Nous sommes désolés. Nous n'avons rien trouvé qui corresponde à votre recherche.

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 tapé, par exemple, essayez “application” au lieu de “logiciel”.
  • Lancer une nouvelle recherche.
Nous contacter Se connecter à Oracle Cloud

Qu’est-ce qu’un data mart ?

Une définition du data mart

Un data mart est une forme simple de data warehouse axé sur un seul sujet ou un seul secteur d'activité. Avec un data mart, les équipes peuvent accéder aux données et obtenir des informations plus rapidement, car elles n'ont pas besoin de temps pour effectuer la recherche dans un data warehouse plus complexe ou agréger manuellement les données de différentes sources.

Pourquoi créer un data mart ?

Un datamart facilite l'accès aux données requises par une équipe ou un secteur d'activité spécifique au sein de votre organisation. Par exemple, si votre équipe marketing recherche des données afin d'améliorer les performances des campagnes pendant les vacances, la recherche dans des données dispersées sur plusieurs systèmes et leur agrégation peuvent s'avérer coûteuses en termes de temps, de précision et, finalement, d'argent.

Les équipes qui sont contraintes de chercher leurs données dans différentes sources, se basent le plus souvent sur des feuilles de calcul pour partager ces données et collaborer. Cette approche provoque généralement des erreurs humaines, de la confusion, des rapprochements complexes et de multiples sources de vérité, ce que l'on appelle « l'enfer du tableur ». Les data marts sont devenus populaires pour la centralisation des données collectées et organisées avant la création des rapports, des tableaux de bord et des visualisations.

La différence entre les data marts, les data lakes et les data warehouses

Les data marts, les data lakes et les data warehouses permettent d'attendre des objectifs différents et de répondre à des besoins divergents.

Un data warehouse est un système de gestion des données conçu pour prendre en charge l'informatique décisionnelle et l'analytique de toute une entreprise. Data warehouses often contain large amounts of data, including historical data. Les données contenues dans un data warehouse proviennent généralement d’un large éventail de sources, telles que les journaux d’applications et les applications transactionnelles. Un data warehouse stocke des données structurées dont l'objectif est généralement bien défini.

Un data lake permet aux entreprises de stocker de grandes quantités de données structurées et non structurées (par exemple, à partir des réseaux sociaux ou des données de parcours de navigation) et de les mettre immédiatement à disposition pour les cas d'utilisation des analyses en temps réel, de la data science et du machine learning. Avec un data lake, les données sont incluses dans leur forme d'origine, sans modification.

La principale différence entre un lac de données et un entrepôt de données réside dans le fait que les lacs de données stockent de grandes quantités de données brutes, sans structure prédéfinie. Les entreprises n'ont pas besoin de connaître à l'avance comment les données seront utilisées.

Un data mart est une forme simple d'entrepôt de données qui se concentre sur un seul sujet ou un seul secteur d'activité, comme les ventes, les finances ou le marketing. Compte tenu de leur orientation, les data marts exploitent moins de sources que les data warehouses. Les sources de data mart peuvent inclure des systèmes opérationnels internes, un data warehouse central et des données externes.

Les avantages d'un data mart

Un data mart destiné à une équipe ou à un secteur d'activité offre plusieurs avantages :

