Hypercubes/Conception de cubes

Leçons de niveau 17
Une page de Wikiversité, la communauté pédagogique libre.
Début de la boite de navigation du chapitre
Conception de cubes
Icône de la faculté
Chapitre no 4
Leçon : Hypercubes
Chap. préc. :Les différentes catégories
Chap. suiv. :Formation
fin de la boite de navigation du chapitre
En raison de limitations techniques, la typographie souhaitable du titre, « Hypercubes : Conception de cubes
Hypercubes/Conception de cubes
 », n'a pu être restituée correctement ci-dessus.


Conception de cubes[modifier | modifier le wikicode]

Comme dit précédemment, un hypercube est un cube comportant plusieurs dimensions et permettant l'extraction d'une base de données d'informations afin de les organiser sous forme de tableaux. Un hypercube OLAP est donc l'intermédiaire entre une base de données et un utilisateur.

La base de données d'un magasin contient par exemple toutes les informations concernant les ventes, les stocks, etc. L'utilisation d'un cube permettra de mettre en évidence à l'aide de requête les informations pertinentes, comme par exemple le nombre d’articles vendus au cours d'une année.

Les requêtes effectuées sur ces bases de données varient en fonction de la catégorie d'hypercube.

Fonctionnement des principales catégories d'hypercube OLAP :

  • M-OLAP

L'hypercube M-OLAP est un cube qui permet de pré-calculer les données.

  • R-OLAP

Il est utilisé dans le cadre d'une exploitation d'une base de données relationnel. Cet hypercube utilise des requêtes SQL (Structured Query Language) pour exécuter les demandes de l’utilisateur.

  • H-OLAP

Comme nous l'avons vu précédemment l'hypercube H-OLAP est un mélange des deux précédents, il est censé gommer leurs méfaits et conserver leurs atouts. Les données agrégées sont stockées sous formes multidimensionnelles, alors que les autres sont stockées dans des structures relationnelles.

L'utilisation des données stockées pour l'analyse croisée[modifier | modifier le wikicode]

Pour pouvoir construire cette analyse les logiciels utilisant les analyses croisées vont avoir besoin de recourir au mécanisme du Drill Down qui est un procédé permettant de visualiser plus en détail une information cette fonction s'utilise en définitive comme un zoom. À l'opposée le Drill Up permet de remonter dans les informations et d’avoir une vision plus périphérique de la situation. Enfin le Drill Through consiste à visualiser d'autres informations qui vont permettre de comprendre mieux la situation.


Notion Définition Exemple
Drill Down Détailler une information Mois => Semaine
Drill Up Elargir une information Mois => Année
Drill Through Elargir vers d'autres informations Vente (CA) ; Nombre de clients
Rotate Rotation de l'hypercube pour présenter des données différentes Ventes (CA) par pays
Slicing Extraire une tranche d'information précise Ventes sur un mois précis
Scoling Extraire qu'une partie des données Ventes d'un produit spécifique