Discussion :

[Pmatt]

Bonjour à tous

Je me lance dans le domaine de la Business Intelligence et veux mettre au point un petit datawarehouse pour analyser les ventes d'un petit magasin (donc à titre purement didactique pour moi)

Seulement, après quelques lectures, recherches sur le sujet je me pose des questions.

Quelles sont les différence entre un datawarehouse, un datamart et un cube?

Voici ma vision, corrigez moi si je me trompe :

• Un cube OLAP est une base de données multidimensionnelle. Or une base de données multidimensionnelle est modélisée selon une table des faits et des dimensions s'y rapportant.

• Un datamart est un petit datawarehouse qui concerne un seul thème. Mais si je veux créer un datawarehouse autour du thème des ventes, est-ce que le datamart est considéré comme datawarehouse? Le datamart est donc aussi une base multidimensionnelle donc une structure en cube?

• Le datawarehouse se compose d'un ensemble de datamart ou se décompose en un ensemble de datamarts mais est également une structure en cube

En conclusion pour le moment, ma perception des choses est la suivante

-> Datawarehouse = ensemble de cubes thématiques (datamart)
-> datamart = cube OLAP
-> cube = structure multidimensionnel stockant des données à des fin d'analyse


Merci pour vos éclaircissements qui me seront indispensables pour continuer ce projet.

Pmatt

[al1_24]

Un cube OLAP est une base de données multidimensionnelle. Or une base de données multidimensionnelle est modélisée selon une table des faits et des dimensions s'y rapportant.

Dans le cube OLAP, les cellules son précalculées.

Un datamart est un petit datawarehouse qui concerne un seul thème. Mais si je veux créer un datawarehouse autour du thème des ventes, est-ce que le datamart est considéré comme datawarehouse? Le datamart est donc aussi une base multidimensionnelle donc une structure en cube?

Au niveau de l'entrepôt de données, les faits détaillés sont conservés. Dans le datamart, un certain niveau d'agrégation a déjà été effectué et on perd le détail des faits.

Le datawarehouse se compose d'un ensemble de datamart ou se décompose en un ensemble de datamarts mais est également une structure en cube

A strictement parler, l'entrepôt de données ne comporte que les faits détaillés et les hériarchies dimensionnelles. Les cubes sont préparés à partir des données de l'entrepôt.

[GGGGG]

-> Datawarehouse = ensemble de cubes thématiques (datamart)
-> datamart = cube OLAP
-> cube = structure multidimensionnel stockant des données à des fin d'analyse

Je me permets malgré mon manque d'expérience de vous répondre.
Je pense que le cube est complémentaire au Data warehouse et au Datamart.
C'est pourquoi, je ne pense pas qu'un datamart soit un cube olap mais juste une base relationelle (la meme chose pour l'entrepot de données d'ailleurs).

[Pmatt]

Merci al1_24 et GGGGG pour vos réponses .

Donc si j'ai bien compris :

-> Le datawarehouse possède le niveau d'information le plus détaillé
-> Le datamart possèdes des données agrégées, moins détaillées

Par contre, que voulez vous dire par cellules précalculées?

Je vais construire une petite solution décisionnelle avec Analysis Services 2005, de Microsoft.

GGGGG, lorsque tu dis qu'un datamart et datawarehouse sont des bases relationelles, je suppose que tu veux parler de ROLAP ?

Donc dans mon projet en fait il serait plus approprié de parler de Cube créé par Analysis Services qui se baserait sur des vues construites par l'utilisateur mais au fond, l'information du cube serait directement tirée de la base de données relationnelle OLTP.

Bref comme vous le voyez, tout n'est pas encore clair.

Avez vous de bons liens ou livres à me conseiller sur le sujet?

Merci pour votre patience et la pertinence de vos réponses

[GGGGG]

Alors, il semble que les bases multidimensionnelles impliquent un nombre limité de ligne contrairement au base relationnelle qui peuvent en avoir une infinité ce qui justifirait que les DW sont relationels

Tu trouveras quelques infos sur ce site je pense : http://www.nodesway.com/business-int...telligence.htm

[brunolf]

houlala ... ça part un peu dans tous les sens ...


Un datawarehouse, ou entrepôt de données :

Voir wikipedia

Un datamart :

Re-voir Wikipedia

Un cube Olap ou Hypercube :

Encore un coup sur Wikipedia


Désolé de te renvoyer vers ces articles, mais ils me semblent très clair et je pense, répondent à tes questions.

Pour préciser un peu sur les cube, le concept d'OLAP est un concept "générique" qui peut être décliné différement selon les éditeurs de solutions décisionnelles.

Pour Analysis Services de microsoft, on est dans le R-OLAP : Les données sont stockées dans une base de données relationnelle.

Chez cognos, ils font plus dans le M-OLAP (je ne sais plus ce que veux dire le M)... le principe est que les données sont extraites de la base pour générer un fichier (le cube)

L'avantage du R-OLAP, c'est qu'une fois que la base est à jour, le cube est à jour ... L'avantage du M Olap, c'est une navigation plus rapide car les données sont précalculées lors de la génération du cube.

[GGGGG]

Oula, j'ai raconté des conneries ^^

Merci brunolf /me est un peu moins con

Il y a aussi le H-OLAP pour Hybride entre le R de Relationnel et le M de Multidimensionnel. Le reste de l'explication sur le wiki

[tbabulle]

Le M de M-OLAP veut dire multidimensionnelle
Le M-OLAP est un OLAP optimisé pour l'analyse multidimensionnelle.
C'est une forme d'hypercube multidimensionnel qui permet de représenter les données sous la forme d'un croisement de n dimensions, ces dimensions pouvant être plus ou moins denses, caractérisant ainsi la densité ou sparsité du cube.

Il existe également le H-OLAP, qui est un Hybride entre le M-OLAP et le R-OLAP.
La structure multidimensionnelle d'un hypercube est utilisée pour les données agrégées. Lorsque l'accès à un niveau de détail élémentaire plus fin est nécessaire, des tables relationnelles classiques sont utilisées : c'est le mécanisme du drill through.

Sinon, effectivement le DataWareHouse contient les données de détail mais aussi l'historique des données (le versionning en quelque sorte).
Le DataMart est lui, une sorte de vue sur un métier, une période, .... à un niveau soit de détail ou/et soit aggrégé. On utilisera un DM au niveau détail pour faire tourner des requêtes ou des cubes plus rapidement. En règle général, on profite du DM pour faire les 2 (vue métier avec données aggrégées par exemple).

Penser aussi au passage de vos données opérationnelles vers votre DWH, en utilisant pe-être un ODS (Operational Data Store).
C'est une base de données conçue pour centraliser les données issues de sources hétérogènes afin de faciliter leur intégration dans un DataWareHouse. L'intégration de ces données implique souvent une purge des informations redondantes. Un ODS est généralement destiné à contenir des données quotidiennes (type évènements du jour) de niveau fin.

Bon courage
Thierry Babulle
tbabulle@objectif-informatique.fr