SlideShare une entreprise Scribd logo

exercices business intelligence

exercices business intelligence

1  sur  8
Télécharger pour lire hors ligne
Exercice 1
Les chiffres d’affaires réalisés par une entreprise. Faire une représentation du cu
Année n-1
Produit Autres
Informatique 6
Meubles 6
Photo 4
Année n-2
Produit Autres
Informatique 8
Meubles 10
Photo 6
Année n-3
Produit Autres
Informatique 4
Meubles 10
Photo 8
Exercice 2 Conception d’un entrepôt de données
TD Business Intelligence BI
LST IGI 2013/2014
Les chiffres d’affaires réalisés par une entreprise. Faire une représentation du cu
Particuliers professionnels
10 4
4 2
7 6
Particuliers professionnels
5 7
3 8
8 5
Particuliers professionnels
8 2
9 4
9 1
Exercice 2 Conception d’un entrepôt de données
1
Les chiffres d’affaires réalisés par une entreprise. Faire une représentation du cube OLAP.
Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale.
Cette entreprise vend des produits regroupés par familles de produits. Une vente
correspond à un produit et un seul ; la vente est effectuée par l’un des vendeurs d
de vente spécialisé dans le produit. La semaine de vente est le numéro de semaine dans
l’année. L’ED doit pouvoir fournir le chiffre d’affaires des ventes d’un produit, par date,
client, et vendeur, ainsi que toutes les sommations possibles de ch
Les objets de l’ED sont les suivants :
1) produit, caractérisé par : code_produit, code_famille
2) client, caractérisé par : code_client, nom, csp
3) vente, caractérisée par : date, code_produit, code
montant_de_vente
4) vendeur, caractérisé par : code_vendeur, nom, code_service
5) date, caractérisée par : semaine, mois, année
Questions
1. Donner les définitions des quatre termes suivants : table de faits, table de dimension,
indicateur, hiérarchie.
2. Schéma en étoile : tracer le schéma en étoile dimensionnel de l’ED, en précisant pour
chaque table sa nature dimensionnelle (table de faits ou table de dimension)
que la nature des champs.
3. Cube de données : Dans l’exemple traité, et représenté par le schéma en étoile, le cube
de données est un hyper cube à 4 dimensions :
Graphiquement, on peut dessiner en perspe
4 types. à quoi correspond chaque type?
4. Supposons un cube D représentant une
valeur de la variable date. Combien de tableaux à deux dimensions on peut ob
de D. En tout combien y a-t-il de types différents de tableaux à deux dimensions ?
Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale.
Cette entreprise vend des produits regroupés par familles de produits. Une vente
correspond à un produit et un seul ; la vente est effectuée par l’un des vendeurs d
de vente spécialisé dans le produit. La semaine de vente est le numéro de semaine dans
l’année. L’ED doit pouvoir fournir le chiffre d’affaires des ventes d’un produit, par date,
client, et vendeur, ainsi que toutes les sommations possibles de chiffre d’affaires.
Les objets de l’ED sont les suivants :
code_produit, code_famille
code_client, nom, csp (catégorie socio-professionnelle)
date, code_produit, code_client, code_vendeur,
code_vendeur, nom, code_service
semaine, mois, année (la date s’écrit par exemple 20020402
des quatre termes suivants : table de faits, table de dimension,
: tracer le schéma en étoile dimensionnel de l’ED, en précisant pour
chaque table sa nature dimensionnelle (table de faits ou table de dimension)
: Dans l’exemple traité, et représenté par le schéma en étoile, le cube
de données est un hyper cube à 4 dimensions : produit, client, vendeur, date.
Graphiquement, on peut dessiner en perspective 4 types de cubes à 3 dimensions. Définir les
4 types. à quoi correspond chaque type?
4. Supposons un cube D représentant une coupe de l’hypercube à 4 dimensions, selon une
. Combien de tableaux à deux dimensions on peut ob
il de types différents de tableaux à deux dimensions ?
2
Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale.
Cette entreprise vend des produits regroupés par familles de produits. Une vente
correspond à un produit et un seul ; la vente est effectuée par l’un des vendeurs du service
de vente spécialisé dans le produit. La semaine de vente est le numéro de semaine dans
l’année. L’ED doit pouvoir fournir le chiffre d’affaires des ventes d’un produit, par date,
iffre d’affaires.
professionnelle)
_client, code_vendeur,
(la date s’écrit par exemple 20020402
des quatre termes suivants : table de faits, table de dimension,
: tracer le schéma en étoile dimensionnel de l’ED, en précisant pour
chaque table sa nature dimensionnelle (table de faits ou table de dimension), ses clés, ainsi
: Dans l’exemple traité, et représenté par le schéma en étoile, le cube
produit, client, vendeur, date.
ctive 4 types de cubes à 3 dimensions. Définir les
de l’hypercube à 4 dimensions, selon une
. Combien de tableaux à deux dimensions on peut obtenir à partir
il de types différents de tableaux à deux dimensions ?
Exercice 3 Entrepôts de données
Une agence de voyage aimerait pouvoir analyser ses données afin de planifier de
campagnes de promotion auprès de
le nombre et le montant des ventes en fonction:
• De la destination: hôtel, ville, pays, région, catégorie de région (ex: bord de mer,
etc.), catégorie de destination (ex: familial ou non)
• De la date d'achat: jour de l'année, jour de la semaine, mois, année, saison
basse ou haute saison);
• De la date de départ: jour de l'année, jour de la semaine, mois, année, saison
(ex: basse ou haute saison);
• Du forfait: nombre de personnes, nombre de nuits, type de forfait (ex: tout inclus,
inclus, etc.), type de chambre (ex: standard, suite, penthouse, etc.) ;
• Du client: groupe d'âge, sexe, adresse, type d'acheteur (ex: nouv
• Du canal de vente: catégorie (ex: magasin, internet, etc.) ;
• De la promotion: catégorie (ex: 2 pour 1, rabais 10%, rabais 25%, etc.), début et
validité ;
• Du mode de paiement: catégorie (ex: crédit, comptant, etc.) ;
a) Proposez un schéma en étoile permettant de faire ces analyses. Identifiez clairement
clés primaires et étrangères des tables de faits et de dimension;
b) Identifiez, pour chaque table de dimension, une hiérarchie de niveaux de granularité
(e.g., attribut1 ← aCribut2 ← …) ;
Exercice 3 Entrepôts de données
Une agence de voyage aimerait pouvoir analyser ses données afin de planifier de
campagnes de promotion auprès de ses clients. Plus particulièrement, elle
le nombre et le montant des ventes en fonction:
• De la destination: hôtel, ville, pays, région, catégorie de région (ex: bord de mer,
etc.), catégorie de destination (ex: familial ou non), catégorie hôtel (ex: 1-
• De la date d'achat: jour de l'année, jour de la semaine, mois, année, saison
• De la date de départ: jour de l'année, jour de la semaine, mois, année, saison
• Du forfait: nombre de personnes, nombre de nuits, type de forfait (ex: tout inclus,
inclus, etc.), type de chambre (ex: standard, suite, penthouse, etc.) ;
• Du client: groupe d'âge, sexe, adresse, type d'acheteur (ex: nouveau, récurrent,
• Du canal de vente: catégorie (ex: magasin, internet, etc.) ;
• De la promotion: catégorie (ex: 2 pour 1, rabais 10%, rabais 25%, etc.), début et
• Du mode de paiement: catégorie (ex: crédit, comptant, etc.) ;
Proposez un schéma en étoile permettant de faire ces analyses. Identifiez clairement
clés primaires et étrangères des tables de faits et de dimension;
b) Identifiez, pour chaque table de dimension, une hiérarchie de niveaux de granularité
← aCribut2 ← …) ;
3
Une agence de voyage aimerait pouvoir analyser ses données afin de planifier de meilleures
ses clients. Plus particulièrement, elle aimerait analyser
