3.1.4 Hypercube
L'instance d'un modèle conceptuel multidimensionnel est
un hypercube. Un hypercube contient dans les cellules les valeurs des mesures
et ses axes sont les membres des différentes dimensions. Ensuite, ce
cube de base est rapetissé avec des cellules qui contiennent
l'agrégation des valeurs de mesures pour chaque combinaison de membres
des niveaux moins détaillés. Un exemple d'hypercube pour
l'application de la Figure 3.2a est montré en Figure
3.2b. Sur les axes du cube de base on trouve les membres des niveaux des
dimensions (temps, client, localisation et produit) et dans les cellules les
valeurs des deux mesures (volume et montant).
3.1.5 Requêtes multidimensionnelles
Le processus décisionnel multidimensionnel consiste en
l'exploration de l'hypercube. L'utilisateur parcourt les données de
l'hypercube selon les différents axes d'analyses à la recherche
d'informations utiles, dans un processus fortement interactif, itératif
et constructif, qui comprend des étapes de formulation des
hypothèses, expérimentation et analyse [Tang et al. 2003]. Les
utilisateurs interagissent itérativement avec le modèle
multidimensionnel pour formuler, modifier et valider leurs hypothèses.
Les chemins d'analyse sont imprédictibles, contrairement aux
données qui sont définies lors de la conception de l'application.
Chaque résultat d'analyse est la conséquence des résultats
précédents. Chaque étape du processus d'analyse est
représentée par une navigation dans l'hypercube, ou par une
requête multidimensionnelle. Ces requêtes utilisent les
opérateurs OLAP , ces derniers sont bien détaillées dans
la section (3.3.1.2).
Un exemple de requête multidimensionnelle portant sur
l'application de Figure 3.2a est : « Quels sont le volume et
le montant de chaque produit vendu par le magasin Carebim pour chaque
année ? ». Cette requête utilise à la fois
l'opérateur de slice et celui de roll-up.
3.2 Architecture des systèmes d'entrepôts de
données (ED Classique)
Les architectures des systèmes d'entrepôts de
données spatiales sont classiquement des architectures à trois
niveaux, comme montré en Figure 3.3, constituées par un
entrepôt de données, un serveur SOLAP et un client SOLAP.
Figure 3.3 : Architecture à
trois niveaux d'un système d'entrepôt de données.
3.3 Entrepôt de données Spatiale
Le premier niveau est un SGBD. Les données sont
extraites à partir des bases de données transactionnelles,
nettoyées et transformées avec des outils ETL (Extract-
Transform-Load ou en français extraction, transformation et
alimentation), et intégrées dans l'entrepôt de
données. Le SGBD contient aussi un ensemble de métadonnées
concernant les sources de données, les mécanismes d'accès,
les procédures de nettoyage et d'alimentation, les utilisateurs, etc.
Données Spatiales :
Aussi connu sous le nom de données
géospatiales ou d'information géographique, elles
représentent les données ou informations qui identifie
l'emplacement géographique des caractéristiques et des limites
sur la Terre, tels que les caractéristiques naturelles ou construites,
les océans, et plus encore. Les données spatiales sont souvent
stockées sous forme de coordonnées et de topologie, et sont des
données qui peuvent être mappés. Les données
spatiales sont souvent accessibles, manipuler ou analysées par les
systèmes d'information géographique
| 
