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

 > 

Mise en place d'un data mart pour l'analyse de l'évaluation de la performance du personnel dans une entreprise bancaire. Cas de FINCA.

( Télécharger le fichier original )
par Trésor anonga
Université de Kinshasa - Licence 2012
  

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

III.8. CONCEPTION D'UN ENTREPOT DE DONNEES

La conception d'un entrepôt de données se fait de deux façon, la première consiste à construire d'abord plusieurs mini-entrepôts selon les directions ou les départements ensuite les intègres dans un seul entrepôt pour l'entreprise ; la deuxième consiste à construire un entrepôt pour l'entreprise ensuite mettre en place un ou plusieurs mini-entrepôts pour chaque direction ou départements que compte l'entreprise.

La conception d'un entrepôt de données peut se faire en utilisant la modélisation relationnelle classique (pour les bases de données transactionnelles) ou en utilisant la modélisation dimensionnelle.

Dans un entrepôt de données les requêtes pour l'interrogation des données utilisent beaucoup des jointures qui demandent trop de temps ce qui constitue un problème pour le système transactionnel. C'est pourquoi il est préférable d'utiliser l'approche multidimensionnelle.

III.8.1 Modélisation Multidimensionnelle

Pour arriver à construire un modèle approprie pour un entrepôt de données ou un DataMart, nous pouvons choisir, soit un schéma relationnel (le schéma en étoile, en flocon de neige ou en constellation) ; soit un schéma multidimensionnel.

Avant de décrire les différents schémas, nous commençons par quelques concepts de base. La modélisation multidimensionnelle consiste à considérer un sujet analyse comme un point dans un espace a plusieurs dimensions. Les données sont organisées de manière à mettre en évidence le sujet (le fait) et les différentes perspectives de l'analyse(les dimensions). Le fait représente le sujet d'analyse. Il est compose d'un ensemble de mesures qui représentent les différentes valeurs de l'activité analysée.

Par exemple, dans le fait ventes, nous pouvons avoir la mesure "quantité de produits vendus par magasin". Les mesures doivent être valorisées de manière continue et elles peuvent être additives (pour résumer une grande quantité d'enregistrements) ; semi-additives (si elles peuvent seulement être additionnées pour certaines dimensions) et non additives.

Une dimension modélise une perspective de l'analyse. Elle se compose de paramètres(ou attributs) qui servent à enregistrer les descriptions textuelles.

A. Méthodologie de design de la base de données pour l'entrepôt des données :

Dans cette section nous décrivons une méthodologie par étapes pour construire la base de données d'un entrepôt de données cette méthode a été initialement proposées par Kimball et s'appelle méthodologie a neuf étape dans la modélisation d'un entrepôt des données :

Etape

Activité

1

Choisir la procédure

2

Choisir le grain

3

Identifier les dimensions et s'y conformer

4

Choisir les faits

5

Emmagasiner les calculs préliminaires dans la table des faits

6

Finaliser les tables de dimensions

7

Choisir la durée de la base de données

8

Suivre les dimensions a modification lente

9

Les décideurs doits décidé des priorités de requêtes et des modes de requêtes

Tableau III. 3:La méthodologie a neuf étapes de Kimball

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








"Nous voulons explorer la bonté contrée énorme où tout se tait"   Appolinaire