Business Intelligence

Les Entrepôts de Données (Data Warehouses)

Hatem Ben Sta

 2
Plan du Chapitre

 Problématique des données dans un système décisionnel

 Architecture fonctionnelle d’un système décisionnel

 Les entrepôts de données

Business Intelligence 22/10/12

 3

Problématique
des données dans
un système
décisionnel CHAPITRE 2:
ENTREPÔTS DE DONNÉES – DATA
WAREHOUSE

Business Intelligence 22/10/12

 4
Systèmes
Opérationnels vs. Décisionnels

Systèmes opérationnels Systèmes décisionnels

 Appelés OLTP (On-Line Transaction  Appelés OLAP (On-Line Analytical
Processing) ou systèmes de gestion Processing)

 Dédiés aux métiers de l’entreprise pour  Dédiés à la gestion de l’entreprise pour

les assister dans leurs tâches de gestion l’aider au pilotage de l’activité pour une
quotidiennes vision transversale de l’entreprise

 Utilisation des PGI (ou ERP) pour la

gestion des données  Utilisation des Entrepôts de données

Business Intelligence 22/10/12

 5
Données
Opérationnelles vs. Décisionnelles

Données Opérationnelles Données Décisionnelles

 Données détaillées  Données globalisées

 Données récentes  Données historiques

 Structure compréhensible et optimisée pour  Structure compréhensible par le décideur

l’informaticien

 Données réparties et non homogènes  Données centralisées, intégrées

 Utilisateurs: Agents  Utilisateurs: Décideurs, analystes, peu

opérationnels, nombreux, et concurrents nombreux et non concurrents

Business Intelligence 22/10/12

 6
Charge du Serveur de Données

Business Intelligence 22/10/12

 7
Solutions

 Stockage de données : Data Warehouse

o Base de données unique - vocabulaire unique
o Contenu adapté aux besoins des décideurs
 Structure multidimentionnelle spéciale
 Niveau de détail bien étudié
 Données historiques
 Interrogation des données :
o Outil interactif, convivial
o Outil offrant des fonctions d’analyse
 Tri des données
 Roll-up, Drill-down
 Calcul et comparaison
 Analyse des tendances, relations et exceptions
 Simulation

Business Intelligence 22/10/12

 8
OLTP vs. OLAP

 OLTP : On Line Transaction Processing

o Système destiné à offrir le moyen à une application d’utiliser de façon transactionnelle un serveur
de base de données. C’est un ensemble logiciel que l’utilisateur peut employer de façon
interactive pour accéder aux données de la manière la plus rapide et simple possible.
o Exemple : Le 15/01/2012 à 13h12, le client X a retiré 500dt du compte Y
 OLAP : On Line Analytical Processing
o Catégorie de technologie logicielle permettant aux analystes, managers et décideurs d’accéder
de manière rapide, consistante et interactive à une large variété d’information, transformée pour
refléter la dimension réelle d’une entreprise.
o Exemple : Quel est le volume des ventes par produit et par région durant le deuxième trimestre de
2012?

Business Intelligence 22/10/12

 OLTP vs. OLAP 9
OLTP OLAP
Conception - Orientée application (Application de - Orientée sujet (Client, produit, vendeur…)
production, de facturation…) - Structure évolutive (en étoile, en flocon)
- Structure statique (E/R)
Données - Détaillées, non agrégées - Résumées, recalculées, agrégées
- Récentes, mises à jour - Historiques
- Accessibles de façon individuelle - Accessibles de façon ensembliste
- Normalisées - Dénormalisées
Vue - Relationnelle - Multidimensionnelle
Requêtes/Utilisat - Simples, nombreuses, régulières, - Complexes, peu nombreuses, irrégulières,
ion prévisibles, répétitives non prévisibles
- Sensibles aux performances (réponses - Non sensibles aux performances
immédiates) (réponses moins rapides)
- Accès à beaucoup de données - Accès à beaucoup d’informations
Utilisateurs - Agents opérationnels - Managers / Analystes
- Nombreux (par milliers) - Peu (par dizaines, centaines)
- Concurrents - Non concurrents
Accès - Lecture / Écriture - Lecture
Taille de la base - 100 MB à 1 GB - 100 GB à 1 TB

Business Intelligence 22/10/12

 10
Technologies

Stockage et Gestion Entrepôt de Données

Efficace des Gros (Data Warehouse)
Volumes

Traitements Serveur OLAP

Complexes sur ces
Volumes

Application Cliente Fouille de Données

(Data Mining)
Business Intelligence 22/10/12
 Structure d’un Système Décisionnel 11

Business Intelligence 22/10/12

 12

Structures de
Stockage de
Données dans un
Système
CHAPITRE 2:
Décisionnel ENTREPÔTS DE DONNÉES – DATA
WAREHOUSE

Business Intelligence 22/10/12

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
Business Intelligence 22/10/12
 15
Définitions

