Modélisation dimensionnelle
À quoi correspond la modélisation dimensionnelle? • Quels sont les avantages du modèle dimensionnel par rapport au modèle ER? Département de génie logiciel et
Introduction à la modélisation dimensionnelle
1 sept. 2016 La modélisation en étoile (cf. p.) Un modèle dimensionnel est le résultat : d'une analyse des besoins : . ce que je souhaite ...
199 La modélisation dimensionnelle
dimensionnelle. La modélisation dimensionnelle. 1. La matrice dimensionnelle de Distrisys. Au chapitre Réaliser son premier système décisionnel
Modélisation Dimensionnelle : le fondement du DatawareHouse
13 déc. 2011 Table de Faits : Ventes. Id Temps. Id Magasin. Id Produit Quantité Prix Unitaire (€). 20111212. 35. 5. 3. 10. 20111212. 56. 8. 2. 25.
Introduction aux data warehouses et à la modélisation en étoile
Les tables du modèle dimensionnel peuvent être vues comme des vues concrètes sur le systèmes transactionnel à la nuance que des transformations (correction d'
Modélisation électromagnétique tri-dimensionnelle de réseaux
25 nov. 2009 Modélisation électromagnétique tri-dimensionnelle de réseaux complexes. Appli- cation au filtrage spectral dans les imageurs CMOS.
CONCEPTION ET MANIPULATION DE BASES DE DONNEES
21 déc. 2010 Introduction à la modélisation dimensionnelle. ... contraintes au niveau de la modélisation du schéma dimensionnel.
Introduction aux data warehouses : la modélisation en étoile
7 juin 2017 Les tables du modèle dimensionnel peuvent être vues comme des vues concrètes sur le systèmes transactionnel à la nuance que des transformations ...
Amélioration de lestimation spectrale par modélisation AR multi
et la modélisation auto-regressive multi-dimensionnelle qui permet d'exploiter la connaissance des inter-corrélations entre les signaux de sous-.
Modélisation multi-dimensionnelle et analyse multi-régionale de l
2 mars 2012 métrie en générale puis plus particulièrement de la modélisation multi-dimensionnelle. Il paraissait en effet plus logique de présenter la ...
[PDF] Modélisation dimensionnelle
À quoi correspond la modélisation dimensionnelle? • Quels sont les avantages du modèle dimensionnel par rapport au modèle ER? Département de génie logiciel et
[PDF] Introduction à la modélisation dimensionnelle
1 sept 2016 · Introduction à la modélisation dimensionnelle Stéphane Crozat Data warehouse http://dwh crzt 1 septembre 2016
[PDF] La modélisation dimensionnelle - Editions ENI
Pour commencer à modéliser un entrepôt de données il faut d'abord s'atta- cher à établir la matrice dimensionnelle de l'organisation La matrice dimensionnelle
[PDF] Modélisation multidimensionnelle - lamsade
Quel est le processus de l'entreprise à modéliser? ? Qui sont les décideurs? ? Quels sont les faits numériques? ? Qu'est ce qui va être mesurer
[PDF] Principes de la modélisation dimensionnelle - Qlik Community
modélisation dimensionnelle Objectifs Connaître les principes les étapes et les méthodes de la modélisation dimensionnelle
Introduction à la modélisation dimensionnelle - PDF Free Download
Introduction à la modélisation dimensionnelle Data warehouse Paternité - Partage des Conditions Initiales à l'identique : 11 février
Entrepôts de données Guide pratique de modélisation
26 sept Entrepots De Donnees Guide Pratique De Modelisation Dimensionnelle 2eme Edition PDF Online This is the best book with amazing content dimensionnelle
[PDF] Modélisation Dimensionnelle : le fondement du DatawareHouse
13 déc 2011 · Table de Faits : Ventes Id Temps Id Magasin Id Produit Quantité Prix Unitaire (€) 20111212 35 5 3 10 20111212 56 8 2 25
[PDF] Le Data Warehouse et les Systèmes Multidimensionnels
chargement de l 'hypercube selon la structure dimensionnelle modélisation conceptuelle et logique Modélisation des données d'un Data warehouse
[PDF] TD Modélisation multi-dimensionnelle
TD Modélisation multi-dimensionnelle Exercice 1 – Abonnement TV Un opérateur Télécom propose `a ses abonnés un bo?tier routeur ADSL qui groupe un acc`es
Quelles sont les principes clés de la modélisation dimensionnelle ?