• De la destination: hôtel, ville, pays, région, catégorie de région (ex: bord de mer, alpine,
4 étoiles) ;
• De la date d'achat: jour de l'année, jour de la semaine, mois, année, saison touristique (ex:
• De la date de départ: jour de l'année, jour de la semaine, mois, année, saison touristique
• Du forfait: nombre de personnes, nombre de nuits, type de forfait (ex: tout inclus, repas
eau, récurrent, etc.) ;
• De la promotion: catégorie (ex: 2 pour 1, rabais 10%, rabais 25%, etc.), début et fin de
Proposez un schéma en étoile permettant de faire ces analyses. Identifiez clairement les
b) Identifiez, pour chaque table de dimension, une hiérarchie de niveaux de granularité
Exercice 2 Conception d’un entrepôt de
données
Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale. Cette
entreprise vend des produits regroupés par familles de produits. Une vente correspond à un produit
et un seul ; la vente est effectuée par l’un des vendeurs du
produit. La semaine de vente est le numéro de semaine dans l’année. L’ED doit pouvoir fournir le
chiffre d’affaires des ventes d’un produit, par date, client, et vendeur, ainsi que toutes les
sommations possibles de chiffre d’affaires.
Les objets de l’ED sont les suivants :
1) produit, caractérisé par : code_produit, code_famille
2) client, caractérisé par : code_client, nom, csp
3) vente, caractérisée par : date, code_produit, code_
4) vendeur, caractérisé par : code_vendeur, nom, code_service
5) date, caractérisée par : semaine, mois, année
Questions
1. Donner les définitions des quatre termes suivants
hiérarchie.
2. Schéma en étoile : tracer le schéma en étoile dimensionnel de l’ED, en précisant pour chaque
table sa nature dimensionnelle (table de faits ou table de dimension), ses clés, ainsi que la na
champs.
3. Cube de données : Dans l’exemple traité, et représenté par le schéma en étoile, le cube de
données est un hyper cube à 4 dimensions :
dessiner en perspective 4 types de cubes à 3
chaque type?
2 Conception d’un entrepôt de
Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale. Cette
entreprise vend des produits regroupés par familles de produits. Une vente correspond à un produit
et un seul ; la vente est effectuée par l’un des vendeurs du service de vente spécialisé dans le
produit. La semaine de vente est le numéro de semaine dans l’année. L’ED doit pouvoir fournir le
chiffre d’affaires des ventes d’un produit, par date, client, et vendeur, ainsi que toutes les
ffre d’affaires.
Les objets de l’ED sont les suivants :
code_produit, code_famille
code_client, nom, csp (catégorie socio-professionnelle)
date, code_produit, code_client, code_vendeur, montant_de_vente
code_vendeur, nom, code_service
semaine, mois, année (la date s’écrit par exemple 20020402
des quatre termes suivants : table de faits, table de dimension, indicateur,
: tracer le schéma en étoile dimensionnel de l’ED, en précisant pour chaque
table sa nature dimensionnelle (table de faits ou table de dimension), ses clés, ainsi que la na
: Dans l’exemple traité, et représenté par le schéma en étoile, le cube de
données est un hyper cube à 4 dimensions : produit, client, vendeur, date. Graphiquement, on peut
dessiner en perspective 4 types de cubes à 3 dimensions. Définir les 4 types. à quoi correspond
4
2 Conception d’un entrepôt de
Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale. Cette
entreprise vend des produits regroupés par familles de produits. Une vente correspond à un produit
service de vente spécialisé dans le
produit. La semaine de vente est le numéro de semaine dans l’année. L’ED doit pouvoir fournir le
chiffre d’affaires des ventes d’un produit, par date, client, et vendeur, ainsi que toutes les
professionnelle)
client, code_vendeur, montant_de_vente
(la date s’écrit par exemple 20020402
: table de faits, table de dimension, indicateur,
: tracer le schéma en étoile dimensionnel de l’ED, en précisant pour chaque
table sa nature dimensionnelle (table de faits ou table de dimension), ses clés, ainsi que la nature des
: Dans l’exemple traité, et représenté par le schéma en étoile, le cube de
Graphiquement, on peut
dimensions. Définir les 4 types. à quoi correspond
4. Supposons un cube D représentant une
la variable date. Combien de tableaux à deux dimensions on peut obtenir à partir de D. En tou
combien y a-t-il de types différents de tableaux à deux dimensions ?
Correction
1.2
Ce schéma est caractéristique de la
plupart du temps mise en oeuvre dans la conception d’un ED. Un schéma en
être représenté sous forme de cube de données.
A partir de la base de données relationnelle figurée par notre schéma en étoile, il est possible de
développer un logiciel simple (à base de SQL par exemple) qui édite des sommes de« mon
vente », ou chiffres d’affaires (CA).
4. Supposons un cube D représentant une coupe de l’hypercube à 4 dimensions, selon une valeur de
. Combien de tableaux à deux dimensions on peut obtenir à partir de D. En tou
il de types différents de tableaux à deux dimensions ?
Ce schéma est caractéristique de la modélisation dimensionnelle (du nom des dimensions) la
plupart du temps mise en oeuvre dans la conception d’un ED. Un schéma en étoile peut également
cube de données.
A partir de la base de données relationnelle figurée par notre schéma en étoile, il est possible de
développer un logiciel simple (à base de SQL par exemple) qui édite des sommes de« mon
vente », ou chiffres d’affaires (CA).
5
de l’hypercube à 4 dimensions, selon une valeur de
. Combien de tableaux à deux dimensions on peut obtenir à partir de D. En tout
(du nom des dimensions) la
étoile peut également
A partir de la base de données relationnelle figurée par notre schéma en étoile, il est possible de
développer un logiciel simple (à base de SQL par exemple) qui édite des sommes de« montant de la
3.
Graphiquement, on peut dessiner en perspective 4 types de cubes à 3 dimensions :
A. client, vendeur, date (pour chaque valeur de produit)
B. produit, vendeur, date (pour chaque valeur de client)
C. produit, client, date (pour chaque valeur de vendeur)
D. produit, client, vendeur (pour chaque valeur de date)
Dans chaque cube, l’élément de base est l’
4. On peut tracer autant de cubes D qu’il y a de valeurs pour la variable
Un cube D représente une coupe
De même, on peut faire des coupes
obtient alors autant de tableaux à 2 dimensions (
A partir de D, on peut faire 3 types de tableaux à 2 dimensions :
(client, vendeur), (produit, vendeur
A partir de l’ensemble A, B, C, D, on peut faire en plus les 3 coupes qui gardent
(client, date), (produit, date), (vendeur, date
Graphiquement, on peut dessiner en perspective 4 types de cubes à 3 dimensions :
(pour chaque valeur de produit)
(pour chaque valeur de client)
(pour chaque valeur de vendeur)
(pour chaque valeur de date)
Dans chaque cube, l’élément de base est l’indicateur « montant de la vente ».
On peut tracer autant de cubes D qu’il y a de valeurs pour la variable date.
coupe de l’hypercube à 4 dimensions, selon une valeur de la variable
coupes du cube D pour toutes les valeurs de produit
obtient alors autant de tableaux à 2 dimensions (client, vendeur) qu’il y a de valeurs à
A partir de D, on peut faire 3 types de tableaux à 2 dimensions :
produit, vendeur), (client, produit)
ensemble A, B, C, D, on peut faire en plus les 3 coupes qui gardent date
vendeur, date),donc en tout 6 types de tableaux à 2 dimensions.
6
Graphiquement, on peut dessiner en perspective 4 types de cubes à 3 dimensions :
de l’hypercube à 4 dimensions, selon une valeur de la variable date.
produit, par exemple. On
) qu’il y a de valeurs à produit.
date
donc en tout 6 types de tableaux à 2 dimensions.

