Création de cubes, écriture de requêtes MDX, optimisation de DTS et plus encore...
Amélioration du traitement du cube en créant une table de dimension Time
Certaines personnes créent une vue à partir de la table de
faits à l’aide de la syntaxe
SELECT [Fact_Table].[Date] FROM [Fact_Table] GROUP BY [Fact_Table].[Date]
et se servent de cette vue en tant que source de la dimension
Time. Cette méthode présente un certain nombre d’inconvénients.
Premièrement, elle est inefficace : la table de faits
est généralement beaucoup plus volumineuse que la table
de dimension, et l’accès à une vue de la table de faits revient
à accéder à la table de base sous-jacente. Un autre inconvénient
de cette approche est que la dimension ne contiendra
pas de dates non ouvrées. Ainsi, cette méthode entraînera
des lacunes dans la dimension en omettant les week-ends, les périodes de vacances, etc. Si vous souhaitez avoir ces périodes
manquantes, n’oubliez pas d’exclure les dates non
pertinentes de votre table de dimension Time.
Une meilleure approche pour créer une dimension Time
consiste à générer une table de dimension Time spéciale
contenant toutes les dates pertinentes dans votre entrepôt
de données. Créez simplement la table dans Microsoft Excel,
puis utilisez la fonctionnalité DTS (Data Transformation
Services) pour importer la table en question dans l’entrepôt
de données. Cette approche améliore considérablement le
traitement des dimensions et du cube, car vous n’avez pas besoin
d’interroger la table de faits pour obtenir les membres de
la dimension Time. Et si le champ de date de la table correspond
à n’importe quel type de données time (par ex., smalldatetime),
le Dimension Wizard d’Analysis Services et d’OLAP
Services, que vous utilisez pour créer des dimensions, détecte
que la dimension est peut-être du type Time et vous demande
de confirmer ce choix, comme l’illustre la figure 3. Après cette
confirmation, l’assistant vous aide à créer les niveaux de la dimension
Time (par ex., Year, Quarter, Month, Day), comme le
montre la figure 4. Vous pouvez également définir le premier
jour et le premier mois de l’année. Il s’agit par défaut du 1er
janvier.
par Yoram Levin
Téléchargez cette ressource
Mac en entreprise : le levier d’un poste de travail moderne
Ce livre blanc répond aux 9 questions clés des entreprises sur l’intégration du Mac : sécurité, compatibilité, gestion, productivité, coûts, attractivité talents, RSE et IA, et l’accompagnement sur mesure proposé par inmac wstore.
Les articles les plus consultés
- ActiveViam fait travailler les data scientists et les décideurs métiers ensemble
- Stockage autonome, Evolutivité & Gestion intelligente, Pure Storage offre de nouvelles perspectives aux entreprises
- 10 grandes tendances Business Intelligence
- La blockchain en pratique
- Databricks lève 1 milliard de dollars !
Les plus consultés sur iTPro.fr
- CRM et souveraineté : le choix technologique est devenu un choix politique
- France : la maturité data devient le moteur du retour sur investissement de l’IA
- Cloud et IA : une maturité en retard face à l’explosion des usages
- On ne peut pas gouverner ce qu’on ne peut pas voir : pourquoi la visibilité doit-elle passer avant la gouvernance en matière de sécurité des identités ?
Articles les + lus
ADI, l’infrastructure de données de Scality pensée pour l’ère de l’IA et de la souveraineté
Faire évoluer la souveraineté des données du statut d’ambition politique à son application opérationnelle
Fuites de données : la France, 2ème pays le plus touché au monde début 2026
Redéfinir la confiance à l’ère de l’IA agentique : les entreprises sont-elles prêtes pour le SOC autonome ?
Les défaillances des pipelines de données pèsent lourdement sur la performance des grandes entreprises
À la une de la chaîne Data
- ADI, l’infrastructure de données de Scality pensée pour l’ère de l’IA et de la souveraineté
- Faire évoluer la souveraineté des données du statut d’ambition politique à son application opérationnelle
- Fuites de données : la France, 2ème pays le plus touché au monde début 2026
- Redéfinir la confiance à l’ère de l’IA agentique : les entreprises sont-elles prêtes pour le SOC autonome ?
- Les défaillances des pipelines de données pèsent lourdement sur la performance des grandes entreprises
