Entreposage de données - Aperçu

Le terme «entrepôt de données» a été inventé pour la première fois par Bill Inmon en 1990. Selon Inmon, un entrepôt de données est une collection de données orientée sujet, intégrée, variant dans le temps et non volatile. Ces données aident les analystes à prendre des décisions éclairées dans une organisation.

Une base de données opérationnelle subit quotidiennement de fréquentes modifications en raison des transactions effectuées. Supposons qu'un dirigeant d'entreprise souhaite analyser les commentaires précédents sur des données telles qu'un produit, un fournisseur ou des données sur les consommateurs, le dirigeant n'aura alors aucune donnée disponible à analyser car les données précédentes ont été mises à jour en raison de transactions.

Un entrepôt de données nous fournit des données généralisées et consolidées en vue multidimensionnelle. Outre une vue généralisée et consolidée des données, un entrepôt de données nous fournit également des outils de traitement analytique en ligne (OLAP). Ces outils nous aident dans l'analyse interactive et efficace des données dans un espace multidimensionnel. Cette analyse aboutit à la généralisation des données et à l'exploration de données.

Les fonctions d'exploration de données telles que l'association, le regroupement, la classification et la prédiction peuvent être intégrées aux opérations OLAP pour améliorer l'exploration interactive des connaissances à plusieurs niveaux d'abstraction. C'est pourquoi l'entrepôt de données est devenu une plate-forme importante pour l'analyse des données et le traitement analytique en ligne.

Comprendre un entrepôt de données

Un entrepôt de données est une base de données, qui est séparée de la base de données opérationnelle de l'organisation.
Il n'y a pas de mise à jour fréquente effectuée dans un entrepôt de données.
Il possède des données historiques consolidées, qui aident l'organisation à analyser ses activités.
Un entrepôt de données aide les dirigeants à organiser, comprendre et utiliser leurs données pour prendre des décisions stratégiques.
Les systèmes d'entrepôt de données aident à l'intégration de la diversité des systèmes d'application.
Un système d'entrepôt de données facilite l'analyse des données historiques consolidées.

Pourquoi un entrepôt de données est séparé des bases de données opérationnelles

Un entrepôt de données est séparé des bases de données opérationnelles pour les raisons suivantes:

Une base de données opérationnelle est construite pour des tâches et des charges de travail bien connues telles que la recherche d'enregistrements particuliers, l'indexation, etc. Dans les contrats, les requêtes d'entrepôt de données sont souvent complexes et présentent une forme générale de données.
Les bases de données opérationnelles prennent en charge le traitement simultané de plusieurs transactions. Des mécanismes de contrôle de la concurrence et de récupération sont nécessaires pour les bases de données opérationnelles afin de garantir la robustesse et la cohérence de la base de données.
Une requête de base de données opérationnelle permet de lire et de modifier des opérations, alors qu'une requête OLAP n'a besoin que read only accès aux données stockées.
Une base de données opérationnelle conserve les données actuelles. D'autre part, un entrepôt de données conserve des données historiques.

Fonctionnalités de l'entrepôt de données

Les principales caractéristiques d'un entrepôt de données sont décrites ci-dessous -

Subject Oriented- Un entrepôt de données est orienté sujet car il fournit des informations sur un sujet plutôt que sur les opérations en cours de l'organisation. Ces sujets peuvent être les produits, les clients, les fournisseurs, les ventes, les revenus, etc. Un entrepôt de données ne se concentre pas sur les opérations en cours, mais plutôt sur la modélisation et l'analyse des données pour la prise de décision.
Integrated - Un entrepôt de données est construit en intégrant des données provenant de sources hétérogènes telles que des bases de données relationnelles, des fichiers plats, etc. Cette intégration améliore l'efficacité de l'analyse des données.
Time Variant- Les données collectées dans un entrepôt de données sont identifiées avec une période de temps particulière. Les données d'un entrepôt de données fournissent des informations du point de vue historique.
Non-volatile- Non volatile signifie que les données précédentes ne sont pas effacées lorsque de nouvelles données y sont ajoutées. Un entrepôt de données est séparé de la base de données opérationnelle et les changements fréquents dans la base de données opérationnelle ne sont donc pas reflétés dans l'entrepôt de données.

Note - Un entrepôt de données ne nécessite pas de traitement des transactions, de récupération et de contrôle de concurrence, car il est physiquement stocké et séparé de la base de données opérationnelle.

Applications d'entrepôt de données

Comme indiqué précédemment, un entrepôt de données aide les dirigeants d'entreprise à organiser, analyser et utiliser leurs données pour la prise de décision. Un entrepôt de données sert de partie unique d'un système de rétroaction plan-exécution-évaluation en «boucle fermée» pour la gestion de l'entreprise. Les entrepôts de données sont largement utilisés dans les domaines suivants -

Services financiers
Services bancaires
Biens de consommation
Secteurs du commerce de détail
Fabrication contrôlée

Types d'entrepôt de données

Le traitement de l'information, le traitement analytique et l'exploration de données sont les trois types d'applications d'entrepôt de données qui sont abordés ci-dessous -

Information Processing- Un entrepôt de données permet de traiter les données qui y sont stockées. Les données peuvent être traitées au moyen d'interrogations, d'analyses statistiques de base, de rapports à l'aide de tableaux croisés, de tableaux, de graphiques ou de graphiques.
Analytical Processing- Un entrepôt de données prend en charge le traitement analytique des informations qui y sont stockées. Les données peuvent être analysées au moyen d'opérations OLAP de base, y compris le découpage en dés, l'exploration vers le bas, l'exploration vers le haut et le pivotement.
Data Mining- L'exploration de données soutient la découverte des connaissances en trouvant des modèles et des associations cachés, en construisant des modèles analytiques, en effectuant une classification et une prédiction. Ces résultats d'exploration peuvent être présentés à l'aide des outils de visualisation.

N ° Sr.	Entrepôt de données (OLAP)	Base de données opérationnelle (OLTP)
1	Il s'agit d'un traitement historique de l'information.	Cela implique un traitement au jour le jour.
2	Les systèmes OLAP sont utilisés par les travailleurs du savoir tels que les cadres, les gestionnaires et les analystes.	Les systèmes OLTP sont utilisés par les commis, les administrateurs de base de données ou les professionnels des bases de données.
3	Il est utilisé pour analyser l'entreprise.	Il est utilisé pour gérer l'entreprise.
4	Il se concentre sur l'information.	Il se concentre sur les données au format.
5	Il est basé sur Star Schema, Snowflake Schema et Fact Constellation Schema.	Il est basé sur le modèle de relation d'entité.
6	Il se concentre sur l'information.	Il est orienté application.
sept	Il contient des données historiques.	Il contient des données actuelles.
8	Il fournit des données résumées et consolidées.	Il fournit des données primitives et très détaillées.
9	Il fournit une vue résumée et multidimensionnelle des données.	Il fournit une vue relationnelle détaillée et plate des données.
dix	Le nombre d'utilisateurs est en centaines.	Le nombre d'utilisateurs est en milliers.
11	Le nombre d'enregistrements consultés est en millions.	Le nombre d'enregistrements accédés est en dizaines.
12	La taille de la base de données est comprise entre 100 Go et 100 To.	La taille de la base de données est comprise entre 100 Mo et 100 Go.
13	Ceux-ci sont très flexibles.	Il offre des performances élevées.