Libre-infO.NET Etudes et Conception d'applications logiciels et de sites web
DATAWAREHOUSE:
<<retour>>
 

Utilité d'un DataWareHouse :

Il est de bon ton pour toutes entreprises de réagir rapidement en termes de décisions statégiques. La capacité d'avoir un visuel constant sur l'état des données transactionnels relève d'une gestion précise et élaborée de son système d'information. La transformation du système de production (SGDB) en S.I décisionnel consiste en l'intégration de données provenant de différentes sources en les groupant et en les organisant de façons a obtenir une visualisation multi-dimensionnelle de données orientées sujet, intégrées, historisées et non volatiles.

On peut ainsi par exemple:

  • Suivre l'évolution des ventes d'un produit ou d'une classe de produits.
  • Suivre les ventes par région.
  • Comparer le marché de ses clients.
  • Comparer le profil des employés de l'entreprise.

L'objectif étant de retrouver et analyser l'information facilement et rapidement à travers différents outils de traitements et de restitutions pour la prise de décisions.

Architecture :

Architecture d'un Data WareHouse

Pourquoi ne pas utiliser un SGDB:

Le SGDB et le Data WareHouse n'ont du tout le même rôle et par conséquence ont des traitements différents. Du fait qu'ils stockent les données différemment, qu'ils font l'objet de requêtes différentes et pour des raisons de performances, ils doivent être physiquemment séparés. Les traitements des SGDB sont transactionnels(OLTP*), ils permettent d'insérer, modifier et interroger des tuples rapidement et font souvent partie de l'environnement de production contrairement aux Data WareHouse qui sont concus pour l'aide à la prise de décision(OLAP*) et dont les données qui sont utilisés, sont regroupées, organisées et orientées métiers et ne sont accéssibles qu'en lecture.

Caractéristiques
OLTP
OLAP
Applications
Production
Aide à la décision
Utilisateurs
Un département, un service, une unitée de production
Transversal a l'entreprise
Données
Normalisées, non agrégées
Dénormalisées, agrégées
Requêtes
Simples, nombreuses, régulière, prévisibles, répétitives.
Complexes, peu nombreuses, irrégulières, non prévisibles.
Nb tuples invoqués par requêtes
Dizaines
Millions
Taile des données
100 MB à 1 GB

1 GB à 1TB

Ancienneté des données
Récentes et mises à jour
Historisées
  • *OLTP: On-Line Transaction Processing
  • *OLAP: On-Line Analytical Processing
  • *Cube: Un cube est une représentation des données sous une forme multidimensionnelle
  • Cube OLAP
 
<<retour>>
 
   

:: referencement gratuit :: accueil ::