Infocentre, Data Warehouse, Data Mart
- De l’infocentre normalisé au Data
- Warehouse : justification de la dénormalisation Du Data Warehouse au DataMart
- La conservation des principes de modélisation relationnelle à travers la dénormalisation
- Modéliser selon les besoins utilisateurs
Sémantique et maintenabilité - Projet descendant (du DW au DM), projet ascendant (du DM au DW)
La modélisation hiérarchique des dimensions
- Les règles construction d’un modèle en étoile
- Étoiles et flocons
- De l’étoile au cube OLAP
- Calculer des volumétries
- Anticiper les évolutions fonctionnelles
La Modélisation des indicateurs
- Définir des indicateurs selon un dictionnaire d’entreprise
- Agrégation des indicateurs
- Pré-calcul et tables d’agrégats en relationnel
- La dimension Indicateurs d’un hypercube
- Hiérarchiser les agrégations et préparer la navigation agrégée
Hypercubes et DW relationnels
- Intérêts et limites des DM en hypercube
- Le mapping relationnel- OLAP (outils MOLAP, outils ROLAP)
- L’analyse hybride (HOLAP)
Les techniques de reporting
- Reporting figé versus analyse dynamique
- Le DOLAP dans les outils analytiques
- Les outils de reporting et leur connectivité (DM relationnel / hypercube)
- Client lourd versus interface web
- Gestion des droits et problématiques de diffusion de l’information
Les problématiques fonctionnelles
- La validation des données
- L’historisation et ses techniques
- Modèles- types selon les besoins des utilisateurs
L’alimentation des DW / DM
- Les ETL
- Choisir les modes d’alimentation
- Pivots et autres transformations standard
- Créer une architecture décisionnelle adaptée aux besoins des utilisateurs
- Consultant BI, développeur
- Chef de projet fonctionnel ou technique
- Support de cours fourni
Nouveauté
Durée
2 jours
Dates
septembre 2022
5-6
décembre 2022
5-6