La modélisation dimensionnelle est une approche orientée par les besoins, incrémentale, qui vise à optimiser le temps de réponse de requêtes complexes en agrégats. Il s'agit d'un modèle décisionnel de représentation de données. Les schémas en étoile ou en flocon implémentent différemment ce type de modèle de données.C'est quoi une dimension dégénérée ?
Une dimension dégénérée est une dimension qui n'est définie que par une unique clef (sans aucun autre attribut). Dans le cas d'une dimension dégénérée, aucune table dimensionnelle ne sera générée et la table de faits poss? une clef dimensionnelle qui ne fait référence à aucune table.C'est quoi une table de fait ?
Une table de fait n'est rien d'autre qu'un ensemble de données structurées, composé de champs de type dimension (le contexte) et champs de type mesure (les faits). Un processus d'entreprise peut être représenté à l'aide d'une ou plusieurs tables de fait.- La modélisation en étoile est le modèle le plus répandu pour organiser les données d'un Data Warehouse et la relation entre les différentes tables. Dans un schéma en étoile, chaque dimension est représentée par une table unidimensionnelle. La table de dimension doit contenir l'ensemble des attributs.
Rejoignez la Communauté
Le fondement du datawarehouse
2MODÉLISATION DIMENSIONNELLE
Le fondement du datawarehouse
3MODÉLISATION DIMENSIONNELLE
QUI SOMMES NOUS?
Jean-Pierre Riehl
Pratice Manager SQL ² Azeo
MVP SQL Server
5+ années sur le décisionnel Microsoft
Blog : http://blog.djeepy1.net
Florian Eiden
Architecte Décisionnel - MCNEXT
5+ années sur le décisionnel Microsoft
Blog : http://www.fleid.fr
MCNEXT (ESPACE PARTENAIRE)
En Bref
o100% Microsoft o150 collaborateurs / 40% de croissance o4 pôles : BI, SharePoint, .NET, BizTalk oPrésent à Paris, Lyon et GenèvePôle décisionnel reconnu par Microsoft
oCertifié " Gold Décisionnel » oSélectionné dans le programme METRO - SQL Server 2012Expertise technique forte sur la Suite décisionnelle (SQL Server : SSIS, SSAS, SSRS; PowerPivot 0G6¬
Accompagnement global
o0MvPULVH G·RXYUMJH C Maitrise G·±XYUH 5 6Jean-Pierre Riehl ² Responsable Practice SQL
http://blog.djeepy1.netMVP SQL Server
MCITP : Business Intelligence Developer 2008
MCITP : Database Administrator 2008
MCPD : Enterprise Application
Pure-Player sur O·H[SHUPLVH Microsoft
Practice Collaboration
Practice SQL (Business Intelligence-Data Management)Practice Infrastructure
Practice Développement
http://www.azeo.comPOURQUOI CETTE PRÉSENTATION
Compétences
Techniques
Compétences
Métier
SSIS SQL MDX SSAS SSRSFinance
Retail RH
BTPTransport
1. Modélisation
dimensionnelle2. Concepts
avancésAGENDA
OBJECTIFS DU DÉCISIONNEL
7RXP ŃRPPHQŃH GMQV OH PRQGH MSSOLŃMPLI¬
1ER BESOIN MÉTIER
BESOIN : HISTORISATION
2ÈME BESOIN MÉTIER
BESOIN : CENTRALISATION
3ÈME BESOIN MÉTIER
BESOIN : ANALYSER
LE DATAWAREHOUSE
5 ÉTAPES POUR 3 BESOINS
Préparation
Extraction
Nettoyage
Stockage
Archivage
Historisation
Présentation
Analyse
Reporting
17LES ÉTAPES DU DÉCISIONNEL
Extraction
Nettoyage
LES ÉTAPES DU DÉCISIONNEL
Extraction
Nettoyage
Stockage
Analyse
LES ÉTAPES DU DÉCISIONNEL
Reporting
Extraction
Nettoyage
Stockage
Analyse
MÉTAPHORE DU RESTAURANT
Source :
21Préparation : Cuisine
Objectifs : préparer, transformer
Caractéristiques : rigueur, constance
Présentation : Salle à manger
Objectif : consommer
Caractéristiques : beau et bon
APPROCHES ACADÉMIQUES
LES APPROCHES ACADÉMIQUES
Les 2 grandes philosophies actuelles
Une méthode alternative : Data Vault
Kimball Inmon
Processus Bottom-Up Top-Down
Organisation Datamarts Datawarehouse
Schématisation Etoile Flocon
PROCESSUS
Que ŃOMŃXQ ŃRQVPUXLVH ŃH TX·LO YHXP RQLQPpJUHUM ŃH TX·LO IMXGUM TXMQG LO faudra!
