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

2.4 Collecte et intégration des données 10
il implique de nombreuses jointures dans les requêtes et donc une difficulté d’écriture de ces
dernières.
Quand il s’agit de choisir une modélisation plutôt qu’une autre, de nombreux paramètres
sont à prendre en compte : la nature des requêtes, les besoins d’analyse, les besoins de flexibilité,
l’évolution des dimensions dans le temps, etc. Ce n’est donc jamais une question simple et il
convient de l’étudier avec le plus grand soin. En effet, une mauvaise modélisation peut conduire
à l’inutilité d’un entrepôt avec les pertes de temps et d’argent que cela implique.
2.4 Collecte et intégration des données
L’intégration des données est certainement la partie la plus complexe, justifiant ainsi la timidité
des entreprises à fabriquer un tel entrepôt de données. Il convient d’uniformiser et de fédérer
les différentes sources d’informations de l’entreprise. Bien souvent, les entreprises possèdent une
multitude de bases de données de structures différentes : bases de données relationnelles, fichiers,
sources Web, . . . Il faut donc définir un schéma global qui intègre les données utiles à l’analyse,
d’où une gestion stricte des méta-données telles que la description des sources ou des éventuelles
vues exportées des bases de données.
Ces opérations sont connues sous le terme ETL (Extract-Transform-Load) ou data pumping.
Il s’agit d’un système intergiciel (middleware) qui permet de faire des synchronisations d’informations
d’une base de données vers une autre. Ces systèmes sont basés sur des connecteurs
servant à exporter et importer des données, des transformateurs pour manipuler les données et
les convertir dans le schéma de la base de données de destination. Le but est l’intégration des
données de toute l’entreprise dans une base de données commune, l’entrepôt de données.
Il s’agit ici d’un processus très complexe et très coûteux : Ralph Kimball [4], après 18 mois
d’études sur les ETL, en a défini 38 sous-systèmes et a évalué à 70% la part de l’intégration dans
un projet d’entrepôt de données.
2.5 Analyse des données
Il faut différencier deux types d’analyses de données : le Data Mining ou forage de données
et l’analyse multidimensionnelle (OLAP). Dans ce mémoire, nous nous concentrerons principalement
sur l’analyse multidimensionnelle.
Le forage de données (Data Mining) a pour but de mettre en évidence des corrélations
éventuelles dans un volume important de données afin de dégager des tendances. Il s’appuie sur
des techniques d’intelligence artificielle comme des réseaux de neurones ou sur des techniques
statistiques afin de mettre en évidence des liens cachés entre les données et ainsi prévoir des
tendances.
Online Analytical Processing (OLAP) est un terme commercial qui désigne les bases de
données multidimensionnelles (aussi appelées cubes ou hyper-cubes) destinées à l’analyse et il
s’oppose au terme OLTP qui désigne les systèmes transactionnels. Ce terme a été défini par E.