  • Une source unique d'informations fiables. La nature centralisée d'un datamart permet à tous les membres d'un service ou d'une entreprise de prendre des décisions en se basant sur les mêmes données. Il s'agit d'un avantage de taille, car les données et les prévisions basées sur ces données sont fiables et les parties prenantes peuvent se concentrer sur la prise de décisions, au lieu de débattre de la qualité des données.
  • Accès plus rapide aux données. Des équipes d'entreprise et des utilisateurs spécifiques peuvent accéder rapidement au sous-ensemble de données dont ils ont besoin à partir du data warehouse de leur entreprise et l'associer à des données provenant d'autres sources. Une fois les connexions à leurs sources de données de leur choix établies, ils peuvent obtenir des données en direct à partir d'un datamart chaque fois que cela est nécessaire, sans avoir à accéder au service informatique pour obtenir des extraits périodiques. Les équipes commerciales et informatiques gagnent, ce faisant, en productivité
  • Meilleure visibilité permettant une prise de décision plus rapide. Alors qu'un entrepôt de données permet la prise de décisions au niveau de l'entreprise, un data mart permet l'analyse des données au niveau du service. Les analystes peuvent se concentrer sur des défis et opportunités spécifiques dans des domaines tels que la finance et les RH, et tirer plus vite des renseignements de leurs données, ce qui leur permet de prendre des décisions plus avisées et plus rapides
  • Implémentation plus simple et plus rapide. La configuration d'un data warehouse pour répondre aux besoins de l'ensemble de votre entreprise peut nécessiter beaucoup de temps et d'efforts. À l'inverse, un data mart se concentre sur les besoins de certaines équipes métier, qui ont besoin d'accéder à moins d'ensembles de données. Par conséquent, il est beaucoup plus simple et plus rapide à mettre en œuvre
  • Gestion des données agile et évolutive. Les data marts fournissent un système de gestion des données agile qui répond aux besoins de l'entreprise et qui permet notamment d'exploiter dans de nouvelles tâches les informations collectées lors de projets précédents. Les équipes peuvent mettre à jour et modifier leur data mart en fonction de leurs nouveaux projets d'analyse et des évolutions de ceux déjà en cours
  • Analyses éphémères. Certains projets d'analyse de données sont de courte durée, par exemple pour l'analyse spécifique des ventes en ligne pour une promotion de deux semaines avant une réunion d'équipe. Les équipes peuvent configurer rapidement un data mart pour réaliser un tel projet

La migration des data marts vers le cloud

Les équipes commerciales s'efforcent de gagner en agilité et de renforcer leurs connaissances sur les données afin de guider leur stratégie et d'améliorer la prise de décision au quotidien, mais elles croulent généralement sous une montagne de données. Les directeurs financiers passent en moyenne 2,24 heures par jour à passer au crible des feuilles de calcul. Bien que les équipes métiers se tournent généralement vers l'informatique pour obtenir de l'aide, les équipes informatiques peuvent avoir du mal à répondre aux demandes des utilisateurs en matière d'accès accru à des sources de données plus disparates, de volumes de données plus importants et de temps de requête plus rapides.

La configuration de data marts peut également être une préoccupation pour les équipes informatiques ayant déjà une charge de travail importante, car elles doivent gérer ces data marts de façon continue et assurer la sécurité des données. La migration de data marts vers le cloud aide à dissiper les préoccupations des équipes commerciales et informatiques en transférant les tâches d'administration et de sécurité vers le fournisseur de service cloud, ce qui réduit le besoin d'intervention manuelle et réduit les coûts opérationnels.

Comment Oracle Autonomous Database optimise les data marts cloud

Oracle propose une solution complète et en libre-service qui permet aux équipes métier d'obtenir les informations approfondies, fiables et basées sur les données dont elles ont besoin pour prendre des décisions rapides.

Les équipes métiers peuvent rapidement combiner toutes les données nécessaires à travers différentes sources et formats, y compris les données spatiales et de graphes, dans une base de données convergée afin de favoriser une collaboration sécurisée autour d'une source unique d'informations fiables fournie par les data marts. Les analystes peuvent facilement tirer parti des outils de données en libre-service et du machine learning intégré, sans aucun codage requis, pour accélérer le chargement, la transformation et la préparation des données, trouver automatiquement des tendances, faire des prédictions et obtenir des informations basées sur les données avec un lignage transparent.

La solution d'Oracle grâce à sa gouvernance et sa sécurité, permet aux services informatiques de réduire les risques. Les équipes informatiques peuvent en outre s’appuyer sur une approche simple, fiable et reproductible pour toutes les demandes d’analyse de données des services métier, ce qui améliore considérablement la productivité.

Oracle Autonomous Database pour l'analyse et l'entreposage de données automatise de manière intelligente le provisionnement, la configuration, la sécurisation, le réglage, le redimensionnement, l'application de correctifs, la sauvegarde et la réparation. Il élimine presque toutes les tâches manuelles et complexes qui peuvent être source d'erreurs humaines. Les outils de données intégrés permettent de charger des données en libre accès, de les transformer, de les modéliser et de les analyser automatiquement pour les data marts. Les administrateurs de bases de données peuvent passer de l’administration de base de données de routine à la conception de nouvelles applications et aider les services commerciaux à atteindre leurs objectifs. Les utilisateurs métier de la finance, des RH ou du marketing peuvent bénéficier d’un accès sécurisé aux données et de performances d’interrogation élevées et constantes quel que soit le nombre d’utilisateurs simultanés, même aux heures de pointe. Autonomous Database s'adapte automatiquement en fonction des besoins du workload, sans temps d'inactivité.