Qu’est-ce qu’un cube de donn\u00e9es ?<\/strong><\/h2>\n\n\n\nDans le domaine de la Business Intelligence, un cube de donn\u00e9es multidimensionnel<\/strong> est une structure de donn\u00e9es permettant d’organiser et d’analyser la data \u00e0 travers plusieurs dimensions de mani\u00e8re simultan\u00e9e. Il ne doit pas \u00eatre confondu avec un jeu de donn\u00e9es.<\/p>\n\n\n\nL\u00e0 o\u00f9 les bases de donn\u00e9es standards stockent la data dans des tableaux \u00e0 deux dimensions, les bases de donn\u00e9es multidimensionnelles sont divis\u00e9es en plusieurs dimensions<\/strong> qui repr\u00e9sentent les diff\u00e9rents aspects de la data, par exemple : les produits, les clients, les zones g\u00e9ographiques, le temps, etc.<\/p>\n\n\n\nPar ailleurs, un cube multidimensionnel est construit \u00e0 partir de plusieurs sources de donn\u00e9es<\/strong>. Une fois agr\u00e9g\u00e9e, la data est organis\u00e9e en dimensions et en mesures.<\/p>\n\n\n\nLes dimensions et mesures<\/strong><\/h3>\n\n\n\nUne dimension est un ensemble de modalit\u00e9s pouvant \u00eatre organis\u00e9es ou non selon une ou plusieurs hi\u00e9rarchies<\/strong>. En d’autres termes, il s\u2019agit d\u2019une donn\u00e9e filtrable et explorable, mais qui ne peut pas \u00eatre quantifi\u00e9e : par exemple, une date ou une zone g\u00e9ographique. <\/p>\n\n\n\n\n- Une dimension peut \u00eatre discr\u00e8te, ce qui signifie que ses membres (c’est-\u00e0-dire ses modalit\u00e9s) n\u2019ont pas d\u2019ordre particulier : par exemple, les r\u00e9gions d’un pays. <\/li>\n\n\n\n
- Elle peut aussi \u00eatre continue : dans ce cas, l\u2019ordre des modalit\u00e9s a une importance.<\/li>\n<\/ul>\n\n\n\n
Une mesure est une valeur num\u00e9rique qui repr\u00e9sente une grandeur<\/strong> : par exemple, le chiffre d\u2019affaires d’une entreprise ou le prix d\u2019un produit. Ce type de donn\u00e9e, qui joue un r\u00f4le central dans la Business Intelligence, a donc pour particularit\u00e9 d\u2019\u00eatre quantifiable. Tr\u00e8s utilis\u00e9es dans les repr\u00e9sentations graphiques, les mesures sont souvent associ\u00e9es avec des dimensions.<\/p>\n\n\n\nAinsi, l’utilisateur peut explorer le cube de donn\u00e9es en utilisant certaines combinaisons de dimensions<\/strong>. Cela lui permet d’obtenir des vues sp\u00e9cifiques de la data, mais aussi de r\u00e9aliser des analyses multidimensionnelles avanc\u00e9es.<\/p>\n\n\n\nLa hi\u00e9rarchie<\/strong><\/h3>\n\n\n\nLa hi\u00e9rarchie est une autre notion importante, puisqu’elle permet aux utilisateurs d’explorer plusieurs niveaux d’information et d’alterner entre une vue globale et une vue plus d\u00e9taill\u00e9e.<\/p>\n\n\n\n
En Business Intelligence, la hi\u00e9rarchie est une structure de donn\u00e9es permettant d’organiser les membres d’une dimension selon leur niveau de d\u00e9tail<\/strong>, ce qui simplifie l’analyse et la prise de d\u00e9cision. Par exemple, sur une dimension g\u00e9ographique, il est possible de visualiser la data par ville, par d\u00e9partement, par r\u00e9gion, par pays…<\/p>\n\n\n\nQu\u2019est-ce que la technologie OLAP ?<\/strong><\/h2>\n\n\n\nL’expression \u00ab\u00a0cube OLAP<\/strong>\u00a0\u00bb est largement r\u00e9pandue, \u00e0 tel point qu’il existe une confusion fr\u00e9quente entre le cube de donn\u00e9es et la technologie OLAP. En r\u00e9alit\u00e9, il s’agit de deux concepts bien distincts.<\/p>\n\n\n\nUn peu d’histoire : en 1993, l’informaticien britannique Edgar Frank Codd formule un ensemble de r\u00e8gles qu’il baptise OLAP (Online Analytical Processing)<\/strong>, une expression que l’on peut traduire en fran\u00e7ais par \u00ab\u00a0traitement analytique en ligne<\/strong>\u00ab\u00a0. Ses douze principes sont les suivants :<\/p>\n\n\n\n\n- Vue conceptuelle multidimensionnelle<\/li>\n\n\n\n
- Transparence <\/li>\n\n\n\n
- Constance des temps de r\u00e9ponse<\/li>\n\n\n\n
- Accessibilit\u00e9<\/li>\n\n\n\n
- Ind\u00e9pendance des dimensions<\/li>\n\n\n\n
- Architecture client-serveur<\/li>\n\n\n\n
- Acc\u00e8s multi-utilisateurs<\/li>\n\n\n\n
- Gestion des matrices creuses<\/li>\n\n\n\n
- Manipulation ais\u00e9e des donn\u00e9es<\/li>\n\n\n\n
- Pas de restrictions sur les op\u00e9rations inter et intra dimensions<\/li>\n\n\n\n
