Modélisation en étoile

Principes de la modélisation en étoile Les enjeux stratégiques

• Lien entre la modélisation en étoile et le Data Warehouse
• Réponse efficace aux besoins d’analyse et aux besoins de repor­ting
• Pratiques de modélisation mises en œuvre par les infocentres
• Pourquoi ont-elles contribué à l’échec de certains d’entre eux ? 

Les notions fondamentales 

• Modèle en étoile et les modèles tradi­tionnels
• Les principes de la modélisation relationnelle et leur respect par le modèle en étoile
• Démarche de modélisation en étoile
• Les règles de conception d’un modèle en étoile 

Les concepts pratiques 

• Qu’est-ce qu’une étoile, que représente-t-elle ?
• Qu’est-ce qu’une dimension et un axe d’analyse ?
• Expression métier de la maîtrise d’ouvrage ?
• Information chiffrée d’une information référentielle
• Modèle dit « en étoile « et « un vrai « modèle en étoile ?
• Acquérir une vision pratique et critique sur le projet décisionnel ? 

Les points critiques 

• Gestion de l’évolution des référentiels et le changement des nomenclatures
• Les al­ternatives de modélisation
• Le modèle en flocon
• Le modèle hybride
• Bibliographie, une source de confusion ?
• Gestion de la performance des requêtes
• Anticipation des évolutions du modèle de données
• Estimer la volumétrie de l’entrepôt 

Modélisation des agrégats et des indi­cateurs Le besoin de décision 

• Évolution des besoins de décision
• Distin­guer un besoin de reporting d’un besoin d’analyse
• Recentrer les besoins des utili­sateurs autour du modèle d’information
• Modéliser des agrégats fonctionnels pour héberger les données opérationnelles et les indicateurs de synthèse
• Exemples de documents 

Les aspects organisationnels 

• Démarche de collaboration entre maî­trise d’ouvrage et maîtrise d’œuvre
• Orga­nisation de l’évolution des besoins métier
• Profils maîtrise d’ouvrage maîtrise d’œuvre à faire intervenir lors de la modélisation
• Rôle des experts métier, lesquels choisir ?
• Pourquoi un sponsor fonctionnel pour le projet ? 

Les pièges à éviter 

• Quand modéliser un agrégat ?
• Principe d’agrégation sous forme de « photos « dangereux sur le plan technique et inadapté sur le plan fonctionnel ?
• Éviter le foisonnement des tables agrégées dans le modèle de données ? 

Alimentation d’un modèle en étoile Ce qu’il faut savoir 

• Solutions d’alimentation
• Organisation du projet d’alimentation : les « reposi­tory «, les tables, les transformations, les objets, les flux, les connexions, les agrégations…
• Alimentation des étoiles multisources de données
• Spécifier l’alimentation d’une dimension et stratégies utilisées ?
• Alimentation d’un fait
• Utilisation d’un ODS (Operational Data Store)
• L’organisation des traitements dans la DSA (Data Staging Area)
• Mise en place des principes de « l’axe dynamique « et de « la fiche inconnue »
• Ordonnan­cement des flux d’alimentation des étoiles de détail, des agrégats et des indicateurs
• Fiabiliser les données contenues dans le Data Warehouse 

Restitution des informations d’un modèle en étoile Ce qu’il faut savoir 

• La restitution : le projet dans le projet
• Les outils décisionnels au service des fonctionnels
• Utiliser un outil de requête
• Quand passer à un outil « OLAP « d’ana­lyse multidimensionnelle ?
• Démarche adoptée pour le projet de restitution
• Les métadonnées d’un rapport 

Les pièges à éviter 

• Pourquoi les outils de requête peuvent devenir dangereux pour le projet ?
• Comment organiser la navigation entre le niveau agrégé et le niveau détaillé des informations ?
• Valeur ajoutée et écueils pour la mise en place d’un portail déci­sionnel 

Etude de cas 

• De nombreux exemples réels seront traités pour expliquer chaque aspect théorique de la modélisation en étoile
• Un cas réel de synthèse sera présenté le dernier jour
• Les modèles de données seront élaborés avec la participation active des stagiaires