Introduction et rappels

• Qu'est-ce qu'un système d'information décisionnel ?
• Evolution des exigences de décision dans le contexte actuel.
• Infocentres, SIAD, EIS, Data Warehouse, définition et positionnement.
• Comprendre la finalité de l'approche Data Warehouse.

Les architectures en réponse aux besoins décisionnels

• Les composants principaux, Data Warehouse, ODS ou "staging area", datamarts.
• Les architectures proposées par Kimball et Inmon. Avantages et inconvénients.
• Positionnement du modèle en étoile dans le Data Warehouse selon l'architecture.
• Les phases du cycle de vie d'un Data Warehouse.
• Les critères de qualité d'un Data Warehouse.
• La notion de métadonnée, de référentiel.

Principes et définitions de base sur la modélisation en étoile

• Rappels sur la modélisation des bases de données opérationnelles.
• Différences entre OLTP et OLAP.
• Entités, attributs, cardinalités, formes normales.
• Le principe de la dénormalisation pour concevoir un modèle en étoile.
• Comprendre les notions de fait, dimension et axe d'analyse.
• Les alternatives de modélisation : modèle en flocon, en galaxie.
• Les règles et bonnes pratiques de modélisation en étoile. Proposition alternative de Kortink et Moody.

Conception du modèle en étoile

• Organisation et synthèse des interviews utilisateur pour le recueil du besoin.
• Compréhension et identification des processus métiers à modéliser.
• Choix des dimensions d'analyse.
• Création de hiérarchies dans les dimensions.
• Identification des mesures et croisements avec les dimensions.
• Définition de la granularité de l'analyse.
• Définition des règles d'agrégation.
• Utilisation d'outils de modélisation.

Optimisation fonctionnelle du modèle en étoile

• Gestion de l'évolution des référentiels et du changement des nomenclatures.
• Gestion des dimensions à évolution lente et rapide.
• Les clés de substitution.
• Gestion de la qualité, fiabilité des données.
• Gestion du contexte non renseigné ou inconnu.
• Les dimensions dégénérées.

Replacer la modélisation dans le cadre du projet décisionnel

• Présentation de la méthode Kimball et Inmon pour l'organisation du projet.
• Les acteurs et livrables du projet.
• Recueil des besoins métier. Formalisation des exigences techniques et d'organisation.
• Identification des priorités et du périmètre pilote.
• Modélisation des informations.
• Choix de l'infrastructure. Implémentation et recette.
• Déploiement et maintenance du modèle.
• Gestion des historiques.

Optimisation physique du modèle

• Gestion de la performance des requêtes.
• Estimation de l'espace disque requis pour le modèle.
• Limitation de la taille occupée par une dimension.
• Agrégation directe de certains éléments dans les tables.
• Dimensions techniques pour assurer la traçabilité des faits.

Alimentation du modèle en étoile

• Contraintes des systèmes opérationnels sources.
• Rôle des ODS dans l'alimentation.
• L'organisation des traitements dans la DSA (Data Staging Area).
• Les différents types d'alimentation (delta, stock, complète).
• Les étapes, les règles et les prérequis de l'alimentation.
• Gestion des rejets.
• Gestion des sources différentes pour l'alimentation d'une dimension ou d'un fait.
• ETL, les solutions d'alimentation disponibles sur le marché.

Restitution des informations d'un modèle en étoile

• Les différents types d'outils au service de la restitution.
• Le marché des outils de restitution.
• Optimisation du modèle pour l'exploration des données.
• Optimisation des index.
• Utilisation du partitionnement des tables.

Conclusion

• Ce qu'il faut retenir.
• Les pièges à éviter.
• Pour aller plus loin.