SQL Server 2005 Analysis Services utilise des dimensions à base d’attributs, de telle sorte que chaque attribut d’une dimension est traité automatiquement en tant que hiérarchie autonome. Désormais, vous pouvez employer la couche des métadonnées qui définit les cubes Analysis Services (le modèle dimensionnel unifié ou UDM) afin de spécifier une dimension client au lieu d’une demi-douzaine de dimensions séparées artificiellement. Un avantage de cette prise en charge plus poussée de l’approche dimensionnelle est que les développeurs de systèmes de data warehouse et d’analyse décisionnelle (BI) n’ont plus besoin de convertir des techniques de modélisation dimensionnelle standard à la vision limitée des anciennes versions de SQL Server. Désormais, vous pouvez construire des dimensions qui représentent de manière réaliste le mode de fonctionnement de votre activité et sont capables d’évoluer en phase avec celle-ci. L’objet de cet article est de définir les modèles dimensionnels, de décrire les éléments de base et les techniques qui les prennent en charge, et de proposer une architecture de données de type dimensionnel pour votre système de data warehouse et d’analyse décisionnelle.
Les bases de la modélisation dimentionelle
Que recouvre le concept de modélisation décisionnelle ? A la base, un modèle dimensionnel contient deux types d’entrées : les faits et les dimensions. Nous conservons les mesures d’un processus métier donné au sein d’entités appelées tables de faits dans le jargon relationnel, ou groupes de mesures dans Analysis Services. Dans sa forme classique, une table de faits relationnelle contient des clés étrangères et des champs de faits numériques qui mesurent le processus métier. Globalement, une table de faits est une structure normalisée servant au stockage efficace et à l’accès rapide d’ensembles de données relationnelles volumineux.
Par exemple, de nombreuses entreprises ont un processus métier intitulé Orders (commandes), chargé du suivi des demandes des clients concernant les produits et les marchandises. La figure 1 illustre un modèle de table de faits OrderLineItems simplifié, reposant sur la base de données exemple AdventureWorks Cycles dans SQL Server 2005. Les trois champs numériques non définis en tant que clé dans la table de faits correspondent aux quantités, aux valeurs exprimées en dollars et aux coûts d’expédition des produits commandés : autrement dit, ils représentent les mesures du processus métier Orders. Les clés étrangères dans la table de faits OrderLineItems sont liées au deuxième type d’entité dimensionnelle, à savoir les tables de dimensions, qui seront abordées un peu plus loin.
Le niveau de détail de la table de faits est appelé sa granularité. Celle de la table de faits OrderLineItems illustrée à la figure 1 se situe au niveau article de ligne de commande. Plus la granularité est fine, ou plus le niveau de détail est bas, plus la flexibilité de votre modèle sera grande. Vous pouvez toujours remonter vers un niveau de données moins détaillé, mais il est impossible d’effectuer une exploration vers des niveaux détaillés si votre base de données initiale est dépourvue des détails en question. Notre équipe conçoit les tables de faits au niveau le plus détaillé possible, à savoir le niveau atomique. En fonction des volumes de données de votre entreprise et des besoins de performances de vos utilisateurs, vous ne pourrez peut-être pas proposer cette granularité au niveau atomique, mais prenez le temps d’expliquer aux utilisateurs ce qu’ils perdent en termes de flexibilité.
Téléchargez cette ressource
État des lieux de la réponse à incident de cybersécurité
Les experts de Palo Alto Networks, Unit 42 et Forrester Research livrent dans ce webinaire exclusif leurs éclairages et stratégies en matière de réponses aux incidents. Bénéficiez d'un panorama complet du paysage actuel de la réponse aux incidents et de sa relation avec la continuité de l'activité, des défis auxquels font face les entreprises et des tendances majeures qui modèlent ce domaine. Un état des lieux précieux pour les décideurs et professionnels IT.
Les articles les plus consultés
- L’utilisation des données pour survivre !
- Stockage autonome, Evolutivité & Gestion intelligente, Pure Storage offre de nouvelles perspectives aux entreprises
- ActiveViam fait travailler les data scientists et les décideurs métiers ensemble
- Databricks lève 1 milliard de dollars !
- Les projets d’intégration augmentent la charge de travail des services IT
Les plus consultés sur iTPro.fr
- Renouvellement des certificats SSL tous les 45 jours : une mise en œuvre impossible sans automatisation ?
- Palo Alto Networks s’engage sur la cyber solidarité
- Recrudescence des cyberattaques pilotées par l’IA
- Quelles salles de réunion renforcent la dynamique et la confiance d’équipe ?
- L’intelligence collective dans l’ère numérique
Sur le même sujet
10 grandes tendances Business Intelligence
Intelligence Artificielle : DeepKube sécurise en profondeur les données des entreprises
ActiveViam fait travailler les data scientists et les décideurs métiers ensemble
La blockchain en pratique
Les projets d’intégration augmentent la charge de travail des services IT
