Data Warehouse (Entrepôt de données)

Résumé du document

Pour faire face aux nouveaux enjeux économiques, l'entreprise doit anticiper et l'anticipation ne peut être efficace qu'en s'appuyant sur de l'information pertinente. Mais actuellement, les données sont surabondantes, non organisées dans une perspective décisionnelle et éparpillées dans de multiples systèmes hétérogènes. Il devient fondamental de rassembler et d'homogénéiser les données afin de permettre d'analyser les indicateurs pertinents pour faciliter les prises de décisions. Pour répondre à ces besoins, le rôle de l'informatique est de définir et d'intégrer une architecture qui serve de fondation aux applications décisionnelles : le Data Warehouse

Extraits

[...] Il a la même vocation que le Data Warehouse (fournir une architecture décisionnelle), mais vise une problématique précise avec un nombre d'utilisateurs plus restreint. En général, c'est une petite base de données (SQL ou multidimensionnelle) avec quelques outils, et alimentée par un nombre assez restreint de sources de données. Son coût ne dépasse pas deux à trois millions de francs. Les Data Marts résolvent les problèmes de performance des gros Data Warehouse. Mais ils font régresser vers le vieux problème des îlots isolés. [...]

[...] Le terme de Data Mining signifie littéralement forage de données. Comme dans tout forage, son but est de pouvoir extraire un élément : la connaissance. Ces concepts s'appuient sur le constat qu'il existe au sein de chaque entreprise des informations cachées dans le gisement de données. Ils permettent, grâce à un certain nombre de techniques spécifiques, de faire apparaître des connaissances. Le terme de Data Mining est souvent employé pour désigner l'ensemble des outils permettant à l'utilisateur d'accéder aux données de l'entreprise, de les analyser. [...]

[...] Un autre problème est de traiter les données externes. Il faut maintenir une surveillance du système d'information pour pouvoir les identifier et s'assurer que ce sont les bonnes données qui sont recensées. Le problème vient de l'apparition imprévisible de ces données qui les rend difficiles à capter. En conséquence, l'outil d'extraction doit attaquer toutes sortes de sources de données sans être perturbé et s'adapter aux futures. Pour extraire les données sources, il y a plusieurs technologies utilisables : des passerelles, fournies principalement par les éditeurs de bases de données. [...]

[...] Dernier exemple, des données du système opérationnel doivent être agrégées ou calculées avant leur chargement dans la base décisionnelle. Il faut également pouvoir associer des champs sources avec des champs cibles. Il existe plusieurs niveaux de complexité pour ces associations (cardinalités comme par exemple : Certains outils peuvent également réaliser des analyses lexicales des champs sources. Ils seront donc capables de comprendre que les champs suivants signifient la même chose : "Boulvd", ,"Boulevard". L'ensemble des données sources, après nettoyage ou transformation d'après des règles précises ou par application de programmes seront restructurées et converties dans un format cible. [...]

[...] Data Warehouse (Entrepôt de données) SOMMAIRE Introduction 3 DEFINITIONS 3 PROBLEMATIQUE DES ENTREPRISES : POURQUOI UN DATA WAREHOUSE ? 3 Présentation 4 CONCEPT 4 OBJECTIF 4 CARACTERISTIQUES 4 Orientées sujet 4 Données intégrées 4 Les données historisées 5 Données non volatiles 5 Les données détaillées 5 Les données agrégées 5 Les méta-données 5 Les différentes phases du Data warehousing 6 CONCEPTION 6 CONSTRUCTION : ALIMENTATION DU DW 6 L'extraction des données 7 La transformation des données 8 Le chargement des données 9 ADMINISTRATION 9 RESTITUTION 10 Compléments 11 LES DATA MARTS 11 LE DATA MINING 12 Conclusion 13 Introduction DEFINITIONS Data Warehouse : Entrepôt de données Base de données spécifique au monde décisionnel. [...]