELLE 2019/2020 4

LES 4 CARACTÉRISTIQUES DES DW: DONNÉES ORIENTÉES SUJET

 Regroupe les informations des différents métiers

 Ne tiens pas compte de l’organisation fonctionnelle des données

INFORMATIQUE DÉCISIONNELLE 2019/2020 5

LES 4 CARACTÉRISTIQUES DES DW : DONNÉES INTÉGRÉES

 Normalisation des données

 Définition d’un référentiel unique
 Les données doivent être variées, triées et transformées dans un format unie an de faciliter et
accélérer l’accès.
h,f

1, h,f
0
homme,
femme

GBP
EU
INFORMATIQUE DÉCISIONNELLE
CHF 2019/2020 R 6

USD
LES 4 CARACTÉRISTIQUES DES DW : DONNÉES NON VOLATILES

 Afin de conserver la traçabilité des informations et des décisions prises, les informations stockées au
sein du Data Warehouse ne doivent pas disparaitre...
 Copie des données de production :
 Stables
 en lecture seule
 non modifiables Bases de production Entrepôts de données

Ajout
Suppression

Accès

INFORMATIQUE DÉCISIONNELLE
Modification Chargement 2019/2020 7
LES 4 CARACTÉRISTIQUES DES DW : DONNÉES HISTORIÉES

 Données datées :
 avec une conservation de l'historique et de son évolution pour permettre les analyses comparatives (par exemple,
d'une année à l'autre, etc.).
 Dans un Data Warehouse, un référentiel de temps est nécessaire : c'est l'axe temps ou l'axe période.

INFORMATIQUE DÉCISIONNELLE 2019/2020 8

DATA WAREHOUSE ET DATAMART

Les entrepôts de données :

 Nécessitent de puissantes machines pour gérer de très grandes bases de données contenant des données de détail
historiées
 Est le lieu de stockage centralisé d'un extrait des bases de production.
 L'organisation des données est faite selon un modèle facilitant la gestion efficace des données et leur historisation.

Les magasins de données (Data Marts) :

 Sont de petits entrepôts nécessitant une infrastructure plus légère et sont mis en œuvre plus rapidement
 Les données extraites sont adaptées pour l'aide à la décision (pour classe de décideurs, usage particulier, recherche de
corrélation, logiciel de statistiques,...)
 L'organisation des données est faite selon un modèle facilitant les traitements décisionnels

INFORMATIQUE DÉCISIONNELLE 2019/2020 9

DATAMART

 Sous-ensemble d’un entrepôt de données

 Destiné à répondre aux besoins d’un secteur ou d’une fonction particulière de l’entreprise
 Point de vue spécifique selon des critères métiers

Datamarts du
service Marketing

Datamart du
DW de l’entreprise
INFORMATIQUE DÉCISIONNELLE
service Ressources 2019/2020 10

Humaines
INTÉRÊT DES DATAMART

 Nouvel environnement structuré et formaté en fonction des besoins d’un métier ou d’un usage particulier
 Moins de données que DW
 Plus facile à comprendre, à manipuler
 Amélioration des temps de réponse
 Utilisateurs plus ciblés: DM plus facile à définir

INFORMATIQUE DÉCISIONNELLE 2019/2020 11

ARCHITECTURE DU DW

 Zone de préparation (Staging area)

 Zone temporaire de stockage des données extraites
 collecte des données sources, qualification et organisation avant de pouvoir les déverser dans le
DW
 Données souvent détruites après chargement dans le DW
 ODS (Operational Data Store)
 un espace de stockage persistant dans lequel seront stockées les données sources à un niveau
détaillé.
 le socle des données du Data Warehouse.

