Data Vault : hubs, liens et satellites

Informatique de gestion · Master 1

Modéliser un entrepôt avec hubs, liens et satellites pour historiser et auditer.

Introduction

Le Data Vault est une méthode de modélisation d'entrepôt conçue pour intégrer de nombreuses sources changeantes tout en conservant une traçabilité complète. Elle sépare l'identité des objets métier, leurs relations et leurs attributs descriptifs.

Cette séparation facilite l'ajout de nouvelles sources sans refondre le modèle et répond aux exigences d'audit : chaque valeur est horodatée et rattachée à son système d'origine. Elle est utile en banque, en assurance ou dans l'administration.

Ce deck présente les trois types de tables, le chargement incrémental, et la manière d'exposer ensuite les données dans un modèle dimensionnel.

Objectifs d'apprentissage

Distinguer hubs, liens et satellites
Expliquer comment le Data Vault historise et assure la traçabilité
Situer le Data Vault dans une architecture à couches
Évaluer ses avantages et son coût de complexité

Concepts clés

Hub: Table qui contient uniquement les clés métier uniques d'un concept (client, contrat), une clé de substitution ou de hachage, la date de chargement et la source.
Lien: Table qui représente une relation ou transaction entre plusieurs hubs (client - contrat), sans attributs descriptifs propres au concept.
Satellite: Table qui stocke les attributs descriptifs d'un hub ou d'un lien, avec leur historique : chaque changement crée une nouvelle ligne datée.
Couches: Les données brutes sont intégrées dans le Data Vault (couche brute), puis exposées dans des vues dimensionnelles (data marts) pour l'analyse.
Compromis: Grande souplesse et auditabilité, mais plus de tables et de jointures, donc un modèle moins direct à interroger.

Conclusion

Le Data Vault sépare identité, relation et description pour gagner en souplesse et en auditabilité. Retenez les trois tables, l'historisation par ajout de lignes et la nécessité d'une couche dimensionnelle en aval.

En examen, soyez capable d'intégrer une nouvelle source dans un vault donné et de justifier le surcoût de modélisation.

Cartes

Que contient un hub ?: Les clés métier uniques d'un concept, avec date de chargement et source d'origine.
Que représente un lien ?: Une relation ou transaction entre plusieurs hubs.
Que contient un satellite ?: Les attributs descriptifs d'un hub ou lien, historisés dans le temps.
Comment un satellite gère-t-il un changement d'adresse ?: Il ajoute une nouvelle ligne datée, sans écraser l'ancienne valeur.
Pourquoi utiliser des clés de hachage ?: Pour calculer des clés de façon déterministe et charger hubs, liens et satellites en parallèle, sans consulter la table cible.
Quel est l'atout principal du Data Vault ?: L'ajout de sources et d'attributs sans refonte du modèle, avec une traçabilité complète.
Quel en est le principal inconvénient ?: Un nombre de tables et de jointures plus élevé, donc une requête directe plus complexe.
Comment analyse-t-on les données d'un Data Vault ?: Via une couche d'accès, souvent des vues en schéma en étoile construites au-dessus du vault.
Quel type de projet justifie un Data Vault ?: De nombreuses sources évolutives et de fortes exigences d'audit, comme en banque ou assurance.

Glossaire

Hub: Table de clés métier uniques d'un concept.
Lien: Table d'association entre hubs.
Satellite: Table d'attributs historisés rattachée à un hub ou lien.
Clé de hachage: Valeur calculée à partir de la clé métier pour identifier une ligne sans consultation préalable.
Traçabilité: Capacité à retrouver la source et la date de chargement de chaque donnée.
Couche d'accès: Vues ou data marts exposés aux utilisateurs au-dessus du vault brut.