Plan
Introduction
Les entrepôts de données
Les datamart
Architecture
Modélisation
Alimentation
Les bases de données multidimensionnelles
Le marché du décisionnel
Démonstration
1
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 service Ressources
Humaines 2
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
3
Un DM peut réduire:
le risque de perte de données,
le coût et le temps de mise en œuvre,
car il se concentre principalement sur un sous-ensemble de
données plutôt que sur des données d'entreprise complètes.
Les DM sont souvent considérés comme l'un des mécanismes
les plus efficaces pour fournir une aide à la décision rapide et
cohérente.
Bien qu'un DM diminue de manière significative le risque
associé à la mise au point d'un système d'aide à la décision
(DSS), sa mise en œuvre nécessite compétences et savoir-faire.
4
DM pour un ED
Un DM est une structure spécifique aux paramètres d'entreposage
de données.
C'est un sous-ensemble d'un ED qui est généralement utilisé pour
accéder aux informations destinées aux clients.
DM se concentre généralement sur une ligne métier ou une équipe
et ne puise des informations qu'à partir d'une source spécifique.
Contrairement à la mise en œuvre d'un ED d'entreprise qui peut
s'étendre sur plusieurs mois, voire plusieurs années, un DM est
généralement mis en œuvre en quelques mois, offrant ainsi un
support rapide.
Cela est dû à sa taille plus petite (moins de 100 Go) et à
l'extraction de données à partir d'un moins grand nombre de
sources.
5
DM est préférable pour les activités d'analyse et de
reporting du département, telles que les ventes, le
marketing, les finances, etc.,
Ces activités sont généralement effectuées dans
une unité commerciale dédiée.
Par conséquent, les données à l'échelle de l'entreprise ne
sont pas requises pour la BI.
La conception d'une architecture d’un DM est un processus
long et coûteux, mais les risques d'erreurs peuvent être
réduits en suivant les méthodes largement utilisées
meilleures pratiques pour la conception d'une architecture
de DM évolutive.
6
Types de DataMart
Les deux principaux types de DM sont:
1- DM indépendant
Une architecture de DM indépendante est construite sans
entrepôt de données.
Ils servent de système autonome et sont faciles à développer
pour des objectifs à court terme.
Cependant, chacun d'eux est livré avec son propre Outil ETL et
logique donc ils deviennent difficiles à gérer à mesure que les
entreprises se développent
7
En fonction de leurs besoins, les entreprises peuvent utiliser
plusieurs data marts pour différents départements et opter pour
la consolidation de DM en fusionnant différents marts pour
construire un seul data warehouse ultérieurement.
Cette approche s'appelle Méthode de conception dimensionnelle
de Kimball.
8
2- Magasin de données dépendant
Un magasin de données (DM) dépendant est créé à l'aide de
l'entrepôt de données d'entreprise existant.
Il adopte une approche descendante qui commence par
enregistrer toutes les données d'entreprise dans un
emplacement central unique, puis extrait une partie spécifique
des données lorsque cela est nécessaire pour l'analyse.
9
Une autre méthode, appelée L'approche d'Inmon, consiste à
concevoir d'abord un entrepôt de données, puis à créer
plusieurs DM pour des services particuliers, selon les besoins.
En raison des contraintes de temps et de budget, les entreprises
10
optent généralement pour le Kimball approche.
Pourquoi une entreprise a-t-elle
besoin d'un data mart?
L'utilisation de DM pour une entreprise présente de nombreux
avantages:
En réduisant le volume de données, un DM contribue à améliorer le
temps de réponse des utilisateurs et offre un accès rapide aux
données fréquemment utilisées.
Il est facile à mettre en œuvre avec beaucoup moins de coûts, par
rapport à la mise en œuvre d'un ED complet.
Il est évolutif et agile, ce qui est pratique lors du changement de
modèle.
Les données sont séparées dans le DM, ce qui permet un meilleur
contrôle des droits sur les données, c.à.d.. qui peut afficher et
modifier les données.
Les données peuvent être stockées et organisées sur des plates-11
formes matérielles ou logicielles distinctes.
DW vs DM
Entreposage De Données Data Mart
Un DM transporte des données relatives à
Un entrepôt de données stocke des
un département, telles que les ressources
données de nombreux domaines.
humaines, les finances, le marketing, etc.
C'est une sous-section logique d'un
entrepôt de données dans lequel les
Il agit comme un référentiel de
données sont déposées dans des serveurs
données central pour une entreprise.
peu coûteux pour des applications
ministérielles particulières.
Un entrepôt de données est conçu à
l'aide d'un schéma en étoile, flocon de
Un magasin de données utilise un schéma
neige, galaxie ou constellation de faits.
en étoile pour la conception de tables.
Cependant, le schéma en étoile est
celui qui est le plus utilisé.
Il est difficile de concevoir et d’utiliser Concevoir et utiliser un magasin de
un entrepôt de données, car il inclut données est comparativement plus facile
généralement une grande quantité de en raison de sa petite taille (inférieure à
12
données, plus que 100GB. 100GB).
Entreposage De Données Data Mart
Un entrepôt de données est conçu pour
Un magasin de données est conçu pour
prendre en charge le processus de prise
des groupes d'utilisateurs ou des
de décision dans une entreprise. Ainsi, il
services d'entreprise particuliers. Ainsi, il
offre une compréhension à l’échelle de
offre une interprétation départementale et
l’entreprise d’un système centralisé et de
un stockage de données décentralisé.
son autonomie.
Un entrepôt de données stocke des
Un DM contient des données hautement
informations détaillées sous forme
dénormalisées, sous une forme résumée.
dénormalisée ou normalisée.
Un entrepôt de données a de grandes Un magasin de données a des
dimensions et intègre des données dimensions plus petites et les données
provenant d'un grand nombre de sont intégrées à partir d'un nombre moins
sources, ce qui peut entraîner un risque important de sources, ce qui réduit les
de défaillance. risques d'échec.
Un entrepôt de données est une variante Un magasin de données est destiné à
temporelle et orientée sujet par sujet des domaines particuliers liés à une
dans laquelle les données existent pour entreprise et conserve les données
13
une durée plus longue. pendant une durée plus courte.
