Make your own free website on Tripod.com

lba_inc.jpg

Architecture entrepôt de données - Point de vue utilisateur

Accueil | Démo | CV et profil | Contactez-nous | Carte d'affaire | Clients
Architecture d'un entrepôt de données - composantes - point de vue utilisateur
 
Cet article explique les principales composantes nécessaires pour la mise en oeuvre d'un entrepôt de données en des termes compréhensibles par l'utilisateur.
 
Les ressources et les interfaces

La mise en œuvre et l’exploitation d’un entrepôt de données dans un entreprise nécessite trois types de ressources : L’équipe de soutient technique, les spécialistes d’entrepôt de données et les utilisateurs finaux.

L’équipe de soutient technique

L’équipe de soutient technique est celle qui s’occupe des environnements de développement et de production et des serveurs. Elle voit à l’installation et la gestion des bases de données, l’installation des serveurs Web et des outils d’exploitation. C’est dans cette équipe que l’on retrouve le DBA qui doit travailler en étroite collaboration avec les spécialistes des entrepôts de données.

Spécialiste d’entrepôt de données

Les spécialistes d'entrepôt de données ont les connaissances des données et des systèmes informatiques permettant l’exploitation des données. C’est cette équipe qui rend les données disponibles pour les utilisateurs finaux. Elle est responsable:

-          De définir le processus ETL où les données sont transformées de la banque de données opérationnelles à la banque de données informationnelle afin de les rendre exploitables.

-          Administrer la couche d’accès à l’information pour rendre les données de la base de données accessible à l’utilisateur final.

Les spécialistes de l'entrepôt de donneés de part leurs connaissances uniques des données de la banque de données et du domaine d’affaires, sont à même de faire les liens et transformations entre le système de saisit des données opérationnelles et le système d’exploitation des données informationnelles.

Transformation des données opérationnelles en données informationnelles par l’ETL

a_etl.gif

En effet la banque de données opérationnelles est un système conçu afin de saisir rapidement l’information unique : une transaction. Les tables de la base de données qui enregistre cette information sont donc des objets de la plus petite taille possible afin de minimiser la grosseur de la transaction, un système de paie peu compter quelques centaines de ces tables. Par exemple, lorsqu’une transaction de paie est enregistrée toutes les informations connexes comme la structure administrative, les définitions de l’employé, les avantages etc. sont déjà enregistrés dans des tables connexes. Il s’agit simplement de faire les liens, liens relationnelles qui se font dans les écrans de saisie, afin d’enregistrer toute ces informations pour la paie de l’employé. Cette façon de faire favorise donc la rapidité et l’efficacité de la saisit des données opérationnelles. Cependant elle rend difficile l’exploitation de grand volume de données nécessaires à l’exploitation informationnelle.

Il faut transformer cette banque de données opérationnelle en banque de données informationnelles. La banque de données informationnelles est dénormalisée. C'est-à-dire que la multitude de tables de données opérationnelles sont agrégées en quelques tables informationnelles qu’on appelle les dimensions et les faits. Les dimensions sont les axes d’analyse des données liées aux domaines d’affaires connus par l’utilisateur par exemple : l’employé, la structure ministérielle et le temps etc. Les faits sont de mesures comme la paie, l’absentéisme, l’ETC. Les faits sont analysés en les croisant avec les dimensions. C’est ce qui donne un modèle en étoile qui permet de croiser rapidement les dimensions avec les faits. L’ETL(C) (extraction, transformation and loading (chargement)) permet de définir un processus de transformation afin de transformer les banques de données opérationnelles en banque de données informationnelles. Le processus ETL est défini par les spécialistes de l'entrepôt de données et sera programmé lors de la mise en œuvre du projet.

Une fois la base donnée transformée en étoile, il est possible de relier cette étoile à un outil permettant de créer la couche d’accès à l’information ou même des cubes OLAP. L’utilisateur final créé ces propres rapports en accédant cette couche d’accès à l’information.

Modèle en étoile et couche d’accès à l’information

a_etoile_eul.gif

 La couche d’accès à l’information sert principalement à transformer le langage informatique du modèle étoile de la base de données en langage d’affaire propre à l’utilisateur. L’administrateur de la couche d’accès à l’information fait l’arrimage entre ce langage informatique et d’affaire dans la couche d’accès à l’information. La couche d’accès à l’information sert aussi à préparer pour l’utilisateur final des choix pour le niveau d’agrégats, de hiérarchie, de filtre. Elle permet aussi de sécuriser les données par la gestion de l’accès des regroupements de données en termes de domaines d’affaires. La gestion des privilèges sur l’accès et les fonctionnalités disponibles pour l’élaboration de rapports y est aussi contrôlée.

Une fois que les spécialistes du SSRHRT ont rendu les données disponibles via la couche d’accès à l’information, les données peuvent ensuite être exploitées par les utilisateurs finaux.

Les spécialistes du SSRHRT doivent donc avoir les outils nécessaires afin de consulter la base de données et les données qui y sont contenu. Ils doivent aussi avoir un outil leur permettant de construire la couche d’accès à l’information.

Utilisateur final

L’utilisateur final se sert de la couche d’accès à l’information afin de créer et distribuer ses rapports sous condition des accès et de privilèges accordé par l’administrateur de la couche d’accès à l’information.

Couche d’accès à l’information et outil d’élaboration de rapports

a_eul_rapport.gif

 À partir de la couche d’accès à l’information l’utilisateur final peut dans l’outil d’élaboration de rapport choisir les éléments de données décrits dans son propre langage d’affaire afin d’élaborer ses rapports. Il peut aussi faire des regroupements, tries, filtres, totaux, choisir entre différent type de présentation (matriciel, liste, graphique), exceptions et formats etc.

Cet outil et ces fonctionnalités d’élaboration de rapport doit-être disponible en mode web afin d’en facilité l’accès. L’utilisateur final peut y céduler des rapports lourds qui s’exécuteront pendant la nuit. Il peut partager ses rapports aux utilisateurs et les distribuer dans l’intra ou l’extranet. Il peut aussi les exporter en format texte, MS Excel, PDF et autres.

Pour plus de détails : mailto:francoisbouffard@yahoo.com

_______________________________________
Consultant Oracle architecte de données, DBA et entrepôts de données * Québec * Canada *
_______________________________________
***********Fin du Site*******
_______________________________________