Recommandé

BigData_Chp4: NOSQL
BigData_Chp4: NOSQLBigData_Chp4: NOSQL
BigData_Chp4: NOSQLLilia Sfaxi
 
Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1Amal Abid
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleLilia Sfaxi
 
BigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-ReduceBigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-ReduceLilia Sfaxi
 
Cours Big Data Chap2
Cours Big Data Chap2Cours Big Data Chap2
Cours Big Data Chap2Amal Abid
 
T1 corrections-qcm
T1 corrections-qcmT1 corrections-qcm
T1 corrections-qcminfcom
 

Contenu connexe

Tendances

BigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceBigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceLilia Sfaxi
 
Conception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseConception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseAbderrahmane Filali
 
rapport de projet de fin d'étude_PFE
rapport de projet de fin d'étude_PFErapport de projet de fin d'étude_PFE
rapport de projet de fin d'étude_PFEDonia Hammami
 
TP1 Big Data - MapReduce
TP1 Big Data - MapReduceTP1 Big Data - MapReduce
TP1 Big Data - MapReduceAmal Abid
 
TP2-UML-Correction
TP2-UML-CorrectionTP2-UML-Correction
TP2-UML-CorrectionLilia Sfaxi
 
Projet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de donnéesProjet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de donnéesJean-Marc Dupont
 
Rapport pfe isi_Big data Analytique
Rapport pfe isi_Big data AnalytiqueRapport pfe isi_Big data Analytique
Rapport pfe isi_Big data AnalytiqueYosra ADDALI
 
Conception d’une plateforme web d’e-Commerce au sein d’une entreprise commerc...
Conception d’une plateforme web d’e-Commerce au sein d’une entreprise commerc...Conception d’une plateforme web d’e-Commerce au sein d’une entreprise commerc...
Conception d’une plateforme web d’e-Commerce au sein d’une entreprise commerc...Symphorien Niyonzima
 
Tp1 - Initiation à Java-Eclipse
Tp1 - Initiation à Java-EclipseTp1 - Initiation à Java-Eclipse
Tp1 - Initiation à Java-EclipseLilia Sfaxi
 
BigData_TP5 : Neo4J
BigData_TP5 : Neo4JBigData_TP5 : Neo4J
BigData_TP5 : Neo4JLilia Sfaxi
 
Business Intelligence : Transformer les données en information.
Business Intelligence : Transformer les données en information.Business Intelligence : Transformer les données en information.
Business Intelligence : Transformer les données en information.arnaudm
 
TD2 - UML - Correction
TD2 - UML - CorrectionTD2 - UML - Correction
TD2 - UML - CorrectionLilia Sfaxi
 
Intégration des données avec Talend ETL
Intégration des données avec Talend ETLIntégration des données avec Talend ETL
Intégration des données avec Talend ETLLilia Sfaxi
 
Rapport (Mémoire de Master) de stage PFE pour l’obtention du Diplôme Nationa...
Rapport (Mémoire de Master) de stage PFE pour  l’obtention du Diplôme Nationa...Rapport (Mémoire de Master) de stage PFE pour  l’obtention du Diplôme Nationa...
Rapport (Mémoire de Master) de stage PFE pour l’obtention du Diplôme Nationa...Mohamed Amine Mahmoudi
 
Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)Ines Ben Kahla
 
BigData_TP3 : Spark
BigData_TP3 : SparkBigData_TP3 : Spark
BigData_TP3 : SparkLilia Sfaxi
 
Présentation projet de fin d'étude
Présentation projet de fin d'étudePrésentation projet de fin d'étude
Présentation projet de fin d'étudeDonia Hammami
 
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...Hatim CHAHDI
 

Tendances (20)

BigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceBigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-Reduce
 
Conception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseConception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data Warehouse
 
rapport de projet de fin d'étude_PFE
rapport de projet de fin d'étude_PFErapport de projet de fin d'étude_PFE
rapport de projet de fin d'étude_PFE
 
TP1 Big Data - MapReduce
TP1 Big Data - MapReduceTP1 Big Data - MapReduce
TP1 Big Data - MapReduce
 
TP2-UML-Correction
TP2-UML-CorrectionTP2-UML-Correction
TP2-UML-Correction
 
Projet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de donnéesProjet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de données
 
Rapport pfe isi_Big data Analytique
Rapport pfe isi_Big data AnalytiqueRapport pfe isi_Big data Analytique
Rapport pfe isi_Big data Analytique
 
Conception d’une plateforme web d’e-Commerce au sein d’une entreprise commerc...
Conception d’une plateforme web d’e-Commerce au sein d’une entreprise commerc...Conception d’une plateforme web d’e-Commerce au sein d’une entreprise commerc...
Conception d’une plateforme web d’e-Commerce au sein d’une entreprise commerc...
 
Tp1 - Initiation à Java-Eclipse
Tp1 - Initiation à Java-EclipseTp1 - Initiation à Java-Eclipse
Tp1 - Initiation à Java-Eclipse
 
BigData_TP5 : Neo4J
BigData_TP5 : Neo4JBigData_TP5 : Neo4J
BigData_TP5 : Neo4J
 
Technologies pour le Big Data
Technologies pour le Big DataTechnologies pour le Big Data
Technologies pour le Big Data
 
Introduction au BIG DATA
Introduction au BIG DATAIntroduction au BIG DATA
Introduction au BIG DATA
 
Business Intelligence : Transformer les données en information.
Business Intelligence : Transformer les données en information.Business Intelligence : Transformer les données en information.
Business Intelligence : Transformer les données en information.
 
TD2 - UML - Correction
TD2 - UML - CorrectionTD2 - UML - Correction
TD2 - UML - Correction
 
Intégration des données avec Talend ETL
Intégration des données avec Talend ETLIntégration des données avec Talend ETL
Intégration des données avec Talend ETL
 
Rapport (Mémoire de Master) de stage PFE pour l’obtention du Diplôme Nationa...
Rapport (Mémoire de Master) de stage PFE pour  l’obtention du Diplôme Nationa...Rapport (Mémoire de Master) de stage PFE pour  l’obtention du Diplôme Nationa...
Rapport (Mémoire de Master) de stage PFE pour l’obtention du Diplôme Nationa...
 
Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)
 
BigData_TP3 : Spark
BigData_TP3 : SparkBigData_TP3 : Spark
BigData_TP3 : Spark
 
Présentation projet de fin d'étude
Présentation projet de fin d'étudePrésentation projet de fin d'étude
Présentation projet de fin d'étude
 
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
 

En vedette

MS Experiences 17 - Comment le contrôle de gestion améliore le pilotage de l’...
MS Experiences 17 - Comment le contrôle de gestion améliore le pilotage de l’...MS Experiences 17 - Comment le contrôle de gestion améliore le pilotage de l’...
MS Experiences 17 - Comment le contrôle de gestion améliore le pilotage de l’...Jean-Pierre Riehl
 
PFE BI - INPT
PFE BI - INPTPFE BI - INPT
PFE BI - INPTriyadadva
 
Projet BI - 1 - Analyse des besoins
Projet BI - 1 - Analyse des besoinsProjet BI - 1 - Analyse des besoins
Projet BI - 1 - Analyse des besoinsJean-Marc Dupont
 
Projet de fin d'études licence Pro TCF Université Ibn Zohr Agadir {Gestion de...
Projet de fin d'études licence Pro TCF Université Ibn Zohr Agadir {Gestion de...Projet de fin d'études licence Pro TCF Université Ibn Zohr Agadir {Gestion de...
Projet de fin d'études licence Pro TCF Université Ibn Zohr Agadir {Gestion de...HAFID Ait Bihi
 
Integration de donnees_etl
Integration de donnees_etlIntegration de donnees_etl
Integration de donnees_etlhoracio lassey
 

En vedette (10)

Qu'est-ce qu'un ETL ?
Qu'est-ce qu'un ETL ?Qu'est-ce qu'un ETL ?
Qu'est-ce qu'un ETL ?
 
MS Experiences 17 - Comment le contrôle de gestion améliore le pilotage de l’...
MS Experiences 17 - Comment le contrôle de gestion améliore le pilotage de l’...MS Experiences 17 - Comment le contrôle de gestion améliore le pilotage de l’...
MS Experiences 17 - Comment le contrôle de gestion améliore le pilotage de l’...
 
Rapport De PFE
Rapport De PFERapport De PFE
Rapport De PFE
 
PFE BI - INPT
PFE BI - INPTPFE BI - INPT
PFE BI - INPT
 
Rapport Projet de fin d’études
Rapport Projet de fin d’étudesRapport Projet de fin d’études
Rapport Projet de fin d’études
 
Projet BI - 1 - Analyse des besoins
Projet BI - 1 - Analyse des besoinsProjet BI - 1 - Analyse des besoins
Projet BI - 1 - Analyse des besoins
 
Projet de fin d'études licence Pro TCF Université Ibn Zohr Agadir {Gestion de...
Projet de fin d'études licence Pro TCF Université Ibn Zohr Agadir {Gestion de...Projet de fin d'études licence Pro TCF Université Ibn Zohr Agadir {Gestion de...
Projet de fin d'études licence Pro TCF Université Ibn Zohr Agadir {Gestion de...
 
Rapport PFE
Rapport PFERapport PFE
Rapport PFE
 
Le processus ETL (Extraction, Transformation, Chargement)
Le processus ETL (Extraction, Transformation, Chargement)Le processus ETL (Extraction, Transformation, Chargement)
Le processus ETL (Extraction, Transformation, Chargement)
 
Integration de donnees_etl
Integration de donnees_etlIntegration de donnees_etl
Integration de donnees_etl
 

Similaire à exercices business intelligence

BDD_Série TD 01.pdf
BDD_Série TD 01.pdfBDD_Série TD 01.pdf
BDD_Série TD 01.pdfimane26
 
Cours Marketing Produit - Analyse de marché
Cours Marketing Produit - Analyse de marchéCours Marketing Produit - Analyse de marché
Cours Marketing Produit - Analyse de marchéLoïc Charpentier
 
Vos produits vus par 1 million de visiteurs par jour sur cdiscount avec iziflux
Vos produits vus par 1 million de visiteurs par jour sur cdiscount avec izifluxVos produits vus par 1 million de visiteurs par jour sur cdiscount avec iziflux
Vos produits vus par 1 million de visiteurs par jour sur cdiscount avec izifluxGuilhem GLEIZES
 
3 Méthodes Innovantes pour Prédire le Chiffre d'Affaires de ses Points de Vente
3 Méthodes Innovantes pour Prédire le Chiffre d'Affaires de ses Points de Vente3 Méthodes Innovantes pour Prédire le Chiffre d'Affaires de ses Points de Vente
3 Méthodes Innovantes pour Prédire le Chiffre d'Affaires de ses Points de VenteGaligeo
 
Types de mandats réalisés
Types de mandats réalisésTypes de mandats réalisés
Types de mandats réalisésSophie Marchand
 
Modélisation d'affaires et outils de gestion
Modélisation d'affaires et outils de gestionModélisation d'affaires et outils de gestion
Modélisation d'affaires et outils de gestionSophie Marchand
 
Comment booster ses ventes sur les places de marché et réussir sa fin d'année
Comment booster ses ventes sur les places de marché et réussir sa fin d'annéeComment booster ses ventes sur les places de marché et réussir sa fin d'année
Comment booster ses ventes sur les places de marché et réussir sa fin d'annéeGuilhem GLEIZES
 
ETE Module 3 - Comment faire demarrer votre jeune entreprise
ETE Module 3 - Comment faire demarrer votre jeune entrepriseETE Module 3 - Comment faire demarrer votre jeune entreprise
ETE Module 3 - Comment faire demarrer votre jeune entreprisecaniceconsulting
 
Comment optimiser votre cycle de vente andré lavigne
Comment optimiser votre cycle de vente andré lavigneComment optimiser votre cycle de vente andré lavigne
Comment optimiser votre cycle de vente andré lavigneAQT-presentations
 
Webinar : 10 Conseils pour réussir votre projet de veille web et médias sociaux
Webinar : 10 Conseils pour réussir votre projet de veille web et médias sociauxWebinar : 10 Conseils pour réussir votre projet de veille web et médias sociaux
Webinar : 10 Conseils pour réussir votre projet de veille web et médias sociauxPaul-Louis Valat
 
Opérations d'animation commerciale
Opérations d'animation commercialeOpérations d'animation commerciale
Opérations d'animation commercialeQui est Jade
 

Similaire à exercices business intelligence (13)

BDD_Série TD 01.pdf
BDD_Série TD 01.pdfBDD_Série TD 01.pdf
BDD_Série TD 01.pdf
 
Cours Marketing Produit - Analyse de marché
Cours Marketing Produit - Analyse de marchéCours Marketing Produit - Analyse de marché
Cours Marketing Produit - Analyse de marché
 
Tp talend BI
Tp talend BITp talend BI
Tp talend BI
 
Vos produits vus par 1 million de visiteurs par jour sur cdiscount avec iziflux
Vos produits vus par 1 million de visiteurs par jour sur cdiscount avec izifluxVos produits vus par 1 million de visiteurs par jour sur cdiscount avec iziflux
Vos produits vus par 1 million de visiteurs par jour sur cdiscount avec iziflux
 
