DATA WEARHOUSE 1ère année LA: Technologies systèmes d’information

Présentation au sujet: "DATA WEARHOUSE 1ère année LA: Technologies systèmes d’information"— Transcription de la présentation:

1 DATA WEARHOUSE 1ère année LA: Technologies systèmes d’information
Matière: Système d’information RÉALISÉ PAR: *OUSSEMA BOUHLEL *HAJER MZOUGHI *NOUR GHARBI

2 PLAN DU PROJET 1- Définition 2- Fonction d’un DATA Warehouse
3-Data Mart 4-Caractéristiques 5-Autour de l’entrepôts de données 6-Architecture 7-Conclusion 8-Sources 1

3 DÉFINITION le Data Warehouse, ou entrepôt de données, est une base de données dédiée au stockage de l'ensemble des données utilisées dans le cadre de la prise de décision et de l'analyse décisionnelle. Le Data Warehouse est exclusivement réservé à cet usage. 2

4 Qu'est ce qu'un DATA Warehouse?
„ Ensemble de données ‹ destinées aux "décideurs" ‹ souvent une copie des données de production ‹ avec une valeur ajoutée (agrégation, historique) ‹ intégrées ‹ historisées „ Ensemble d'outils permettant ‹ de regrouper les données ‹ de nettoyer, d'intégrer les données, ... ‹ de faire des requêtes, rapports, analyses ‹ de faire du DATA mining ‹ faire l'administration du warehouse 3

5 Data Mart Les Data Warehouses étant, en général, très volumineux et très complexes à concevoir, on a décidé de les diviser en bouchées plus faciles à créer et entretenir. Ce sont les Data Marts. 4

6 On peut faire des divisions par fonction (un data mart pour les ventes, pour les commandes, pour les ressources humaines) ou par sous-ensemble organisationnel (un data mart par succursale). Nous verrons plus tard comment organiser les data marts pour créer un entrepôt proprement dit. 5

7 Fonctions d'un DATA Warehouse
„ Récupérer des données existants dans différentes BD sources „ Stocker les données (historisées) „ Mettre à disposition les données pour : ‹ Interrogation ‹ Visualisation ‹ Analyse 6

8 Les caractéristiques du DATA Warehouse
Ses principales caractéristiques sont donc les suivantes: Le DATA Warehouse est orienté sujets (cela signifie que les données collectées doivent être orientées « métier » et donc triées par thème) Le DATA Warehouse 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) 7

9 Les données du datawarehouse doivent être historisées, donc datées
Les données du datawarehouse 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 datawarehouse doivent être historisées, donc datées 8

10 Autour de l’entrepot de donnée en amant
En amont de l'entrepôt de données se place toute la logistique d'alimentation des données de l'entrepôt : - au passage les données sont épurées ou transformées par : un filtrage et une validation des données (les valeurs incohérentes doivent être rejetées) - un codage (une donnée représentée différemment d'un système de production à un autre impose le choix d'une représentation unique pour les futures analyses) 9

11 une synchronisation (s'il y a nécessité d'intégrer en même temps ou à la même « date de valeur » des événements reçus ou constatés de manière décalée) 10

12 Architecture de DATA Warehouse
11

13 Conclusion Je citerais, en conclusion, les éléments qui vous feront déduire que votre conception est bonne : Que votre entrepôt de données permettra de faire toutes les opérations analytiques et donnera aux décideurs des moyens chiffrés pour évaluer les faits voulus. Que vos dimensions seront orientées entreprise et pas fonction, avoir le plus possible des dimensions génériques et réutilisables. 12

14 Pas trop de flocons dans votre entrepôt, si c'est le cas, pensez plutôt à changer de serveur ou de moteur de stockage. C'est plus une technique d'optimisation que de conception. 13

15 Documenter, documenter, documenter
Documenter, documenter, documenter. N'oubliez pas qu'un entrepôt non documenté est un entrepôt qu'on ne peut pas faire évoluer, comprendre ou modifier. Gare à la rétention d'information !! N'oubliez pas, pendant votre phase d'analyse, de lister les outputs et les questionnements des analystes et décideurs de votre entreprise. Ceux-ci serviront de fil conducteur tout au long de votre projet 14

16 Sources Laboratoire de base de donnée Des cours pdf
15