Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Les Data WareHouse Claude Duvallet Université du Havre UFR Sciences et Techniques 25 rue Philippe Lebon - BP 540 76058 LE HAVRE CEDEX [email protected] http://litis.univ-lehavre.fr/∼duvallet/ Claude Duvallet — 1/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Plan du cours Introduction et définition Pourquoi un Data Warehouse ? Mettre en œuvre un Data Warehouse Modélisation et implémentation Conclusion Claude Duvallet — 2/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Introduction et contexte En français : les entrepôts de données. En anglais : les Data Warehouse. Définition d’un entrepôt de données selon Inmon (1992) : L’entrepôt de données (ED) est une collection de données thématiques, intégrées, non volatiles et historisées, organisées pour le support d’un processus d’aide à la décision. Principe : Base de Données utilisée à des fins d’analyse. Caractéristiques : orientation sujets (« métiers »), données intégrées, données non volatiles, données datées. Claude Duvallet — 3/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Caractéristiques des données d’un entrepôt de données Orientées sujet : un ED rassemble et organise des données associées aux différentes structures fonctionnelles de l’entreprise, pertinentes pour un sujet ou thème et nécessaire aux besoins d’analyse. Intégrées : les données résultent de l’intégration de données provenant de différentes sources pouvant être hétérogènes. Historisées : les données d’un ED représentent l’activité d’une entreprise durant une certaine période (plusieurs années) permettant d’analyser les variations d’une donnée dans le temps. Non-volatiles : les données de l’ED sont essentiellement utilisées en interrogation (consultation) et ne peuvent pas être modifiées (sauf certains cas de rafraîchissement). Claude Duvallet — 4/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Data Warehouse : définition Entrepôt de données : Ensemble de données historisées variant dans le temps, organisées par sujets, consolidées dans une base de données unique, gérées dans un environnement de stockage particulier, aidant à la prise de décision dans l’entreprise. Trois fonctions essentielles : Collecter des données de bases existantes et les charger, Gérer des données dans l’entrepôt, Analyser les données en de la prise de décision. Magasin de données (Data Mart) : C’est un sous-ensemble de l’entrepôt de données qui contient les données pour un secteur particulier de l’entreprise. Exemple : un département, une direction, un service, une gamme de produit,... Claude Duvallet — 5/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Caractéristiques des magasins de données Ils contiennent une portion du contenu d’un entrepôt de données. Ils se focalisent sur un seul sujet d’analyse tel que, par exemple, les ventes de produits ou leur livraison mais pas les deux. Ils servent à faire des analyses simples et concentrées. Le nombre de sources est limité et provient la plupart du temps d’un même département. L’extraction et le transfert de données rudimentaires sont souvent fait par transfert de fichiers ou par du code propriétaire. Le même processus de conception que les entrepôts de données est utilisé mais il nécessite moins de ressources. Claude Duvallet — 6/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Comptoirs des données opérationnelles (1) En anglais : Operational Data Store. Caractéristiques : Ils intègrent et consolident des données de sources hétérogènes dans le but de faciliter certaines opérations de l’entreprise. Ils peuvent servir de sources à des systèmes opérationnels ou un entrepôt de données. Utilisations : Ils servent à régler des règles d’affaires complexes impliquant des données de plusieurs sources. Ils permettent d’analyser des données consolidées quasiment en temps réel. Ils simplifient le processus ETL (Extraction, Transformation et Chargement) d’un entrepôt de données. Claude Duvallet — 7/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Comptoirs des données opérationnelles (2) Comptoirs des données versus Entrepôts de données : Ils contiennent rarement des données historiques. Ils mettent à jour les données au lieu de les ajouter. Ils effectuent les changements presque instantanément au lieu de les faire en lots. Ils ne remplacent pas les entrepôts de données. Exemples d’applications : Dans le domaine Bancaire, on peut valider en temps réel la solvabilité d’un client demandant un prêt bancaire, lorsque les comptes, les placements, et les dossiers de gestions de risques sont gérés par des applications différentes. Dans le domaine des Télécommunications, on peut suggérer un nouveau forfait à un client, en se basant sur des statistiques récentes d’utilisation. Claude Duvallet — 8/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Les méta-données (1) Définitions : Ce sont des informations qui définissent et décrivent les structures, opérations et le contenu du système d’informatique décisionnelle. Il existe trois types de