Documente Academic
Documente Profesional
Documente Cultură
et les Systmes
Multidimensionnels
10
11
Bases de
production
Dictionnaire
Bases externes
Extraction
Transformation
Chargement
Rafrachissement
Data Warehouse
Outils
dadministration
Bases
multidimensionnelles
Datamarts
Outil ROLAP
Outils
multidimensionnels
MOLAP
Requeteur
ou tableau
Outil frontal
OLAP
12
13
14
15
16
solution
17
18
19
20
10
21
22
11
23
24
12
25
26
13
27
28
14
29
30
15
31
Hypercube virtuel
Base de donnes
relationnelle
32
16
33
Hypercubes clients
Table de dimension
Table de dimension
Table de dimension
Serveur relationnel
Table de
Faits
Table de dimension
Table de dimension
34
17
35
Serveur matriciel
36
18
38
19
39
40
20
41
Produit
Fonction
Comshare
Prvision, planification
Analyse des ventes
Hyperion Software
Oracle
SAS Institute
Commander budget
Elaboration budgtaire
Commander FDC
Reporting, consolidation
Hyperion entreprise
Reporting, consolidation
Hyperion Pilar
Elaboration budgtaire
Elaboration budgtaire
CFO Vision
Reporting
42
21
Editeur
Produit
Spcialistes
Arbor Software
Aplix
Essbase
TMI
Autres
(environnement intgr)
Oracle
Gentia Software
Express
Gentia
43
Produit
Business Objects
Business Objects
Microstrategy
DSS Agent
Information Advantage
Decision Suite
Informix
MetaCube
Platinum Technology
Info Beacon
44
22
45
Editeur
Fonction
Andyne
GQL
Pablo
Requteur
Analyse OLAP
Cognos
Impromptu
Powerplay
Requteur
Analyse OLAP
46
23
47
48
24
49
50
25
51
52
26
53
54
27
55
56
28
57
Projet 2
(dploiement)
Itrative inter-projets
Projet 3
(pilote)
Vision
projet
Projet 1
(dploiement)
Projet 2
(pilote)
P3
Itrative inter-projets
Projet 1
(pilote)
P2
Itrative inter-projets
PI
Vision
dentreprise
Projet 3
(dploiement)
Vision
dentreprise
58
29
Data warehouse
Redondances
Autorises.
Mises jour
Oui
Modle de donnes
Volumes de donnes
Nombre de tables
manipules dans les
requtes
Faible en gnral
Elev en gnral.
Requtes prvisibles
Oui
59
60
30
61
TRIMESTRE
ANNEE
DIMENSION
Attribut de dimension
Fait
CA
JOUR
MOIS
ts n
an oye
t
i
ab m
h at
E re d ach
L
L
VI omb oir d
PRODUIT
- n ouv
e
- libell
-p
ag
m
- prix unitaire
N
h
O c
GI de
R E au x
DE PRODUIT
-t
Copyright J. Akoka - I. Comyn-WattiauTYPE
- N.Prat
Un cube danalyse des ventes
62
31
63
CONSOMMATEUR
N
ACHETE
code_conso
CSP
age
revenu
sexe
ville
etat_civil
unites_par_sem
PRODUIT
code_produit
nom_produit
unite_produit
MEDIA
UTILISE
utilisat_media
code_media
nom_media
prix_insertion
production_media
pourcent_limite
N
EST DU
1
TYPE_MEDIA
type_media
insertion
unite_media
64
32
65
33
67
68
34
69
Faits
Dimension 2
Cl Dimension 1 (D1)
Attribut
Cl D1
Cl D2
Cl D3
Mesure
Cl Dimension 2 (D2)
Attribut
Dimension 3
Cl Dimension 3 (D3)
Attribut
70
35
CONSOMMATEUR
y Exemple:
SIAD de
planning
y
y
mdia-
code_conso
CSP
age
revenu
sexe
ville
etat_civil
PRODUIT
code_produit
nom_produit
unite_produit
ACHETE
code_conso
code_produit
unites_par_sem
CONSOMMATEUR
MEDIA
code_conso
CSP
age
revenu
sexe
ville
etat_civil
code_media
nom_media
prix_insertion
production_media
pourcent_limite
type_media
insertion
unite_media
UTILISE
code_conso
code_media
utilisat_media
Rgles de passage ER
71
modle en toile
72
36
CONSOMMATEUR
code_conso
CSP
age
revenu
sexe
ville
etat_civil
MEDIA
code_media
nom_media
prix_insertion
production_media
pourcent_limite
type_media
UTILISE
code_conso
code_media
utilisat_media
Rgles de passage ER
73
modle en flocon
74
37
75
76
38
77
78
39
8. Conclusion et perspectives
8. 1 Conclusion
y Le data warehouse est probablement, avec Internet, l une des
tendances rcentes que les entreprises exploiteront de + en +
dans les annes venir. Sujet brlant .
y Le data warehouse est le cur, l ossature du systme
d information dcisionnel.
y % des investissements informatiques consacrs la production
et la gestion devrait s inverser d ici 2003 au profit de
l informatique dcisionnelle (source: Meta Group).
y Systmes d information dcisionnels = lment de
diffrentiation entre les entreprises (par opposition aux systmes
transactionnels avec les ERP).
Copyright J. Akoka - I. Comyn-Wattiau - N.Prat
79
8. Conclusion et perspectives
8. 2 Quelques perspectives
y Agents intelligents :
yUn agent agit pour un utilisateur sans solliciter son
intervention explicite.
yUn agent intelligent est capable d apprendre en fonction
d vnements extrieurs.
yTechnique de push ( pull ): L utilisateur est averti
des vnements remarquables (CA en-dessous d un seuil
prdfini).
80
40
8. Conclusion et perspectives
8. 2 Quelques perspectives
y Internet:
yComplmentarit Internet/data warehouse.
yInternet=moyen d acquisition de donnes externes.
yIntranet/Extranet=moyen d accs au data warehouse.
y CRM:
yCustomer Relationship Management (Gestion de la Relation
Client)
yUn des domaines d application privilgis du data
warehouse.
Copyright J. Akoka - I. Comyn-Wattiau - N.Prat
81
41