Section 2: Le data Warehouse
1. Généralités sur les data Warehouses
2. Eléments clés de la modélisation
dimensionnelle
3. Processus de modélisation d’un Data
Warehouse
4. Concepts avancés
1
2.1 Généralités sur les Data Warehouses
SECTION 2: LE DATA WAREHOUSE
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
2
Introduction ▪Dans le monde des affaires actuel, les données et l'analyse jouent un rôle
indispensable dans le processus de prise de décision.
▪La plupart des grandes entreprises créent donc des entrepôts de données
(appelés aussi: Data Warehouse ou DW) à des fins de reporting et d'analyse.
▪Nous nous intéresserons donc dans ce module au processus de mise en
place d’un data Warehouse
▪A la fin de ce module vous serez capables de:
– décrire les objectifs du data Warehouse – comparer une base de données transactionnelle à une base de donnée décisionnelle – décrire les différents éléments d’une architecture décisionnelle – modéliser un data Warehouse selon différents modèles (étoile, flocon de neige et
constellation)
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
3
Le Data Warehouse ▪ Le Data Warehouse, ou entrepôt de données, est une base de données relationnelle dédiée au stockage de l'ensemble des données fonctionnelle d’une entreprise.
▪ Il est utilisé dans le cadre de la prise de décision et de l'analyse
décisionnelle.
▪ Il est alimenté à partir des bases de données de production. ▪ Les utilisateurs, analystes et décideurs, accèdent aux données collectées et mises en forme pour étudier des cas précis de réflexion. Ils construisent des modèles d'étude et de prospective pour limiter la part d'incertitude lors du processus de prise de décision.
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
4
Définition du Data Warehouse
Définition de Bill Inmon (1996): « Le Data Warehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d'un processus d'aide à la décision »
▪ Orienté sujet: Au cœur du Data Warehouse, les données sont organisées par thème. Les données propres à un thème, les ventes par exemple, seront rapatriées des différentes bases OLTP de production et regroupées.
▪ Intégré: Les données proviennent de plusieurs sources différentes. Avant
d'être intégrées au sein du data warehouse elles doivent être mise en forme et unifiées afin d'en assurer la cohérence. Cette phase est très complexe et représente une charge importante dans la mise en place d'un data warehouse.
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
5
Définition du Data Warehouse (suite) ▪ Non volatile: Un data warehouse veut conserver la traçabilité des informations et des décisions prises. Les données ne sont ni modifiées ni supprimées. Une requête émise sur les mêmes données à plusieurs mois d'intervalles doit donner le même résultat.
▪ Historisé: Contrairement au système de production les données ne sont jamais mises à jour. Chaque nouvelle données est insérées. Un référentiel de temps doit être mis en place afin de pouvoir identifier chaque donnée dans le temps.
Un data warehouse définit donc à la fois un ensemble de données et un ensemble d'outils. – Il s'agit de données destinés aux décideurs, qui sont souvent une copie des données de
production avec une valeur ajoutées (orientés objet, agrégés, historisées).
– C'est un ensemble d'outils permettant de regrouper les données des différentes sources, de les nettoyer et de les intégrer, ainsi que d'y accéder de différentes manières (requêtes, rapport, analyse, datamining).
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
6
Avantages liés aux Data Warehouses Les entrepôts de données permettent de : ▪ Prendre de meilleures décisions ▪ Consolider des données provenant de sources différentes ▪ Posséder des données de qualité, cohérentes et précises ▪ Conserver un historique intelligent des données ▪ Séparer le traitement analytique des bases de données transactionnelles
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
7
Entrepôt de données VS Base de Données Transactionnelle ▪Un entrepôt de données est conçu spécialement pour analyser des
données ce qui implique la lecture de grandes quantités de données dans le but de comprendre les relations et les tendances entre ces données. ▪Une base de données transactionnelle sert à saisir et stocker les données opérationnelles, en sauvegardant les détails liés à une transaction, par exemple.
