Aucun résultat trouvé

Votre recherche n’a donné aucun résultat.

Nous vous suggérons d’essayer ce qui suit pour trouver ce que vous recherchez :

  • Vérifiez l’orthographe de votre recherche par mot clé.
  • Utilisez des synonymes pour le mot clé que vous avez saisi, par exemple, essayez « application » au lieu de « logiciel ».
  • Essayez l’une des recherches les plus utilisées ci-dessous.
  • Lancez une nouvelle recherche.
Questions fréquentes

Définition de l’entrepôt de données

Un entrepôt de données est un type de système de gestion de données conçu pour permettre et soutenir les activités de veille stratégique, en particulier l’analyse. Les entrepôts de données, qui sont uniquement destinés à l’exécution des interrogations et des analyses, contiennent souvent de grandes quantités de données historiques. Les données dans un entrepôt de données sont habituellement issues d’un large éventail de sources, tels les fichiers journaux des applications et les applications de transaction.

Un entrepôt de données centralise et consolide de grandes quantités de données provenant de plusieurs sources. Ses capacités analytiques permettent aux entreprises de tirer de précieuses analyses commerciales de leurs données afin d’améliorer le processus décisionnel. Au fil du temps, l’entreprise construit un dossier d’historique, qui peut présenter une valeur inestimable pour les spécialistes des données et les analystes d’affaires. En raison de ces capacités, un entrepôt de données peut être considéré comme une « source unique de vérité ».

En savoir plus sur Autonomous Data Warehouse

Un entrepôt de données typique inclut souvent les éléments suivants :

  • une base de données relationnelle pour stocker et gérer les données;
  • une solution d’extraction, de chargement et de transformation (ELT) afin de préparer les données pour l’analyse;
  • des capacités d’analyse statistique, de production de rapports et d’exploration de données;
  • des outils d’analyse client pour la visualisation et la présentation des données aux utilisateurs d’affaires;
  • d’autres applications d’analyses plus sophistiquées qui génèrent des renseignements utiles en appliquant des algorithmes de science des données et d’intelligence artificielle (IA).

Avantages d’un entrepôt de données

Les entrepôts de données offrent des avantages primordiaux et uniques pour les organisations afin de permettre d’analyser de grandes quantités de données et d’extraire beaucoup de valeur de celles-ci. En outre, ils permettent de maintenir un dossier d’historique.

Quatre caractéristiques uniques (décrites par William Inmon, l’informaticien considéré comme étant le père des entrepôts de données) permettent aux entrepôts de données d’offrir ces avantages primordiaux. Selon cette définition, les entrepôts de données sont axés

  • sur le sujet. Ils peuvent analyser les données sur un sujet particulier ou un secteur fonctionnel (comme les ventes).
  • Intégrés. Les entrepôts de données créent une meilleure uniformité parmi les différents types de données provenant de sources disparates.
  • Non volatiles. Une fois les données dans l’entrepôt de données, elles sont stables et ne changent pas.
  • Variation dans le temps. Une analyse d’entrepôt de données porte sur les changements au fil du temps.

Un entrepôt de données bien conçu réalisera des interrogations très rapidement, offrira un flux de données élevé et fournira suffisamment de souplesse pour les utilisateurs finaux afin de « décortiquer » les données ou de réduire le volume des données pour un examen plus approfondi afin de répondre à une grande variété de demandes, que ce soit à un haut niveau ou à un niveau très détaillé. Un entrepôt de données sert de fondement pour les environnements d’intelligence d’affaires intergiciels qui fournissent aux utilisateurs finaux des rapports, des tableaux de bord et d’autres interfaces.

Architecture d’un entrepôt de données

L’architecture d’un entrepôt de données est déterminée par les besoins spécifiques de l’organisation. Les architectures courantes comprennent, notamment :

  • Simplicité. Tous les entrepôts de données partagent une conception de base dans laquelle les métadonnées, les données sommaires et les données brutes sont stockées dans un référentiel central de l’entrepôt. Le référentiel est alimenté par des sources de données, d’une part; les utilisateurs finaux peuvent y accéder à des fins d’analyse, de production de rapports et d’exploration, d’autre part.
  • Simplicité, avec aire de stockage temporaire. Les données opérationnelles doivent être nettoyées et traitées avant d’être mises dans l’entrepôt. Bien que cela puisse être fait par programmation, plusieurs entrepôts de données ajoutent une aire de stockage temporaire pour les données avant qu’elles ne soient intégrées dans l’entrepôt de données afin d’en simplifier la préparation.
  • Topologie en étoile. L’ajout de dépôts de données entre le référentiel central et les utilisateurs finaux permet à l’organisation de personnaliser l’entrepôt de données afin de mieux servir divers secteurs d’activité. Lorsque les données sont prêtes à être utilisées, elles sont déplacées vers le dépôt de données approprié.
  • Bacs à sable. Les bacs à sable sont des régions privées, sécurisées et protégées qui permettent aux entreprises d’explorer rapidement, et de manière informelle, de nouveaux jeux de données ou de nouvelles façons d’analyser les données sans avoir à se conformer aux règles officielles et aux protocoles de l’entrepôt de données.

