Dans notre conseil précédent, nous avons exploré les leviers industriels qui existent derrière le battage actuel sur les applications analytiques. L'un de ces leviers est la large acceptation de la modélisation dimensionnelle comme discipline mature liée aux entrepôts de données centrés sur l'entreprise. Les modèles dimensionnels facilitent l'exploration analytique en fournissant une haute performance et un environnement simple à utiliser pour identifier les pertes de performance ainsi que leurs causes.
Il existe deux exigences supplémentaires imposées à l'architecture d'entrepôt de données pour soutenir efficacement les applications analytiques.
Tout d'abord, l'architecture de bus décisionnel et ses dimensions conformes doivent constituer la pierre angulaire de l'architecture d'entrepôt de données. L'architecture de bus décisionnel est définit comme "l'architecture de la zone de présentation de l'entrepôt de données basé sur les dimensions et les faits conformes. Sans adhésion à l'architecture de bus, un data mart est une application cloisonnée indépendante".
Rappelez-vous, nous préconisons la mise en œuvre de modèles dimensionnels en se concentrant sur les processus métiers (par exemple, les commandes, les livraisons, les stocks et les paiements), et non sur les départements de l'entreprise (par exemple, le commercial, le marketing, la fabrication ou la finance). L'architecture de bus et les dimensions conformes sont une condition préalable nécessaire pour les applications analytiques, car les applications analytiques les plus intéressantes nécessitent l'intégration de mesures provenant de différents processus métiers. Par exemple, une analyse de la valeur d'un client exige des données sur les commandes (pour déterminer les recettes et les contributions à la marge), les créances (pour déterminer les coûts de recouvrement), le suivi des ventes (pour déterminer le coût des ventes), les livraisons (pour déterminer les coûts de fabrication), la logistique (afin de déterminer les coûts de distribution), et les services d'appels (pour déterminer les coûts de support).
Les indicateurs clés de chacun de ces processus sont stockés dans des modèles dimensionnels distincts. L'architecture de bus nous permet de traverser les différents modèles pour rassembler les informations nécessaires à une vision unifiée du client. Cette intégration des processus inter-entreprise serait très difficile sans une architecture de bus utilisant des dimensions conformes.
Deuxièmement, les data-marts "consolidés" sont souvent nécessaires pour soutenir les applications analytiques. Un data-mart consolidé est une couche additionnelle basée sur les modèles dimensionnels des processus métiers. Il rassemble les données nécessaires issues de plusieurs processus métiers différents dans un seul modèle consolidé pour répondre à un ensemble d'applications analytiques. Par exemple, un data-mart fournissant la rentabilité consolidée des clients pourrait rassembler des données provenant des commandes, de la facturation, et du service client afin d'analyser la perte de clients, l'efficacité promotionnelle et les ventes d'un client.
La facilité d'utilisation des informations clients et la performance sont les principaux moteurs de l'utilisation de data-marts consolidés. Forcer les utilisateurs à devenir expert en SQL, à dépendre d'un professionnel de l'informatique, ou à faire "des jointures à l'écran" sur leur PC pour intégrer les données provenant de différents modèles de processus métiers n'est pas réaliste. Malheureusement, de nombreux outils de requêtage et de reporting ne fournissent pas d'aide à la navigation adéquat pour naviguer entre ces différents modèles. Le data-mart intégré offre une vue analytique unique (un seul schéma en étoile) qui est plus facile pour les utilisateurs, qui fournit de bonnes performances, et qui est exploitable par la plupart des outils de requêtage et de reporting. Dans un sens, un data-mart consolidé est la prochaine étape dans l'évolution des data-marts séparés ayant des dimensions conformes. L'avantage d'un data-mart consolidé est que certaines techniques avancées du SQL ne sont pas nécessaires (parce que toutes les informations ont été regroupées en une seule table de faits), mais l'inconvénient est le coût et les délais associés à la construction des tables consolidées du data-mart.
Le passage de l'architecture d'entrepôt de données actuel à celui qui, demain, pourra supporter les applications analytiques est une évolution naturelle. Il exige le respect des concepts de modélisation dimensionnelle, bien connus et documentés, comme l'architecture de bus décisionnel, les dimensions conformes et les data-marts consolidés. Sans l'architecture appropriée, accéder et analyser des données provenant de différents processus métiers pour soutenir ces applications analytiques devient utopique.
Source originale: www.kimballgroup.com
Article original "Kimball Design Tip #39: Bus architecture foundation for analytic applications", publié le 11 août 2002.
Aucun commentaire:
Enregistrer un commentaire