▪Caractéristiques:
Caractéristiques
Entrepôt de données
Bases de données transactionnelles
Charges de travail adaptées
Analyses, rapport …
Traitement des transactions
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
8
Entrepôt de données VS base de données (suite)
Caractéristiques
Entrepôt de données
Bases de données transactionnelles
Source de données
Les données sont collectées et normalisées à partir de nombreuses sources
Saisie de données
Opérations d'écriture en masse sur un programme de lots prédéterminé
Les données saisies en l'état proviennent d'une source unique, comme un système transactionnel, par exemple Idéale pour les opérations d'écriture en continu lorsque de nouvelles données sont disponibles afin d'optimiser le débit des transactions
Normalisation des données
Schémas dénormalisés, tels que le schéma en étoile ou en flocon
Schémas statiques normalisés
Stockage de données
Accès simple et rapide en termes de recherches grâce au stockage en colonnes
Idéal pour effectuer de nombreuses opérations d'écriture dans un bloc unique en colonne
Accès aux données
Idéal pour minimiser le nombre d'E/S et optimiser le débit des données
Très nombreuses petites opérations de lecture
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
9
Architecture générale d’un système d’information décisionnel (SID)
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
10
Etapes globales de mise en place d’un SID
1. Etude des besoins: Cette étape consiste à définir l’ensemble des axes d’analyse et des indicateurs ou mesures. Ces axes d’analyse et ces mesures serviront à analyser les données à travers des Rapports, Tableaux de bord, Cube OLAP …
2. Collecte et Qualification : Cette étape du projet est réalisée grâce à l’ETL (Extract
Transform Load). Elle consiste à identifier les différentes sources de données puis à collecter ces données pour ensuite les transformer et les qualifier afin de les déposer dans un Data Warehouse dans un format adapté à l’analyse.
3. Entrepôt de données: L’entrepôt de donnée ou Data Warehouse est une base de
données relationnelle avec des modèles en flocons ou en étoiles: ▪ L’entrepôt de données recevra les données collectées par l’ETL (Extract Transform Load). ▪ Des cubes OLAP seront créés à partir des données du Data Warehouse.
4. Restitution: De nombreuses solutions existent sur le marché et beaucoup sont
performantes et permettent de répondre à la plupart des besoins.
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
11
Classification des architectures des SID ▪On peut trouver plusieurs variantes dans les architectures des SID.
▪Néanmoins, dans la littérature, ces variantes appartiennent à l’une
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)
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
12
Entreprise Data Warehouse ▪ Architecture Corporate Information Factory (CIF) ou Entreprise
Data Warehouse (B. Inmon)
Modèle multidimensionnel
SI opérationnels
SI décisionnels
ventes
Publicité
Fabrication
Achats
RH
Couche d’acquisition
Couche DW
Couche de distribution
E T L
DW centralisé
E T L
Couche Data mart
DM commercial
DM marketing
DM finance
Couche de restitution
Cube OLAP
Restitution
Restitution
Restitution
Modèle E/A
Modèle multidimensionnel
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
13
Entreprise Data Warehouse (suite) Le SID est constitué de 5 couches: ▪ La couche d’acquisition: permet d’extraire, de transformer et de charger les données de chacun des SIO vers le DW centralisé ▪ La couche data warehouse: elle contient un DW centralisé,
unique pour l’entreprise. − Le DW est une BD relationnelle conçue à partir d’un modèle de données
d’entreprise préalablement défini, de type E/A (en 3FN)
− Le DW ne sera pas interrogé par les utilisateurs; il servira de source unique
de données pour d’autres applications destinées aux utilisateurs
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
14
Entreprise Data Warehouse (suite) ▪
▪
▪
La couche de distribution: c’est une couche de traitement qui alimente les applications, utilisées par les utilisateurs, à partir du data warehouse La couche data marts: c’est une couche de stockage contenant les données distribuées à partir de la couche de distribution. − Les DM servent à satisfaire les besoins de restitution des différents départements. − Les DM sont conçues en général avec la modélisation multidimensionnelle. − Ils contiennent en général des données agrégées par rapport à celles du DW La couche de restitution: elle restitue aux utilisateurs du SID l’information 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,
optimisés, le plus souvent non relationnels
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
15
Bus Architecture ▪ Architecture Dimensional Data Warehouse ou Bus Architecture
(R. Kimball)
SI opérationnels
ventes
Fabrication
Achats
RH
Couche d’acquisition
SI décisionnels
Couche de stockage
Couche de restitution
Modèle multidimensionnel
E T L
Commercial
DW multidimensionnel
Marketing
finance
Cube OLAP
Restitution
Restitution
Restitution
Data Mart
Modèle multidimensionnel
DATA WAREHOUSE
16
Bus Architecture (suite) Le SID est constitué de 3 couches: ▪ La couche d’acquisition: même principe que CIF ▪ La couche stockage: A la différence du CIF qui contient plusieurs couches
de stockage, ici la couche de stockage est unique. − Elle contient un DW conçu avec la technique de modélisation
multidimensionnelle.