Évolution des entrepôts de données – des analyses de données à l’IA, en passant par l’apprentissage automatique

Lorsque les premiers entrepôts de données sont entrés en scène, vers la fin des années 1980, leur objectif était de faciliter le flux de données en provenance des systèmes opérationnels vers les systèmes de prise de décisions (DSS). Les premiers entrepôts de données nécessitaient une énorme quantité de redondance. La plupart des organisations disposaient de multiples environnements de DSS qui desservaient leurs utilisateurs variés. Bien que les environnements DSS utilisaient beaucoup les mêmes données, la collecte, le nettoyage et l’intégration des données étaient souvent reproduits pour chaque environnement.

Au fur et à mesure que les entrepôts de données ont gagné en efficacité, ils ont évolué. Ils sont passés des stockages d’informations qui prenaient en charge les plateformes d’intelligence d’affaires traditionnelles à des infrastructures d’analyse qui prennent en charge une grande variété d’applications, telles que les analyses opérationnelles et la gestion du rendement.

Les itérations des entrepôts de données ont progressé au fil du temps afin d’offrir plus de valeurs pour l’entreprise.

Étape Capacité Valeur commerciale
1 Production de rapports transactionnels Offre des informations relationnelles afin de créer des instantanés du rendement des affaires
2 Outils pour décortiquer les données, réaliser des interrogations ad hoc et profiter d’une intelligence d’affaires Étend les capacités pour des analyses plus profondes et plus robustes
3 Prédiction du rendement futur (exploration de données) Crée des visualisations et une intelligence d’affaires portée vers l’avenir
4 Analyses tactiques (spatiale, statistiques) Offre des « scénarios de simulation » pour des décisions pratiques et informées fondées sur une analyse plus complète
5 Stockage de plusieurs mois ou plusieurs années de données Stocke les données de seulement quelques semaines ou mois

Chacune de ces cinq étapes a exigé une variété grandissante de jeux de données. Les trois dernières étapes en particulier permettent de créer la nécessité d’une plus vaste gamme de données et de capacités d’analyse.

Aujourd’hui, l’intelligence artificielle et l’apprentissage automatique transforment la plupart des industries, des services et des actifs d’entreprise, et les entrepôts de données ne font pas exception. L’expansion de données massives et l’application des nouvelles technologies numériques sont les changements importants qui ont mené aux exigences et aux capacités des entrepôts de données.

Un entrepôt de données autonome est la dernière étape de cette évolution. Il offre aux entreprises la possibilité d’extraire encore plus de valeurs de leurs données, tout en réduisant les coûts et en améliorant la fiabilité et le rendement de l’entrepôt de données.

Apprenez-en plus sur les entrepôts de données autonomes et amorcez votre propre entrepôt de données autonome.

Entrepôts de données, dépôts de données et magasins de données d’opérations

Bien qu’ils aient des rôles similaires, les entrepôts sont différents des dépôts de données et des magasins de données d’opérations (ODS). Un dépôt de données répond aux mêmes fonctions qu’un entrepôt de données, mais dans une portée limitée, généralement pour un seul service ou secteur d’activité. Un dépôt de données est ainsi plus facile à établir qu’un entrepôt de données. Cependant, un dépôt de données peut présenter des problèmes de cohérence, car il peut être difficile de gérer et de contrôler l’uniformité des données dans plusieurs dépôts de données.

Les ODS ne prennent en charge que les opérations quotidiennes. De la sorte, leurs données historiques sont très limitées. Bien qu’ils fonctionnent très bien en tant que sources de données actuelles et qu’ils soient souvent utilisés comme tels par les entrepôts de données, les ODS ne prennent pas en charge les requêtes ayant un haut niveau d’historique.

Qu’est-ce qu’un entrepôt de données en nuage?

Un entrepôt de données en nuage utilise le nuage pour ingérer et stocker des données provenant de sources de disparates.

