Modéliser un système d'information décisionnel

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

 

  • Comprendre comment 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
juillet 2020
août 2020
septembre 2020
octobre 2020
novembre 2020