1 / 23

Du Data WareHouse au WebHouse : le croisement des réseaux et des bases de données

Du Data WareHouse au WebHouse : le croisement des réseaux et des bases de données. Samira Silhadi-Hacid Malika Tarafi. Sommaire. Des Bases de Données au Data Warehouse Du Data Warehouse au Data Webhouse. Aide à la décison en ligne. Evolution des systèmes d’aide à la décision. 1960.

aspen
Télécharger la présentation

Du Data WareHouse au WebHouse : le croisement des réseaux et des bases de données

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Du Data WareHouse au WebHouse : le croisement des réseaux et des bases de données Samira Silhadi-Hacid Malika Tarafi

  2. Sommaire • Des Bases de Données au Data Warehouse • Du Data Warehouse au Data Webhouse Aide à la décison en ligne

  3. Evolution des systèmes d’aide à la décision 1960 • Fichiers • Programmes (Cobol) • Rapports

  4. 1965 Beaucoup de fichiers • Complexité • Maintenance • Développement • Synchronisation des données • Matériel

  5. OLTP 1975 SSAD SGBD 1970 Base de données – ’’Source unique pour tous les traitements’’

  6. 1980 SAD OLTP PCs, Technologie 4GL

  7. 1985 OLTP Extracteur Pourquoi l’extraction ? - Performance - Contrôle

  8. ’’Attitude laissez-faire’’ 1990

  9. Problèmes : - Crédibilité des données - Productivité - Difficulté à transformer les données en information

  10. Localiser les données : 9-12 mois Obtenir les données : 15-24 mois Productivité Ex: Produire un rapport consolidé => Localiser les données => explorer de nombreux fichiers

  11. Solution! Changement dans l’approche

  12. SIG OLAP SAD Clients DM DM Administrateur Méta Données Entrepôt de Données Chargeurs Données externes Fichier BD Sources

  13. Marché estimé à plus de $20 Milliards avec une • progression de 10 à 20% par année. • 95% des 1000 grandes entreprises américaines équipées • d’un ED. Entrepôts de données Un entrepôt est défini comme un ensemble de données intégrées, variables dans le temps qui sont utilisées dans le processus d’aide à la décision. C’est une grosse base de données qui organise les données opérationnelles pour faciliter l’analyse.

  14. Aujourd’hui : • Volume de données généré par le Web important • ex.: Pages Microsoft analysées => plus de 1 Milliard • d’événements • Temps de réponse : le Web rend critique ’’ les temps • de réponse aux requêtes’’ Ces considérations vont changer la façon de concevoir et d’implanter les entrepôts de données. • Tout entrepôt de données doit être visible à partir des • interfaces de navigation du Web • Il est demandé à l’entrepôt de données d’enregistrer les • requêtes (manipulations) des clients et de les rendre • disponibles pour l’analyse Il y a dix ans : Le DW est une sorte de ressource pour la gestion. Il est interrogé de façon non urgente.

  15. Le Web est un laboratoire expérimental pour les entrepôts de données Quelques applications Le E-commerce : • Collection de données propres (récupérées • électroniquement) • Yahoo! 1 milliard de pages visitées par jour

  16. ’’Business Intelligence’’ Proposé par IBM, Microsoft, Oracle, … ’’Consolider la quantité gigantesque de données atomiques que les entreprises génèrent en information que les gens peuvent accéder, comprendre et utiliser’’ • Data Mining ’’Business Intelligence’’: présenter l’information dans des formats plus utiles, en utilisant des outils de visualisation avancés et des techniques d’IA Marché : $3.5M (2002)  $8.8M (2004)

  17. Exemple d’application : offres ciblées – offres personnalisées en temps réel. Vente de livres par amazon ED Traditionnel ED Comportements Achats précédents Recommandations EDTR ED Comportements Achats actuels Recommandations

  18. Autre BD Data Mining Webhouse Transfor- mateur Générateur de rapports Fichiers Logs Analyseur Rapports

  19. Possibilités pour le traitement de gros volumes de données Temps de traitement Fichiers Logs sur réseau Temps de traitement Fichiers Logs sur Même machine Taille Fichiers Logs 100 Mo 8 min 4 min 1 Go 44 min 23 min 2.5 Go 1h12min 48 min 5 Go 2h8min 1h32min Pentium III 700 MHz 1 Go RAM 100 Mbit Ethernet

  20. Système ’’Peer-to-Peer’’ (Application Wall Street) DW PC Serveur Application PC Données Marché PC PC PC

  21. Conclusion Internet : - Faciliter la gestion de la chaîne d’approvisionnement (Just-in-Time) • Faire passer l’OLAP du domaine de l’analyste au domaine du consommateur => aide à la décision sur Internet - Recherche de l’emploi - Achats, …

  22. Prochaine grande étape pour les entrepôts de données « Support des fonctions de planification collaborative » Unifier marketing, finance et opérations prévisions

  23. Bibliographie http://www.cs.toronto.edu/~mendel/dwbib.html http://www.dwinfocenter.org/ http://www.datawarehousingonline.com/ http://www.cio.com/research/data/ http://www.intelligententerprise.com/

More Related