Entrepôt de données et schéma en étoile

Informatique de gestion · Bachelor 3

Faits, dimensions, granularité, schéma en étoile et dimensions à évolution lente.

Introduction

Un entrepôt de données (data warehouse) rassemble des données issues de plusieurs systèmes opérationnels dans une structure orientée analyse, historisée et stable. Il se distingue d'une base transactionnelle (OLTP), optimisée pour de nombreuses petites écritures, par son optimisation pour les lectures agrégées (OLAP).

La modélisation dimensionnelle de Kimball organise les données en tables de faits (mesures numériques d'événements: montant de vente, quantité) et en tables de dimensions (axes d'analyse: temps, produit, client, magasin). Le schéma en étoile relie une table de faits centrale à des dimensions dénormalisées; le schéma en flocon normalise les dimensions.

La granularité, c'est-à-dire ce que représente une ligne de faits, est la décision de conception la plus importante. Les dimensions à évolution lente (SCD) gèrent les changements d'attributs, comme le déménagement d'un client, sans fausser l'historique.

Objectifs d'apprentissage

Distinguer système OLTP et entrepôt de données
Identifier faits, mesures et dimensions dans un cas
Définir la granularité d'une table de faits
Comparer schéma en étoile et en flocon
Expliquer les types 1 et 2 de dimensions à évolution lente

Concepts clés

OLTP vs OLAP: L'OLTP supporte les opérations quotidiennes (normalisé, courtes transactions); l'OLAP supporte l'analyse (dénormalisé, requêtes agrégées, historique).
Table de faits: Contient des mesures numériques additives (ou semi-additives) et des clés vers les dimensions.
Granularité: Niveau de détail d'une ligne de faits (une ligne par ticket, par article vendu, par jour...). À fixer en premier.
SCD type 2: Conserve l'historique en ajoutant une nouvelle ligne avec dates de validité à chaque changement d'attribut.

Conclusion

L'entrepôt de données structure l'information pour l'analyse. Le schéma en étoile, centré sur la granularité, rend les requêtes simples et performantes.

Une bonne modélisation dimensionnelle part des questions du métier, pas de la structure des systèmes sources.

Cartes

Qu'est-ce qu'un entrepôt de données ?: Une base consolidée, historisée et orientée sujet, destinée à l'analyse et à la prise de décision.
Quelle différence entre OLTP et OLAP ?: OLTP: transactions courantes; OLAP: analyses multidimensionnelles sur de gros volumes historisés.
Qu'est-ce qu'un fait ?: Un événement mesurable, comme une vente, représenté par des mesures numériques dans la table de faits.
Qu'est-ce qu'une dimension ?: Un axe d'analyse descriptif (temps, produit, client, région) qui contextualise les faits.
Qu'est-ce que la granularité ?: Le niveau de détail d'une ligne de la table de faits; elle conditionne les analyses possibles.
Pourquoi une mesure additive est-elle précieuse ?: Elle peut être sommée sur toutes les dimensions, comme le chiffre d'affaires; un solde ne l'est pas sur le temps.
Différence entre étoile et flocon ?: Étoile: dimensions dénormalisées, requêtes simples; flocon: dimensions normalisées, moins de redondance mais plus de jointures.
Quelle est la fonction de la dimension temps ?: Permettre l'analyse par jour, mois, trimestre, année, avec attributs comme jour férié ou semaine.
Qu'est-ce qu'une clé de substitution (surrogate key) ?: Un identifiant technique propre à l'entrepôt, indépendant des clés des systèmes sources.
Comment fonctionne SCD type 1 ?: On écrase l'ancienne valeur par la nouvelle: l'historique est perdu.

Glossaire

Entrepôt de données: Base orientée analyse regroupant des données historisées de plusieurs sources.
Table de faits: Table centrale contenant les mesures d'un processus et les clés des dimensions.
Dimension: Table décrivant le contexte d'analyse des faits.
Schéma en étoile: Modèle avec une table de faits entourée de dimensions dénormalisées.
Granularité: Niveau de détail d'une ligne de faits.
Data mart: Sous-ensemble thématique d'un entrepôt pour un département.