Section 2:
Le data
Warehouse
1. G n ralit s sur les data Warehouses
2. El ments cl s de la mod lisation
dimensionnelle
3. Processus de mod lisation dun Data
Warehouse
4. Concepts avanc s
1
2.1 G n ralit s sur les
Data Warehouses
SECTION 2: LE DATA WAREHOUSE
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
2
Introduction
Dans le monde des affaires actuel, les donn es et l'analyse jouent un r le
indispensable dans le processus de prise de d cision.
La plupart des grandes entreprises cr ent donc des entrep ts de donn es
(appel s aussi: Data Warehouse ou DW) des fins de reporting et
d'analyse.
Nous nous int resserons donc dans ce module au processus de mise en
place dun data Warehouse
A la fin de ce module vous serez capables de:
d crire les objectifs du data Warehouse
comparer une base de donn es transactionnelle une base de donn e d cisionnelle
d crire les diff rents l ments dune architecture d cisionnelle
mod liser un data Warehouse selon diff rents mod les ( toile, flocon de neige et
constellation)
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
3
Le Data Warehouse
Le Data Warehouse, ou entrep t de donn es, est une base de
donn es relationnelle d di e au stockage de l'ensemble des
donn es fonctionnelle dune entreprise.
Il est utilis dans le cadre de la prise de d cision et de l'analyse
d cisionnelle.
Il est aliment partir des bases de donn es de production.
Les utilisateurs, analystes et d cideurs, acc dent aux donn es
collect es et mises en forme pour tudier des cas pr cis de
r flexion. Ils construisent des mod les d' tude et de prospective
pour limiter la part d'incertitude lors du processus de prise de
d cision.
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
4
D finition du Data Warehouse
D finition de Bill Inmon (1996): Le Data Warehouse est une collection de
donn es orient es sujet, int gr es, non volatiles et historis es, organis es
pour le support d'un processus d'aide la d cision
Orient sujet: Au cSur du Data Warehouse, les donn es sont organis es par
th me. Les donn es propres un th me, les ventes par exemple, seront
rapatri es des diff rentes bases OLTP de production et regroup es.
Int gr : Les donn es proviennent de plusieurs sources diff rentes. Avant
d' tre int gr es au sein du data warehouse elles doivent tre mise en forme
et unifi es afin d'en assurer la coh rence. Cette phase est tr s complexe et
repr sente une charge importante dans la mise en place d'un data
warehouse.
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
5
D finition du Data Warehouse (suite)
Non volatile: Un data warehouse veut conserver la tra abilit des informations
et des d cisions prises. Les donn es ne sont ni modifi es ni supprim es. Une
requ te mise sur les m mes donn es plusieurs mois d'intervalles doit
donner le m me r sultat.
Historis : Contrairement au syst me de production les donn es ne sont jamais
mises jour. Chaque nouvelle donn es est ins r es. Un r f rentiel de temps
doit tre mis en place afin de pouvoir identifier chaque donn e dans le temps.
Un data warehouse d finit donc la fois un ensemble de donn es et un ensemble d'outils.
Il s'agit de donn es destin s aux d cideurs, qui sont souvent une copie des donn es de
production avec une valeur ajout es (orient s objet, agr g s, historis es).
C'est un ensemble d'outils permettant de regrouper les donn es des diff rentes sources, de les
nettoyer et de les int grer, ainsi que d'y acc der de diff rentes mani res (requ tes, rapport,
analyse, datamining).
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
6
Avantages li s aux Data Warehouses
Les entrep ts de donn es permettent de :
Prendre de meilleures d cisions
Consolider des donn es provenant de sources diff rentes
Poss der des donn es de qualit , coh rentes et pr cises
Conserver un historique intelligent des donn es
S parer le traitement analytique des bases de donn es
transactionnelles
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
7
Entrep t de donn es VS Base de Donn es
Transactionnelle
Un entrep t de donn es est con u sp cialement pour analyser des
donn es ce qui implique la lecture de grandes quantit s de donn es dans
le but de comprendre les relations et les tendances entre ces donn es.
Une base de donn es transactionnelle sert saisir et stocker les donn es
op rationnelles, en sauvegardant les d tails li s une transaction, par
exemple.