3 Méthodes Innovantes pour Prédire le Chiffre d'Affaires de ses Points de Vente
3 Méthodes Innovantes pour Prédire le Chiffre d'Affaires de ses Points de Vente3 Méthodes Innovantes pour Prédire le Chiffre d'Affaires de ses Points de Vente
3 Méthodes Innovantes pour Prédire le Chiffre d'Affaires de ses Points de Vente
 
Types de mandats réalisés
Types de mandats réalisésTypes de mandats réalisés
Types de mandats réalisés
 
chap3.pdf
chap3.pdfchap3.pdf
chap3.pdf
 
Modélisation d'affaires et outils de gestion
Modélisation d'affaires et outils de gestionModélisation d'affaires et outils de gestion
Modélisation d'affaires et outils de gestion
 
Comment booster ses ventes sur les places de marché et réussir sa fin d'année
Comment booster ses ventes sur les places de marché et réussir sa fin d'annéeComment booster ses ventes sur les places de marché et réussir sa fin d'année
Comment booster ses ventes sur les places de marché et réussir sa fin d'année
 
ETE Module 3 - Comment faire demarrer votre jeune entreprise
ETE Module 3 - Comment faire demarrer votre jeune entrepriseETE Module 3 - Comment faire demarrer votre jeune entreprise
ETE Module 3 - Comment faire demarrer votre jeune entreprise
 
Comment optimiser votre cycle de vente andré lavigne
Comment optimiser votre cycle de vente andré lavigneComment optimiser votre cycle de vente andré lavigne
Comment optimiser votre cycle de vente andré lavigne
 
Webinar : 10 Conseils pour réussir votre projet de veille web et médias sociaux
Webinar : 10 Conseils pour réussir votre projet de veille web et médias sociauxWebinar : 10 Conseils pour réussir votre projet de veille web et médias sociaux
Webinar : 10 Conseils pour réussir votre projet de veille web et médias sociaux
 
Opérations d'animation commerciale
Opérations d'animation commercialeOpérations d'animation commerciale
Opérations d'animation commerciale
 

Plus de Yassine Badri

Théorie de normalisation-base de données
Théorie de normalisation-base de donnéesThéorie de normalisation-base de données
Théorie de normalisation-base de donnéesYassine Badri
 
Conception des bases de données relationelles
Conception des bases de données relationellesConception des bases de données relationelles
Conception des bases de données relationellesYassine Badri
 
exercices Corrigées du merise
exercices Corrigées du  meriseexercices Corrigées du  merise
exercices Corrigées du meriseYassine Badri
 
La theorie des dependances et la normalisation des relations-base de données
La theorie des dependances et la normalisation des relations-base de donnéesLa theorie des dependances et la normalisation des relations-base de données
La theorie des dependances et la normalisation des relations-base de donnéesYassine Badri
 
base de données -note de cours
base de données -note de cours base de données -note de cours
base de données -note de cours Yassine Badri
 
cours j2ee -présentation
cours  j2ee -présentationcours  j2ee -présentation
cours j2ee -présentationYassine Badri
 
exercices base de données - sql
exercices  base de données - sql exercices  base de données - sql
exercices base de données - sql Yassine Badri
 
exercices gestion de stock
exercices gestion de stock exercices gestion de stock
exercices gestion de stock Yassine Badri
 
Exercice arbre de décision
Exercice arbre de décision Exercice arbre de décision
Exercice arbre de décision Yassine Badri
 
script site e-commerce -php
script site e-commerce -php script site e-commerce -php
script site e-commerce -php Yassine Badri
 
les servlets-java EE
les  servlets-java EEles  servlets-java EE
les servlets-java EEYassine Badri
 
.logistique gestion des stock
.logistique gestion des stock .logistique gestion des stock
.logistique gestion des stock Yassine Badri
 
cours base de données
cours base de donnéescours base de données
cours base de donnéesYassine Badri
 
les métiers d'informatique
les métiers d'informatiqueles métiers d'informatique
les métiers d'informatiqueYassine Badri
 
les métiers d'informatique
les métiers d'informatiqueles métiers d'informatique
les métiers d'informatiqueYassine Badri
 
Java chap 04 surcharge des méthodes [mode de compatibilité]
Java chap 04 surcharge des méthodes [mode de compatibilité]Java chap 04 surcharge des méthodes [mode de compatibilité]
Java chap 04 surcharge des méthodes [mode de compatibilité]Yassine Badri
 
Chap 03 poo en java partie2
Chap 03 poo en java partie2Chap 03 poo en java partie2
Chap 03 poo en java partie2Yassine Badri
 
Chap 03 poo en java partie1
Chap 03 poo en java partie1Chap 03 poo en java partie1
Chap 03 poo en java partie1Yassine Badri
 

Plus de Yassine Badri (20)

Théorie de normalisation-base de données
Théorie de normalisation-base de donnéesThéorie de normalisation-base de données
Théorie de normalisation-base de données
 
Conception des bases de données relationelles
Conception des bases de données relationellesConception des bases de données relationelles
Conception des bases de données relationelles
 
exercices Corrigées du merise
exercices Corrigées du  meriseexercices Corrigées du  merise
exercices Corrigées du merise
 
La theorie des dependances et la normalisation des relations-base de données
La theorie des dependances et la normalisation des relations-base de donnéesLa theorie des dependances et la normalisation des relations-base de données
La theorie des dependances et la normalisation des relations-base de données
 
base de données -note de cours
base de données -note de cours base de données -note de cours
base de données -note de cours
 
cours j2ee -présentation
cours  j2ee -présentationcours  j2ee -présentation
cours j2ee -présentation
 
exercices base de données - sql
exercices  base de données - sql exercices  base de données - sql
exercices base de données - sql
 
exercices gestion de stock
exercices gestion de stock exercices gestion de stock
exercices gestion de stock
 
Exercice arbre de décision
Exercice arbre de décision Exercice arbre de décision
Exercice arbre de décision
 
script site e-commerce -php
script site e-commerce -php script site e-commerce -php
script site e-commerce -php
 
Arbre de décision
Arbre de décisionArbre de décision
Arbre de décision
 
les servlets-java EE
les  servlets-java EEles  servlets-java EE
les servlets-java EE
 
.logistique gestion des stock
.logistique gestion des stock .logistique gestion des stock
.logistique gestion des stock
 
cours base de données
cours base de donnéescours base de données
cours base de données
 
Cours php
Cours php Cours php
Cours php
 
les métiers d'informatique
les métiers d'informatiqueles métiers d'informatique
les métiers d'informatique
 
les métiers d'informatique
les métiers d'informatiqueles métiers d'informatique
les métiers d'informatique
 
Java chap 04 surcharge des méthodes [mode de compatibilité]
Java chap 04 surcharge des méthodes [mode de compatibilité]Java chap 04 surcharge des méthodes [mode de compatibilité]
Java chap 04 surcharge des méthodes [mode de compatibilité]
 
Chap 03 poo en java partie2
Chap 03 poo en java partie2Chap 03 poo en java partie2
Chap 03 poo en java partie2
 
Chap 03 poo en java partie1
Chap 03 poo en java partie1Chap 03 poo en java partie1
Chap 03 poo en java partie1
 

