Comment assurer l’intégration des données structurées dans l’entrepôt de données

Extrait du document

L’intégration des données est capitale dans un projet de Business Intelligence. En effet, les données jouent un rôle central par rapport à leur analyse et à leur présentation, beaucoup plus simple à mettre en oeuvre. Selon Ralph Kimball, un spécialiste dans le domaine, l’intégration des données représente près des trois quart du temps et du budget accordés pour un projet de ce type. Dès lors, on peut considérer que l’intégration des données est l’étape critique d’un projet de Business Intelligence. Les données à intégrer peuvent avoir plusieurs formes : issues d’un système d’information ou de fichiers plats, on parle alors de données structurées. En revanche, pour celles provenant d’Internet, elles sont présentées sans réelle logique commune, on parle de données semi ou non structurées.

• Synthèse
  
• Introduction.
  
• 1ère partie : Etat de l’art.
  
• chp 1. En amont du Data Warehouse
  
  • I. L’ERP
    
    • A. Son utilité
      
    • B. Une base de données commune
      
    • C. Mise en place d’un reporting opérationnel
      
    • D. Avantages de ce type de reporting
      
    • E. