SQL SERVER AS A SERVICE. Si vous êtes intéressé par les travaux du document merci de me contacter par mail aicha01galledou@gmail.com

1. Présenté par :
Aichétou Djimé
Gallédou
Sous la
direction de :
Mr. DEME

2. Sommaire
Introduction
1. C’est quoi SSAS ?
2. Concept de SSAS
3. Fonctionnement
4. Architecture SSAS
5. Démonstration
Conclusion

3. Introduction
 Rendre l’analyse des données flexible, facile
agréable et en un temps raisonnable aux utilisateur est
l’objectif de tous SGBD.
 Alors comment Sur SQL SERVER ceci est rendu
possible avec SSAS.

4. C’est quoi SSAS
 SQL SERVER Analysis Services (SSAS) est une
plateforme de stockage et de restitution de données
faisant partie de la suite décisionnelle
de Microsoft BI.
 Il est dédié principalement à la mise en place de
couches sémantiques appelées BISM <<Business
Intelligence Semantic Model>>

5. Concept de SSAS
Une couche BISM permet de simplier aux utilisateurs
l’accès aux données.
Il est sous deux formes:
 Un cube OLAP (OnLine Analytical Processing)
géré par le moteur OLAP de SSAS
 Un cube TABULAR gére par le moteur
xVelocity de SSAS

6. Les cubes OLAP
Ils sont caractérisés par:
 Analyser des données déjà agrégées et stockées selon les
besoins de l’utilisateur;
 Modéliser les données sous forme de dimensions et de mesures;
 Capacité à manipuler de gros volumes de données agrégées en
croissant différentes dimensions;
 Un cube OLAP utilise les fonctions classiques d’agrégation:
Min, Count, Sum mais peut être enrichi avec des calculs
spécifiques complexes;

7. Ils sont caractérisés par:
 Analyse des données <<in-memory>> ce qui permet
d’assurer des temps de réponse très réduits;
 Possibilité de ne pas charger les données en mémoires
et configurer le mode <<Direct Query>>;
 Modéliser les données sous forme de <<tableaux >>
liés avec des relations.
Les cubes <<TABULAR>> peuvent être
enrichis avec des calculs spécifiques.
Les cubes TABULAR

8. Un moteur data mining
 Data Mining <<Exploration de données>> est
également disponible, aidant dans le design, visuel et
créant des modèles d'exploration de données mettant
en place d’algorithmes.
 Intégrant ainsi des fonctions d’analyse de:
– Séries chronologiques;
– Segmentation;
– Scoring..

9. Fonctionnalités principales de
SSAS
 Création et gestion de couches
sémantiques(OLAP,..);
 Création d’indicateurs de performances;
 Création de calculs avancés(analyses temporelles,
analyses financières,..);
 Création de hiérarchies dans les dimensions;
 Gestion de rôles d’accès aux données;
 Data Mining (exploration de données);
 Restitution de données dans Excel.

10. Architecture
Chaussures
Sacs
Dimension Temps:
Dimension Adresse:
Dimension
Produit:
Dakar Louga Fatick
1T2017
2T2017
4T2017
3T2017
Indicateur de commande:
Sacs, Louga, 1T2017 : 30 unités
30 unités de sacs
vendu dans le
première
trimestre à Louga
30 unités de sacs
vendu dans le
première
trimestre à Louga

11. Démonstration

12. Conclusion