 ODS: Operational Data Store

o Collection de données orientées sujet, volatiles, organisées pour le support d’un processus de décision ponctuel, en support à
une activité opérationnelle particulière
o Donne la vision immédiate et intégrée de l’état d’un ou plusieurs systèmes opérants
 Data Warehouse
o Entrepôt de données spécifique au monde décisionnel, destiné principalement à analyser les leviers business potentiels
o Collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d’un processus d’aide à
la décision
 Data Mart
o Magasin de données orienté sujet, non volatile, mis à la disposition des utilisateurs dans un contexte décisionnel
décentralisé, ciblé pour un usage particulier
 Data Mining
o Ensemble d’outils, méthodes et technologies d’analyse mises en œuvre pour définir des tendances, pour segmenter
l’information ou pour établir des corrélations entre les données

Business Intelligence 22/10/12

 16
Data Warehouse vs. ODS

 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

Business Intelligence 22/10/12

 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…
Business Intelligence 22/10/12
 18

Les Entrepôts de
Données
CHAPITRE 2:
ENTREPÔTS DE DONNÉES – DATA
WAREHOUSE

Business Intelligence 22/10/12

 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

Business Intelligence 22/10/12

 20
Entrepôt de Données : Objectifs

 Regrouper, organiser des informations provenant de sources diverses

 Les intégrer et les stocker pour donner à l’utilisateur une vue orientée métier
 Retrouver et analyser l’information selon plusieurs critères
 Transformer un système d’information qui avait une vocation de production en un SI
décisionnel
 Doit contenir des informations cohérentes
 Les données doivent pouvoir être séparées et combinées au moyen de toutes les mesures
possibles de l’activité
 Le DW ne contient pas uniquement des données, mais aussi un ensemble d’outils de
requêtes, d’analyse et de présentation de l’information.

Business Intelligence 22/10/12

 21
Entrepôt de Données : Définition
(Bill Inmon)

Le Data Warehouse est une collection de données

orientées sujet, intégrées, non volatiles et
historisées, organisées pour la prise de décision.

Business Intelligence 22/10/12

 22
Caractéristiques d’un DW
Données Orientées Sujet

 Le DW est orienté sujets, ce qui signifie que les données collectées doivent
être orientées métier, et donc triées par thème

Business Intelligence
Bases de données Entrepôt de données 22/10/12
 23
Caractéristiques d’un DW
Données Intégrées

 Le DW est composé de données intégrées, c’est à dire qu’un « nettoyage »

préalable des données est nécessaire dans un souci de rationalisation et de
normalisation

Business Intelligence
Bases de données Entrepôt de données 22/10/12
 24
Caractéristiques d’un DW
Données Historisées et Non Volatiles

 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

Business Intelligence
Bases de données Entrepôt de données 22/10/12
 25
Data Warehouse : ETL

BD BD BD
 Outils d’alimentation pour
o Extraire
les données sources Extraction
o Transformer
o Charger dans un DW
Transformation

Chargement

DW
Business Intelligence 22/10/12
 BD BD BD

Extraction 26
ETL : Extraction Transformation

Chargement

DW

 Extraction des données de leur environnement d’origine (base de données

relationnelles, fichiers plats…)
 Besoin d’outils spécifiques pour accéder aux bases de production (requêtes sur des
BD hétérogènes)
 Besoin d’une technique appropriée pour n’extraire que les données nécessaires
o Données créées ou modifiées depuis la dernière opération d’extraction
 Attention:
o L’extraction ne doit pas perturber l’activité de production

Business Intelligence 22/10/12

 BD BD BD

Extraction 27
ETL : Transformation Transformation

Chargement

DW

 Intégration des données

o Homogénéisation du vocabulaire, structures, valeurs
o Suppression et fusion des redondances
o Épuration des données (suppression des données incohérentes)
o Transformation des données dans un format cible

Business Intelligence 22/10/12

 BD BD BD

Extraction
28
ETL : Chargement Transformation

Chargement

DW

 Opérations de calcul et d’agrégation des données

o Remplacement de certaines bases si aucune solution d’extraction satisfaisante n’est possible
 Mise en place de procédures de chargement (nocturne?) et de restauration (en cas de
problème)
o Envisager la mise en place de systèmes redondants si la disponibilité du système ne peut être
interrompue
 Prise en compte de la notion de granularité
o Conservation des données détaillées
o Possibilité d’agrégation des données pour la synthèse

Business Intelligence 22/10/12

 BD BD BD

Extraction 29
DW : Métabase de Données Transformation

Chargement

DW

 Existence d’une métabase de données ou catalogue de métadonnées:

o Contient des métadonnées du DW
o Idéalement: Lieu de stockage unique des informations qui pilotent des processus dans
l’entrepôt
o Détails sur :
 Les données entreposées, leur format, leur signification, leur degré d’exactitude
 Les processus de récupération/extraction dans les bases sources
 La date du dernier chargement de l’entrepôt
 L’historique des données sources et de celles de l’entrepôt

Business Intelligence 22/10/12

 BD BD BD

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.

Business Intelligence 22/10/12

 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.

Business Intelligence 22/10/12

 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.

Business Intelligence 22/10/12

 33
Bibliographie

Supports de Cours

 Karima Tekaya – « Informatique Décisionnelle » - INSAT

 Fatma Baklouti – « Les entrepôts de données (Data Warehouses) » - INSAT

 Hweichao Lu – « Online Analytical Processing (OLAP) » - CS157B-02 Spring 2007

 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

 Ralph Kimball - « Concevoir et déployer un Data Warehouse » - Editions Eyrolles, 2000

Business Intelligence 22/10/12