1 / 27

Entrep t de donn es Data Warehouse DW

Entrept de donnes (Data Warehouse DW). Dfinition de Bill Immon (1996)collection de donnes orientes pour un sujet, intgres, non volatiles et historises, organises pour le support du processus d'aide la dcision base de donnes dans laquelle sont dposes aprs nettoyage et homognisat

violetta
Download Presentation

Entrep t de donn es Data Warehouse DW

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

    1. Entrepôt de données (Data Warehouse DW) Qu’est-ce qu’un entrepôt de données? Modélisation multi-dimensionnelle Architecture d’un entrepôt de données

    2. Entrepôt de données (Data Warehouse DW) Définition de Bill Immon (1996) «collection de données orientées pour un sujet, intégrées, non volatiles et historisées, organisées pour le support du processus d’aide à la décision» base de données dans laquelle sont déposées après nettoyage et homogénéisation les informations en provenance des différents systèmes de production de l’entreprise l’entrepot facilte le data mining mais le data mining peut se faire aussi sur des données extraites pour l’occasion.l’entrepot facilte le data mining mais le data mining peut se faire aussi sur des données extraites pour l’occasion.

    3. Données Orientées Sujet Organisées autour de sujets majeurs comme consommateur, produit, ventes Données pour l’analyse et la modélisation en vue de l’aide à la décision, et non pas pour les opérations et transactions journalières Vue synthétique des données selon les sujets intéressant les décideurs

    4. Données Intégrées Construit en intégrant des sources de données multiples et hétérogènes BD relationnelles, fichiers, enregistrements de transactions Nettoyage et intégration des données Consistence dans les noms des champs, le codage des données issues de plusieurs sources La conversion se fait quand les donnés sont transférées dans le DW

    5. Données historisées L’échelle de temps dans le DW est beaucoup plus longue que dans les BD BD opérationnelle: valeur courante des données DW: information dans une perspective historique (ex: les 5 dernières années) Chaque structure dans le DW contient un élément décrivant le temps

    6. Données Non Volatiles Stockage indépendant des BD opérationnelles Pas de mises à jour des données dans le DW 2 actions sur le DW Alimentation du DW à partir des données des BD opérationnelles Accès (lecture) de ces données

    7. DW vs. BD Operationnelles OLTP (on-line transaction processing) Tache principale des SGBD Operations journalières: purchasing, inventory, banking, manufacturing, payroll, registration, accounting, etc. OLAP (on-line analytical processing) Tache principale des DW Analyse des données et prise de décision

    8. OLTP vs. OLAP

More Related