Requêtes OLAP sur une base de données XML native - Cercle ...

2.2 Définitions 4
2.2 Définitions
Un entrepôt de données (data warehouse) est un lieu de stockage intermédiaire de différentes
données en vue de la constitution d’un système d’informations décisionnelles. Un des précurseurs
du concept d’entrepôt de données, Bill Inmon [1], le définit comme suit :
« Un entrepôt est une collection de données orientées sujet, intégrées, non volatiles
et historisées, organisées pour le support d’un processus d’aide à la décision. »
Analysons point par point cette définition. Les données d’un entrepôt sont donc :
⊲ Orientées sujet Les données sont orientées métier et donc triées par thèmes. L’intégration
dans une structure unique est indispensable pour éviter aux données concernées par
plusieurs sujets d’être dupliquées. Cependant, dans la pratique, il existe également des
entrepôts plus petits, les magasins de données (data marts) : l’entrepôt est fragmenté en
plusieurs bases qui supportent l’orientation sujet.
⊲ Intégrées Les données proviennent de plusieurs sources hétérogènes. Avant d’être intégrées
dans l’entrepôt, les données doivent êtres mises en forme et unifiées afin d’avoir un
état cohérent. Cela nécessite un gros travail de normalisation, de gestion des référentiels
et de cohérence.
⊲ Non volatiles Les données sont stables et non modifiables. Un entrepôt de données doit
garantir qu’une requête lancée à différentes dates sur les mêmes données donne toujours
les mêmes résultats. De plus, les données d’un entrepôt sont mise à jour périodiquement,
ce ne sont donc pas des informations en temps réel.
⊲ Historisées Les données sont historisées et donc datées : l’historisation est nécessaire
pour suivre dans le temps l’évolution des différentes valeurs des indicateurs à analyser.
Ainsi, un référentiel temps doit être associé aux données afin de permettre l’identification
de valeurs précises dans la durée.
Un entrepôt est donc une sorte de point focal stockant en un point unique toute l’information
utile provenant des systèmes de production et des sources externes. Avant d’être intégrée,
l’information doit être extraite des différentes sources et nettoyée.
Ralph Kimball, l’auteur de The Data Warehouse Toolkit [2], propose une autre définition :
« A data warehouse is a copy of transaction data specifically structured for query
and analysis. »
« Un entrepôt de données est une copie de données transactionnelles spécifiquement
structurée pour l’interrogation et l’analyse. »
Un entrepôt de données, comme indiqué dans les motivations, doit permettre l’analyse de
données suivant plusieurs dimensions. Il convient donc d’utiliser un modèle multidimensionnel.
Avant de pouvoir intégrer les données, il faut concevoir intelligemment l’entrepôt en fonction
des analyses que l’on veut pouvoir réaliser.
Trois fonctions essentielles sont donc nécessaires pour créer et utiliser un entrepôt :