INFORMATIQUE DÉCISIONNELLE 2019/2020 12

ARCHITECTURE DU DW

 Zone de stockage (DW, DM)

 On y transfère les données nettoyées
 Stockage permanent des données
 Zone de présentation
 Donne accès aux données contenues dans le DW
 Peut contenir des outils d’analyse programmés:
 Rapports
 Requêtes…

INFORMATIQUE DÉCISIONNELLE 2019/2020 13

CONSTRUCTION D’UN DW

 Définir les objectifs du DW

 Déterminer le contenu du DW et son organisation, d’après:
 Les résultats attendus par les décideurs
 Les requêtes qu’ils formuleront
 Les projets qui ont été définie
 Recenser les données nécessaires à un bon fonctionnement du DW:
 Recenser les données disponibles dans les bases de production
 Identifier les données supplémentaires requises
 Choisir les dimensions ,Typiquement: le temps, le client, le produit, le magasin...
 Choisir les mesures de fait : Des valeurs numériques additives
 Choisir la granularité des faits : Niveau de détails des dimensions

INFORMATIQUE DÉCISIONNELLE 2019/2020 14

MODÉLISATION

INFORMATIQUE DÉCISIONNELLE 2019/2020 15

PLAN

 Modélisation Entité-Relation
 Normalisation dans les BDR
 Limites de la Modélisation E/R
 Les approches de modélisation d’un DW
 Conception logique d’un DW
 Table de faits
 Table de dimensions
 Modèles de DW

INFORMATIQUE DÉCISIONNELLE 2019/2020 16

MODÉLISATION ENTITÉ-RELATION

 Discipline permettant d’éclairer les relations microscopiques entre les données

 Supprimer la redondance des données
 Simplifier le traitement des transactions
 Aider le concepteur dans la répartition des propriétés entre les entités
 Principes
 Notion d’identifiant
 Dépendance fonctionnelle
 Décomposition
 Formes normales

INFORMATIQUE DÉCISIONNELLE 2019/2020 17

NORMALISATION DANS LES BDR

 Forme normale:
 Type de relation particulier entre les entités
 Permet d’éviter les anomalies transactionnelles dues à une mauvaise modélisation des données
 Permet de vérifier la robustesse de la conception des modèles de données pour éviter les problèmes de redondance et de
mise à jour du contexte
 Dans le modèle OLTP, il existe 8 formes normales
 Elles s’emboitent les unes dans les autres
 Le respect d’une FN de niveau supérieur implique le respect des FN des niveaux inférieurs

INFORMATIQUE DÉCISIONNELLE 2019/2020 18

LIMITES DE LA MODÉLISATION E/R

 Modèle complexe
 Plusieurs tables et jointures mises en œuvre
 Risque de dégradation des performances
 Pas de compréhension pour l’utilisateur
 Données historiques difficilement représentées
 Contraire aux objectifs du DW

INFORMATIQUE DÉCISIONNELLE 2019/2020 19

LES APPROCHES DE MODÉLISATION D’UN DW

 Bill Inmon : On ne fait rien tant que tout n’est pas désigné. Le Datawarehouse doit être exhaustif!
 Ralph Kimball : Que chacun construise ce qu’il veut, on intégrera ce qu’il faudra quand il faudra!

INFORMATIQUE DÉCISIONNELLE 2019/2020 20

CONCEPTION LOGIQUE D’UN DW

 Principe : Ne pas normaliser au maximum

 Définition des objets
 Table de faits : contient l’information à analyser (par exemple les ventes)
 Table de dimensions : contiennent les informations sur les dimensions d’analyse (par exemple le lieu, le temps,
la description du produit).
 Les mesures sont les valeurs numériques que l’on compare (ex : montant_ventes, qte_vendue) Ces valeurs
sont le résultat d’une opération d’agrégation des données.
 Les mesures sont stockées dans les tables de faits
 Définition des relations entre objets
 Choix d'un modèle de conception (Modèle en étoile, Modèle en flocon..)

