Discussion :

[Adi81]

Voila lors de la création d'un dataware, il faut dénormaliser jusqu'à une certaine limite, d'où ma question :
Un champ contenant par exemple la civilité d'une personne ( Monsieur, Madame, ect...), dans notre DWH, est il plus indiqué de créer le champ de type integer et de créer par ailleurs une table des correspondances contenant notre liste de civilité ou bien est il préférable de garder un champ de type varchar toujours dans notre DWH contenant "Monsieur" "Madame" ect...

La première méthode semble bonne, mais pour un DWH qui contient plus de 300 champs qui correspondent à des listes, il faudrait donc 300 tables de correspondances et tout ceci me semble bien contraire à l'idée du DWH.

Qu'en pensez vous ?!

[al1_24]

Tout dépend de la complexité du modèle... Il n'est pas toujours indispensable de dénormaliser pour construire un entrêpôt de données, sauf à vouloir contourner les insuffisances du SGBD en montant des modèles en étoile ou en flocon.

[Adi81]

Donc vaut il mieux un modèle en étoile ou en flocon pour ce cas précis ?!

Je me doute que pour notre premier cas, on aura une une table des faits bien volumineuse alors que dans notre second cas cela jouera sur les nombreuses jointures lors d'une lecture.
Mais étant un peu débutant dans ce domaine, je n'arrive pas bien à faire une comparaison entre le modèle en étoile ou en flocon qui me permette de faire un choix

Si ca peut vous aider, je dois créer ce DWH qui va lui être utiliser pour créer divers Datamarts pour réaliser des reporting.

Si ca manque d'information dites le moi.

[Adi81]

Me serais je trompé de forum ?

[al1_24]

Ce que je sous-entendais, c'est que si ton SGBD est performant et ton modèle relationnel bien construit, il n'est pas indispensable de construire un modèle en étoile ou en flocon pour l'entrepôt de données.
Par rapport au système opérationnel, il "suffit" de nettoyer les données : vérifier la validité, supprimer les enregistrements ou les tables qui n'ont pas d'intérêt pour le système décisionnel et, au besoin, renormaliser.
L'important est que les dimensions et leurs attributs soient bien définis et UTILES.