Data Warehouse

Professeur:
Mr ABDELILAH BOUSLAMA
[Link]@[Link]

EMSI –Feb 2025

1
 Plan
• Vue d’ensemble sur les entrepôts de données
• Architecture des entrepôts de données
• Modélisation dimensionnelle
• Option de modélisation
• Comparaison entre les différentes approches
• Conclusion
• Bibliographie
• Questions

2
 Vue d’ensemble

Un système d’information décisionnel est un ensemble de

données organisées de façon spécifique,appropriées à la
prise de décision.
Connaître l’environnement dans lequel on évolue
Finalité d’un système décisionnel : pilotage de l’entreprise
– Outils :
. Data warehouse
. OLAP

3
Vue d’ensemble
• Entrepôt de données :
D’après BILL Inmon : “Un ED est une collection de données
thématiques, intégrées, non volatiles et historisées, organisées pour la
prise de décision.”

Thématiques : thèmes par activités majeures ;

Intégrées : divers sources de données ;
Non volatiles : ne pas supprimer les données du DW ;
Historisées : trace des données, suivre l’évolution des
indicateurs.
Pb de volumétrie, de stockage, d’accès.

4
Objectifs de l'Entrepôt de Données
Accessibilité des informations
facile à comprendre donc à utiliser

Information cohérente
idempotence avec le temps
incomplétude signalée

Manipulation des mesures de l ’activité

combinaison et séparation (tranches et dés)

Ensemble de données et de moyens

requêtes, analyse, présentation, …

Publication de données déjà servies

5
 Vue d’ensemble

Qu’est ce que l’Entreposage des données ?

• Conception

• Construction

• Administration

• Restitution

6
 Vue d’ensemble

Conception

Il s’agit de définir la finalité du ED :

♠ Piloter quelle activité de l’entreprise ;
♠ Déterminer et recenser les données à entreposer
♠ Définir les aspects techniques de la réalisation ;
♠ modèle de données ;
♠ démarches d’alimentation ;
♠ stratégies d’administration ;
♠ définition des espaces d’analyse ;
♠ mode de restitution…

7
 Vue d’ensemble

Construction (Travail technique.)

♠Extraction des données des différentes BD de
production (internes ou externes)
♠ Nettoyage des données, règles d’homogénéisation des
données sous formes de métadonnées.
♠ Techniques d’alimentation :
* Chargement des données dans l’ED ;
* Fréquences de rafraîchissement :
• par applications d’ interfaces entre les sources de données
et l’ED ;
• par serveurs de réplication du SGBD ou par outils
spécialisés.

8
 Vue d’ensemble

Administration

Elle est constituée de plusieurs tâches pour assurer :

♠ la qualité et la pérennité des données aux différents applicatifs ;
♠ la maintenance ;
♠ la gestion de configuration ;
♠ les mises à jour ;
♠ l’organisation, l’optimisation du SI ;
♠ la mise en sécurité du SI.
9
 Vue d’ensemble

Restitution

♠ C’est le but du processus d’entreposage des données.

♠ Elle conditionne le choix de l’architecture de l’ED et de
sa construction.
♠ Elle doit permettre toutes les analyses nécessaires pour
la construction des indicateurs recherchés.

10
 Vue d’ensemble

Les Magasins de données sont des entrepôts de données avec une

portée plus étroite et spécifique d'utilisation.

11
 Vue d’ensemble

• Entrepôt de données Versus base de données relationnelle.

• OLTP : "On-Line Transactional Processing ”

gérer les importants volumes d'informations contenus dans

leurs systèmes opérationnels

• OLAP : "On-Line Analytical Processing”

répondent aux besoins spécifiques d’analyse

d'informations qui doit se faire de manière interactive et
rapide, pour des données quelconques et historisées

12
 Vue d’ensemble
Entrepôt de données Versus base de données relationnelle.

Critère OLTP OLAP

But Contrôler et exécuter les tâches Assister dans la planification, la
quotidiennes et fondamentales de résolution de problème et la prise
l’entreprise de décision
Types de données Données opérationnelles Données historiques consolidées
(transactions)

Sources de données BD transactionnelles Entrepôts de données ou

magasins de données

Ce que montre les Portrait instantané des processus Vue multidimensionnelle de

données d’affaires de l’entreprise plusieurs activités d’affaires de
l’entreprise
Insertions et mises-à- Courtes requêtes d’insertion et de Longs traitements en lot servant
jour mise-à-jour lancées par les à rafraichir les données
usagers finaux
Requêtes Simples requêtes retournant Requêtes complexes impliquant
quelques enregistrements (lignes) souvent plusieurs tables et faisant
de la BD l’agrégation de valeurs
Temps de réponses Instantané Quelques secondes à 1 minute
max.