− Le DW est considéré comme un ensemble de data marts connectés par
des dimensions et faits conformes. ▪ La couche de restitution: identique au CIF
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
17
Architecture Kimball vs Inmon
Architecture Kimball
Architecture Inmon
Le DW est modélisé avec le modèle multidimensionnel
Le DW est modélisé en 3ième forme normale avec le modèle 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 données de détail
Les data marts contiennent le plus souvent des données agrégées
La modélisation multidimensionnelle est utilisée pour la conception des data marts
La modélisation multidimensionnelle est utilisée pour la conception des data marts
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
18
2.2 Eléments clés de la modélisation dimensionnelle
SECTION 2: LE DATA WAREHOUSE
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
19
Concepts fondamentaux: Fait & Dimension ▪ La modélisation des bases de données relationnelles utilise les concepts d’entités et de relations afin de construire des tables
▪ En business Intelligence, la modélisation d’un data Warehouse utilise les notions de table de faits et de table de dimension
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
20
Qu’est ce qu’une table de faits? ▪ La table de faits est la table centrale du modèle dimensionnel. Elle contient les informations observables (les mesures) sur ce qu’on veut analyser: table de faits des ventes par exemple.
▪ Une ligne d’une table de faits correspond à une mesure. Ces mesures sont
généralement des valeurs numériques et additives;
▪ Une table de faits assure les liens plusieurs à plusieurs entre les dimensions.
Elles comportent des clés étrangères, qui ne sont autres que les clés primaires des tables de dimension.
▪ Exemples de faits pour les certains processus métier
▪ Pour les ventes, on peut avoir les faits suivants: chiffre d'affaire net, quantités et montants
commandés, quantités facturées, quantités retournées, 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 employés, nombre de demandes de
congés, nombre de démissions, taux de roulement des employés, etc.).
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
21
Qu’est ce qu’une table de faits? (suite) Exemple d’une table de faits:
Publicité
Structure d’une table de faits:
Clés étrangères vers table de dimension
Faits ou mesures
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
22
Qu’est ce qu’une table de dimension? ▪ Une table de dimension représente un axe d’analyse : dimension de
temps, dimension géographique, dimension client, etc.
▪ Les tables de dimension sont les tables qui raccompagnent une table de faits, elles contiennent la description textuelle de l’activité. Une table de dimension est constituée de nombreuses colonnes qui décrivent une ligne. C’est grâce à cette table que l’entrepôt de données est compréhensible et utilisable, elles permettent des analyses en tranches et en dés.
▪Une dimension est généralement constituée: d’une clé artificielle, une
clé naturelle et des attributs.
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
23
Qu’est ce qu’une table de dimension?(suite) Exemple d’une table de dimension:
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
24
Concepts fondamentaux: Mesure, Fait & Dimension (Récap.)
▪ La mesure: Il s’est passé quelque chose, et on l’a mesuré!
▪ Les dimensions: On l’a mesuré selon notre référentiel
(ça s’est passé quand, ça s’est passé où, etc)
▪ Les faits (actes, évènements): Il s’est passé quelque chose, et on l’a mesuré selon
notre référentiel, nos dimensions
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
25
Modélisation d’un Data Warehouse ▪ Trois modèles permettant la présentation d’un Data Warehouse: 1. Modèle en étoile 2. Modèle en flocon 3. Modèle en constellation
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
26
Modèle en étoile (R. Kimball) ▪Ce modèle se présente comme une étoile dont le centre n’est autre que la table des faits et les branches sont les tables de dimension. ▪La force de ce type de modélisation est sa lisibilité et sa performance
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
27
Modèle en flocon (Inmon) ▪Identique au modèle en étoile, sont
▪Cette
sauf que ses branches éclatées en hiérarchies. modélisation
est généralement par l’économie d’espace de stockage, cependant elle peut s’avérer pour compréhensible moins l’utilisateur final, très couteuse en terme de performance
justifiée
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
28
Modèle en flocon (Inmon) (suite)
Exemple:
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
29
Modèle en constellation ▪Ce n’est rien d’autre que plusieurs modèles en étoile liés entre eux par
des dimensions communes
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
30
2.3 Processus de modélisation Data Warehouse
SECTION 2: LE DATA WAREHOUSE
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
31
L’avant modélisation ▪ Identifier l’utilisateur:
▪ C’est lui qui va utiliser le projet de data warehousing ▪ C’est lui qui connait le métier ▪ C’est lui qui va indiquer les règles de gestion
▪ Il faut savoir de quel reporting il a besoin pour pouvoir bien
construire le modèle en étoile/ en flocon de neige
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
32
Processus de modélisation 1. Sélection du processus métier à modéliser (on modélise quoi?
