Filière : informatique
Niveau : 5ième Année et 3ième.
Option : ISI et GI
Epreuve de : Data Warehouse
Professeur responsable du sujet : ZIDANE
NORDINE
Session d'examen : Normale
Durée : 1H
2023/2024
Mode d’enseignement : Distanciel
Documents : non autorisés
Mode d’examen : écrit et pratique
N.B : Remettre sur la plateforme de l'école un fichier WinRAR du dossier compressé
contenant tous vos fichiers format nom_prenom_dwh.
Toute similitude dans les réponses ou utilisation de ChatGPT sera sanctionnée par 0/20.
L'épreuve terminera à 22h15 tout retard sera sanctionné par un malus de 2 points pour
chaque 5min. En cas de problème de la plateforme, envoyez vos fichiers à l'email :
[email protected]Barème : question 1/ 8 points et questions 2 à 25 /0.5 point.
Etude de cas :
Une entreprise pharmaceutique cherche à améliorer la gestion des prédictions des crises
d'épilepsie pour ses patients. Actuellement, les méthodes de prévision reposent sur des
modèles statistiques simples et sont limitées par le manque de données longitudinales et
centralisées. L'objectif est d'utiliser un data Warehouse pour collecter, stocker et
analyser les données cliniques et physiologiques des patients afin de développer des
modèles de prédiction plus précis.
TAF : Veuillez expliciter vos réponses par la pratique (requêtes SQL et capture d’écran des outils
utilisés).
1. Déceler les axes d'analyse (Dimensions) avec leurs attributs ainsi que les éléments à analyser
(Faits) et donnez le schéma en étoile de ce data Warehouse. (De préférence format SAP power designer
ou Sybase AMC designer)
2. Quels outils Oracle spécifiques sont utilisés pour faciliter l'intégration et l'analyse des données provenant
de différentes sources dans le data warehouse ?
3. Quelles sont les fonctionnalités d'Oracle Database qui soutiennent le traitement efficace des requêtes
analytiques complexes et le déploiement de modèles de prédiction avancés pour les crises d'épilepsie ?
4. Comment Oracle facilite-t-il la gestion des performances du data warehouse afin de garantir des temps de
réponse rapides pour les requêtes analytiques et les applications de prédiction en temps réel ?
5. Quelles sont les meilleures pratiques recommandées pour la sauvegarde et la récupération des données
dans un environnement Oracle Database utilisé pour la gestion des données des patients épileptiques ?
6. Comment Oracle facilite-t-il la mise à l'échelle du data warehouse pour prendre en charge une croissance
future des données tout en maintenant des performances optimales ?
7. Quels sont les coûts associés à l'utilisation d'Oracle Database pour la gestion des données des patients
épileptiques, y compris les licences logicielles, la maintenance et l'infrastructure matérielle nécessaire ?
Quels types de requêtes SQL sont utilisés pour extraire des données spécifiques des tables du data
warehouse contenant les informations des patients épileptiques ?
8. Comment les requêtes SQL sont-elles optimisées pour assurer des temps de réponse rapides lors de
l'interrogation de grandes quantités de données dans le data warehouse ?
9. Comment SQL est-il utilisé pour créer des vues matérialisées ou des index pour améliorer les
performances des requêtes fréquemment utilisées dans le contexte de la prédiction des crises d'épilepsie ?
10. Quels sont les défis potentiels rencontrés lors de l'utilisation de SQL pour l'analyse des données des
patients épileptiques, tels que la gestion des données manquantes ou la détection des valeurs aberrantes ?
PAGE 1/2
11. Comment SQL est-il utilisé pour intégrer des données provenant de sources externes, telles que des
dispositifs médicaux ou des bases de données de laboratoire, dans le data warehouse pour enrichir les
prédictions des crises d'épilepsie ?
12. Comment les opérations OLAP telles que le drill-down, le roll-up et le slicing sont-elles utilisées pour
analyser les données des patients épileptiques à différents niveaux de granularité et de détail ?
13. Comment les vues matérialisées sont-elles utilisées pour améliorer les performances des requêtes dans le
data warehouse en précalculant et en stockant les résultats des requêtes fréquemment utilisées liées aux
données des patients épileptiques ?
14. Comment le partitionnement des données est-il utilisé pour distribuer et organiser les informations des
patients épileptiques de manière à faciliter l'accès rapide aux données pertinentes pour l'analyse et la
prédiction des crises d'épilepsie ?
15. Quels sont les défis potentiels liés à la maintenance et à la gestion des vues matérialisées dans le contexte
évolutif des données des patients épileptiques, notamment en ce qui concerne la synchronisation des
données mises à jour avec rafraichissement automatique?
16. Comment les vues matérialisées et le partitionnement des données peuvent-ils être combinés pour
optimiser les performances et la scalabilité du data warehouse dans le contexte de la gestion des
prédictions des crises d'épilepsie ?
17. Quelles sont les informations fournies par l'exécution de l'EXPLAIN PLAN pour aider à comprendre la
stratégie d'exécution des requêtes et identifier les éventuels goulets d'étranglement ou les inefficacités ?
18. Comment l'EXPLAIN PLAN est-il utilisé pour comparer plusieurs plans d'exécution possibles pour une
requête donnée et sélectionner celui offrant les meilleures performances dans le contexte de la prédiction
des crises d'épilepsie ?
19. Comment SAP BusinessObjects est-il utilisé pour accéder et visualiser les données des patients
épileptiques stockées dans le data warehouse, notamment en ce qui concerne la création de rapports et de
tableaux de bord interactifs ?
20. Quelles sont les fonctionnalités clés de SAP BusinessObjects utilisées pour l'exploration et l'analyse des
données des patients épileptiques, telles que les outils de filtrage, de tri et de visualisation graphique ?
21. Comment les outils de reporting de SAP BusinessObjects sont-ils utilisés pour créer des rapports
personnalisés sur les tendances des crises d'épilepsie, les données démographiques des patients et les
résultats des modèles de prédiction ?
22. Quelles sont les fonctionnalités d'intégration de données de SAP BusinessObjects utilisées pour combiner
les données des patients épileptiques provenant de différentes sources et les préparer pour l'analyse et la
prédiction ?
23. Comment SAP BusinessObjects facilite-t-il la distribution et la planification automatisée des rapports sur
les prédictions des crises d'épilepsie aux professionnels de la santé et aux décideurs ?
24. Quels sont les outils de visualisation avancée de SAP BusinessObjects utilisés pour représenter les
modèles de prédiction des crises d'épilepsie sous forme de graphiques interactifs et de cartes de chaleur ?
25. Quelles sont les intégrations possibles entre les serveurs CMS, FRS et CS et d'autres composants de
l'infrastructure technologique utilisée dans la gestion des prédictions des crises d'épilepsie, tels que les
bases de données et les outils d'analyse ?
PAGE 2/2