Les premiers entrepôts de données étaient construits sur des serveurs sur place. Ces entrepôts de données sur place continuent de présenter de nombreux avantages aujourd’hui. Dans certains cas, ils peuvent offrir une gouvernance, une sécurité et une rapidité accrues. Cependant, les entrepôts de données sur place ne sont pas aussi élastiques et ils nécessitent des prévisions complexes pour déterminer comment dimensionner l’entrepôt de données en fonction des besoins futurs. La gestion de ces entrepôts de données peut également être très complexe.

D’autre part, les entrepôts de données en nuage présentent certains avantages :

  • élasticité, avec calcul et stockage séparés;
  • capacité de mise à l’échelle, pour répondre aux besoins de calcul ou de stockage;
  • facilité d’utilisation;
  • facilité de gestion;
  • économies de coûts.

Les meilleurs entrepôts de données en nuage sont entièrement gérés et autonomes, ce qui garantit que même les débutants peuvent créer et utiliser un entrepôt de données en quelques clics seulement. En outre, la plupart des entrepôts de données en nuage suivent un modèle de paiement à l’utilisation, ce qui permet aux clients de réaliser des économies supplémentaires.

Qu’est-ce qu’un entrepôt de données moderne?

Qu’ils fassent partie d’une équipe de TI, d’ingénierie des données, d’analyse commerciale ou de science des données, les différents utilisateurs de l’organisation ont des besoins différents en matière d’entrepôt de données.

Une architecture de données moderne répond à ces différents besoins en offrant un moyen de gérer tous les types de données, les charges de travail et les analyses. Il s’agit de modèles d’architecture dont les composants nécessaires sont intégrés pour fonctionner ensemble en conformité avec les pratiques exemplaires de l’industrie. L’entrepôt de données moderne comprend :

  • une base de données convergente qui simplifie la gestion de tous les types de données et offre différentes façons d’utiliser les données;
  • des services d’ingestion et de transformation de données en libre-service;
  • la prise en charge de SQL, de l’apprentissage automatique, des graphiques et du traitement spatial;
  • de multiples options d’analyse qui permettent d’utiliser facilement les données sans les déplacer;
  • une gestion automatisée pour un approvisionnement, une mise à l’échelle et une administration simples.

Un entrepôt de données moderne peut rationaliser efficacement les flux de données comme aucun autre entrepôt ne peut le faire. Cela signifie que chacun, des analystes et des ingénieurs de données aux scientifiques et aux équipes des TI, peut accomplir son travail plus efficacement et poursuivre les travaux innovants qui font avancer l’organisation, sans retard ni complexité innombrables.

Essayer Oracle Modern Data Warehouse avec un atelier gratuit.

Conception d’un entrepôt de données

Lorsqu’une entreprise procède à la création d’un entrepôt de données, elle doit commencer par définir ses besoins spécifiques, convenir de la portée et élaborer une définition de conception. L’organisation peut alors créer à la fois les conceptions logique et physique pour l’entrepôt de données. La conception logique traite des relations entre les objets et la conception physique concerne la meilleure façon d’entreposer et de récupérer les objets. La conception physique intègre également les processus de transport, de sauvegarde et de récupération des données.

Toutes les conceptions d’entrepôt de données doivent permettre :

  • du contenu de données spécifique;
  • des relations au sein des groupes de données et entre les groupes de données;
  • un environnement de systèmes qui aide les entrepôts de données;
  • les types de transformations de données requis;
  • une fréquence d’actualisation des données.

Un facteur important de la conception est les besoins des utilisateurs finaux. La plupart des utilisateurs finaux souhaitent effectuer des analyses et examiner les données dans leur ensemble, pas seulement les transactions individuelles. Mais souvent, les utilisateurs finaux ne savent pas vraiment ce qu’ils veulent, jusqu’à ce qu’un besoin particulier se présente. Ainsi, le processus de planification devrait inclure suffisamment de possibilités d’exploration afin d’anticiper les besoins. Enfin, la conception de l’entrepôt de données doit prévoir de l’espace pour l’expansion et la croissance afin de suivre le rythme de l’évolution des besoins des utilisateurs finaux.

Le nuage et les entrepôts de données

Les entrepôts de données en nuage offrent les mêmes caractéristiques et avantages que les entrepôts de données sur place, mais avec les avantages supplémentaires du nuage, notamment souplesse, extensibilité, agilité, sécurité et réduction des coûts. Les entrepôts de données en nuage permettent aux entreprises de se concentrer uniquement sur l’extraction de valeur de leurs données, plutôt que d’établir et de gérer l’infrastructure matérielle et logicielle sous-jacente à l’entrepôt de données.

