Chapitre Préliminaire Entrepôts de données Christelle Scharff IFI Juin 2004 1 Plan et objectifs Informatique de production Transactions Informatique décisionnelle Entrepôts de données Datamarts Construction des entrepôts Opérations OLAP Problèmes 2 Informatique de production Interrogations et modifications fréquentes des données par de nombreux utilisateurs Nécessité de conserver la cohérence des données Les systèmes transactionnels (OLTP) garantissent la cohérence des données L’informatique de production est optimisée pour les tâches répétitives et planifiées Exemples: Factures, commandes… 3 Transactions Programmes informatiques qui interagissent avec les bases de données ayant les propriétés suivantes: A - Atomicité C - Consistance I - Isolation D - Durée 4 Informatique décisionnelle Chargement périodique des données Pas de modifications des données Interrogations non régulières, planifiées, parfois longues des systèmes d’information décisionnels Exemples de questions: Quelles sont les ventes du produit X pendant le trimestre A de l'année B dans la région C ? Comment se comporte le produit X par rapport au produit Y? Quel type de client peut acheter le produit X? Exemple: OLAP (Codd) 5 OLTP Utilisateurs OLAP Lambda Spécialisés Fonctions Journalier Décision Design DB Oriente application Oriente sujet Courantes, détaillées, plates, à jour Historiques, résumées, multi-dimensionnelles, intégrées, consolidées Répétitive Ad hoc Données Utilisation Accès Écrire/Lire Lire Index / Hachage sur les clés primaires Transactions/Requêt Transaction courte et es simple # lignes accédées Requêtes complexes Dizaines Millions Milliers Centaines Taille DB 100 MG-GB 100 GB-TB Métriques # Transactions Réponses, # requêtes 6 # utilisateurs Entrepôt de données (1) Contient de grandes quantités de données provenant de diverses sources, sauvées sous un schéma de données unique, et résidant à un endroit unique Construit par: Nettoyage, transformation, intégration, chargement et rafraîchissement périodiques des données 7 Entrepôt de données (2) Organisés suivant des thèmes précis (clients, activités, items…) Organisés suivant une chronologie historique Résument les données Plus lisibles et plus simples que les données initiales Introduction de redondance éventuelle Cohérence globale des données Les données / informations des entrepôts ne sont pas modifiees 8 Datamarts Versions simplifiées, car plus ciblées, des entrepôts des données 9 Nettoyage des données Erreurs de saisie Intégrité des domaines Exemple: Les dates Données manquantes 10 Transformations des données Format Consolidation Exemple: Type des données Exemple: Choix des unités et des représentations Uniformisation d’échelle Exemple: Homogénéisation des échelles 11 Requêtes sur les entrepôts de données Extraire des données: Les outils OLAP Le progiciel SAS Un progiciel est un logiciel de gestion Outils de création de rapports Outils dans les SGBD Un language (Exemple: DMQL) 12 Représentation conceptuelle des entrepôts de données* Souvent représentés par une structure à plusieurs dimensions Une dimension est un attribut ou un ensemble d’attributs Les cellules sauvent des données agrégées appelées faits Représentations: Relations, cube de données, hyper-cube de données Utilisation d’un language (Exemples: SQL ou DMQL) pour peupler les entrepôts 13 Exemple Total des ventes à un client dans une tranche horaire d'un jour précis, pour un produit choisi 14 Représentation logique des entrepôts de données* Implantation classique: Modèle en étoile: Au centre la table des faits Les dimensions comme autant de branches à l'étoile. Les branches de l'étoile sont des relations de 1 à plusieurs La table des faits est énorme contrairement aux tables des dimensions Le modèle est très dissymétrique en comparaison avec les modèles relationnels des bases de production L’étoile est un modèle simple 15 Exemple Un enregistrement dans la table des faits Ventes correspond à un total des ventes à un client dans une tranche horaire d'un jour précis, pour un produit choisi. 16 Autres modèles Le modèle en flocon de neige Les tables des dimensions sont normalisées Le modèle de la constellation des faits Une table de faits peut être partagée par plusieurs tables de dimension 17 Hiérarchies* Hiérarchies de schémas Ordre total ou partiel sur les attributs des schémas Décrivent des relations sémantiques entre les attributs Exemple: Rue < Ville < État_ou_Province < Pays Hiérarchies de groupes Organise les valeurs d’attributs ou de dimensions en groupes Un ordre total ou partiel peut être défini entre les groupes Exemples: {0…45} Jeune, {46…150} Agé , {Jeune, Agé} all(age) 18 Opération: Navigation ou Forage* Pour obtenir plus de détails sur la signification d'un résultat en affinant une dimension ou en ajoutant une dimension Exemple: Supposons qu'un utilisateur final demande les chiffres d'affaires par produit, et s'étonne d'un résultat pour un produit donné. Il aura sûrement l'envie d'en analyser les raisons. Une solution consisterait à ajouter la dimension temps, dans l'unité de temps trimestrielle pour trouver une variation saisonnière, dans l'unité hebdomadaire pour envisager l'effet week-end ou encore la dimension magasin pour mettre en évidence un effet géographique. 19 Opération: Agrégats* Pour obtenir moins de détails Élimination d’une dimension ou regroupement des éléments d’une dimension Exemple: Ville < Etat < Province < Pays Au lieu de regrouper les données par ville, elles sont regroupées par pays 20 Autres opérations* Sélection sur une dimension ou plusieurs dimensions (tranche du cube) Rotation / pivot du cube D’autres opérations impliquent plus d’une table des faits 21 Problèmes Supports physiques Peupler l’entrepôt Structure creuse Calcul des valeurs de la table des faits La valeur est 0 Exemple: 300 des 3000 produits sont vendus chaque jour Problèmes des clés et des indexes Organisation physique importante du point de vue des performances Les tables de dimension sont souvent indexées suivant tous leurs champs 22 Exercice* Exercice du magasin d’électronique 23 Références http://www.grappa.univlille3.fr/polys/fouille/ J. Han, and M. Kamber. Data Mining Concepts and Techniques. Morgan Kaufmann. 24