La modélisation

• 1) rapprocher les tables,
• 2) cumuler les données,
• 3) trier les données et
• 4) analyser des volumes importants de données.

En fait il existe peu de bases de données qui disposent d'une puissance et d'une maturité suffisantes pour faire usage, dans un système décisionnel, d'un modèle physique type troisième forme normale lorsque le volume de données est important. En effet de l'avis même des analystes, la base de données Teradata de NCR est la meilleure du marché, et permet de disposer des capacités suffisantes lorsque le volume de données approche ou dépasse 1To. En raison de leurs limitations physiques, d'autres bases de données font appel à un modèle en étoile pour améliorer leurs performances, ce faisant, elles se privent de la possibilité de traiter des requêtes ad-hoc et perdent le bénéfice du data mining.

Après plus de vingt années d'expérience en vraie grandeur, il est apparu à Teradata que la troisième forme normale correspondait bien au modèle à utiliser pour les entrepôts de données d'entreprise. En effet, ce modèle permet aux utilisateurs de formuler à tout moment n'importe quelle question sur les données disponibles. Telle est bien la philosophie fondamentale de l'entrepôt de données d'entreprise qui conduit également à tirer parti de la puissance des requêtes ad-hoc et du data mining. Au moyen de semblables techniques, des outils évolués peuvent faire apparaître des relations qu'il ne serait pas facile de détecter et qui peuvent être peu prévisibles.
Le modèle du schéma en étoile améliore les performances lorsqu'il s'agit de requêtes connues, mais il sera limité par les suppositions qui auront guidés sa conception. S'il peut arriver que ces suppositions soient exactes pour la première application, elles peuvent ne pas le rester pour d'autres. Par conséquent, pour construire un entrepôt de données de classe mondiale, il faut commencer par élaborer l'entrepôt de données d'entreprise autour de données détaillées en recourant au modèle de la troisième forme normale. Puis, à mesure que des requêtes sont réalisées et que les performances de certaines requêtes répétitives deviennent prioritaires, des data marts en étoile peuvent être créés au sein de l'entrepôt de données d'entreprise ou en aval. L'utilisateur a alors accès à la fois aux data marts - pour certaines requêtes répétitives - et à l'entrepôt d'entreprise pour toutes les autres requêtes.
Un entrepôt de données d'entreprise devrait toujours être conçu de manière à ce que tous les intervenants de l'entreprise puissent se procurer en temps opportun l'information dont ils ont besoin pour leurs activités. Il existe deux types de demandes différentes : des demandes répétitives dont le cadre général est connu et des demandes itératives imprévisibles. Quatre vingt pour cent des requêtes sont répétitives, mais 80 pour cent du retour sur investissement provient généralement des 20 pour cent de requêtes qui portent sur les données détaillées dans une approche itérative. Par conséquent, en utilisant la troisième forme normale pour le modèle de l'entrepôt de données centralisé et l'indexage en étoile pour les data marts, toute entreprise devrait pouvoir maximiser son retour sur investissement, tout en bénéficiant de performances très optimisées sur 80 pour cent de ses requêtes. Voilà dans quelles conditions l'entrepôt de données pourra donner satisfaction à tous les intervenants d'une organisation !
Pour aller plus loin sur le sujet vous pouvez utilement consulter le lien suivant : http://www.teradata.com/t/go.aspx/?id=156388

Michel Bruley ***
Bruley