Michael Tranchant - À la croisée des mondes décisionnel et géographique, le traitement spatial et analytique en ligne, plus communément nommé Spatial OLAP (SOLAP), permet la manipulation et l’exploitation de la dimension spatiale des informations contenues dans l’hypercube. Les outils de visualisation, quant à eux, constituent l’interface avec laquelle interagissent les utilisateurs sur tout système d’information, leur permettant un accès aux fonctionnalités d’interrogation de l’application ainsi qu’à l’affichage des résultats. Ces deux éléments, intégrés au sein d’une chaîne décisionnelle, offrent une solution complète pour l’exploration et la représentation de la perspective spatiale tout en profitant des capacités des outils OLAP. Dans cette version « cube », le prototype HyperAtlas3 exploite à la fois les capacités OLAP des systèmes décisionnels et permet un rendu cartographique des géométries stockées dans l’entrepôt de données.
At the crossroads of Business Intelligence and geographic worlds, Spatial On-Line Analytical Processing, more commonly known as Spatial OLAP (SOLAP), allows the manipulation and the exploitation of the spatial information contained in the hypercube. In information systems, users interact with visualization tools, which compose the interface, allowing them to access the application’s query functionalities and displaying capabilities. These two elements, integrated in a decision-making chain, provide a complete solution for exploring and representing the spatial perspective while enjoying the OLAP capabilities. In this “cube” version, the HyperAtlas3 prototype operates with both decision-making systems OLAP capabilities and allows a cartographic rendering of geometries that are stored in the data warehouse.
Betaleadership - ima digitalday - Digitalisation et méthodes collaboratives
Couplage d’un HyperCube SOLAP et d’un outil de visualisation
1. CONSERVATOIRE NATIONAL DES ARTS ET METIERS
CENTRE REGIONAL RHÔNE‐ALPES
CENTRE D'ENSEIGNEMENT DE GRENOBLE
MÉMOIRE
présenté par Michaël TRANCHANT
Ô É
CENTRE D ENSEIGNEMENT DE GRENOBLE
en vue d’obtenir le DIPLÔME D’INGÉNIEUR CNAM en INFORMATIQUE
Couplage d’un HyperCube SOLAPCouplage d un HyperCube SOLAP
et d’un outil de visualisation
Soutenu le 22 février 2013
M Eric Gressier‐Soudan
M Claude Genier
M Jean‐Pierre Giraudin
Président :
Membres :
M Jean Pierre Giraudin
M Jérôme Gensel
M Thierry Humbert
4. Contexte
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Contexte
É i ST• Équipe STeamer
• HyperAtlas
• Informatique géodécisionnelle
• Visualisation de l’information
• Directive INSPIRE
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 4 / 48
5. Contexte
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Contexte
• Objectifs du stage
– Tester les capacités SOLAP
– Visualiser les résultats sous différentes formes
– Déterminer l’apport de la BI pour HyperAtlasDéterminer l apport de la BI pour HyperAtlas
B i• Besoins
– Exploiter les capacités de l’informatique décisionnelle
• Multidimensionnalité
• Opérateurs spécifiques OLAP
– Croiser des types de données différentes
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 5 / 48
7. Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
C é il d’ id à l dé i i
Objectifs
• Créer un outil d’aide à la décision
• Croiser des données hétérogènes
• Répondre à plusieurs exigences
Simplicité– Simplicité
– Rapidité
Manipulation de gros volumes de données– Manipulation de gros volumes de données
– Fiabilité
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 7 / 48
9. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
Modèle multidimensionnel
• Répondre à un besoin analytique
• Croisement de dimensions pour l’étude d’un faitCroisement de dimensions pour l étude d un fait
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 9 / 48
10. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
Modèle multidimensionnel