Dernier

Fabriquer une femme.Livre écrit par Marie Darrieussecq
Fabriquer une femme.Livre écrit par Marie DarrieussecqFabriquer une femme.Livre écrit par Marie Darrieussecq
Fabriquer une femme.Livre écrit par Marie DarrieussecqTxaruka
 
Marseille XIXe fiche de travail 2024.pdf
Marseille XIXe fiche de travail 2024.pdfMarseille XIXe fiche de travail 2024.pdf
Marseille XIXe fiche de travail 2024.pdfNadineHG
 
Modulation Fm Tp presentation avancée USTHB
Modulation Fm Tp presentation avancée USTHBModulation Fm Tp presentation avancée USTHB
Modulation Fm Tp presentation avancée USTHBUsaPlay2
 
Français langue étrangère: L'impératif présent 2024
Français langue étrangère: L'impératif présent 2024Français langue étrangère: L'impératif présent 2024
Français langue étrangère: L'impératif présent 2024Paulo Marques
 
Français langue étrangère: Le but et l'obligation 2024
Français langue étrangère: Le but et l'obligation 2024Français langue étrangère: Le but et l'obligation 2024
Français langue étrangère: Le but et l'obligation 2024Paulo Marques
 
Le langage n'est-il qu'un instrument de communication ? (V2)
Le langage n'est-il qu'un instrument de communication ? (V2)Le langage n'est-il qu'un instrument de communication ? (V2)
Le langage n'est-il qu'un instrument de communication ? (V2)Gabriel Gay-Para
 
DLAC 2024 - L’état de l’apprentissage électronique de la maternelle à la 12e ...
DLAC 2024 - L’état de l’apprentissage électronique de la maternelle à la 12e ...DLAC 2024 - L’état de l’apprentissage électronique de la maternelle à la 12e ...
DLAC 2024 - L’état de l’apprentissage électronique de la maternelle à la 12e ...Michael Barbour
 

Dernier (8)

Fabriquer une femme.Livre écrit par Marie Darrieussecq
Fabriquer une femme.Livre écrit par Marie DarrieussecqFabriquer une femme.Livre écrit par Marie Darrieussecq
Fabriquer une femme.Livre écrit par Marie Darrieussecq
 
Marseille XIXe fiche de travail 2024.pdf
Marseille XIXe fiche de travail 2024.pdfMarseille XIXe fiche de travail 2024.pdf
Marseille XIXe fiche de travail 2024.pdf
 
Modulation Fm Tp presentation avancée USTHB
Modulation Fm Tp presentation avancée USTHBModulation Fm Tp presentation avancée USTHB
Modulation Fm Tp presentation avancée USTHB
 
Français langue étrangère: L'impératif présent 2024
Français langue étrangère: L'impératif présent 2024Français langue étrangère: L'impératif présent 2024
Français langue étrangère: L'impératif présent 2024
 
Français langue étrangère: Le but et l'obligation 2024
Français langue étrangère: Le but et l'obligation 2024Français langue étrangère: Le but et l'obligation 2024
Français langue étrangère: Le but et l'obligation 2024
 
Le langage n'est-il qu'un instrument de communication ? (V2)
Le langage n'est-il qu'un instrument de communication ? (V2)Le langage n'est-il qu'un instrument de communication ? (V2)
Le langage n'est-il qu'un instrument de communication ? (V2)
 
Cours prothèse dentaire bac professionnel
Cours prothèse dentaire bac professionnelCours prothèse dentaire bac professionnel
Cours prothèse dentaire bac professionnel
 
DLAC 2024 - L’état de l’apprentissage électronique de la maternelle à la 12e ...
DLAC 2024 - L’état de l’apprentissage électronique de la maternelle à la 12e ...DLAC 2024 - L’état de l’apprentissage électronique de la maternelle à la 12e ...
DLAC 2024 - L’état de l’apprentissage électronique de la maternelle à la 12e ...
 