Caract ristiques:
Caract ristiques
Entrep t de donn es
Bases de donn es transactionnelles
Charges de travail
adapt es
Analyses, rapport &
Traitement des transactions
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
8
Entrep t de donn es VS base de donn es
(suite)
Caract ristiques
Entrep t de donn es
Bases de donn es transactionnelles
Source de donn es
Les donn es sont collect es et normalis es partir
de nombreuses sources
Saisie de donn es
Op rations d' criture en masse sur un programme
de lots pr d termin
Les donn es saisies en l' tat proviennent d'une
source unique, comme un syst me transactionnel,
par exemple
Id ale pour les op rations d' criture en continu
lorsque de nouvelles donn es sont disponibles afin
d'optimiser le d bit des transactions
Normalisation des
donn es
Sch mas d normalis s, tels que le sch ma en
toile ou en flocon
Sch mas statiques normalis s
Stockage de
donn es
Acc s simple et rapide en termes de recherches
gr ce au stockage en colonnes
Id al pour effectuer de nombreuses op rations
d' criture dans un bloc unique en colonne
Publicité
Acc s aux donn es
Id al pour minimiser le nombre d'E/S et optimiser
le d bit des donn es
Tr s nombreuses petites op rations de lecture
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
9
Architecture g n rale dun syst me
dinformation d cisionnel (SID)
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
10
Etapes globales de mise en place dun SID
1. Etude des besoins: Cette tape consiste d finir lensemble des axes danalyse et
des indicateurs ou mesures. Ces axes danalyse et ces mesures serviront analyser
les donn es travers des Rapports, Tableaux de bord, Cube OLAP &
2. Collecte et Qualification : Cette tape du projet est r alis e gr ce lETL (Extract
Transform Load). Elle consiste identifier les diff rentes sources de donn es puis
collecter ces donn es pour ensuite les transformer et les qualifier afin de les
d poser dans un Data Warehouse dans un format adapt lanalyse.
3. Entrep t de donn es: Lentrep t de donn e ou Data Warehouse est une base de
donn es relationnelle avec des mod les en flocons ou en toiles:
Lentrep t de donn es recevra les donn es collect es par lETL (Extract Transform Load).
Des cubes OLAP seront cr s partir des donn es du Data Warehouse.
4. Restitution: De nombreuses solutions existent sur le march et beaucoup sont
performantes et permettent de r pondre la plupart des besoins.
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
11
Classification des architectures des SID
On peut trouver plusieurs variantes dans les architectures des SID.
N anmoins, dans la litt rature, ces variantes appartiennent lune
des deux familles suivantes:
1. Architecture Corporate Information Factory ou Entreprise Data
Warehouse (B. Inmon)
2. Architecture Dimensional Data Warehouse ou Bus Architecture (R.
Kimball)
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
12
Entreprise Data Warehouse
Architecture Corporate Information Factory (CIF) ou Entreprise
Data Warehouse (B. Inmon)
Mod le
multidimensionnel
SI op rationnels
SI d cisionnels
ventes
Fabrication
Achats
RH
Couche
dacquisition
Couche
DW
Couche de
distribution
E
T
L
DW
centralis
E
T
L
Couche
Data mart
DM
commercial
DM
marketing
DM
finance
Couche de restitution
Cube
OLAP
Restitution
Restitution
Restitution
Mod le E/A
Mod le
multidimensionnel
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
13
Entreprise Data Warehouse (suite)
Le SID est constitu de 5 couches:
La couche dacquisition: permet dextraire, de transformer et de
charger les donn es de chacun des SIO vers le DW centralis
La couche data warehouse: elle contient un DW centralis ,
unique pour lentreprise.
Le DW est une BD relationnelle con ue partir dun mod le de donn es
dentreprise pr alablement d fini, de type E/A (en 3FN)
Le DW ne sera pas interrog par les utilisateurs; il servira de source unique
de donn es pour dautres applications destin es aux utilisateurs
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
14
Entreprise Data Warehouse (suite)
La couche de distribution: cest une couche de traitement qui alimente
les applications, utilis es par les utilisateurs, partir du data warehouse
La couche data marts: cest une couche de stockage contenant les
donn es distribu es partir de la couche de distribution.
Les DM servent satisfaire les besoins de restitution des diff rents d partements.
Les DM sont con ues en g n ral avec la mod lisation multidimensionnelle.
Ils contiennent en g n ral des donn es agr g es par rapport celles du DW
La couche de restitution: elle restitue aux utilisateurs du SID linformation
contenue dans le SID sous forme de rapports ou de tableaux de bord.