Lire à propos d’Oracle Cloud et des entrepôts de données en nuage (PDF)

Ai-je besoin d’un lac de données?

Les organisations utilisent à la fois des lacs de données et des entrepôts de données pour les grands volumes de données provenant de diverses sources. Le choix du moment pour l’utilisation de l’une ou l’autre des solutions dépend de ce que l’entreprise a l’intention de faire avec les données. Ce qui suit décrit la meilleure utilisation pour ces types :

  • Les lacs de données stockent une abondance de données non filtrées disparates destinées à être utilisées plus tard pour un usage particulier. Les données provenant des applications liées au secteur d’activité, aux applications mobiles, aux réseaux sociaux et aux appareils IdO, sont saisies sous forme de données brutes dans un lac de données. La structure, l’intégrité, la sélection et le format des divers jeux de données sont élaborés au moment de l’analyse par la personne qui effectue l’analyse. Un lac de données peut être le choix idéal lorsque les organisations ont besoin d’un stockage à faible coût pour les données non structurées et non formatées provenant de sources multiples qu’ils prévoient utiliser pour un but précis plus tard.
  • Les entrepôts de données sont conçus spécialement pour analyser les données. Le traitement analytique au sein d’un entrepôt de données est effectué sur des données qui ont été préparées pour l’analyse; elles sont recueillies, contextualisées et transformées avec l’intention de générer des renseignements basés sur analyse. Les entrepôts de données sont également en mesure de gérer de grandes quantités de données provenant de diverses sources. Un entrepôt de données est probablement un bon choix lorsque les organisations ont besoin d’analyses avancées des données ou d’analyses de données historiques provenant de plusieurs sources de l’entreprise.

Pourquoi ne pas exécuter les analyses dans votre environnement OLTP?

Les entrepôts de données sont des environnements relationnels utilisés pour l’analyse des données, notamment les données historiques. Les organisations utilisent les entrepôts de données pour découvrir des tendances et des relations dans leurs données, qui se développent au fil du temps.

En revanche, les environnements transactionnels sont utilisés pour traiter les transactions sur une base continue et servent souvent pour l’entrée des renseignements financiers et les transactions du commerce de détail. Ils ne reposent pas sur des données historiques; en fait, dans des environnements OLTP, les données historiques sont souvent archivées ou simplement supprimées afin d’améliorer le rendement.

Les entrepôts de données et les systèmes OLTP diffèrent considérablement.

Entrepôt de données Système OLTP
Charge de travail Peut répondre à des demandes et à des analyses de données ad hoc Prend en charge seulement les opérations prédéfinies
Modifications des données Mises à jour automatiques sur une base régulière Mises à jour par les utilisateurs finaux émettant des relevés individuels
Conception du schéma Utilise des schémas dénormalisés pour optimiser le rendement Utilise des schémas entièrement normalisés pour garantir la cohérence des données
Balayage des données Compte des milliers, voire des millions de rangées Permet l’accès à seulement quelques enregistrements à la fois
Données historiques Stockage de plusieurs mois ou plusieurs années de données Stocke les données de seulement quelques semaines ou mois

Déploiement sans complexité : l’entrepôt de données autonome

La plus récente innovation associée aux entrepôts de données est l’entrepôt de données autonome, qui exploite l’IA et l’apprentissage automatique pour éliminer les tâches manuelles et simplifier la configuration, le déploiement et la gestion des données. La création d’un entrepôt de données, la sauvegarde, les mises à niveau, les correctifs, l’expansion ou la réduction de la base de données sont effectués automatiquement, avec la souplesse, l’extensibilité, l’agilité et la réduction de coûts propres aux plateformes en nuage.

La création d’un entrepôt de données, la sauvegarde, les mises à niveau, les correctifs, l’expansion ou la réduction de la base de données sont effectués automatiquement, avec les mêmes souplesse, extensibilité, agilité et réduction de coûts associées aux plateformes en nuage. Un entrepôt de données autonome élimine la complexité, facilite le déploiement et libère les ressources pour que les organisations puissent se concentrer sur les activités qui ajoutent de la valeur.

Oracle Autonomous Data Warehouse

Oracle Autonomous Data Warehouse est une solution d’entrepôt de données autonome facile à utiliser et entièrement autonome qui s’adapte facilement, offre des interrogations rapides et qui ne nécessite pas d’administration de base de données. La configuration d’Oracle Autonomous Data Warehouse est simple et rapide.

En savoir plus sur Oracle Autonomous Data Warehouse (PDF)