méta-données : technique, d’affaire et de processus. Méta-données techniques : ETL (Extract-Transform-Load) : ce sont les sources et les cibles pour les transferts de données, les transformations, les règles d’affaires, etc. Stockage : Ce sont les tables, les champs, les types, les indexes, les partitions, les dimensions, etc. Présentation : Ce sont les modèles de données, les rapports, les privilèges d’accès, etc. Claude Duvallet — 9/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Les méta-données (2) Méta-données d’affaires : Elles décrivent le contenu de l’entrepôt de données dans des termes compréhensibles par les utilisateurs d’affaires. Exemples : les descripteurs des tables et des champs. Méta-données de processus : Elles décrivent le résultats de diverses opérations du système d’informatique décisionnelle. Exemple : Les logs "ETL" (début, fin, écritures disques, ...), les statistiques sur les requêtes, etc. Les méta-données permettent : de découpler la dépendance entre la technologie et son utilisation. de contrôler l’état et la performance de la solution reposant sur le système d’informatique décisionnelle. de fournir de la documentation pour le système. de déterminer l’impact d’un changement. ⇒ Dans l’idéal, il faudrait avoir un seul répertoire pour les méta-données, partagé toutes les composantes de l’ED. Claude Duvallet — 10/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Définitions Data Mining : Fouille de données Le forage de données a pour but de mettre en évidence des corrélations éventuelles dans un volume important de données afin de dégager des tendances. OLAP : On-Line Analytical Processing Le but de l’OLAP est de permettre une analyse multidimensionnelle sur des bases de données volumineuses afin de mettre en évidence une analyse particulière des données (Cubes OLAP). Claude Duvallet — 11/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Motivations des entreprises Besoin des entreprises : accéder à toutes les données de l’entreprise. regrouper les informations disséminées. analyser et prendre des décisions rapidement (OLAP). Exemples d’applications concernées : Grande distribution : marketing, maintenance, ... produits à succès, modes, habitudes d’achat. préférences par secteurs géographiques. Bancaire : suivi des clients, gestion de portefeuilles mailing ciblés pour le marketing. Télécommunications : pannes, fraudes, mobiles, ... classification des clients, détection fraudes, fuites de clients. Claude Duvallet — 12/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Les bénéfices (1) Une meilleur capacité d’analyse : Il est possible de découvrir ainsi des tendances cachées. On possède une vue d’ensemble. On peut prendre de meilleures décisions. Une augmentation de la productivité des employés : On peut générer des rapports au niveau des usagers. On a une meilleure synthèse de l’information et un temps d’extraction réduit. On utilise une définition commune des données. Une diminution des coûts : Il y a moins de rapports Ad Hoc pour les technologies de l’information. Il y a donc aussi une baisse du coût d’accès à l’information. Claude Duvallet — 13/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Les bénéfices (2) Une augmentation des revenus : De l’information non disponible via le ERP est désormais disponible. Il existe une meilleure communication entre les services. Il existe de meilleures analyses du marché et donc, des décisions stratégiques peuvent être prises. L’intégration des données sur une plateforme unique. L’accent est mis sur le client : Les données concernant les clients sont disponibles et accessibles par tout le monde. Il est possible d’effectuer des ventes croisées. Claude Duvallet — 14/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Concevoir le Data Warehouse Export de données des sources : Hétérogènes et variées. Fichiers, BD patrimoniales, Web,... Définition des vues exportées. Définition d’un schéma global : Il intègre les données utiles. Il s’appuie sur le modèle relationnel. Nécessité d’une gestion des méta-données pour : la description des sources, la description des vues exportées, la description du schéma global. Claude Duvallet — 15/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Acquisition des données Trois étapes : Déterminer et recenser les données à entreposer : recherche des données dans les sources de données de l’entreprise Nettoyage des données : conversions de données, filtrages, intégration Alimentation : Incrémental ou total, Hors ligne ou en ligne, Fréquence de chargement : chaque nuit, 1/mois... Détermination de la taille de l’historique (5 ans, 10 ans...). Réalisée généralement par des outils dédiés (e.g. Powermart, Info Suite...) Claude Duvallet — 16/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Nettoyage et stockage des données Nettoyage des données : Il s’agit par exemple d’uniformiser les unités de mesures utilisées dans différentes données. Il aussi s’agit d’uniformiser les formats de dates. On peut aussi agréger des données présentes dans