Elle peut contenir un ou plusieurs cubes OLAP qui sont des espaces de stockages,
optimis s, le plus souvent non relationnels
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
15
Bus Architecture
Architecture Dimensional Data Warehouse ou Bus Architecture
(R. Kimball)
SI op rationnels
ventes
Fabrication
Achats
RH
Couche
dacquisition
SI d cisionnels
Couche de stockage
Couche de restitution
Mod le
multidimensionnel
E
T
L
Commercial
DW
multidimensionnel
Marketing
Publicité
finance
Cube
OLAP
Restitution
Restitution
Restitution
Data Mart
Mod le
multidimensionnel
DATA WAREHOUSE
16
Bus Architecture (suite)
Le SID est constitu de 3 couches:
La couche dacquisition: m me principe que CIF
La couche stockage: A la diff rence du CIF qui contient plusieurs couches
de stockage, ici la couche de stockage est unique.
Elle contient un DW con u avec la technique de mod lisation
multidimensionnelle.
Le DW est consid r comme un ensemble de data marts connect s par
des dimensions et faits conformes.
La couche de restitution: identique au CIF
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
17
Architecture Kimball vs Inmon
Architecture Kimball
Architecture Inmon
Le DW est mod lis avec le mod le
multidimensionnel
Le DW est mod lis en 3i me forme normale avec le
mod le E/A
Le DW est accessible directement par les
utilisateurs
Seuls les data marts sont accessibles aux outils de
restitution.
Les data marts contiennent des donn es de d tail
Les data marts contiennent le plus souvent des
donn es agr g es
La mod lisation multidimensionnelle est utilis e
pour la conception des data marts
La mod lisation multidimensionnelle est utilis e
pour la conception des data marts
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
18
2.2 El ments cl s de la
mod lisation
dimensionnelle
SECTION 2: LE DATA WAREHOUSE
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
19
Concepts fondamentaux: Fait &
Dimension
La mod lisation des bases de
donn es relationnelles utilise
les concepts dentit s et de
relations afin de construire des
tables
En business Intelligence, la
mod lisation dun data
Warehouse utilise les notions de
table de faits et de table de
dimension
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
20
Quest ce quune table de faits?
La table de faits est la table centrale du mod le dimensionnel. Elle contient les
informations observables (les mesures) sur ce quon veut analyser: table de
faits des ventes par exemple.
Une ligne dune table de faits correspond une mesure. Ces mesures sont
g n ralement des valeurs num riques et additives;
Une table de faits assure les liens plusieurs plusieurs entre les dimensions.
Elles comportent des cl s trang res, qui ne sont autres que les cl s primaires
des tables de dimension.
Exemples de faits pour les certains processus m tier
Pour les ventes, on peut avoir les faits suivants: chiffre d'affaire net, quantit s et montants
command s, quantit s factur es, quantit s retourn es, volumes des ventes, etc.
Pour la gestion de stock : nombre d'exemplaires d'un produit en stock, niveau de remplissage du
stock, taux de roulement d'une zone, etc.
Pour la gestion des ressources humaines : performances des employ s, nombre de demandes de
cong s, nombre de d missions, taux de roulement des employ s, etc.).
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
21
Quest ce quune table de faits? (suite)
Exemple dune table de faits:
Structure dune table de faits:
Cl s trang res
vers table de
dimension
Faits ou mesures
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
22
Quest ce quune table de dimension?
Une table de dimension repr sente un axe danalyse : dimension de
temps, dimension g ographique, dimension client, etc.
Les tables de dimension sont les tables qui raccompagnent une table de
faits, elles contiennent la description textuelle de lactivit . Une table de
dimension est constitu e de nombreuses colonnes qui d crivent une
ligne. Cest gr ce cette table que lentrep t de donn es est
compr hensible et utilisable, elles permettent des analyses en tranches
et en d s.
Une dimension est g n ralement constitu e: dune cl artificielle, une
cl naturelle et des attributs.
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
23
Quest ce quune table de dimension?(suite)
Exemple dune table de dimension:
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
24
Concepts fondamentaux: Mesure, Fait &
Dimension (R cap.)
La mesure: Il sest pass quelque chose, et on la mesur !
Les dimensions: On la mesur selon notre r f rentiel
( a sest pass quand, a sest pass o , etc)
Les faits (actes, v nements): Il sest pass quelque chose, et on la mesur selon
notre r f rentiel, nos dimensions
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
25
Mod lisation dun Data Warehouse
Trois mod les permettant la pr sentation dun Data Warehouse:
1. Mod le en toile
2. Mod le en flocon
3. Mod le en constellation
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
26
Mod le en toile (R. Kimball)
Ce mod le se pr sente comme
une toile dont le centre nest
autre que la table des faits et
les branches sont les tables de
dimension.
