Analyse multidimensionnelle

1
Analyse multidimensionnelle

• Exemple
• quelles sont les ventes du produit X pendant le
  trimestre A de l année B dans la région C ?
• Si on veut comparer les ventes par rapport aux
  régions, aux catégories de produit et par
  trimestre ?

2
Analyse multidimensionnelle

• Etude des ventes en fonction de
• Région
• Catégorie
• trimestre

3
Analyse multidimensionnelle

• Région, catégorie et trimestre sont des axes
  danalyse ou dimension.
• Ces axes peuvent prendre plusieurs valeurs que
  lon appelle position

4
Analyse multidimensionnelle

• La variable à étudier  Ventes  est appelée FAIT
  ou INDICATEUR.

5
Analyse multidimensionnelle
TRIMESTRE
REGION
CATEGORIE
ventes
6
Analyse multidimensionnelle

• L'étude des ventes par TRIMESTRE est utile, mais
  reste restrictive.
• Si on nomme la dimension TRIMESTRE TEMPS, les
  positions de la dimension peuvent être jour,
  mois, trimestre voir année.
• Pour contrôler toutes les positions de la
  dimension temps, il faudra créer une hiérarchie.
  Les niveaux définissent la granularité de la
  hiérarchie.
• La hiérarchie temps aura quatre niveaux. Son
  grain le plus fon sera le jour.

7
Analyse multidimensionnelle

• Rôles des axes
• fournir des règles de calcul
• fournir des mécanismes de cheminement de
  linformation

8
Analyse multidimensionnelle
Total
Trim1
Trim 2

consolidation
Janvier
Février
Mars
Avril

9
Analyse multidimensionnelle

• Navigation dans le cube
• Le drill-down et drill-up
• Le drill through
• Drill accross
• Reach through

10
Analyse multidimensionnelle

• Lobjectif de lanalyse multidimensionnelle est
  la recherche de corrélation entre différentes
  dimensions sur les mesures représentant le passé,
  afin de prévoir lavenir par extrapolation.
• gt impossible sur des bases opérationnelles
• gt construction dun DW

11
Analyse multidimensionnelle

• Un datawarehouse stocke des informations
  stratégiques qui répondent à des questions telles
  que "Qui ?" et "Quoi " en s'appuyant sur des
  événements passés.
•  Quel est le chiffre d'affaires total pour le
  canton de Neuchâtel au premier trimestre ? 
• Si un DW se base généralement sur une technologie
  relationnelle, OLAP utilise une structure de
  données multidimensionnelles agrégées afin de
  permettre un accès rapide à des informations
  stratégiques.

12
Analyse multidimensionnelle

• OLAP et le datawarehouse sont donc
  complémentaires
• un datawarehouse stocke et gère les données.
• OLAP transforme ces données en informations
  stratégiques.
• Connaissance

13
Analyse multidimensionnelle

• Nécessité dun DW
• Très gros volume de données
• La création du cube serait trop longue
• Données hétérogènes
• Gros travail pour la base OLAP (pas optimisée)
• Gestion dhistoriques des données
  transactionnelles
• Éclatement géographique des données de production
• Bases de données distribuées