Page 1
MTI820− Entrepôtsde données et intelligence d’affaires Modélisation dimensionnelle Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 1
Page 2
Le cycle de vie d’un projet en BI • Diagramme de flux de travail: Conception de Sélection et l’architecture installation des Croissance technique produits Planification Définition Conception et de projet / des Modélisation Conception développement des données physique Déploiement programme besoins du système ETL d’affaires Conception des Développement application de des applications Maintenance BI de BI Gestion de projet / programme Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 2
Page 3
Processus de conception 1. Choisir le processus d'affaires: – Se base sur la matrice en bus de données et le diagramme de priorisation; – Doit impliquer les cadres supérieurs. 2. Définir le grain: – Question: "à quoi correspond une ligne de la table de faits ?"; – Dépend des réalités physiques des sources de données. 3. Identifier les dimensions: – Découle directement de la définition du grain; – Colonnes servant à restreindre l'analyse. 4. Identifier les faits: – Colonnes représentant des valeurs numériques de mesure. Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 3
Page 4
Questions • Quel serait le grain, les dimensions et les faits correspondantaux processus d’affaires suivants d’une entreprise de télécommunications? 1. Facturation clients 2. Gestion du traffic d’appel 3. Inventaire 4. Service à la clientèle Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 4
Page 5
Questions • À quoi correspond la modélisation dimensionnelle? • Quels sont les avantages du modèle dimensionnel par rapport au modèle ER? Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 5
Page 6
Modèle dimensionnel vs ER • Modèle entité-relation (ER): – Représente les données sous la forme d'entités (tables) et de relations (références ou tables); – Normalisation du schéma (ex: 3FN). • Modèle dimensionnel: – Représente les données comme des faits et des dimensions; – Les dimensions ne sont pas normalisées. • Avantages du modèle dimensionnel: – Compréhensibilité: • Les données sont regroupées selon des catégories d'affaires qui ont un sens pour les utilisateurs d'affaires; – Performance: • La dénormalisationévite les jointures coûteuses; • Autres optimisations (ex: index de jointure en étoile). Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 6
Page 7
La modélisation dimensionnelle • Définition: – Technique de conception logique permettant de structurer les données de manière à les rendreintuitives aux utilisateur d'affaires et offrir une bonne performance aux requêtes. • Caractéristiques: – Divise les données en faits et dimensions; – Les faits (mesures) sont généralement des valeurs numériques provenant des processus d'affaires; – Les dimensions fournissent le contexte (qui, quoi, quand, où, pourquoi et comment) des faits; – Schéma en étoile: une table de faits entourée de plusieurs tables de dimension (normalement entre 8 et 15). Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 7
Page 8
Exemple de schéma en étoile (manufacturier) Tables de faits Tables de dimension Commande Tables de dimension DateCommande idDateCommande (FK) idDateEnvoiDemandée (FK) DateEnvoiDemandée Produit idProduit(FK) idClientVenduÀ (FK) ClientVenduÀ ClientExpediéÀ idClientExpediéÀ (FK) idClientChargéÀ (FK) ClientChargéÀ ReprésentantVente idReprésentantVente (FK) idTypeCommande (FK) TypeCommande TypeEnvoi idTypeEnvoi (FK) noCommande (DD) noLigneCommande (DD) quantitéCommandée totalBrut mesures totalNet Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 8
Page 9
Tables de faits • Correspondentnormalement à un seul processus d'affaires: – 1 table de faits = 1 processus. • Stockent des mesures générées par les événements du processus; – Ex: réception d'une commande, envoi d'une commande,etc. – Les faits "prennent leur valeur" au moment où l'évènement d'affaires survient (aspect temporel important). • Contiennent typiquement un très grand nombre de lignes: – Jusqu'à plusieurs milliards de lignes; – Souvent plus de 90% des données du modèle. Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 9
Page 10
Tables de faits • Comprennent deux types de colonnes: – Clés étrangères vers des tables de dimension; – Valeurs numériques souvent additives (mesures). • Modélisent des relations de type plusieurs-à-plusieurs (table de jointure en relationnel) Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 10