La force de ce type de
mod lisation est sa lisibilit et
Publicité
sa performance
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
27
Mod le en flocon (Inmon)
Identique au mod le en toile,
sont
Cette
sauf que ses branches
clat es en hi rarchies.
mod lisation
est
g n ralement
par
l conomie despace de stockage,
cependant elle peut
sav rer
pour
compr hensible
moins
lutilisateur final, tr s couteuse
en terme de performance
justifi e
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
28
Mod le en flocon (Inmon) (suite)
Exemple:
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
29
Mod le en constellation
Ce nest rien dautre que plusieurs mod les en toile li s entre eux par
des dimensions communes
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
30
2.3 Processus de
mod lisation Data
Warehouse
SECTION 2: LE DATA WAREHOUSE
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
31
Lavant mod lisation
Identifier lutilisateur:
Cest lui qui va utiliser le projet de data warehousing
Cest lui qui connait le m tier
Cest lui qui va indiquer les r gles de gestion
Il faut savoir de quel reporting il a besoin pour pouvoir bien
construire le mod le en toile/ en flocon de neige
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
32
Processus de mod lisation
1. S lection du processus m tier mod liser (on mod lise quoi?
Quel processus m tier on va mesurer ?)
Quel acte est mesur ?
Une transaction: une vente, une commande, un voyage, etc.
Un stock: un inventaire dans un magasin, une position financi re, etc.
Le choix du processus est fix par les d cideurs et responsables
op rationnels
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
33
Processus de mod lisation (suite)
2. D finition du grain du processus m tier (que repr sente
la ligne dans la table de fait?)
Une ligne dun ticket de caisse?
Le total du ticket de caisse?
Le stock en fin de semaine du magasin?
Exemple: Inventaire
Comment consid re ton le O :
Dans un rack?
Dans une rang e?
Dans lentrep t de quel magasin?
Faire le choix du niveau de d tail de l'information que lon
souhaite conserver
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
34
Processus de mod lisation (suite)
3.
Identification des dimensions (axes danalyse) qui sappliquent
Choisir quels sont les axes d'analyse ad quats pour le processus en
question
Principe: R utiliser les dimensions disponibles
Exemple: Inventaire en magasin:
Date, Produit et Magasin
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
35
Processus de mod lisation (suite)
4.
Identifications des faits num riques, qui alimenteront chaque enregistrement
de la table de fait
Attention aux unit s: devise, m trique,
conteneur (palette, carton, unit ?) &
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
36
Exemple: Inventaire dans un magasin
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
37
Exemple: Vente dans un magasin
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
38
Exemple: sch ma en constellation
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
39
2.4 Concepts avanc s
SECTION 2: LE DATA WAREHOUSE
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
40
Types de mesures
Mesures additives: Peuvent tre agr g es selon n'importe quelle
dimension;
Exemple: montant de vente, quantit command e, etc.
Mesures semi-additives: Peuvent tre agr g es selon certaines
dimensions seulement;
Exemple: solde de compte agr geable selon les clients, pas le temps.
Mesures non-additives: Valeurs num riques ne pouvant tre
agr g es selon aucune dimension;
Exemple: pourcentages ou ratios.
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
41
Types de mesures (suite)
Activit : Mesure additive, semi-additive ou non-additive ?
1. Quantit en inventaire
2. Pourcentage de profit : 100*(vente co t) / vente
3. Nombre ditems vendus 4. Produit en vente (valeur binaire)
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
42
Mesures vs Attributs
Mesures:
Publicité
D pendent d'un v nement m tier;
Ont souvent des valeurs continues (ou un grand nombre de valeurs discr tes
possibles);
Servent dans les calculs des requ tes;
Ex: montant total et quantit d'une commande.
Attributs (num riques) de dimension:
Ind pendants des v nements m tier;
Ont souvent des valeurs discr tes;
Servent filtrer ou tiqueter les faits;
Ex: ge d'un client, etc.
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
43
Dimensions conformes
On parle de dimension conforme ou partag e lorsque la dimension
est utilis e par les faits de plus quun data mart.