- Simplicit\u00e9 des rapports<\/li>\n\n\n\n
- Nombre illimit\u00e9 de dimensions et nombre illimit\u00e9 d’\u00e9l\u00e9ments sur les dimensions<\/li>\n<\/ol>\n\n\n\n
Consid\u00e9r\u00e9 comme l’un des pionniers de la gestion de bases de donn\u00e9es relationnelles, Codd a pos\u00e9 les bases de ce qui deviendra le cube de donn\u00e9es. En effet, son approche multidimensionnelle permet aux utilisateurs d’explorer la data selon diff\u00e9rentes perspectives<\/strong>, avec plusieurs niveaux de granularit\u00e9.<\/p>\n\n\n\n
L\u00e0 o\u00f9 les bases de donn\u00e9es standards stockent la data dans des tableaux \u00e0 deux dimensions, les bases de donn\u00e9es multidimensionnelles sont divis\u00e9es en plusieurs dimensions<\/strong> qui repr\u00e9sentent les diff\u00e9rents aspects de la data, par exemple : les produits, les clients, les zones g\u00e9ographiques, le temps, etc.<\/p>\n\n\n\n Par ailleurs, un cube multidimensionnel est construit \u00e0 partir de plusieurs sources de donn\u00e9es<\/strong>. Une fois agr\u00e9g\u00e9e, la data est organis\u00e9e en dimensions et en mesures.<\/p>\n\n\n\n Une dimension est un ensemble de modalit\u00e9s pouvant \u00eatre organis\u00e9es ou non selon une ou plusieurs hi\u00e9rarchies<\/strong>. En d’autres termes, il s\u2019agit d\u2019une donn\u00e9e filtrable et explorable, mais qui ne peut pas \u00eatre quantifi\u00e9e : par exemple, une date ou une zone g\u00e9ographique. <\/p>\n\n\n\n Une mesure est une valeur num\u00e9rique qui repr\u00e9sente une grandeur<\/strong> : par exemple, le chiffre d\u2019affaires d’une entreprise ou le prix d\u2019un produit. Ce type de donn\u00e9e, qui joue un r\u00f4le central dans la Business Intelligence, a donc pour particularit\u00e9 d\u2019\u00eatre quantifiable. Tr\u00e8s utilis\u00e9es dans les repr\u00e9sentations graphiques, les mesures sont souvent associ\u00e9es avec des dimensions.<\/p>\n\n\n\n Ainsi, l’utilisateur peut explorer le cube de donn\u00e9es en utilisant certaines combinaisons de dimensions<\/strong>. Cela lui permet d’obtenir des vues sp\u00e9cifiques de la data, mais aussi de r\u00e9aliser des analyses multidimensionnelles avanc\u00e9es.<\/p>\n\n\n\n La hi\u00e9rarchie est une autre notion importante, puisqu’elle permet aux utilisateurs d’explorer plusieurs niveaux d’information et d’alterner entre une vue globale et une vue plus d\u00e9taill\u00e9e.<\/p>\n\n\n\n En Business Intelligence, la hi\u00e9rarchie est une structure de donn\u00e9es permettant d’organiser les membres d’une dimension selon leur niveau de d\u00e9tail<\/strong>, ce qui simplifie l’analyse et la prise de d\u00e9cision. Par exemple, sur une dimension g\u00e9ographique, il est possible de visualiser la data par ville, par d\u00e9partement, par r\u00e9gion, par pays…<\/p>\n\n\n\n L’expression \u00ab\u00a0cube OLAP<\/strong>\u00a0\u00bb est largement r\u00e9pandue, \u00e0 tel point qu’il existe une confusion fr\u00e9quente entre le cube de donn\u00e9es et la technologie OLAP. En r\u00e9alit\u00e9, il s’agit de deux concepts bien distincts.<\/p>\n\n\n\n Un peu d’histoire : en 1993, l’informaticien britannique Edgar Frank Codd formule un ensemble de r\u00e8gles qu’il baptise OLAP (Online Analytical Processing)<\/strong>, une expression que l’on peut traduire en fran\u00e7ais par \u00ab\u00a0traitement analytique en ligne<\/strong>\u00ab\u00a0. Ses douze principes sont les suivants :<\/p>\n\n\n\n Consid\u00e9r\u00e9 comme l’un des pionniers de la gestion de bases de donn\u00e9es relationnelles, Codd a pos\u00e9 les bases de ce qui deviendra le cube de donn\u00e9es. En effet, son approche multidimensionnelle permet aux utilisateurs d’explorer la data selon diff\u00e9rentes perspectives<\/strong>, avec plusieurs niveaux de granularit\u00e9.<\/p>\n\n\n\nLes dimensions et mesures<\/strong><\/h3>\n\n\n\n
\n
La hi\u00e9rarchie<\/strong><\/h3>\n\n\n\n
Qu\u2019est-ce que la technologie OLAP ?<\/strong><\/h2>\n\n\n\n
\n
![\"\"](\"https:\/\/www.digdash.com\/wp-content\/uploads\/2024\/01\/cta-telecharger-42-1.png\")
<\/figure>\n<\/div>","protected":false},"featured_media":0,"template":"","category_gloss":[],"class_list":["post-20219","glossaire","type-glossaire","status-publish","hentry"],"acf":[],"yoast_head":"\n