exercices business intelligence

  • 1. Exercice 1 Les chiffres d’affaires réalisés par une entreprise. Faire une représentation du cu Année n-1 Produit Autres Informatique 6 Meubles 6 Photo 4 Année n-2 Produit Autres Informatique 8 Meubles 10 Photo 6 Année n-3 Produit Autres Informatique 4 Meubles 10 Photo 8 Exercice 2 Conception d’un entrepôt de données TD Business Intelligence BI LST IGI 2013/2014 Les chiffres d’affaires réalisés par une entreprise. Faire une représentation du cu Particuliers professionnels 10 4 4 2 7 6 Particuliers professionnels 5 7 3 8 8 5 Particuliers professionnels 8 2 9 4 9 1 Exercice 2 Conception d’un entrepôt de données 1 Les chiffres d’affaires réalisés par une entreprise. Faire une représentation du cube OLAP.
  • 2. Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale. Cette entreprise vend des produits regroupés par familles de produits. Une vente correspond à un produit et un seul ; la vente est effectuée par l’un des vendeurs d de vente spécialisé dans le produit. La semaine de vente est le numéro de semaine dans l’année. L’ED doit pouvoir fournir le chiffre d’affaires des ventes d’un produit, par date, client, et vendeur, ainsi que toutes les sommations possibles de ch Les objets de l’ED sont les suivants : 1) produit, caractérisé par : code_produit, code_famille 2) client, caractérisé par : code_client, nom, csp 3) vente, caractérisée par : date, code_produit, code montant_de_vente 4) vendeur, caractérisé par : code_vendeur, nom, code_service 5) date, caractérisée par : semaine, mois, année Questions 1. Donner les définitions des quatre termes suivants : table de faits, table de dimension, indicateur, hiérarchie. 2. Schéma en étoile : tracer le schéma en étoile dimensionnel de l’ED, en précisant pour chaque table sa nature dimensionnelle (table de faits ou table de dimension) que la nature des champs. 3. Cube de données : Dans l’exemple traité, et représenté par le schéma en étoile, le cube de données est un hyper cube à 4 dimensions : Graphiquement, on peut dessiner en perspe 4 types. à quoi correspond chaque type? 4. Supposons un cube D représentant une valeur de la variable date. Combien de tableaux à deux dimensions on peut ob de D. En tout combien y a-t-il de types différents de tableaux à deux dimensions ? Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale. Cette entreprise vend des produits regroupés par familles de produits. Une vente correspond à un produit et un seul ; la vente est effectuée par l’un des vendeurs d de vente spécialisé dans le produit. La semaine de vente est le numéro de semaine dans l’année. L’ED doit pouvoir fournir le chiffre d’affaires des ventes d’un produit, par date, client, et vendeur, ainsi que toutes les sommations possibles de chiffre d’affaires. Les objets de l’ED sont les suivants : code_produit, code_famille code_client, nom, csp (catégorie socio-professionnelle) date, code_produit, code_client, code_vendeur, code_vendeur, nom, code_service semaine, mois, année (la date s’écrit par exemple 20020402 des quatre termes suivants : table de faits, table de dimension, : tracer le schéma en étoile dimensionnel de l’ED, en précisant pour chaque table sa nature dimensionnelle (table de faits ou table de dimension) : Dans l’exemple traité, et représenté par le schéma en étoile, le cube de données est un hyper cube à 4 dimensions : produit, client, vendeur, date. Graphiquement, on peut dessiner en perspective 4 types de cubes à 3 dimensions. Définir les 4 types. à quoi correspond chaque type? 4. Supposons un cube D représentant une coupe de l’hypercube à 4 dimensions, selon une . Combien de tableaux à deux dimensions on peut ob il de types différents de tableaux à deux dimensions ? 2 Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale. Cette entreprise vend des produits regroupés par familles de produits. Une vente correspond à un produit et un seul ; la vente est effectuée par l’un des vendeurs du service de vente spécialisé dans le produit. La semaine de vente est le numéro de semaine dans l’année. L’ED doit pouvoir fournir le chiffre d’affaires des ventes d’un produit, par date, iffre d’affaires. professionnelle) _client, code_vendeur, (la date s’écrit par exemple 20020402 des quatre termes suivants : table de faits, table de dimension, : tracer le schéma en étoile dimensionnel de l’ED, en précisant pour chaque table sa nature dimensionnelle (table de faits ou table de dimension), ses clés, ainsi : Dans l’exemple traité, et représenté par le schéma en étoile, le cube produit, client, vendeur, date. ctive 4 types de cubes à 3 dimensions. Définir les de l’hypercube à 4 dimensions, selon une . Combien de tableaux à deux dimensions on peut obtenir à partir il de types différents de tableaux à deux dimensions ?
  • 3. Exercice 3 Entrepôts de données Une agence de voyage aimerait pouvoir analyser ses données afin de planifier de campagnes de promotion auprès de le nombre et le montant des ventes en fonction: • De la destination: hôtel, ville, pays, région, catégorie de région (ex: bord de mer, etc.), catégorie de destination (ex: familial ou non) • De la date d'achat: jour de l'année, jour de la semaine, mois, année, saison basse ou haute saison); • De la date de départ: jour de l'année, jour de la semaine, mois, année, saison (ex: basse ou haute saison); • Du forfait: nombre de personnes, nombre de nuits, type de forfait (ex: tout inclus, inclus, etc.), type de chambre (ex: standard, suite, penthouse, etc.) ; • Du client: groupe d'âge, sexe, adresse, type d'acheteur (ex: nouv • Du canal de vente: catégorie (ex: magasin, internet, etc.) ; • De la promotion: catégorie (ex: 2 pour 1, rabais 10%, rabais 25%, etc.), début et validité ; • Du mode de paiement: catégorie (ex: crédit, comptant, etc.) ; a) Proposez un schéma en étoile permettant de faire ces analyses. Identifiez clairement clés primaires et étrangères des tables de faits et de dimension; b) Identifiez, pour chaque table de dimension, une hiérarchie de niveaux de granularité (e.g., attribut1 ← aCribut2 ← …) ; Exercice 3 Entrepôts de données Une agence de voyage aimerait pouvoir analyser ses données afin de planifier de campagnes de promotion auprès de ses clients. Plus particulièrement, elle le nombre et le montant des ventes en fonction: • De la destination: hôtel, ville, pays, région, catégorie de région (ex: bord de mer, etc.), catégorie de destination (ex: familial ou non), catégorie hôtel (ex: 1- • De la date d'achat: jour de l'année, jour de la semaine, mois, année, saison • De la date de départ: jour de l'année, jour de la semaine, mois, année, saison • Du forfait: nombre de personnes, nombre de nuits, type de forfait (ex: tout inclus, inclus, etc.), type de chambre (ex: standard, suite, penthouse, etc.) ; • Du client: groupe d'âge, sexe, adresse, type d'acheteur (ex: nouveau, récurrent, • Du canal de vente: catégorie (ex: magasin, internet, etc.) ; • De la promotion: catégorie (ex: 2 pour 1, rabais 10%, rabais 25%, etc.), début et • Du mode de paiement: catégorie (ex: crédit, comptant, etc.) ; Proposez un schéma en étoile permettant de faire ces analyses. Identifiez clairement clés primaires et étrangères des tables de faits et de dimension; b) Identifiez, pour chaque table de dimension, une hiérarchie de niveaux de granularité ← aCribut2 ← …) ; 3 Une agence de voyage aimerait pouvoir analyser ses données afin de planifier de meilleures ses clients. Plus particulièrement, elle aimerait analyser • De la destination: hôtel, ville, pays, région, catégorie de région (ex: bord de mer, alpine, 4 étoiles) ; • De la date d'achat: jour de l'année, jour de la semaine, mois, année, saison touristique (ex: • De la date de départ: jour de l'année, jour de la semaine, mois, année, saison touristique • Du forfait: nombre de personnes, nombre de nuits, type de forfait (ex: tout inclus, repas eau, récurrent, etc.) ; • De la promotion: catégorie (ex: 2 pour 1, rabais 10%, rabais 25%, etc.), début et fin de Proposez un schéma en étoile permettant de faire ces analyses. Identifiez clairement les b) Identifiez, pour chaque table de dimension, une hiérarchie de niveaux de granularité
