WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Analyse et détection de l'attrition dans une entreprise de télécommunication

( Télécharger le fichier original )
par Séraphin LOHAMBA OMATOKO
Université Notre Dame du Kasayi - Licencié en sciences informatique/Génie Logiciel 2011
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

I.10 LA NAVIGATION DANS LES DONNEES

Les différentes possibilités de navigation dans les bases de données sont :

I.10.1 Drill-Down et Drill-Up

Le Drill-Down et Drill-up désigne la faculté d'aller du niveau global vers le niveau détaillé, et inversement. Ce mécanisme est totalement basé sur la notion de hiérarchie.

Chacun des axes d'analyse se décompose en attributs reliés entre eux par des relations père /fils. Une dimension doit normalement pouvoir comporter plusieurs hiérarchies. Par exemple, la dimension produits peut contenir une hiérarchie marque-article et une hiérarchie secteur-segment-article. Le mécanisme de Drill-Down se fera ainsi de la marque vers l'article et du secteur vers le segment puis vers l'article. La mise en oeuvre de cette fonctionnalité n'est cependant pas toujours aussi simple.

I.10.2 Data Surfing

Le Data Surfing est la possibilité de laissée à l'utilisateur de circuler librement, de manière intuitive et ergonomique dans un modèle dimensionnel, au-delà d'un simple Drill-Down ou Slice and dice. L'utilisateur peut alors modifier dynamiquement ses axes d'analyse ou appliquer un nouveau filtre à ses données. Ces mécanismes s'appliquent sur le modèle défini soit par l'administrateur, soit par l'utilisateur.

I.10.2 Conclusion

Ainsi, un data warehouse correctement alimenté permet aux décideurs, au service de marketing d'établir des statistiques d'évolution ou de construire des plans. Cela est rendu possible par le fait qu'un data warehouse regroupent l'ensemble des données de l'entreprise. Celles-ci sont Historisées et non modifiable. Mais extraire une synthèse à partir d'un tel volume de donnée (souvent de l'ordre de plusieurs téraoctets) n'ai pas chose aisée. Il faut une architecture du système adéquate. Les données peuvent être séparées par vue métier au sein de mini data warehouse nommé data marts et couplé avec un mode de stockage en cube OLAP. Chaque dimension d'un cube OLAP contenant une famille de donnée. Mais cela ne suffit pas, des outils de recherche spécialisés dans la recherche et l'élaboration de schéma logique (corrélation sur les évolutions des données ) doivent être utilisés.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Enrichissons-nous de nos différences mutuelles "   Paul Valery