Créer un Data Warehouse

1. Les caractéristiques principales

Un Data Warehouse se distingue par quatre caractéristiques clés qui en font un outil puissant pour l’analyse et la prise de décision :

1. Architecture Single Tier

L’architecture Single Tier ou One Tier, également connue sous le nom d’architecture à niveau unique, représente la configuration la plus élémentaire d’un Data Warehouse. Cette approche simpliste regroupe toutes les composantes essentielles - stockage des données, traitement et présentation - au sein d’un seul et même système ou serveur. Bien que cette configuration puisse sembler attrayante par sa simplicité apparente, elle présente des limitations significatives qui en font une option sous-optimale pour la plupart des projets analytiques modernes.

Dans cette configuration, les données sont extraites directement de leurs sources d’origine et copiées telles quelles dans le Data Warehouse, sans passer par des étapes intermédiaires de transformation ou d’optimisation. Cette approche « brute » signifie que les données ne sont pas préparées spécifiquement pour les besoins analytiques, ce qui peut compliquer leur exploitation ultérieure. Les outils de Business Intelligence se connectent directement à ce Data Warehouse centralisé pour générer des rapports et des tableaux de bord. Cette connexion directe, bien que simple à mettre en place, peut engendrer une charge de travail considérable sur le système unique, notamment lors de l’exécution de requêtes complexes ou de la génération de visualisations élaborées.

Malgré ses inconvénients, l’architecture One Tier présente certains avantages qui peuvent la rendre attrayante dans des contextes spécifiques. Sa simplicité de mise en œuvre est indéniable : avec tous les composants sur un seul système, l’installation et la configuration initiales sont relativement simples. Cette approche peut également se traduire par des coûts initiaux réduits, l’utilisation d’un seul serveur permettant de limiter les investissements matériels et logiciels au démarrage du projet. Pour les petites structures ou les projets de taille modeste, la centralisation peut également simplifier la maintenance et l’administration...

1. Méthodologie de design Inmon

La méthodologie Inmon, également connue sous le nom d’approche top-down, est une stratégie de conception de Data Warehouse qui prône une vision holistique et intégrée des données de l’entreprise. Développée par Bill Inmon, considéré comme le « père du data warehousing », cette approche se distingue par sa volonté de créer une source unique de vérité pour l’ensemble de l’organisation.

Au cœur de la méthodologie Inmon se trouve le concept d’Enterprise Data Warehouse (EDWH), un référentiel centralisé qui agrège et normalise les données provenant de l’ensemble des systèmes opérationnels de l’entreprise. L’EDWH est conçu selon un modèle de données d’entreprise normalisé, généralement jusqu’à la troisième forme normale (3NF), ce qui garantit une structure cohérente et minimise la redondance des données.

À partir de cet EDWH, des Data Marts thématiques sont ensuite dérivés pour répondre aux besoins spécifiques des différents départements ou domaines d’activité. Ces Data Marts sont considérés comme des sous-ensembles du Data Warehouse central, assurant ainsi une cohérence globale des données à travers l’organisation.

L’un des principaux avantages de la méthodologie Inmon réside dans sa capacité à fournir une vue unifiée et cohérente des données de l’entreprise. Cette approche facilite grandement la prise de décision stratégique en offrant une compréhension globale et fiable des activités de l’organisation. De plus, la normalisation des données dans l’EDWH permet une gestion efficace des mises à jour et des modifications, tout en optimisant l’espace de stockage.

Cependant, la mise en œuvre de la méthodologie Inmon peut s’avérer complexe et coûteuse, notamment pour les organisations de taille moyenne ou les projets nécessitant une mise en production rapide. Le temps et les ressources...

1. Les tables de faits (fact tables)

Les tables de faits sont au cœur de la modélisation dimensionnelle et contiennent les mesures quantitatives générées par les systèmes opérationnels de l’entreprise. Ces mesures sont essentielles pour l’analyse et la prise de décision, car elles permettent de créer des agrégations et de répondre à des questions clés sur les performances de l’entreprise.

Les tables de faits sont généralement identifiées par une clé primaire composite, formée par la combinaison des clés étrangères des tables de dimensions associées. Cette clé composite assure l’unicité de chaque enregistrement dans la table de faits et permet de lier les mesures aux dimensions correspondantes.

Types de colonnes de faits :

1. Star Schema (schéma en étoile)

Le Star Schema est le schéma le plus couramment utilisé dans la modélisation dimensionnelle. Sa structure simple et intuitive facilite l’organisation des données dans le Data Warehouse. Il se compose d’une table de faits centrale, entourée de tables de dimensions qui lui sont reliées par des clés étrangères.

Cette façon de construire sa base possède plusieurs avantages :

Par contre, cette structure n’est pas exempte de potentiels problèmes :

1. Prérequis

La première chose à faire pour créer ce datawarehouse est d’installer PostgreSQL et de créer une base de données vierge. À l’heure actuelle, la dernière version de PostgresSQL est la version 14, c’est celle que nous utiliserons dans ce projet.

Nous allons réaliser les actions suivantes :

sudo apt-get -y install postgresql-14 

postgres=# CREATE USER user WITH PASSWORD 'mot_de_passe'; 

postgres=# CREATE DATABASE projet OWNER user; 

postgres=# \l 
 
  Name    |  Owner   | Encoding |   Collate   |    Ctype    |   
Access privileges    
-----------+----------+----------+-------------+-------------+
----------------------- 
postgres  | postgres | UTF8     | fr_FR.UTF-8 | fr_FR.UTF-8 |  
projet    | user     | UTF8  ...