Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Business Intelligence Chp1 – Les Entrepôts de Données (Data Warehouses) Plan du

Business Intelligence Chp1 – Les Entrepôts de Données (Data Warehouses) Plan du Chapitre  Problématique des données dans un système décisionnel  Architecture fonctionnelle d’un système décisionnel  Les entrepôts de données 22/10/12 Business Intelligence 2 Problématique des données dans un système décisionnel 22/10/12 Business Intelligence 3 CHAPITRE 2: ENTREPÔTS DE DONNÉES – DATA WAREHOUSE Systèmes Opérationnels vs. Décisionnels Systèmes opérationnels  Appelés OLTP (On-Line Transaction Processing) ou systèmes de gestion  Dédiés aux métiers de l’entreprise pour les assister dans leurs tâches de gestion quotidiennes  Utilisation des PGI (ou ERP) pour la gestion des données Systèmes décisionnels  Appelés OLAP (On-Line Analytical Processing)  Dédiés à la gestion de l’entreprise pour l’aider au pilotage de l’activité pour une vision transversale de l’entreprise  Utilisation des Entrepôts de données 22/10/12 Business Intelligence 4 Données Opérationnelles vs. Décisionnelles Données Opérationnelles  Données détaillées  Données récentes  Structure compréhensible et optimisée pour l’informaticien  Données réparties et non homogènes  Utilisateurs: Agents opérationnels, nombreux, et concurrents Données Décisionnelles  Données globalisées  Données historiques  Structure compréhensible par le décideur  Données centralisées, intégrées  Utilisateurs: Décideurs, analystes, peu nombreux et non concurrents 22/10/12 Business Intelligence 5 Charge du Serveur de Données 22/10/12 Business Intelligence 6 Solutions  Stockage de données : Data Warehouse o Base de données unique - vocabulaire unique o Contenu adapté aux besoins des décideurs  Structure multidimentionnelle spéciale  Niveau de détail bien étudié  Données historiques  Interrogation des données : o Outil interactif, convivial o Outil offrant des fonctions d’analyse  Tri des données  Roll-up, Drill-down  Calcul et comparaison  Analyse des tendances, relations et exceptions  Simulation 22/10/12 Business Intelligence 7 OLTP vs. OLAP  OLTP : On Line Transaction Processing o Système destiné à offrir le moyen à une application d’utiliser de façon transactionnelle un serveur de base de données. C’est un ensemble logiciel que l’utilisateur peut employer de façon interactive pour accéder aux données de la manière la plus rapide et simple possible. o Exemple : Le 15/01/2012 à 13h12, le client X a retiré 500dt du compte Y  OLAP : On Line Analytical Processing o Catégorie de technologie logicielle permettant aux analystes, managers et décideurs d’accéder de manière rapide, consistante et interactive à une large variété d’information, transformée pour refléter la dimension réelle d’une entreprise. o Exemple : Quel est le volume des ventes par produit et par région durant le deuxième trimestre de 2012? 22/10/12 Business Intelligence 8 22/10/12 Business Intelligence 9 OLTP OLAP Conception - Orientée application (Application de production, de facturation…) - Structure statique (E/R) - Orientée sujet (Client, produit, vendeur…) - Structure évolutive (en étoile, en flocon) Données - Détaillées, non agrégées - Récentes, mises à jour - Accessibles de façon individuelle - Normalisées - Résumées, recalculées, agrégées - Historiques - Accessibles de façon ensembliste - Dénormalisées Vue - Relationnelle - Multidimensionnelle Requêtes/Utilisat ion - Simples, nombreuses, régulières, prévisibles, répétitives - Sensibles aux performances (réponses immédiates) - Accès à beaucoup de données - Complexes, peu nombreuses, irrégulières, non prévisibles - Non sensibles aux performances (réponses moins rapides) - Accès à beaucoup d’informations Utilisateurs - Agents opérationnels - Nombreux (par milliers) - Concurrents - Managers / Analystes - Peu (par dizaines, centaines) - Non concurrents Accès - Lecture / Écriture - Lecture Taille de la base - 100 MB à 1 GB - 100 GB à 1 TB OLTP vs. OLAP Technologies Stockage et Gestion Efficace des Gros Volumes Entrepôt de Données (Data Warehouse) Traitements Complexes sur ces Volumes Serveur OLAP Application Cliente Fouille de Données (Data Mining) 22/10/12 Business Intelligence 10 22/10/12 Business Intelligence 11 Structure d’un Système Décisionnel Structures de Stockage de Données dans un Système Décisionnel 22/10/12 Business Intelligence 12 CHAPITRE 2: ENTREPÔTS DE DONNÉES – DATA WAREHOUSE 22/10/12 Business Intelligence 13 Structures de Stockage de Données dans un Système Décisionnel Data Marts (Magasins de données) Data Warehouse (Entrepôt de données) ODS (Operational Data Store) Systèmes Opérationnels Data Mining (Extraction de données) Extraction Alimentation Transformation Synthèse Définitions  ODS: Operational Data Store o Collection de données orientées sujet, volatiles, organisées pour le support d’un processus de décision ponctuel, en support à une activité opérationnelle particulière o Donne la vision immédiate et intégrée de l’état