II.3 MANIPULATION DES DONNEES MULTIDIMENSIONNELLES
Pour visualise les données
multidimensionnelles, nous pouvons utiliser la
représentation sous forme d'une table de données, qui est la plus
courante. Dans une table, nous représentons les différentes
combinaisons des valeurs choisies pour constituer les noms de lignes et de
colonnes.
Néanmoins, quand le nombre de dimensions est
supérieur à deux, l'utilisateur a des problèmes pour
visualiser simultanément l'ensemble de l'information. Pour
résoudre ce problème, nous devons disposer d'opérations
pour manipuler les données et rendre possible la visualisation.
Nous présentons les opérations pour la
manipulation des données multidimensionnelles, en les divisant selon
leur impact sur la façon de présenter les différentes vues
des données analysées.
[34]
II.3.1 OPERATIONS CLASSIQUES
Ces opérations correspondent aux opérations
relationnelles de manipulation des données :
La sélection :
résulte en un sous-ensemble de données qui respecte
certaines conditions d'appartenance.
La projection :
résulte en un sous-ensemble des attributs d'une relation, qui sont
soit des dimensions, soit des niveaux de granularité. Dans les
systèmes décisionnels, les opérations de sélection
et de projection sont appelées souvent "slice-and-dice". La
jointure : permet d'associer les données de
relations différentes.
A. Les opérations ensemblistes :
D'union, d'intersection et de différence sont des
opérations qui agissent sur des relations qui ont le même
schéma. Par exemple, les opérations agissant sur la structure
visent à présenter une vue (face du cube) différente en
fonction de leur analyse, citons : La rotation (rotate)
: consiste à pivoter ou a effectuer une rotation
du cube, de manière à présenter une vue différente
des données à analyser.
La permutation (switch) :
consiste à inverser des membres d'une dimension, de manière
à permuter deux tranches du cube. La division (split)
: consiste à présenter chaque tranche du
cube en passant d'une représentation tridimensionnelle à une
présentation tabulaire.
L'emboitement (nest) :
permet d'imbriquer les membres d'une dimension. En utilisant cette
opération, nous représentons dans une table bidimensionnelle
toutes les données d'un cube quel que soit le nombre de dimensions.
L'enfoncement (push) :
consiste à combiner les membres d'une dimension aux mesures du cube
et donc de représenter un membre comme une mesure.
L'opération inverse de retrait (pull)
: permet de changer le statut de certaines mesures, pour
transformer une mesure en membre d'une dimension.
La factualisation (fold) :
consiste à transformer une dimension en mesure(s) ; cette
opération permet de transformer en mesure l'ensemble des
paramètres d'une dimension.
[35]
Le para métrisation (unfold) :
permet de transformer une mesure en paramètre dans une
nouvelle dimension.
L'opération cube : permet de
calculer des sous-totaux et un total final.
B. Opérations agissant sur la
granularité :
Les opérations agissant sur la granularité des
données analysées, permettent de hiérarchiser la
navigation entre les différents niveaux de détail d'une
dimension.
Dans la suite nous traitons les deux opérations de ce
type :
Le forage vers le haut (drill-up ou roll-up) :
permet de représenter les données du cube à
un niveau plus haut de granularité en respectant la hiérarchie de
la dimension. Nous utilisons une fonction d'agrégation (somme,
moyenne,...), qui est paramétrée, pour indiquer la façon
de calculer les données du niveau supérieur à partir de
celles du niveau inferieur.
Le forage vers le bas (drill-down ou roll-down ou
scale-down) : consiste à représenter les
données du cube à un niveau de granularité inferieur, donc
sous une forme plus détaillée. Ces types d'opérations ont
besoin d'informations non représentées dans un cube, pour
augmenter ou affiner des données, à partir d'une
représentation initiale vers une représentation de
granularité différente. Le forage vers le haut à besoin de
connaitre la fonction d'agrégation utilisée tandis que le forage
vers le bas nécessite de connaitre les données au niveau
inferieur.
| 