plusieurs bases de données afin de réduire la redondance des données. Choix de l’implémentation : MOLAP, ROLAP, HOLAP. Implémentation du modèle en étoile et/ou des cubes et/ou des vues matérialisées. Définition des indexes. Stockage des données. Claude Duvallet — 17/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Restitution des données C’est le but du processus d’entreposage des données. Elle conditionne souvent le choix de l’architecture du DW et de sa construction. Elle doit permettre toutes les analyses nécessaires pour la construction des indicateurs recherchés. Les outils de restitution des données : Les requêteurs et les outils d’analyse. Les outils de data mining. Exemples : Cognos PowerPlay, Impromptu (rapports), DBminer (Data Mining). Claude Duvallet — 18/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Les concepts d’un entrepôt de données Claude Duvallet — 19/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Les obstacles Les coûts d’implantation : Technologie onéreuse. Les coûts cachés (matériel, logiciels, prestations de consultant, maintenance, mise à jour, administration, ...) Les forces contradictoires : les méta-données sont tiraillés dans des sens opposés entre les aspects intégration, consistance et uniformité d’un côté, et l’autonomie des usagers de l’autre côté. Les sources de données incompatibles. La nécessité d’obtenir un rendement immédiat. Claude Duvallet — 20/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Mesure de qualité d’un entrepôt de données Qualité d’affaires : Est-ce que cela aide à atteindre les buts organisationnels ? Qualité d’information : Est-ce que les usagers savent quand et comment l’entrepôt de données peut les aider pour prendre de meilleures décisions économiques ? Qualité technique : Est-ce que l’entrepôt de données satisfait les usagers en terme de contenu d’information ? Trois types de succès : Succès économique : L’entrepôt de données possède un impact positif sur les résultats financiers. Succès politique : L’entrepôt de données est utilisé par les usagers. Succès technique : Il s’agit du plus facile à accomplir. La technologie est appropriée pour la tâche requise et elle fonctionne correctement. Claude Duvallet — 21/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Les facteurs de succès Une définition commune des données. Des règles de transformation des données bien définies. Une formation des usagers adéquate. Des attentes organisationnelles bien communiquées aux usagers. Une implication des usagers. Une implication de la hiérarchie. L’équipe d’implantation possède les bonnes connaissances techniques. L’échéance du projet est réaliste. Les bons outils ont été choisi (exemples : OLAP - MOLAP ROLAP). Claude Duvallet — 22/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation La structure multi-dimensionnelle Les BD relationnelles ne sont pas adaptées à l’OLAP car : Pas les mêmes objectifs. Pas les mêmes données : Les données nécessaires à l’OLAP sont multi-dimensionnelles (i.e. ventes par vendeur, par date, par ville...). Les tables en représentent une vue aplatie. Pas les mêmes traitements et requêtes : Non seulement perte de performances mais aussi nécessité pour les utilisateurs de savoir comment trouver les liens entre les tables pour recréer la vue multi-dimensionnelle. Il est donc nécessaire de disposer d’une structure de stockage adaptée à l’OLAP, i.e. permettant de : représenter les données dans plusieurs dimensions, manipuler les données facilement et efficacement. Claude Duvallet — 23/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation L’implémantation d’un entrepôt de données Trois méthodes : 1 Relational OLAP (ROLAP) Les données sont stockées dans un SGBD relationnel. Un moteur OLAP permet de simuler le comportement d’un SGBD multi-dimensionnel. 2 Multidimensional OLAP (MOLAP) Structure de stockage en cube Accès direct aux données dans le cube 3 Hybrid OLAP (HOLAP) Les données sont stockées dans SGBD relationnel (données de base). La structure de stockage en cube (données agrégées). Claude Duvallet — 24/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation ROLAP Idées : Données stockées en relationnel. La conception du schéma est particulière : schéma en étoile, schéma en flocon. Des vues (matérialisées) sont utilisées pour la représentation multidimensionnelle. Les requêtes OLAP (slice, rollup...) sont traduites en SQL. Utilisation d’index spéciaux : bitmap. Administration (tuning) particulier de la base de données. Avantages/Inconvénients : Souplesse, évolution facile, permet de stocker de gros volumes. Mais peu efficace pour les calculs complexes Claude Duvallet — 25/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation MOLAP Idées : Modélisation directe du cube. Ces cubes sont implémentés comme des matrices à plusieurs dimensions. Le cube est indexé sur ses dimensions. Avantages/Inconvénients : rapide. formats propriétaires. ne supporte pas de très gros volumes de données. Claude Duvallet — 26/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation HOLAP Idées : MOLAP + ROLAP. Les données sont stockées dans des tables relationnelles. Les données agrégées sont stockées dans des cubes. Les requêtes vont chercher les données dans les tables et les cubes. Claude Duvallet — 27/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Les entrepôts de données Implémentation : ROLAP MOLAP HOLAP Structure de la base de données : Les données sont redondantes et normalisées. Cela permet de faciliter l’utilisation et d’améliorer les performances lors de l’analyse des données. Modèle de représentation : Cubes. Étoile et Flocon. Constellation de faits. Claude Duvallet — 28/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Hyper Cube Base de données multi-dimensionnelle Axes : dimensions (date, type de produits, région). Chaque cellule de l’hypercube contient une valeur calculée (vente de produits). Principe de base : ce sont les analyses des indicateurs qui intéressent l’utilisateur. Le modèle multidimensionnel contient 2 types d’attributs : les dimensions et les mesures. Les mesures sont les valeurs numériques que l’on compare (exemple : montant_ventes, quantite_vendue) : Ces valeurs sont le résultat d’une opération d’agrégation des données. C’est un élément de donnée sur lequel portent les analyses, en fonction des différentes dimensions (Exemple : coût des travaux, nombre d’accidents, ventes). Claude Duvallet — 29/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Schémas en étoile, en flocons et en constellation de faits Schéma en étoile : Une table de faits centrale et plusieurs tables de dimensions dénormalisées. Les mesures sont stockées dans la table de faits. Il existe une table de dimension pour chaque dimension avec tous les niveaux d’agrégation. Schéma en flocon Version normalisée du schéma en étoile. Traitement explicite des hiérarchies de dimension (chaque niveau est représenté dans une table différente). Plus facile à maintenir, plus lent lors de l’interrogation. Schéma en constellation de faits : La modélisation en constellation consiste à fusionner plusieurs modèles en étoile qui utilisent des dimensions communes. Un modèle en constellation comprend donc plusieurs tables de faits et des tables de dimensions communes ou non à ces tables de faits. Claude Duvallet — 30/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Modélisation en étoile ou en flocons Modélisation conceptuelle BD : entité et relation. Modélisation de l’entrepôt de données : dimensions et mesures. Les dimensions sont les points de vues depuis lesquels les mesures peuvent être observées : Exemple : date, localisation, produit, etc. Elles sont stockées dans les tables de dimensions. Une dimension peut être définie comme : un thème, ou un axe (attributs), selon lequel les données seront analysées. Exemple : Temps, Découpage administratif, Produits. Une dimension contient des membres organisés en hiérarchie : Chacun des membres appartient à un niveau hiérarchique (ou niveau de granularité) particulier. Exemple : pour la dimension Temps : année – semestre – mois – jour. Claude Duvallet — 31/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Les faits Un fait représente la valeur d’une mesure, mesurée ou calculée, selon un membre de chacune des dimensions : Exemple : "250 000 euros" est un fait qui exprime la valeur de la mesure "coût des travaux" pour le membre "2013" du niveau année de la dimension "temps" et le membre "Le Havre" du niveau "ville" de la dimension "découpage administratif". La table des faits : Les mesures sont stockées dans les tables de faits qui contiennent les valeurs des mesures et les clés vers les tables de dimensions. Claude Duvallet — 32/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Le modèle en étoile (1) Une (ou plusieurs) table(s) de faits comprenant une ou plusieurs mesures. Plusieurs tables de dimension dénormalisées : descripteurs des dimensions. Les tables de dimension n’ont pas de liens entre elles. Avantages : Facilité de navigation. Performances : nombre de jointures limité ; gestion des données creuses. Gestion des agrégats Inconvénients : Toutes les dimensions ne concernent pas les mesures Redondances dans les dimensions Alimentation complexe. Claude Duvallet — 33/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Le modèle en étoile (2) "Data Warehouse Models and OLAP Operations", Franconi. Claude Duvallet — 34/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Exemple de modèle en étoile "Data Warehouse Models and OLAP Operations", Franconi. Claude Duvallet — 35/37 Les Data WareHouse Introduction Motivations Mettre en œuvre un Data Warehouse Modèles de représentation Conclusions L’implantation d’un entrepôt de données et d’outils analytiques permet d’améliorer l’intelligence d’affaire de l’entreprise. C’est une décision d’ordre stratégique. Ce sont des solutions plus adaptées pour les moyennes et grandes entreprises. Travail à faire : Installer Oracle Warehouse Builder 11g avec Oracle DataBase sous Linux ; Claude Duvallet — 36/37 Les Data WareHouse