On ne fait rien tant que tout
Q·HVP SMV GpVLJQp OH
datawarehouse doit être exhaustif!Ralph Kimball
Kimball Group
www.kimballgroup.comBill Inmon
Corporate Information Factory
www.inmoncif.com 25Allez les gars,
focus, on y met quoi dans ce machin?Les ventes!
Le stock!
Et hop!
La RH!
Les achats!
INMON : TOP DOWN
26Bon Alfred tu
veux quoi?Les ventes!
Et toi Bob tu
veux quoi?Le stock!
Et hop!
Et hop!
KIMBALL: BOTTOM UP
LE POINT COMMUN?
Bon Alfred tu
veux quoi?Allez les gars,
focus, on y met quoi dans ce machin?Et pas :
Hum, voyons ce
TX·LO \ M Oj GHGMQV
ORGANISATION : INMON
Zone de
préparation (Staging)Datawarehouse
Datamarts
ORGANISATION : KIMBALL
Datawarehouse
Datamarts
BusZone de
préparation (Staging)LA MINUTE HYPE
LES TENDANCES
Big Data
HADOOP : Framework de stockage parallèle de données massives et pas forcément structuréesHIVE : Framework de requêtage SQL sur HADOOP
ILPLPp GHVLJQ PR )MLO SHX G·RXPLOV¬
¬0MLV GHV GRQQpHV j SUHQGUH HQ ŃRPSPH
NoSQL " Not Only SQL »Corollaire du Big Data
Microsoft est dans la course et des solutions
arriventLA SCHÉMATISATION
1 : La mesure
LE DÉCISIONNEL EN 3 MOTS
LE DÉCISIONNEL EN 3 MOTS
2 : Les dimensions
LE DÉCISIONNEL EN 3 MOTS
3 : Les faits
Fact Fait FaktFactum : Acte, événement
HO V·HVP SMVVp TXHOTXH ŃORVH HP RQ O·M
mesuré selon notre référentiel, nos dimensionsON RANGE
Un fait Ń·HVP XQH OLJQH GMQV XQH PMNOH GH
faitsTable de Faits
Il s'est passé quelque chose
Il s'est passé autre chose
Il s'est passé quelque chose d'autre
ON ORDONNE
Les dimensions donnent le contexte du
faitTable de Faits
Quand Où
Hier Ici Il s'est passé quelque chose
Hier Là bas Il s'est passé autre chose
Aujourd'hui Ici Il s'est passé quelque chose d'autreON COMPTE
Les mesures donnent les valeurs
numériques du faitTable de Faits : Ventes
Date Magasin Produit Combien Prix Unitaire (Φ)
Hier AGY Jouet 3 10
Hier BGH Saucisson 2 2,5
Aujourd'hui AAZ Parapluie 5 5
PROBLÉMATIQUE
Mes dimensions ont des attributs
Hier oDate : 12/12/2011 oJour : Lundi oJour de la semaine : 1er oMois : Décembre oTrimestre : 4ème oAnnée : 2011 o¬Mes dimensions sont réutilisables
0rPHV SURGXLPV j O·MŃOMP OM YHQPH HP O·LQYHQPMLUHA
SOLUTION
Chaque dimension devient une table
Table de Faits
Dimension
Magasin
Dimension Produit
Dimension Temps
PREMIER ÉLÉMENT DE DESIGN
Table de Faits : Ventes
Id Temps Id Magasin Id Produit Quantité Prix Unitaire (Φ)20111212 35 5 3 10
20111212 56 8 2 25
20111212 22 12 5 5
20111212 35 5 1 10
20111213 56 5 6 15
20111213 56 8 7 20
20111213 22 12 2 5
Dimension Magasin
Id Magasin Code Magasin Région
22 AAZ Ile de France
35 AGY Ile de France
56 BGH Lorraine
Dimension Magasin
Id Produit Code Produit Nom Catégorie
5 Z947342983 Lapin Malin Jouet
