1. Généralités sur les Data WarehousesIntroductionDans 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)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.Définition du Data Warehouse
   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.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 »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 tempsUn data warehouse définit donc à la fois un ensemble de données et un ensemble d’outils.
   Définition du Data Warehouse (suite)

– 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).

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

Entrepôt de données VS Base de Données Transactionnelle

Architecture générale d’un système d’information décisionnel (SID)

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.

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)

Entreprise Data Warehouse

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

▪ 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

Bus Architecture

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

Architecture Kimball vs Inmon

2.Eléments clés de la modélisation dimensionnelle

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

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.).

Qu’est ce qu’une table de faits?

Exemple d’une table de faits:

Structure d’une table de faits:

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.

Exemple d’une table de dimension:

Concepts fondamentaux: Mesure, Fait & Dimension

▪ 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

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

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

Modèle en flocon (Inmon)

Identique au modèle en étoile, sauf que ses branches sont éclatées en hiérarchies.
▪Cette modélisation est généralement justifiée par l’économie d’espace de stockage,
cependant elle peut s’avérer moins compréhensible pour l’utilisateur final, très couteuse en terme de performance

Exemple:

Modèle en constellation

▪Ce n’est rien d’autre que plusieurs modèles en étoile liés entre eux par des dimensions communes

Processus de modélisation Data Warehouse

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

Processus de modélisation

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

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

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

4. Identifications des faits numériques, qui alimenteront chaque enregistrement de la table de fait

Exemple: Inventaire dans un magasin

2.4 Concepts avancés – SECTION 2: LE DATA WAREHOUSE

Types de mesures

Mesures additives: Peuvent être agrégées selon n’importe quelle
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.

▪ 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)

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.

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 »…

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.

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).

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 »

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

Type 2 : Nouvelle ligne

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!

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;

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.

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)

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

Bridge Table

Sert notamment à modéliser les dimensions multi-valuées;
− Ex: factures médicales pouvant avoir plusieurs diagnostics

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

Téléchargement PDF