Entrepôt de données

Conception 31 Introduction 31 1.Structure du système opérationnel………………………………………………………….31 1.1.Les tables……………………………………………………………………………………..31 1.2.Schéma de la base de production………………………………………………………….....31 2. Conception de l’entrepôt de données 36 2.1.Les dimensions………………………………………………………………………………….36 2.2.Les tables faits et les mesures…………………………………………………………………39 2..2.1.Cas de vente…………………………………………………………………………………39 2.3.Schéma en étoile de la base décisionnelle…………………………………………………..40 2

DQ EXPLORER VOUS OFFRE UNE VISION CLAIRE ET DÉTAILLÉE DE L‘ÉTAT DE VOS DONNÉES. AVEC DQ BATCH SUITE, VOUS DISPOSEZ D‘UN INSTRUMENT PROFESSIONNEL POUR LE CONTRÔLE ET LE NETTOYAGE, SOUVENT AUTOMATIQUE, DES DONNÉES Grâce aux progiciels Data Quality Real-Time, les adresses erronées sont corrigées automatiquement et sur-lechamp via l’accès aux données de référence tolérant aux erreurs DQ MONITOR SURVEILLE LA QUALITÉ DES DONNÉES SELON DES RÈGLES MÉTIER PERSONNALISÉES ÉTABLIES PAR L‘UTILISATEUR. Processus

modéliser et restituer les données, matérielles ou immatérielles, d'une entreprise en vue d'offrir une aide à la décision et de permettre à un décideur d’avoir une vue d’ensemble de l’activité traitée. Ce type d’application repose sur une architecture commune dont les bases théoriques viennent principalement de R. Kimball, B. Inmon et D. Linstedt. 1. Les données opérationnelles sont extraites périodiquement de sources hétérogènes fichiers plats, fichiers Excel, Base de données (DB2, Oracle Database…)

Entrepôt de Données Jean-François Desnos Jean-Francois.Desnos@grenet.fr ED JFD 1 Définition (Bill Inmon 1990) Un entrepôt de données (data warehouse) est une collection de données thématiques, intégrées, non volatiles et historisées pour la prise de décisions ED JFD 2 Les données sont thématiques Données sont organisées par thème (sujets majeurs, métiers), vs systèmes de production : processus fonctionnels. analyses transversales / structures fonctionnelles et organisationnelles

don d un fichier La question est celle de la modernisation du SI de l’entreprise SDN (plusieurs entités sur un seul site ; « Siège, usine et entrepôts sont regroupés depuis l'origine dans le Pas de Calais ») et de sa mise en conformité avec le SI intégré de ses trois plus gros clients, regroupés en consortium, qui sont en position dominante. En effet, la position de SDN ne lui permet pas de s'opposer à court terme à ses trois principaux clients du moins tant que la cosmétique biologique ne constitue

et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données, matérielles ou immatérielles, d'une entreprise en vue d'offrir une aide à la décision et de permettre aux responsables de la stratégie d'entreprise d’avoir une vue d’ensemble de l’activité traitée. Ce type d’application utilise en règle générale un entrepôt de données (ou datawarehouse en anglais) pour stocker des données transverses provenant de plusieurs sources hétérogènes et fait appel à des traitements

d’information commercial : Prendre en compte les données concernant les clients, de type sociodémographique et comportemental 1 – LE SYSTEME D’INFORMATION COMMERCIAL Les données brutes La mise en place d’un SI : 1ere étape : collecte d’information 2ème étape : stockages de l’information 3ème étape : analyse des données Le SI s’appuie sur plusieurs bases de données : La base de données client La base produit La base distributeur

informations sur le marché (Offre, Demande, Environnement). Les objectifs - recueillir les informations, les données (brutes) - organiser, traiter l’information - la diffuser - l’appliquer - archiver, stocker l’information La collecte et le stockage des donnés Les informations collectées sont stockées dans le DATAWAREHOUSE (entrepôt de données). Le DATAWAREHOUSE est un système centralisé afin de rendre l’information cohérente et accessible. Comment collecter

les parties prenantes. 3. identifier les sources de donnes et leur fréquence. * structuré: *  DB * semi-structuré: * xls, fichier plat * non-structuré: * e-mail 2. Analyse 1. Sélectionner les données pertinentes. 2. Classifier les données. 3. Identification de l'outil cible. 3. Planification 1. planifier l’acquisition et mise en place 2. Planifier le déploiement et la formation 4. Exécution 1. Création des jobs sur l'ETL 2. Paramétrage

amont : les données à intégrer | | p. 5 | | | | II. Organisation fonctionnelle du DWH : traitement des données 1. Intégration et filtrage des données 2. Codage des données 3. Synchronisation 4. Certification | | p. 8 | | | | III. En aval : les outils d’analyse 1. Reporting 2. Hypercubes OLAP 3. Datamining | | p. 12 | | | | IV. Cas ORACLE | | p. 15 | CONCLUSION | | p.16 | SITOGRAPHIE | | p. 17 | Introduction « Un entrepôt de données ne s'achète