• Répondre à un besoin analytique
• Croisement de dimensions pour l’étude d’un faitCroisement de dimensions pour l étude d un fait
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 10 / 48
12. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
OLAP : On‐line Analytical Processing
• [Codd et al.] suggère des règles pour définir OLAP, dont :
– MultidimensionnalitéMultidimensionnalité
– Croisement de dimensions
– Manipulation intuitive
• OLAP propose des opérateurs
– Tailler (Slice/Dice)
– Remonter/Forer (Roll Up / Drill Down)
Pi t (S )– Pivoter (Swap)
– Forer latéralement (Drill accross)
– Percer (Drill through)Percer (Drill through)
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 12 / 48
13. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
OLAP : On‐line Analytical Processing
• [Codd et al.] suggère des règles pour définir OLAP, dont :
– MultidimensionnalitéMultidimensionnalité
– Croisement de dimensions
– Manipulation intuitive
• OLAP propose des opérateurs
– Tailler (Slice/Dice)
– Remonter/Forer (Roll Up / Drill Down)
Pi t (S )– Pivoter (Swap)
– Forer latéralement (Drill accross)
– Percer (Drill through)Percer (Drill through)
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 13 / 48
Source : [Le Rubrus, 2009]
14. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
OLAP : On‐line Analytical Processing
• [Codd et al.] suggère des règles pour définir OLAP, dont :
– MultidimensionnalitéMultidimensionnalité
– Croisement de dimensions
– Manipulation intuitive
• OLAP propose des opérateurs
– Tailler (Slice/Dice)
– Remonter/Forer (Roll Up / Drill Down)
Pi t (S )– Pivoter (Swap)
– Forer latéralement (Drill accross)
– Percer (Drill through)Percer (Drill through)
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 14 / 48
Source : [Le Rubrus, 2009]
15. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
L d’i t ti d b (S)OLAP
MDX : MultiDimensional eXpressions
• Langage d’interrogation des « cubes (S)OLAP »
• Manipule six types primaires :
– Scalaires
i i hié hi– Dimensions et hiérarchies
– Niveaux
Membres– Membres
– n‐uplets
– Ensembles– Ensembles
• Axes d’étudeAxes d étude
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 15 / 48
16. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
MDX : MultiDimensional eXpressions
On désire connaître les ventes d’un supermarché en
f i d d li d f illfonction du type de client et par grandes familles
de produits, pour l’année 2012.
SELECTSELECT
([Produit].[GrandeFamilleProduit].MEMBERS) ON COLUMNS,
([Client].[Type].MEMBERS) ON ROWS
FROM [Vente][ ]
WHERE {([Temps].[2012])}
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 16 / 48
22. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
Spatial OLAP
OLAP
+
OLAP
Agrégation
Analyse
Forage
Pi ot
SIG
Modélisation du monde
réel
Cartographie
Pivot Analyse spatiale
SOLAP
Agrégation de données géospatiales
Affi h d é lAffichage des résultats sur carte
Forage et pivot sur carte
Analyse spatiale en ligne
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 22 / 48
23. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
Spatial OLAP
j• Enjeux
– Stockage des géométries
• Interpréter les géométries stockées en base de données
– Génération de cartes
P d é éh ibl• Passer un message adapté, correct et compréhensible
– Maîtriser spatialement les analyses
• But
– Exploiter pleinement la dimension spatiale des
données
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 23 / 48
24. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
Spatial OLAP
Filter
(
[Store].[All Stores].[USA].Children,
ST DistanceST_Distance
(
[Store].CurrentMember.Properties("geom"),
[Store].[All Stores].[USA].[CA].Properties("geom")
) < 500 km) < 500 km
)
24 / 48
Source carte : www.vecteezy.com
25. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
Spatial OLAP
Filter
(
[Store].[All Stores].[USA].Children,
ST DistanceST_Distance
(
[Store].CurrentMember.Properties("geom"),
