ABSTRACT
Corporate decision makers often need reliable, analyzable and
synthetic information. The decision support system is a technology that enables
enterprises to transform data into valuable internal information available to
decision makers. These can then make decisions knowingly and timely. The use of
data warehouses allows standardizing and storing data from various sources on a
single DB.
The integration of data from heterogeneous sources in spatial
data warehouse led to the development of spatial ETL tools. Some of these tools
are available and allow the conversion between geospatial formats. However,
none is specifically interested in geospatial data. In this paper, we describe
the different aspects of implementing Geo-BI applications. We then present
GeoKettle, an ETL tool "geo-enabled", and open source, to extract geospatial
data, transform and load into the spatial data warehouse. We have developed an
ETL system that allows the execution of the ETL process of the spatial data
warehouse of electricity consumption of the town of Ngaoundéré
2nd.
Keywords: support systems Decision,
Geo-BI, spatial data warehouse, geographic information system, ETL tools.
x
Bassirou Mohamet
LISTE DES TABLEAUX
Tableau II. 1: Différence entre ED et système
transactionnel 19
xi
Bassirou Mohamet
LISTE DES FIGURES ET ILLUSTRATIONS
Figure I. 1: Organigramme du CDTIC 6
Figure I. 2: Plan de localisation du CDTIC 6
Figure II. 1: Représentation en mode raster 10
Figure II. 2: Représentation en mode vecteur 11
Figure II. 3: Architecture d'un système d'ED 17
Figure II. 4: Modèle conceptuel d'une table de faits et
la représentation du cube associé 21
Figure II. 5: Exemple d'un schéma en étoile
22
Figure II. 6: Exemple d'un schéma en flocon 23
Figure II. 7: Exemple du schéma en constellation 23
Figure II. 8: Exemple d'opérations de transformation
26
Figure II. 9: Objectifs de qualité de données
27
Figure III. 1: Représentation graphique du
modèle des EDS 32
Figure III. 2: Équation SOLAP 33
Figure III. 3: Architecture de SOLAP 35
Figure III. 4 : Processus ETL de GeoKettle 38
Figure III. 5: Fenêtre d'accueil de GeoKettle 40
Figure III. 6: Une transformation avec GeoKettle 40
Figure III. 7: Différents types de liens avec GeoKettle
41
Figure III. 8: Exemple d'un job GeoKettle 42
Figure IV. 1: Diagramme de classes de la base de
données de facturation 49
Figure IV. 2: Dimensions thématiques 50
Figure IV. 3: Dimension temporelle 51
Figure IV. 4: Dimension spatiale 51
Figure IV. 5: Fait suivi de la consommation 52
Figure IV. 6: modèle multidimensionnel en étoile
53
Figure IV. 7: modèle multidimensionnel en flocon 53
Figure IV. 8: Architecture du processus ETL 56
Figure IV. 9: Diagramme d'activité du processus global
d'alimentation 57
Figure IV. 10: Diagramme d'activité ETL des dimensions
58
Figure IV. 11: Diagramme d'activité ETL des faits 59
Figure V. 1: Création du référentiel et
la connexion à la BD 62
Figure V. 2: Valider la création du
référentiel et générer la requête SQL 62
Figure V. 3: Modification de la requête avant son
exécution 62
Figure V. 4: Connexion au référentiel de travail
GeoKettle 63
Figure V. 5: Génération du calendrier et
chargement dans l'EDS 64
Figure V. 6: Génération et chargement de la
table "ABONNE" 65
Figure V. 7: Processus ETL des abonnements 65
Figure V. 8: ETL des transformateurs 66
Figure V. 9: ETL dimension "dim_zone_geo" 67
Figure V. 10: ETL des faits "fait_conso" 68
Figure V. 11: Job du processus ETL 68
Figure V. 12: Configuration serveur carte 69
Figure V. 13: Liste des zones géographiques 70
Figure V. 14: Carte des zones géographiques 71
1
Bassirou Mohamet
Introduction générale
| 