d’un ou plusieurs systèmes opérants  Data Warehouse o Entrepôt de données spécifique au monde décisionnel, destiné principalement à analyser les leviers business potentiels o Collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour le support d’un processus d’aide à la décision  Data Mart o Magasin de données orienté sujet, non volatile, mis à la disposition des utilisateurs dans un contexte décisionnel décentralisé, ciblé pour un usage particulier  Data Mining o Ensemble d’outils, méthodes et technologies d’analyse mises en œuvre pour définir des tendances, pour segmenter l’information ou pour établir des corrélations entre les données 22/10/12 Business Intelligence 15 Data Warehouse vs. ODS  Data Warehouse o Intégration des données hors ligne  ODS o Intégration des données en ligne o Sauvegarde des données récentes o Utilisé quand les données sont dispersées sur plusieurs supports de stockage, et on a besoin de les rassembler  Exemple: o On veut avoir une vue unique sur un patient qu’on pourra modifier en ligne o Les données de ce patient sont disposées dans plusieurs bases de données (liste des hospitalisations, liste des diagnostics, liste des achats pharmaceutiques…) o ODS peut être utilisé pour extraire ces données et les afficher 22/10/12 Business Intelligence 16 Data Warehouse vs. Data Mart  Data Warehouse o Dépôt de données au niveau entreprise o Combinaison de plusieurs Data Marts o Contient toutes les mesures et dimensions nécessaires o Assure l’intégrité de ces mêmes dimensions à travers tous les Data Marts  Data Mart o Ensemble de dimensions et mesures limitées o Utilisées pour des thèmes métier spécifiques o Construites à partir des données des entrepôts  Exemple o Dans une entreprise, il existe un seul entrepôt de données mais plusieurs magasins de données : Finance, Vente… 22/10/12 Business Intelligence 17 Les Entrepôts de Données 22/10/12 Business Intelligence 18 CHAPITRE 2: ENTREPÔTS DE DONNÉES – DATA WAREHOUSE Pourquoi ne pas utiliser un SGBD?  SGBD et DW o Ont des objectifs différents et font des traitement différents o Stockent des données différentes o Font l’objet de requêtes différentes  Besoin d’une organisation différente des données  Doivent être physiquement séparés  SGBD  Mode de travail transactionnel (OLTP)  Permettent d’insérer, modifier, interroger des informations rapidement, efficacement et en sécurité Objectifs: 1. Sélectionner, ajouter, mettre à jour et supprimer des tuples 2. Opérations rapides, faites par plusieurs utilisateurs simultanément 22/10/12 Business Intelligence 19 Entrepôt de Données : Objectifs  Regrouper, organiser des informations provenant de sources diverses  Les intégrer et les stocker pour donner à l’utilisateur une vue orientée métier  Retrouver et analyser l’information selon plusieurs critères  Transformer un système d’information qui avait une vocation de production en un SI décisionnel  Doit contenir des informations cohérentes  Les données doivent pouvoir être séparées et combinées au moyen de toutes les mesures possibles de l’activité  Le DW ne contient pas uniquement des données, mais aussi un ensemble d’outils de requêtes, d’analyse et de présentation de l’information. 22/10/12 Business Intelligence 20 Entrepôt de Données : Définition (Bill Inmon) Le Data Warehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées pour la prise de décision. 22/10/12 Business Intelligence 21 Caractéristiques d’un DW Données Orientées Sujet  Le DW est orienté sujets, ce qui signifie que les données collectées doivent être orientées métier, et donc triées par thème 22/10/12 Business Intelligence 22 Bases de données Entrepôt de données Caractéristiques d’un DW Données Intégrées  Le DW 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 22/10/12 Business Intelligence 23 Bases de données Entrepôt de données Caractéristiques d’un DW Données Historisées et Non Volatiles Les données du DW 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 DW doivent être historisées, donc datées 22/10/12 Business Intelligence 24 Bases de données Entrepôt de données Data Warehouse : ETL  Outils d’alimentation pour o Extraire o Transformer o Charger dans un DW 22/10/12 Business Intelligence 25 les données sources BD BD BD Extraction Transformation Chargement DW ETL : Extraction  Extraction des données de leur environnement d’origine (base de données relationnelles, fichiers plats…)  Besoin d’outils spécifiques pour accéder aux bases de production (requêtes sur des BD hétérogènes)  Besoin d’une technique appropriée pour n’extraire que les données nécessaires o Données créées ou modifiées depuis la dernière opération d’extraction  Attention: o L’extraction ne doit pas perturber l’activité de production 22/10/12 Business Intelligence 26 BD BD BD Extraction Transformation Chargement DW ETL : Transformation  Intégration des données o Homogénéisation du vocabulaire, structures, valeurs o Suppression et fusion des redondances o Épuration des données (suppression uploads/Management/ bi-dw.pdf