  • 4. Exercice 2 Conception d’un entrepôt de données Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale. Cette entreprise vend des produits regroupés par familles de produits. Une vente correspond à un produit et un seul ; la vente est effectuée par l’un des vendeurs du produit. La semaine de vente est le numéro de semaine dans l’année. L’ED doit pouvoir fournir le chiffre d’affaires des ventes d’un produit, par date, client, et vendeur, ainsi que toutes les sommations possibles de chiffre d’affaires. Les objets de l’ED sont les suivants : 1) produit, caractérisé par : code_produit, code_famille 2) client, caractérisé par : code_client, nom, csp 3) vente, caractérisée par : date, code_produit, code_ 4) vendeur, caractérisé par : code_vendeur, nom, code_service 5) date, caractérisée par : semaine, mois, année Questions 1. Donner les définitions des quatre termes suivants hiérarchie. 2. Schéma en étoile : tracer le schéma en étoile dimensionnel de l’ED, en précisant pour chaque table sa nature dimensionnelle (table de faits ou table de dimension), ses clés, ainsi que la na champs. 3. Cube de données : Dans l’exemple traité, et représenté par le schéma en étoile, le cube de données est un hyper cube à 4 dimensions : dessiner en perspective 4 types de cubes à 3 chaque type? 2 Conception d’un entrepôt de Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale. Cette entreprise vend des produits regroupés par familles de produits. Une vente correspond à un produit et un seul ; la vente est effectuée par l’un des vendeurs du service de vente spécialisé dans le produit. La semaine de vente est le numéro de semaine dans l’année. L’ED doit pouvoir fournir le chiffre d’affaires des ventes d’un produit, par date, client, et vendeur, ainsi que toutes les ffre d’affaires. Les objets de l’ED sont les suivants : code_produit, code_famille code_client, nom, csp (catégorie socio-professionnelle) date, code_produit, code_client, code_vendeur, montant_de_vente code_vendeur, nom, code_service semaine, mois, année (la date s’écrit par exemple 20020402 des quatre termes suivants : table de faits, table de dimension, indicateur, : tracer le schéma en étoile dimensionnel de l’ED, en précisant pour chaque table sa nature dimensionnelle (table de faits ou table de dimension), ses clés, ainsi que la na : Dans l’exemple traité, et représenté par le schéma en étoile, le cube de données est un hyper cube à 4 dimensions : produit, client, vendeur, date. Graphiquement, on peut dessiner en perspective 4 types de cubes à 3 dimensions. Définir les 4 types. à quoi correspond 4 2 Conception d’un entrepôt de Il s’agit de modéliser l’entrepôt de données (ED) des ventes d’une entreprise commerciale. Cette entreprise vend des produits regroupés par familles de produits. Une vente correspond à un produit service de vente spécialisé dans le produit. La semaine de vente est le numéro de semaine dans l’année. L’ED doit pouvoir fournir le chiffre d’affaires des ventes d’un produit, par date, client, et vendeur, ainsi que toutes les professionnelle) client, code_vendeur, montant_de_vente (la date s’écrit par exemple 20020402 : table de faits, table de dimension, indicateur, : tracer le schéma en étoile dimensionnel de l’ED, en précisant pour chaque table sa nature dimensionnelle (table de faits ou table de dimension), ses clés, ainsi que la nature des : Dans l’exemple traité, et représenté par le schéma en étoile, le cube de Graphiquement, on peut dimensions. Définir les 4 types. à quoi correspond
  • 5. 4. Supposons un cube D représentant une la variable date. Combien de tableaux à deux dimensions on peut obtenir à partir de D. En tou combien y a-t-il de types différents de tableaux à deux dimensions ? Correction 1.2 Ce schéma est caractéristique de la plupart du temps mise en oeuvre dans la conception d’un ED. Un schéma en être représenté sous forme de cube de données. A partir de la base de données relationnelle figurée par notre schéma en étoile, il est possible de développer un logiciel simple (à base de SQL par exemple) qui édite des sommes de« mon vente », ou chiffres d’affaires (CA). 4. Supposons un cube D représentant une coupe de l’hypercube à 4 dimensions, selon une valeur de . Combien de tableaux à deux dimensions on peut obtenir à partir de D. En tou il de types différents de tableaux à deux dimensions ? Ce schéma est caractéristique de la modélisation dimensionnelle (du nom des dimensions) la plupart du temps mise en oeuvre dans la conception d’un ED. Un schéma en étoile peut également cube de données. A partir de la base de données relationnelle figurée par notre schéma en étoile, il est possible de développer un logiciel simple (à base de SQL par exemple) qui édite des sommes de« mon vente », ou chiffres d’affaires (CA). 5 de l’hypercube à 4 dimensions, selon une valeur de . Combien de tableaux à deux dimensions on peut obtenir à partir de D. En tout (du nom des dimensions) la étoile peut également A partir de la base de données relationnelle figurée par notre schéma en étoile, il est possible de développer un logiciel simple (à base de SQL par exemple) qui édite des sommes de« montant de la
  • 6. 3. Graphiquement, on peut dessiner en perspective 4 types de cubes à 3 dimensions : A. client, vendeur, date (pour chaque valeur de produit) B. produit, vendeur, date (pour chaque valeur de client) C. produit, client, date (pour chaque valeur de vendeur) D. produit, client, vendeur (pour chaque valeur de date) Dans chaque cube, l’élément de base est l’ 4. On peut tracer autant de cubes D qu’il y a de valeurs pour la variable Un cube D représente une coupe De même, on peut faire des coupes obtient alors autant de tableaux à 2 dimensions ( A partir de D, on peut faire 3 types de tableaux à 2 dimensions : (client, vendeur), (produit, vendeur A partir de l’ensemble A, B, C, D, on peut faire en plus les 3 coupes qui gardent (client, date), (produit, date), (vendeur, date Graphiquement, on peut dessiner en perspective 4 types de cubes à 3 dimensions : (pour chaque valeur de produit) (pour chaque valeur de client) (pour chaque valeur de vendeur) (pour chaque valeur de date) Dans chaque cube, l’élément de base est l’indicateur « montant de la vente ». On peut tracer autant de cubes D qu’il y a de valeurs pour la variable date. coupe de l’hypercube à 4 dimensions, selon une valeur de la variable coupes du cube D pour toutes les valeurs de produit obtient alors autant de tableaux à 2 dimensions (client, vendeur) qu’il y a de valeurs à A partir de D, on peut faire 3 types de tableaux à 2 dimensions : produit, vendeur), (client, produit) ensemble A, B, C, D, on peut faire en plus les 3 coupes qui gardent date vendeur, date),donc en tout 6 types de tableaux à 2 dimensions. 6 Graphiquement, on peut dessiner en perspective 4 types de cubes à 3 dimensions : de l’hypercube à 4 dimensions, selon une valeur de la variable date. produit, par exemple. On ) qu’il y a de valeurs à produit. date donc en tout 6 types de tableaux à 2 dimensions.
  • 7. Exercice 3 La plupart des attributs dimensionnels ont un ID ainsi qu'un champ descriptif. Par exemple, dans la table Date, le mot 'Novembre' n'est pas suffisant pour ce mois, car on le retrouve dans chacune des ainsi qu'un attribut descriptif descrMois (ex: 'Novem même nom de ville peut se trouver dans plusieurs pays ou même Nous avons créé une table TypeClient selon la stratégie de mini La plupart des attributs dimensionnels ont un ID ainsi qu'un champ descriptif. Par exemple, dans la table Date, le mot 'Novembre' n'est pas suffisant pour identifier avec précision ce mois, car on le retrouve dans chacune des années. Il faut donc un attribut idMois (ex: '11/2010') descriptif descrMois (ex: 'Novembre'). C'est la même chose pour l'attribut même nom de ville peut se trouver dans plusieurs pays ou même plusieurs fois dans un même pays; Nous avons créé une table TypeClient selon la stratégie de mini-dimension. 7 identifier avec précision années. Il faut donc un attribut idMois (ex: '11/2010') bre'). C'est la même chose pour l'attribut ville: le plusieurs fois dans un même pays;
  • 8. L'avantage est que la table TypeC sexe, ville, groupe d'âge, etc.). De même, les CanalVentes peuvent également être pré table de dimension Client est modifiée à chaque fois qu'un client s'ajoute au • La clé primaire de la table de faits Vente est une clé composée car il est très individuellement les lignes de cette table. En revanche, sont toujours des clés artificielles b) Les niveaux d'une hiérarchie doivent avoir une relation 1 à plusieurs: un parent peut enfants (ex: une année a plusieurs mois) mais chaque enfan '11/2010' appartient uniquement à l'année 2010). L'avantage est que la table TypeClient peut être pré-générée (toutes les combinaisons possibles de sexe, ville, groupe d'âge, etc.). De même, les tables Destination, Date, Forfait, Promotion et également être pré-générée et ne sont (presque) jamais modifiées. Seule la table de dimension Client est modifiée à chaque fois qu'un client s'ajoute au système; La clé primaire de la table de faits Vente est une clé composée car il est très rare que l'on accède individuellement les lignes de cette table. En revanche, les clés primaires des tables de dimension sont toujours des clés artificielles simples (ex: NUMBER). Les niveaux d'une hiérarchie doivent avoir une relation 1 à plusieurs: un parent peut enfants (ex: une année a plusieurs mois) mais chaque enfant n'a qu'un seul parent (ex: le mois '11/2010' appartient uniquement à l'année 2010). 8 combinaisons possibles de tables Destination, Date, Forfait, Promotion et générée et ne sont (presque) jamais modifiées. Seule la système; rare que l'on accède primaires des tables de dimension Les niveaux d'une hiérarchie doivent avoir une relation 1 à plusieurs: un parent peut avoir plusieurs qu'un seul parent (ex: le mois