A la différence d'un entrepôt, un magasin de données sert à effectuer une ou plusieurs fonctions bien définies pour certains utilisateurs. Etant constitués de résultats précalculés et contenant généralement moins de données, les magasins de données sont beaucoup plus rapides que les entrepôts. Ce qui n'empêche pas de les installer
DataMarts
parfois sur des serveurs dédiés pour éviter la contention avec les systèmes de
production. De plus, la plupart des magasins de données pratiquent le traitement
analytique en ligne (OLAP : OnLine Analytical Processing) pour réduire les temps
de réponse. Je distingue deux types de magasins de données : d’historique et de
production.
Les magasins de données d’historique accèdent en principe aux données uniquement
à partir d’une entrepôt de données (et pas à partir d’un système de production)
pour révéler de vastes tendances. On pourrait par exemple utiliser un magasin
de données d’historique pour déceler des courbes, créer des profils de clients,
ou projeter des ventes d’après les chiffres précédents. Les magasins de données
d’historique stockent généralement les données dans un format “ cubique ” avec
valeurs précalculées et dimensions prédéfinies (ce type d’architecture OLAP multidimensionnelle
est également dénommée MOLAP ou MD-OLAP.)
Un cube contient une matrice d’informations précalculées et est généralement comprimé
pour éliminer les cellules vides. En raison du temps de chargement que nécessite
ce type de cube, il n’est pas pratique de procéder à des mises à jour régulières
de celui-ci. Par conséquent, tout traitement OLTP nécessitant les toutes dernières
données doit s’effectuer directement à partir des fichiers de production, et non
à partir d’un cube de données. En revanche, un magasin de données peut être rafraîchi
en permanence avec des données provenant d’un système de production. Je les appelle
alors magasins de données de production.
Les magasins de données de production utilisent les données d’un entrepôt ainsi
que celles d’un système de production pour procéder aux analyses exigeant des
données récentes. Contrairement aux magasins de données d’historique, les magasins
de données de production sont continuellement rafraîchis avec des données opérationnelles.
En général, les systèmes OLTP offrent quelques fonctionnalités analytiques, mais
en combinant les données d’historique et les données courantes, les magasins de
données de production autorisent des analyses à la fois plus larges et plus poussées.
Il est donc logique que le magasin de données de production précède le magasin
de données d’historique : la gestion au jour le jour doit avoir priorité sur la
planification future. Mais, parfois, cette règle empirique conduit tout simplement
à mettre en oeuvre n’importe quel magasin de données d’abord, puis à migrer sur
un entrepôt de données ; une stratégie risquée sur le plan financier en cas de
mauvaise planification de l’architecture de l’entrepôt de données
Téléchargez cette ressource
Les 10 tendances clés de l’Expérience Client (CX) pour 2025
Dans le contexte actuel, l'expérience client est un levier clé de réussite. Pour rester compétitives, les entreprises doivent adopter des stratégies CX audacieuses, en s'appuyant sur le cloud, le digital et l'IA. Alors quelles stratégies mettre en place pour garder une longueur d’avance ?
Les articles les plus consultés
Les plus consultés sur iTPro.fr
- AI Speech double toutes vos vidéos !
- Finance : l’IA générative plébiscitée pour les décisions stratégiques
- Cybersécurité : les comportements à risque des collaborateurs
- Prédictions 2025 : voici comment l’intelligence artificielle va redéfinir la sécurité de 3 façons
- Top 5 des technologies à suivre en 2025 et au-delà !