Memoire Online - Mise en place d'un système décisionnel basé sur le data mart et l'arbre de décision pour le recrutement du personnel à la dgr koc.

Un schéma est un ensemble d'objets de la base de données tels que les tables, des vues, des vues matérialisées, des index et des synonymes. La conception du schéma d'un Data Warehouse est guidée par le modèle des données source et par les besoins utilisateurs.

L'idée fondamentale de la modélisation dimensionnelle est que presque tous les types de données peuvent être représentés dans un cube de données, dont les cellules contiennent des valeurs mesurées et les angles les dimensions naturelles de données. Nos conceptions peuvent comporter plus de trois dimensions. Techniquement, il faudrait parler d'hypercube, bien que le terme cube de données ait été adopté par le métier.

Les deux types d'objet les plus courants dans les schémas de Data Warehouse multidimensionnels sont les tables de faits et les tables de dimension.

? Tables de faits : une table de faits comprend généralement des colonnes de deux types : celles qui contiennent des faits numériques (souvent appelés indicateurs) et celles qui servent de clé étrangère vers les tables de dimension. Une table de faits peut contenir des faits détaillés ou agrégées. Les tables contenant des faits agrégés sont souvent appelées tables agrégées. une table de faits contient généralement de faits de même niveau d'agrégation. La plupart des faits sont additifs, mais ils peuvent être semi-additifs ou non additifs. Les faits additifs peuvent être agrégés par simple addition arithmétique. C'est par exemple le cas des ventes. Les faits non additifs ne peuvent pas être additionnés du tout. C'est le cas des moyennes. Les faits semi-additifs peuvent être agrégés selon certaines dimensions mais pas selon d'autres. C'est le cas, pas exemple des niveaux de stock. Une table de faits doit être définie pour chaque schéma. Du point de vue de la modélisation, la clé primaire de la table de faits est généralement une clé composée qui est formée de toutes les clés étrangères associées.

? Tables de dimensions et hiérarchies : une dimension est une structure comprenant une ou plusieurs hiérarchies qui classe les données en catégories. Les dimensions sont des étiquettes descriptives fournissant des informations complémentaires sur les faits, qui sont stockées dans les tables de dimension. Il s'agit normalement de valeurs textuelles descriptives. Plusieurs dimensions distinctes combinées avec les faits permettant de répondre aux questions relatives à l'activité de l'entreprise. Les données de dimension son généralement collectées au plus bas niveau de détail, puis agrégées aux niveaux supérieurs en totaux plus intéressants pour l'analyse, ces agrégations ou cumuls naturels au sein d'une table de dimension sont appelés des hiérarchies. Les hiérarchies sont des structures logiques qui utilisent les niveaux ordonnées pour organiser les données. Pour une dimension temps, par exemple, une hiérarchie peut agréger les données selon le niveau mensuel, le niveau trimestriel, le niveau annuel.

Au sein d'une hiérarchie, chaque niveau est connecté logiquement aux niveaux supérieurs et inferieurs. Les valeurs des niveaux inferieurs sont agrégées en valeurs de niveau supérieur.

Le schéma en étoile peut être le type le plus simple de schéma de Data Warehouse, il est dit en étoile parce que son diagramme entité/relation ressemble à une étoile, avec des branches partant d'une table centrale. Un schéma en étoile est caractérisé par une ou plusieurs tables de faits, très volumineuses, qui contiennent les informations essentielles du Data Warehouse et par un certain nombre de tables de dimension, beaucoup plus petites, qui contiennent chacune des informations sur les entrées associées à un attribut particulier de la table de faits. Une interrogation en étoile est une jointure entre une table de faits et un certain nombre de table de dimensions. Chaque table de dimension est jointe à la table de faits à l'aide d'une jointure de clé primaire à clé étrangère, mais les tables de dimension ne sont pas jointes entre elles.

Les schémas en étoile présentent les avantages suivants : ils fournissent une correspondance directe et intuitive entre les entités fonctionnelles analysées par les utilisateurs et la conception du schéma. Ils sont pris en charge par un grand nombre d'outils décisionnels. La manière la plus naturelle de modéliser un Data Warehouse est la représenter par un schéma en étoile dans lequel une jointure unique établit la relation entre la table de faits et chaque table de dimension. Un schéma en étoile optimise les performances en contribuant à simplifier les interrogations et à raccourcir les temps de réponse.

Les schémas en étoile présentent néanmoins quelques limites. La table centrale peut devenir très volumineuse, sa taille maximale étant déterminée par le produit des nombres de lignes des tables de dimension. En outre, les tables de dimension ne sont plus normalisées. Elles sont donc plus volumineuses et plus difficiles à tenir à jour car elles contiennent beaucoup de données dupliquées.

EX :				Dimensions 2 Id_dim2
	Dimensions 1
	Dimensions 1
	Id_dim1
		Table des Faits
		Id_f (Pk) Id_dim1 (Fk) Id_dim2 (Fk)



			Dimensions 3
Dimensions 4 Id_dim4			Id_dim3

Les schémas en flocons normalisent les dimensions pour éliminer les redondances. Autrement dit, les données de dimension sont stockées dans plusieurs tables et non dans une seule table de grande taille. Cette structure de schéma consomme moins d'espace disque, mais comme elle utilise davantage de tables de dimension, elle nécessite un plus grand nombre de jointures de clé secondaire. Les interrogations sont par conséquent plus complexes et moins performantes.

Dans un schéma en flocon, cette même table de faits, référence les tables de dimensions de premier niveau, au même titre que le schéma en étoile.

La différence réside dans le fait que les dimensions sont décrites par une succession de tables (à l'aide de clés étrangères) représentant la granularité de l'information. Ce schéma évite les redondances d'information mais nécessite des jointures lors des agrégats de ces dimensions.

Le principal avantage du schéma en flocons est une amélioration des performances des interrogations due à des besoins réduits en espace de stockage sur disque et la petite taille des tables de dimension à joindre. Le principal inconvénient de ce schéma est le travail de maintenance supplémentaire imposé par le nombre accru de tables de dimension. EX :

Dans le modèle multidimensionnel, le concept central est le cube, lequel est constitue des éléments appelés cellules qui peuvent contenir une ou plusieurs mesures. La localisation de la cellule est faite a travers les axes, qui correspondent chacun a une dimension.

La dimension est composée de membres qui représentent les différentes valeurs.

La figure II. 3, présente un schéma multidimensionnel pour les ventes qui ont été réalisées dans les magasins pour les différents produits au cours d'un temps donné (jour).

Mise en place d'un système décisionnel basé sur le data mart et l'arbre de décision pour le recrutement du personnel à la dgr koc.

II.5 SCHEMAS D'UN DATA WAREHOUSE [8]