INFORMATIQUE DÉCISIONNELLE 2019/2020 21

TABLE DE FAITS

 Table principale du modèle dimensionnel

 Contient les données observables (les faits) sur le sujet étudié selon divers axes d’analyse (les dimensions)

Table de faits des ventes

Clés étrangères vers Clé date (FK)
les dimensions
Clé produit (FK)
Clé magasin (FK)
Quantité vendue
Mesures Coût
Montant des ventes
INFORMATIQUE DÉCISIONNELLE 2019/2020 22
TABLE DE FAITS (SUITE)

 Fait:
 Ce que l’on souhaite mesurer
 Quantités vendues, montant des ventes…

 Contient les clés étrangères des axes d’analyse (dimension)

 Date, produit, magasin

 Trois types de faits:

 Additif
 Semi additif
 Non additif

INFORMATIQUE DÉCISIONNELLE 2019/2020 23

TABLE DE FAITS (SUITE)
 Additif: additionnable suivant toutes les dimensions
 Quantités vendues, chiffre d’affaire
 Peut être le résultat d’un calcul:
 Bénéfice = montant vente - coût

 Semi additif: additionnable suivant certaines dimensions

 Solde d’un compte bancaire:
 Pas de sens d’additionner sur les dates car cela représente des instantanés d’un niveau
 Σ sur les comptes: on connaît ce que nous possédons en banque

 Non additif: fait non additionnable quelque soit la dimension

 Prix unitaire: l’addition sur n’importe quelle dimension donne un nombre dépourvu de sens

INFORMATIQUE DÉCISIONNELLE 2019/2020 24

GRANULARITÉ DE LA TABLE DE FAITS

 Répondre à la question :
 Que représente un enregistrement de la table de faits?
 La granularité définit le niveau de détails de la table de faits:
 Exemple: une ligne de commande par produit, par client et par jour

- Précision des analyses

+ Finesse
Taille de l’entrepôt
INFORMATIQUE DÉCISIONNELLE 2019/2020 25
DIMENSIONS

 Une table de dimension contient le détail sur les faits

 Une table de dimension contient les informations descriptives des valeurs numériques de la table des faits
 Vu que les données dans la table de dimensions sont normalisées, elle contient un plus grand nombre de
colonnes
 Une table de dimensions contient en général beaucoup moins d’enregistrements qu’une table des faits
 Les attributs d’une table de dimensions sont souvent utilisés comme «Tête de lignes » et «Tête de colonnes »
dans un rapport ou résultat de requête.

INFORMATIQUE DÉCISIONNELLE 2019/2020 26

TABLE DE DIMENSION

 Axe d’analyse selon lequel vont être étudiées les données observables (faits)
 Contient le détail sur les faits

INFORMATIQUE DÉCISIONNELLE 2019/2020 27

TABLE DE DIMENSION (SUITE)

Dimension Temps
 Commune à l’ensemble du DW
Clé temps (PK)
 Reliée à toute table de faits
Jour
Mois
Trimestre
Semestre
Année
Num_jour_dans_année
Num_semaine_ds_année

INFORMATIQUE DÉCISIONNELLE 2019/2020 28

GRANULARITÉ D’UNE DIMENSION

 Une dimension contient des membres organisés en hiérarchie :

 Chacun des membres appartient à un niveau hiérarchique (ou niveau de granularité) particulier
 Granularité d’une dimension : nombre de niveaux hiérarchiques
 Temps :
 année – semestre – trimestre - mois

INFORMATIQUE DÉCISIONNELLE 2019/2020 29

CLÉ DE SUBSTITUTION

 Une Clé de substitution (Surrogate Key) est une clé non intelligente utilisée afin de substituer la clé naturelle
(Business Key) qui provient des systèmes opérationnels.
 La clé naturelle est en général composée de plusieurs colonnes
 Dans un système opérationnel, on utilise une clé artificielle afin d’identifier d’une façon unique un élément de
l’entité :(client_id Pour l’entité Client, emp_id pour l’entité Employé)
 La clé de substitution ne doit pas être confondue avec la clé artificielle attribuée par les systèmes opérationnels.
 La clé de substitution est alors utilisée dans un entrepôt de données pour remplacer et compléter la clé
artificielle du système opérationnel afin de rendre un élément unique dans la dimension