Quel processus métier « on va mesurer »?) ▪ Quel acte est mesuré?
− Une transaction: une vente, une commande, un voyage, etc. − Un stock: un inventaire dans un magasin, une position financière, etc.
▪ Le choix du processus est fixé par les décideurs et responsables
opérationnels
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
33
Processus de modélisation (suite) 2. Définition du grain du processus métier (que représente
la ligne dans la table de fait?) ▪ Une ligne d’un ticket de caisse? ▪ Le total du ticket de caisse? ▪ Le stock en fin de semaine du magasin?
▪ Exemple: Inventaire
▪ Comment considère t’on le « Où »:
− Dans un rack? − Dans une rangée? − Dans l’entrepôt de quel magasin?
▪ Faire le choix du niveau de détail de l'information que l’on
souhaite conserver
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
34
Processus de modélisation (suite) 3.
Identification des dimensions (axes d’analyse) qui s’appliquent ▪ Choisir quels sont les axes d'analyse adéquats pour le processus en
question
▪ Principe: Réutiliser 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
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
35
Processus de modélisation (suite)
4.
Identifications des faits numériques, qui alimenteront chaque enregistrement de la table de fait
Attention aux unités: devise, métrique, conteneur (palette, carton, unité?) …
SYSTÈME D'INFORMATION DÉCISIONNEL - 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
SYSTÈME D'INFORMATION DÉCISIONNEL - 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
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
38
Exemple: schéma en constellation
https://fleid.files.wordpress.com/2011/12/s221-modc3a9lisation-dimensionnelle-les-fondements-du-datawarehouse.pdf
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
39
2.4 Concepts avancés
SECTION 2: LE DATA WAREHOUSE
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
40
Types de mesures ▪ Mesures additives: Peuvent être agrégées selon n'importe quelle
Publicité
dimension; − Exemple: montant de vente, quantité commandée, etc.
▪ Mesures semi-additives: Peuvent être agrégées selon certaines
dimensions seulement; − Exemple: solde de compte agrégeable selon les clients, pas le temps.
▪ Mesures non-additives: Valeurs numériques ne pouvant être
agrégées selon aucune dimension; − Exemple: pourcentages ou ratios.
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
41
Types de mesures (suite) ▪ Activité: Mesure additive, semi-additive ou non-additive ?
1. Quantité en inventaire 2. Pourcentage de profit : 100*(vente – coût) / vente 3. Nombre d’items vendus 4. Produit en vente (valeur binaire)
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
42
Mesures vs Attributs ▪ Mesures:
− Dépendent d'un événement métier; − Ont souvent des valeurs continues (ou un grand nombre de valeurs discrètes
possibles);
− Servent dans les calculs des requêtes; − Ex: montant total et quantité d'une commande. ▪ Attributs (numériques) de dimension:
− Indépendants des événements métier; − Ont souvent des valeurs discrètes; − Servent à filtrer ou étiqueter les faits; − Ex: âge d'un client, etc.
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
43
Dimensions conformes ▪ On parle de dimension conforme ou partagée lorsque la dimension
est utilisée par les faits de plus qu’un data mart.
▪ L’exemple le plus courant est la dimension «Produit » qui est utilisée par différents data mart «Finance », « Marketing »…
44
Dimension temporelle ▪ Centrale car la plupart des faits correspondent à des évènements d'affaires
de l'entreprise
▪ Mettre ces valeurs même si la plupart peuvent être déduites des autres
▪ Avoir un grain trop fin dans la dimension temporelle (Ex: temps du jour)
peut causer l'explosion du nombre de rangées
− Ex: 31,000,000 secondes différentes dans une année.