13
Modélisation multidimensionnelle

• Considère le sujet analysé comme un point dans un

espace à plusieurs dimensions.

• Les données sont organisées de manière à mettre en

évidence le sujet analysé et les différentes perspectives de
l'analyse

• Objectif :

produire des structures de base de données

formuler des requêtes pour des utilisateurs finaux
maximiser l'efficacité des requêtes

14
 Modélisation multidimensionnelle

Organisation des données

Les applications conçues pour des opérations
quotidiennes dans les BDs.
applique en général à la création et à la mise
à jour individuelle des informations.
Les BD vont de quelques milliers de Mo à des Go.

OLTP (On-Line Transactional Processing)

15
 Modélisation multidimensionnelle

Organisation des données

Les données sont historiées, résumées, consolidées.
Les EDs contiennent des données sur une longue
période de temps.
Les EDs vont de centaines de Go à des To (Téra
octets).

OLAP (On-Line Analytical Processing)

16
 Concepts de fait et de dimension
Le fait:
• Modélise le sujet de l'analyse.
• Il est formé de mesures correspondant aux informations
de l'activité analysée.

17
 Concepts de fait et de dimension
Dimension:
• Modélise une perspective de l'analyse.
• Elle se compose de paramètres correspondant aux
informations faisant varier les mesures de l'activité..

18
Schéma en étoile

19
 Du modèle entité relation aux modèle dimensionnel

• Conception des magasins de données basés sur un modèle

de données d'entreprise

20
Du modèle entité relation aux modèle dimensionnel
Étapes de conception

Étape 2: Identifications hiérarchiques

Une hiérarchie organise les paramètres d'une dimension selon une

relation "est_plus_fin" conformément à leur niveau de détail .

21
Du modèle entité relation aux modèle dimensionnel
Étapes de conception

Étape 3: Production du model dimensionnel

Opérateur 1 : La Hiérarchie d'annihilation (Collapsing ).

(Possibilité d’itérer)

22
Du modèle entité relation aux modèle dimensionnel
Étapes de conception

Opérateur 2 : l’agrégation

23
 ✔
✔
✔
Du✔modèle entité relation aux modèle dimensionnel
Étapes de conception
Réduire le
nombre de
Étape 4: Évaluation et raffinement schemas en étoile

Union de tables de Fait Réduire le

Union de Tables de Dimension nombre de tables
de dimensions
Relation plusieurs à beaucoup.
Sous-types de Traitement A cause de l’arret
dans la hiérarchie
• Relation plusieurs à beaucoup.

Solution:
• Ignorer l’entité d’intersection
• Créer une relation primaire

24
 Du modèle entité relation aux modèle dimensionnel
Étapes de conception

Sous-types de Traitement
• Relation super type/super type: Conversion directe

25
 Option de la modélisation

• Option 3: le Schéma en étoile

26
 Option de la modélisation

Schéma de Constellation

Schéma de Galaxie
Plus généralement, un jeu de schémas en étoile ou des
constellations peuvent être combiné ensemble pour former une
galaxie
27
 Option de la modélisation

• Option 3: le Schéma de Flocon de neige

28
✔ Comparaison entre les diverses méthodes
✔

Modélisation dimensionnelle vs modélisation Entité-relation:

Présentation des données à l’utilisateur final d’une façon simple et intuitive
considération particulière pour le support des requêtes de haut degrés de
performance sur des tables de fait très grandes.

Schéma en étoile:
L’utilisateur ne manipule pas des structures de dimension complexe (ER).
Il peut utiliser le modèle dimensionnel sans avoir à apprendre comment
interpréter correctement les schémas ER.

Modélisation temporelle de données :

Problèmes de redondance car une même information est conservée plusieurs fois;
pour résoudre ce problème, le concept de stockage du différentiel (delta) a été
proposé

29
 Conclusion
L'entrepôt de données est donc bien différent des bases de données de production car
les besoins pour lesquels on veut le construire sont différents.
Il contient des informations historisées, globalement cohérentes, organisées selon les
métiers de l'entreprise pour le processus de décision.
L'entrepôt n'est pas un produit ou un logiciel mais un environnement.
Il se bâtit et ne s'achète pas.
Les données sont puisées dans les bases de production, nettoyées, normalisées, puis
intégrées.
Des métadonnées décrivent les informations dans cette nouvelle base pour lever toute
ambiguïté quant à leur origine et leur signification.
Chaque approche de modélisation a sa place dans le contexte approprié
Le succès de telle ou telle approche de modélisation d’un entrepôt de données exige
que les techniques soient appliquées dans le bon contexte

30
 Questions ?

Merci !

31