Entrepot de Donnees


Datawarehouse

C'est le lieu de stockage des données provenant des bases externes servant à l'aide à la décision. C'est dans cette base que les utilisateurs puissent les données par le biais d'outil de restitution.

Structure

Le datawarehouse se structure en quatre classes de données, organisées selon un axe historique est un axe synthétique.


Illustration 5: Structure d'un Datawarehouse (source : D Nakache, Conservatoire National des arts et métiers)

Les données détaillées : Elles reflètent des évènements les plus récents. Les données provenant des systèmes de production sont intégrées à ce niveau.

Les données agrégées : Elles correspondent à des éléments d'analyse représentatifs des besoins des utilisateurs. Ce sont donc des données déjà traitées par le système et représentant un premier résultat d'analyse et de synthèse des données contenues dans les systèmes de production. Elles doivent être facilement accessibles et compréhensibles.

Les données historisées : Chaque nouvelle insertion dans le datawarehouse ne détruit pas les anciennes valeurs mais créée une nouvelle insertion.

Les méta-données : Il s'agit « de données sur les données ». Elles décrivent les règles ou processus attachés aux données du système. Les méta-données permettront notamment de connaître :

Stockage

Le stockage au sein d'un datawarehouse a un besoin de synthèse (agrégation des données) et un besoin de détails (conservation des données détaillées).
Ce stockage peut être réalisé de trois manières différentes : structure directe simple, structure de cumul simple, par résumé déroulant.

Structure directe simple: On fait des mises à jour du datawarehouse avec des laps de temps important.


Illustration 7: Strucure directe simple (source : D Donsez, Université Joseph Fournier)

Structure de cumul simple : on stocke les données de chaque mise à jour, les mises à jour étant fréquentes (par exemple tous les jours) on a un espace occupé important, mais on ne perd pas d’information.


Illustration 8: Structure de cumul simple (source : D Donsez, Université Joseph Fournier)

Structure par résumé déroulant : à chaque mise à jour, on stocke des données détaillées, et on synthétise les anciennes données en fonction de leur age. Plus une donnée est vieille, moins elle est détaillée.


Illustration 9: Strucure par résumé déroulant (source : D Donsez, Université Joseph Fournier)

Modelisation

Afin de comprendre le niveau conceptuel de la modélisation d'un datawarehouse, on va définir deux concepts : le concept de fait et le concept de dimension.
Concept de fait : Un fait représente un sujet d'analyse. Il est constitué de plusieurs mesures relatives au sujet traité. Ces mesures sont numériques et généralement valorisées de façon continue.


Illustration 10: Table des faits (source : J Detroyes, supinfo)

Concept de dimensions : La dimensions est le critère suivant lequel on souhaite évaluer, quantifier, qualifier le fait.


Illustration 11: Dimension (source : J Detroyes, supinfo)

On part du principe que les données sont des faits à analyser selon plusieurs dimensions. Il est ainsi possible de réaliser une structure de données simple qui correspond à ce besoin de modélisation multidimensionnelle. Cette structure est constituée du fait central et des dimensions.
Au niveau logique cela peut se traduire par trois modèles différents : en étoile, en flocon de neige ou en constellation.

Modèle en étoile : Le centre est la table des faits, et les branches en sont les dimensions. Pour une dimension il existe plusieurs faits. La structure est dissymétrique : la table des faits est énorme et les tables des dimensions sont petites. Les faits sont généralement numériques alors que les dimensions sont qualitatives.


Illustration 12: Modèle en étoile (source : J Detroyes, supinfo)

Modèle en flocon: Le principe est le même que pour le modèle en étoile, mais en plus les dimensions sont décomposées. Le but est d'économiser ainsi de la place. Cela permet également d'instaurer une hiérarchie au sein des dimensions. Cela engendre par contre une complexification du modèle.


Illustration 13: Modèle en flocon (source : J Detroyes, supinfo)

Modèle en constellation : Il est encore basé sur le modèle en étoile. Mais on rassemble plusieurs tables des faits qui utilisent sur les mêmes dimensions.


Illustration 14: Modèle en constellation (source : J Detroyes, supinfo)