Lexemple le plus courant est la dimension Produit qui est
utilis e par diff rents data mart Finance , Marketing &
44
Dimension temporelle
Centrale car la plupart des faits correspondent des v nements d'affaires
de l'entreprise
Mettre ces valeurs m me si la plupart peuvent tre d duites des autres
Avoir un grain trop fin dans la dimension temporelle (Ex: temps du jour)
peut causer l'explosion du nombre de rang es
Ex: 31,000,000 secondes diff rentes dans une ann e.
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
45
Dimension temporelle (suite)
Solution 1: mettre le temps du jour (time of day) dans une
dimension s par e:
Dimension 1: ann e mois semaine jour;
Dimension 2: heure minute secondes;
86,400 + 365 lignes VS 31,000,000 lignes.
Solution 2: mettre le temps du jour comme un fait et garder le
jour, mois, ann e dans une dimension;
La solution 2 est normalement pr f rable moins davoir des attributs
suppl mentaires (ex: descripteur texte).
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
46
Dimensions d g n r e
La dimension d g n r e est une cl de dimension dans la table de
fait qui est en g n ral sans attribut.
Exemple: No dinterruption de service. Dans ce cas, les utilisateurs
veulent savoir par exemple combien de fois un client a t
interrompu dans une p riode de temps pr cise .
Vu quil sagit dune seule cl de dimension, nous vitons alors de
cr er une table de dimension, ce qui fait que cette table de
dimension a d g n r dans la table de fait, cest pour cette raison
que cette cl est appel e dimension d g n r e
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
47
SCD: Slowly Changing Dimensions
Besoin
Les dimensions ne sont pas immuables : les attributs peuvent changer
Dimensions volution lente: 3 Techniques
Type 1 : On crase
2 types de clefs:
Naturelle / Business, cest le code que comprend le
m tier
Technique / Surrogate , cest une clef propre au DWH qui ne doit jamais appara tre
sur un rapport
Le type de SCD est un attribut de colonne, pas de dimension, ici cest le rayon
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
48
SCD: Slowly Changing Dimensions (suite)
Type 2 : Nouvelle ligne
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
49
SCD: Slowly Changing Dimensions (suite)
Type 3 : Nouvelle colonne
Et les hybrides
Et l volution rapide ? Si la granularit temporelle des changements rejoint celle des
tables de fait: il faut alors cr er une nouvelle dimension contenant les attributs
concern s et tout rentre dans lordre!
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
50
Mini dimensions
Servent lorsque qu'une dimension renferme des attributs qui
peuvent changer souvent et sont souvent analys s ensemble:
Exemple: le profil d mographique des clients ( ge, revenu, etc.).
Solution: mettre les attributs potentiellement volatiles dans une
dimension s par e (mini-dimension) o le grain est diff rent;
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
51
Dimensions r les multiples
Dimensions ayant des r les logiques diff rents dans une m me
table de faits;
Typiquement la dimension temporelle:
Exemple: dateCommande, dateEnvoiDemand , dateEnvoiR el, etc.
Une seule table physique r f renc e par plusieurs tables logiques
(ex: l'aide de vues ou d'alias);
Exemple: CREATE VIEW DateEnvoiR el AS SELECT * FROM Date.
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
52
Dimensions poubelles (Junk Dimensions)
Proviennent des attributs ne correspondant aucune dimension
Exemple: descripteurs texte ou flags divers.
viter:
Les laisser dans la table de faits:
La table de faits peut exploser en taille
Mettre chacun dans une dimension s par e:
Explosion du nombre de dimensions et cl s trang res
Les liminer:
Peuvent avoir une signification analytique.
Solution:
Cr er une seule table regroupant tous ces attributs orphelins (Junk dimension).
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
53
Tables de fait sans faits
Correspondent aux v nements m tier repr sentant une relation
plusieurs- -plusieurs, mais qui n'ont pas de mesures quantifiables:
Ex: la pr sence dun tudiant en classe (vrai ou faux).
On peut imaginer la mesure d'une telle table comme une colonne
fictive dont la valeur est toujours 1
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
54
Bridge Table
Sert notamment mod liser les dimensions multi-valu es;
Ex: factures m dicales pouvant avoir plusieurs diagnostics
La table GroupeDiagnostic peut tre pr -g n r e (si peu de combinaisons
possibles) ou popul e au fur et mesure.
facteurPond ration repr sente la contribution relative dun diagnostic dans le
groupe
SYST ME D'INFORMATION D CISIONNEL - TUTRICE: MME I. BEN TARBOUT
55