[Store].[All Stores].[USA].[CA].Properties("geom")
) < 500 km) < 500 km
)
25 / 48
Source carte : www.vecteezy.com
26. Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Objectifs Architecture Modèle multidimensionnel OLAP MDX Visualisation OLAP spatial
Spatial OLAP
Filter
(
[Store].[All Stores].[USA].Children,
ST DistanceST_Distance
(
[Store].CurrentMember.Properties("geom"),
[Store].[All Stores].[USA].[CA].Properties("geom")
) < 500 km) < 500 km
)
26 / 48
Source carte : www.vecteezy.com
30. Pl
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Plan
• Contexte
• Informatique décisionnelle• Informatique décisionnelle
• HyperAtlas3
• Contexte
• Retours sur les travaux de l’UAB
• Entrepôtp
• Architecture logicielle
• Fonctionnement
• ClientClient
• Démonstration
• Conclusion et perspectives
30 / 48
• Conclusion et perspectives
Michaël Tranchant ‐ Mémoire CNAM22 février 2013
Rubik Earth : http://item.rakuten.co.jp/htdd/627326
31. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Contexte
• HyperAtlas
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 31 / 48
32. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Contexte
• HyperAtlas
– Fichiers propriétaires
– Application autonome
Idé H A l 3• Idées pour HyperAtlas3
– Utiliser les données de cubes
Exploiter les opérateurs de navigation OLAP– Exploiter les opérateurs de navigation OLAP
– Réutiliser l’existant cartographique
• But
– Croiser les données de types différents
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 32 / 48
33. T d
Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Travaux de
l’Université Autonome de Barcelone
• Equipe partenaire de STEAMER
l Université Autonome de Barcelone
Equipe partenaire de STEAMER
• Travaux situés sur la partie ETL
• Concept : rapporter tous les indicateurs et
toutes les géométries sur une grille detoutes les géométries sur une grille de
référence
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 33 / 48
34. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Principe des manipulations
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 34 / 48
35. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Dimensions d’analyse
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 35 / 48
36. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
hi é d i
Architecture logicielle
Une architecture composée de 4 tiers
– L’entrepôt de données
– Le serveur SOLAP
– Le serveur HyperAtlas3yp
– Le client HyperAtlas3
Entrepôt de
données
Serveur
SOLAP
Serveur et client
HyperAtlas3
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 36 / 48
37. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Communication
Échanges entre les différentes parties
SOAP
JDBC XMLA RMI HTTP
Entrepôt de données Serveur SOLAP Serveur et client HyperAtlas3
22 février 2013 37 / 48
38. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Communication
Échanges entre les différentes parties
SOAP
JDBC XMLA SOAP HTTP
Entrepôt de données Serveur SOLAP Serveur
HyperAtlas3
Client
HyperAtlas322 février 2013 38 / 48
39. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Multi‐sources
• Liens vers plusieurs serveurs (S)OLAP
• ou entrepôts de donnéesou entrepôts de données
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 39 / 48
40. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Fonctionnement
Interactions entre les briques logicielles
22 février 2013 40 / 48
41. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Client
i h li i• Rich Internet Application
• JSF + Primefaces + Primefaces Extension
• OLAP
– Pivot– Pivot
– Forage / Remontée
M i l ti i êt MDX– Manipulation via requête MDX
• Accès concurrentiel
• Manuel utilisateur
• MultilingueMultilingue
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 41 / 48
42. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Client
22 février 2013 42 / 48
43. Contexte UAB Entrepôt Architecture Fonctionnement Client Démonstration