Page 11
Tables de faits • Exemple: Commande idDateCommande (FK) idDateEnvoiDemandée (FK) idProduit(FK) idClientVenduÀ (FK) Clés étrangères idClientExpediéÀ (FK) idClientChargéÀ (FK) idReprésentantVente (FK) idTypeCommande (FK) idTypeEnvoi (FK) noCommande (DD) ??? noLigneCommande (DD) quantitéCommandée totalBrut mesures totalNet Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 11
Page 12
Question • Une mesure doit-elle toujours être une valeur numérique? • Une mesure peut-elle toujours être additionnée sur plusieurs lignes? Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 12
Page 13
Types de mesure • Mesures additives: – Peuvent être agrégées selon n'importe quelle dimension; – Ex: montant de vente, quantité commandée, etc. • Mesures semi-additives: – Peuvent être agrégées selon certaines dimensions seulement; – Ex: solde de compteagrégeable selon les clients, pas le temps. • Mesures non-additives: – Valeurs numériques ne pouvant être agrégées selon aucune dimension; – Ex: pourcentages ou ratios. Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 13
Page 14
Question • Mesure additive, semi-additive ou non-additive ? 1. Quantité en inventaire 2. Pourcentage de profit : 100*(vente– coût) / vente 3. Nombred’items vendus 4. Produit en vente(valeur binaire) Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 14
Page 15
Question • Comment peut-on différencier une mesure d’un attribut de dimension? 1. Coût unitairedu produit(provientdu fournisseur) 2. Dimensions du produit 3. Prix de ventedu produit 4. Produit en vente(valeur binaire) Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 15
Page 16
Mesures versus attributs de dimension • Mesures: – Dépendent d'unévénementd'affaires; – Ont souvent des valeurs continues(ou un grand nombre de valeurs discrètes possibles); – Servent dans le calcul d’indicateurs de performance; – Ex: montant total et quantité d'une commande. • Attributs (numériques) de dimension: – Indépendants des événements d'affaires; – Ont souvent des valeurs discrètes; – Servent à filtrer ou étiqueter les faits; – Ex: jour et heure d'une transaction, âge d'un client, etc. Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 16
Page 17
Clés d’une table de faits • Clés primaires: – La clé primaire est typiquement uneclé composée, formée d'un sous-ensemble des clés étrangères vers les tables de dimension: • Ex: (idDateTransaction, idClient,idProduit). • Clés étrangères: – Les clés étrangères ne devraient jamais être nulles • Sinon on peut violer le principe d'intégrité référentielle; • Utiliser plutôt une valeur spéciale dans la table de dimension; • Ex: une ligne "Aucun spécial" dans la dimension RabaisSpécial si le client n'a eu droit à aucun rabais lors d'une transaction) Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 17
Page 18
Grain d’une table de faits • Le grain est la définition de l'événement d'affaires produisant les lignes de la table de faits; • Toutes les lignes de la table doivent avoir le même grain; • Doit être le plus fin possible (atomique) pour le processus d'affaires: – Permet de faire des requêtes plus précises et imprévues; – Déterminé par les réalités physiques des sources de données. • Détermine les dimensions du modèle. Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 18
Page 19
Questions • Que renferme une table de dimension? • À quoi servent les attributs d’une dimension? Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 19
Page 20
Tables de dimension • Ensemble hautement corrélé d'attributs (jusqu'à plusieurs dizaines) regroupés selon les objets clés d'une entreprise: – Ex: produits, clients, employés, installations, etc. • Propriétés des attributs: – Descriptif (ex: chaînes de caractères); – De qualité (ex: aucune valeur manquante, obsolète, erronée, etc.); – Principalement des valeurs discrètes (ex: jour, âge d'un client); • Rôles des attributs: – Filtrer / restreindre les requêtes (ex: ville, catégorie produit, etc.); – Étiqueter les résultats (ex: champs descripteurs). • La puissance analytique de l'entrepôt est proportionnelle à la richesse et la qualité des attributs dimensionnels Département de génie logiciel et des TI MTI820 Hiver 2011 – © S. Chafki, C. Desrosiers 20
Showing the first 20 pages. Download the document to see it all.
Comments (0)
No comments yet. Be the first!