Remerciez-le!

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

OLAP OLAP Urbanisation des SI-NFE107 Fiche de lecture Fiche de lecture Karim SE

OLAP OLAP Urbanisation des SI-NFE107 Fiche de lecture Fiche de lecture Karim SEKRI 20/01/2009 1 OLAP PLAN PLAN Introduction OLAP Les différentes technologies OLAP Plate formes et Outils 20/01/2009 OLAP 2 Informatique décisionnelle Informatique décisionnelle BI, Business Intelligence BI, Business Intelligence Système interprétant des données complexes permettant aux dirigeants d'entreprise de prendre des décisions en connaissance de cause. 20/01/2009 OLAP 3 Aide à la décision Connaître les clients, analyser les ventes et les marchés Mesurer la performance BD clients, historique des achats ; segmentation ; CRM Tableaux de bord, reporting… Entrepôts de données Entrepôts de données Datawarehouse Datawarehouse • Le concept d'entrepôt de données a été formalisé pour la première fois en 1990 par Bill Inmon : • "collection de données orientées pour un sujet, intégrées, non volatiles et historisées, organisées pour le support du processus d'aide à la décision". 20/01/2009 OLAP 4 • Est créé pour les besoins décisionnels • Est spécialisé par type d’analyse Marketing : BD client, historique des achats Gestion : Suivi coûts / performance des activités • Est alimenté par les systèmes opérationnels • A une modélisation dimensionnelle… • … qui facilite l’analyse selon des axes prédéfinis Entrepôts de données Entrepôts de données • Modèle dimensionnel : hypercube • Axes d’analyse (dimensions) • Indicateurs (table des faits) Produits : Réseau : Zone, Pays, Région, Département, 20/01/2009 OLAP 5 Données (Indicateurs) Produits : activité, ligne produit, gamme, produit Client : secteur, groupe, client, adresse livraison Département, Ville, Agence Temps : année, budget, trimestre, N-1... mois, semaine, jour Modèle dimensionnel Modèle dimensionnel Produits Temps Client Réseau Hyper -cube • Schéma BD en « étoile » ou en « flocon » Dim. Produit Identifiant produit Nom Dimension Client Identifiant client Nom 20/01/2009 OLAP 6 Dimension réseau Identifiant point vente Nom Région Pays Etc. Table des Faits Chiffre d’affaires Taux de remise Quantités vendues Marge Etc. Dimension Période Jour Mois An Etc. Nom Ligne de Produit Etc. Nom Secteur activité Zone géographique Etc. Entrepôt Entrepôt métier métier Datamart Datamart ETL ETL Outil d’extraction Outil d’extraction 20/01/2009 OLAP 7 Datamining atamining Exploration des données Exploration des données Les outils de restitution Les outils de restitution • OLAP (On Line Analytical Processing) • Outils d’interrogation des hypercubes Sélection d’une portion de 20/01/2009 OLAP 8 Axe client Axe Produit Axe Réseau de vente Sélection d’une portion de l’hypercube : - sous-ensemble de produits, - client spécifique, -réseau particulier de distribution COMPTA STOCK PRODUCTION Architecture du SI décisionnel Architecture du SI décisionnel Postes client Intranet Données externes données opérationnelles STOCK COMMERCIAL ACTIVITES GESTION DES 1. Source : SI opérationnel 2. Interfaces : ETL 3. Organisation et Stockage : Entrepôt 4. Restitution : OLAP Entrepôt de données Outils Resti- tution Module Interfaces (ETL) 20/01/2009 9 OLAP 20/01/2009 OLAP 10 OLAP OLAP E.F. Codd définit 12 règles de base permettant de qualifier le concept global nommé OLAP : •Transparence •Accessibilité •Manipulation des données •Souplesse d'affichage •Multidimensionalité •Multidimensionalité •Dimensionalité générique •Client/serveur •Multi-utilisateur •Accès stable •Gestion des matrices creuses •Croisement des dimensions •Nombre illimité de dimension et de niveaux d'agrégation 20/01/2009 OLAP 11 OLAP OLAP • Approche multidimensionnelle : • Basée sur des thèmes d’analyse (dimensions) • Plus intuitive • Plusieurs niveaux d’agrégation : 20/01/2009 OLAP 12 • Plusieurs niveaux d’agrégation : • Les données peuvent être groupées à différents niveaux de granularité (les regroupements sont pré-calculés, par exemple, le total des ventes pour le mois dernier calculé à partir de la somme de toutes les ventes du mois). • Granularité : niveau de détail des données emmagasinées dans une base de données. Vocabulaire OLAP Vocabulaire OLAP Dimension : • Une dimension peut être définie comme un thème, ou un axe (attributs), selon lequel les données seront analysées (en fonction de …) • Ex. Temps, Découpage administratif, Produits 20/01/2009 OLAP 13 • Ex. Temps, Découpage administratif, Produits • Une dimension contient des membres organisés en hiérarchie, chacun des membres appartenant à un niveau hiérarchique (ou niveau de granularité) particulier • Ex. Pour la dimension Temps, les années, les mois et les jours peuvent être des exemples de niveaux hiérarchiques. 