8 Z238943135 Saucisson sec Alimentaire
12 E238953123 Parapluie Accessoire
Dimension Temps
Id Temps Jour Mois Année
20111212 12/12/2011 Décembre 2012
20111213 13/12/2011 Décembre 2012
PROBLÉMATIQUE
Un magasin a des attributs uniques
Un code
Un nom
Une adresse
HO M MXVVL GHV MPPULNXPV ŃRPPXQV j G·MXPUHV
Région
PaysCatégorie
Enseigne
ATTRIBUTS PARTAGÉS
Premier réflexe :
Oui mais mon dba Q·MLPH SMV TXMQG ÓH
répète: Standard des bases de données : Normalisation 3NF!Dimension Magasin
NORMALISATION
Dimension normalisée
FHPPH TXHVPLRQ Ń·HVP )ORŃRQ YV (PRLOHA
1 table par niveau de hiérarchie?
1 table par dimension?
Dimension Magasin N1
Dimension Magasin N2
Dimension Magasin N3
KIMBALL : SCHÉMA EN ÉTOILE
Table de Faits
Table de
Dimension
Table de
Dimension
Table de
Dimension
Table de
Dimension
Table de
Dimension
INMON : SCHÉMA EN FLOCON
Table de Faits
Table de
Dimension
Table de
Dimension
Table de
Dimension
Table de
Dimension
Table de
Dimension
Table de
Dimension
Table de
Dimension
Table de
Dimension
Table de
Dimension
Table de
Dimension
Table de
Dimension
SCHÉMATISATION
Etoile
Avantage : lisibilité et
performance des requêtes 47Flocon
Avantage : Espace disque
Avantage : Performance des
updatesDimOrganisation
ID Orga Niveau 3 Orga Niveau 2 Orga Niveau 1
1 Paris France Europe
2 Lyon France Europe
3 Berlin Allemagne Europe
DimOrganisationN3
ID Orga Niveau 3 ID Orga N2
1 Paris 26
2 Lyon 26
3 Berlin 87
DimOrganisationN2
ID Orga Niveau 2 ID Orga N1
26 France 2
87 Allemagne 2
DimOrganisationN1
ID Orga Niveau 1
2 Europe
SELECT
[Orga Niveau 3] ,[Orga Niveau 2] ,[Orga Niveau 1]FROM DimOrganisation
ETOILE OU FLOCON?
Etoile !
Plus simple à alimenter et maintenir
Les outils Microsoft ont une sensibilité Kimball 48Notez la ressemblance
QUAND FLOCONNER?
Si on préfère les flocons aux étoiles
0LHX[ YMXP ÓRXHU MYHŃ GHV RXPLOV TX·RQ MLPHA
QUAND FLOCONNER?
Si on est en étoile :
Des faits arrivent à différents
niveaux de la même dimensionHiérarchies de la même
dimension qui peuvent agréger sur des membres supérieurs différentsNiveaux fins différents pour
une même dimensionObjectifs
Ventes
Régions
Magasins
Famille
quotesdbs_dbs6.pdfusesText_12[PDF] la modélisation et simulation numérique
[PDF] la modélisation numérique du bâtiment
[PDF] la modélisation physique et numérique
[PDF] la mole est l'unité de
[PDF] la mole unité de quantité de matière
[PDF] la monarchie de juillet 1830 résumé
[PDF] la monarchie de juillet cm2
[PDF] la monarchie de juillet cours
[PDF] la monarchie de juillet dissertation
[PDF] la monarchie de juillet hervé robert
[PDF] la monarchie de juillet wikipedia
[PDF] la mondialisation et la concurrence
[PDF] la mondialisation et la culture
[PDF] la mondialisation et la globalisation