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Démonstration
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 43 / 48
44. Pl
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Plan
• Contexte
• Informatique décisionnelle
• HyperAtlas3
• Conclusion et perspectives
• Réalisations
• Perspectives d’évolution
• Bilan personnel
44 / 48Michaël Tranchant ‐ Mémoire CNAM22 février 2013
Rubik Earth : http://item.rakuten.co.jp/htdd/627326
45. Bilan des réalisations Perspectives d’évolution Bilan personnel
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Bilan des réalisations
E l ti d l’i f ti dé i i ll• Exploration de l’informatique décisionnelle
• Application à la géographie• Application à la géographie
• Exploitation des opérateurs OLAP• Exploitation des opérateurs OLAP
• Manipulation de requêtes MDXManipulation de requêtes MDX
• Ajout de nouvelles représentations cartographiquesAjout de nouvelles représentations cartographiques
• Un prototype exploitable, mais perfectibleUn prototype exploitable, mais perfectible
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 45 / 48
46. Bilan des réalisations Perspectives d’évolution Bilan personnel
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Perspectives d’évolution
Eff t l l l é l bl ETL• Effectuer les calculs préalables par un ETL
• Compléter les métadonnées
• Améliorer le moteur cartographique
• Exploiter les opérateurs spatiaux SOLAP
• Contrôler la qualité des données et des requêtes
[Boulil, 2012][ ]
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 46 / 48
47. Bilan des réalisations Perspectives d’évolution Bilan personnel
Contexte Informatique décisionnelle HyperAtlas3 Conclusion et perspectives
Bilan personnel
• Immersion dans le monde de la recherche
• Informatique décisionnelle
• GéomatiqueGéomatique
• Réalisation d’un projet complet
Michaël Tranchant ‐ Mémoire CNAM22 février 2013 47 / 48
48. CONSERVATOIRE NATIONAL DES ARTS ET METIERS
CENTRE REGIONAL RHÔNE‐ALPES
CENTRE D'ENSEIGNEMENT DE GRENOBLECENTRE D ENSEIGNEMENT DE GRENOBLE
MÉMOIRE
présenté par Michaël TRANCHANT
Ô É
Couplage d’un HyperCube SOLAP
en vue d’obtenir le DIPLÔME D’INGÉNIEUR CNAM en INFORMATIQUE
Couplage d un HyperCube SOLAP
et d’un outil de visualisation
Soutenu le 22 février 2013
M Eric Gressier‐Soudan
M Claude Genier
M Jean‐Pierre Giraudin
Président :
Membres :
M Jean Pierre Giraudin
M Jérôme Gensel
M Thierry Humbert
49. Réfé
• [Briggs, 2009] Maps. (2009). In : Briggs S. Sean’s Website.
[ l ] bl h // l f b d / b / h
Références
– [en ligne] Disponible sur : http://personal.frostburg.edu/sbriggs0/maps.htm
• [Codd et al.] Codd E.F., Codd S.B & Salley C.T. (1993)
– Providing OLAP (On‐line Analytical Processing) to User‐Analysts : An IT mandate.
– [en ligne] Disponible sur : http://www.minet.uni‐jena.de/dbis/lehre/ss2005/sem_dwh/lit/Cod93.pdfg p p j _ p
• [Boulil,2012] Boulil K. (2012)
– Une Approche Automatisée basée sur des Contraintes d'Intégrité définies définies en UML et OCL pour la
Vérification de la Cohérence Logique dans les Systèmes SOLAP ‐ Applications dans le domaine agri‐
environnemental.
– Thèse en informatique, IRSTEA, Clermont‐Ferrand
• [Johnston, 2011] Life map. (2011). In : Johnston K. Culture and the Arts.
– [en ligne] Disponible sur : http://artsbeat.blogs.nytimes.com/2011/08/09/what‐digital‐maps‐can‐tell‐us‐about‐the‐american‐way/
[L b & Ch i 2008] L b G & Ch i C (2008)• [Lebrun & Charrier, 2008] Lebrun G. & Charrier C. (2008)
– Informatique décisionnelle.
– Cours Master CNAM UE NFE115
• [Le Rubrus, 2009] Le Rubrus B. (2009)[ , ] ( )
– Capacités de rendu cartographique autour des technologies SOLAP.
– Épreuve TEST, UEENG111, CNAM Rhône‐Alpes, 42p.
• [Meier, 2006] Meier A. (2006)
Introduction pratique aux bases de données relationnelles– Introduction pratique aux bases de données relationnelles.
– Seconde édition, Springer Editions, France, p.197‐203.
Michaël Tranchant ‐ Mémoire CNAM22 février 2013