1998 est un exemple de membre du niveau Année Vocabulaire OLAP Vocabulaire OLAP Mesure : • Une mesure est un élément de donnée sur lequel portent les analyses, en fonction des différentes dimensions 20/01/2009 OLAP 14 dimensions • Ex. coût des travaux, nombre d’accidents, ventes, dépenses Vocabulaire OLAP Vocabulaire OLAP Fait : • Un fait représente la valeur d’une mesure, mesurée ou calculée, selon un membre de chacune des dimensions (ex. ce qui est recueilli 20/01/2009 OLAP 15 chacune des dimensions (ex. ce qui est recueilli par les systèmes transactionnels). • Ex. « le coût des travaux en 1995 pour la région 02 est 250 000 $ » est un fait qui exprime la valeur de la mesure « coût des travaux » pour le membre « 1995 » du niveau « année » de la dimension « temps » et le membre « 02 » du niveau « région » de la dimension « découpage administratif ». Vocabulaire OLAP Vocabulaire OLAP • La table des faits: comme son nom l’indique, contient les faits 20/01/2009 OLAP 16 Opération: Opération: NAVIGATION ou FORAGE NAVIGATION ou FORAGE Les outils OLAP utilisent des opérateurs particuliers afin de « naviguer » dans les cubes multidimensionnels : – Pivoter (pivot, swap) : Permet d’interchanger deux dimensions – Forer (drill-down) : Permet de descendre dans la hiérarchie de la dimension. Ex. visualiser le nombre d’accidents par mois au lieu 20/01/2009 OLAP 17 la dimension. Ex. visualiser le nombre d’accidents par mois au lieu de par année. – Remonter (drill-up, roll-up) : Permet de remonter dans la hiérarchie de la dimension. Ex. visualiser le nombre d’accidents par année au lieu de par mois. – Forer latéralement (drill-across) : – Permet de passer d’une mesure à l’autre. Ex. visualiser le coût des travaux au lieu du nombre d’accidents – Permet de passer d’un membre de dimension à un autre. Ex. visualiser les données de Montréal au lieu de celles de Québec Opération: Opération: agrégation agrégation • Pour obtenir moins de détails • Élimination d’une dimension ou regroupement des éléments d’une dimension 20/01/2009 OLAP 18 regroupement des éléments d’une dimension • Exemple: • Ville < Etat < Province < Pays • Au lieu de regrouper les données par ville, elles sont regroupées par pays Les différentes technologies Les différentes technologies OLAP OLAP • MOLAP (Multidimensionnel) • ROLAP (Relationnel) • ROLAP (Relationnel) • HOALP (Hybride) • SOLAP (Spatiale) 20/01/2009 OLAP 19 B ase de données m ultidim ensionnelle (hypercube) S erveur M O LA P C lient O LA P MOLAP 20/01/2009 OLAP 20 Base de données relationnelle (étoile ou flocon) Serveur ROLAP Vue multidimensionnelle Client OLAP ROLAP HOLAP 20/01/2009 OLAP 21 MOLAP vs ROLAP vs HOLAP MOLAP vs ROLAP vs HOLAP Critère de comparaison ROLAP MOLAP HOLAP Stockage des données de base (détaillées) BD relationnelle BD multidimensionnelle BD relationnelle 20/01/2009 OLAP 22 Stockage des agrégations BD relationnelle BD multidimensionnelle BD multidimensionnelle Performance des requêtes (habituellement) Le moins performant Le plus performant Performance moyenne Plate formes et Outils Plate formes et Outils Pentaho Kettle. ETL Mondrian, JPivot, Jrubik. OLAP Weka. BIRT, JfreeReport, JaspertReports, Pentaho Reporting. Enhydra Shark. 20/01/2009 OLAP 23 Enhydra Shark. Hibernate. IDE Eclipse. Java. Jboss. PHP et JSP. HSQLDB, MYSQL. Quartz. SNMP/JMX SOAP/WSDL HTTP RSS Runtime/ Solution Repository Audit Repository J2EE Server Single Sign On Clients Web Browsers Inbox Alerter Services / UDDI Java Server Pages, Servlets, Portlets Navigation Components Solution Engine Components Workf low Repor ting Dashb oards Other s (see text) Pivot Views Audit Repor ts Auditing Sched uler Busin ess Rules Analyt ic Views Inbox KPIs Web Service Client System Monitoring Data Minin g App Integr ation JMS Architecture du serveur PENTAHO Data Mining Repository Workflow Repository Schedule Repository Data Sources Workflow Engine Scheduler Reporting Engine Rules Engines OLAP Engine Application Integration / ETL Data Mart Legend Pentaho Technology Customer/3rd Party Technology or Data 3rd Party Open Source Technology Architecture: Server Application Data Control Flow Data Flow Bibliographie Bibliographie •http://pagesperso-orange.fr/bernard.lupin/ •http://www.journaldunet.com/solutions/0301/030108_olap.shtml •http://www.piloter.org/business-intelligence/olap.htm •http://fr.wikipedia.org/wiki/OLAP 20/01/2009 OLAP 25 •Cours informatique décisionnelle (NFE115) Cnam de basse-Normandie Gilles LEBRUN et Christophe CHARRIER uploads/Marketing/ olap.pdf