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
45
Dimension temporelle (suite) ▪ Solution 1: mettre le temps du jour (time of day) dans une
dimension séparée: − Dimension 1: année → 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, année dans une dimension; − La solution 2 est normalement préférable à moins d’avoir des attributs
supplémentaires (ex: descripteur texte).
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
46
Dimensions dégénérée ▪ La dimension dégénérée est une clé de dimension dans la table de
fait qui est en général sans attribut.
▪ Exemple: No d’interruption de service. Dans ce cas, les utilisateurs
veulent savoir par exemple « combien de fois un client a été interrompu dans une période de temps précise».
▪ Vu qu’il s’agit d’une seule clé de dimension, nous évitons alors de
créer une table de dimension, ce qui fait que cette table de dimension a dégénéré dans la table de fait, c’est pour cette raison que cette clé est appelée « dimension dégénérée »
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
47
SCD: Slowly Changing Dimensions ▪ Besoin
− Les dimensions ne sont pas immuables : les attributs peuvent changer
▪ Dimensions à évolution lente: 3 Techniques
− Type 1 : On écrase ▪ 2 types de clefs:
▪ Naturelle / Business, c’est le code que comprend le
métier
▪ Technique /« Surrogate », c’est une clef propre au DWH qui ne doit jamais apparaître
sur un rapport
▪ Le type de SCD est un attribut de colonne, pas de dimension, ici c’est le rayon
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
48
SCD: Slowly Changing Dimensions (suite) − Type 2 : Nouvelle ligne
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
49
SCD: Slowly Changing Dimensions (suite) − Type 3 : Nouvelle colonne
− Et les hybrides
Et l’évolution rapide ? Si la granularité temporelle des changements rejoint celle des tables de fait: il faut alors créer une nouvelle dimension contenant les attributs concernés et tout rentre dans l’ordre!
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
50
Mini dimensions ▪ Servent lorsque qu'une dimension renferme des attributs qui peuvent changer souvent et sont souvent analysés ensemble: − Exemple: le profil démographique des clients (âge, revenu, etc.). − Solution: mettre les attributs potentiellement volatiles dans une dimension séparée (mini-dimension) où le grain est différent;
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
51
Dimensions à rôles multiples ▪ Dimensions ayant des rôles logiques différents dans une même
table de faits;
▪ Typiquement la dimension temporelle:
− Exemple: dateCommande, dateEnvoiDemandé, dateEnvoiRéel, etc.
▪ Une seule table physique référencée par plusieurs tables logiques
(ex: à l'aide de vues ou d'alias); − Exemple: CREATE VIEW DateEnvoiRéel AS SELECT * FROM Date.
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
52
Dimensions poubelles (Junk Dimensions) ▪ Proviennent des attributs ne correspondant à aucune dimension
▪ Exemple: descripteurs texte ou flags divers.
▪ À éviter:
▪ Les laisser dans la table de faits: La table de faits peut exploser en taille
▪
▪ Mettre chacun dans une dimension séparée:
▪
Explosion du nombre de dimensions et clés étrangères
▪ Les éliminer:
▪
Peuvent avoir une signification analytique.
▪ Solution:
▪ Créer une seule table regroupant tous ces attributs orphelins (Junk dimension).
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
53
Tables de fait sans faits ▪ Correspondent aux événements métier représentant une relation plusieurs-à-plusieurs, mais qui n'ont pas de mesures quantifiables: ▪ Ex: la présence d’un étudiant en classe (vrai ou faux).
▪ On peut imaginer la mesure d'une telle table comme une colonne
fictive dont la valeur est toujours à 1
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
54
Bridge Table ▪ Sert notamment à modéliser les dimensions multi-valuées;
− Ex: factures médicales pouvant avoir plusieurs diagnostics
▪ La table GroupeDiagnostic peut être pré-générée (si peu de combinaisons
possibles) ou populée au fur et à mesure.
▪ facteurPondération représente la contribution relative d’un diagnostic dans le
groupe
SYSTÈME D'INFORMATION DÉCISIONNEL - TUTRICE: MME I. BEN TARBOUT
55