INFORMATIQUE DÉCISIONNELLE 2019/2020 30

CLÉ DE SUBSTITUTION

 Remplacer la clé artificielle ou naturelle:

 Une clé de substitution remplace la clé artificielle en termes d’utilisation, ce n’est plus la clé naturelle qui sera
utilisées pour faire les jointures avec les tables des faits ou les autres tables de dimension
 Compléter l’information:
 La clé de substitution n’a aucun sens en terme d’affaire, elle est utilisée dans le DW seulement.
 La clé artificielle ou naturelle dans la dimension est toujours nécessaire pour pouvoir faire la correspondance
entre l’élément de dimension (un client par exemple) dans le DW et l ’élément de la table des clients dans le
système opérationnel.

INFORMATIQUE DÉCISIONNELLE 2019/2020 31

CLÉ DE SUBSTITUTION

 Performance : Accélère l’accès aux données du moment ou l’on va utiliser un index numérique vu que le type de
données de la clé de substitution est numérique.
 Indépendance du système source : on ne peut garantir que la clé d’affaire ne change pas dans les systèmes
sources.
 Historique des changements et granularité infinie: si l’on désire garder l’historique des changements de la
dimension selon certains critères, on doit gérer la clé de substitution. On e retrouve facilement avec plusieurs
enregistrements de la même clé d’affaire dans la dimension.

INFORMATIQUE DÉCISIONNELLE 2019/2020 32

LES TYPES DE MODÈLES

 Modèle en étoile
 Modèle en flocon
 Modèle en constellation

INFORMATIQUE DÉCISIONNELLE 2019/2020 33

MODÈLE EN ÉTOILE

 Une table de fait centrale et des dimensions

 Les dimensions n’ont pas de liaison entre elles
 Avantages:
 Facilité de navigation
 Nombre de jointures limité
 Alimentation facile.
 Inconvénients:
 Redondance dans les dimensions
 Toutes les dimensions ne concernent pas les mesures

INFORMATIQUE DÉCISIONNELLE 2019/2020 34

MODÈLE EN ÉTOILE

INFORMATIQUE DÉCISIONNELLE 2019/2020 35

MODÈLE EN FLOCON
 Une table de fait et des dimensions décomposées en sous hiérarchies (Exemple : Commune, Département,
Région, Pays, Continent)
 On a un seul niveau hiérarchique dans une table de dimension
 La table de dimension de niveau hiérarchique le plus bas est reliée à la table de fait. On dit qu’elle a la granularité
la plus fine
 Avantages:
 Normalisation des dimensions
 Économie d’espace disque
 Inconvénients:
 Modèle plus complexe (jointure)
 Requêtes moins performantes

INFORMATIQUE DÉCISIONNELLE 2019/2020 36

MODÈLE EN FLOCON

INFORMATIQUE DÉCISIONNELLE 2019/2020 37

MODÈLE EN CONSTELLATION

 Fusion de plusieurs modèles en étoile qui utilisent des dimensions communes

 Enregistrement de plusieurs faits avec des dimensions communes ou non
 En général, on a un schéma de constellation de faits pour l'entrepôt
 une étoile de la constellation pour un magasin de données (Data Mart)
 Exemple : Vente de médicaments dans des pharmacies
 une constellation est constituée de 2 schémas en étoile :
 Schéma en étoile 1 : VENTE effectuées dans les pharmacies
 Schéma en étoile 2 : analyse des PRESCRIPTION des médecins
 Dimensions Temps et Géographie partagées par les faits PRESCRIPTION et VENTE

INFORMATIQUE DÉCISIONNELLE 2019/2020 38

MODÈLE EN CONSTELLATION

INFORMATIQUE DÉCISIONNELLE 2019/2020 39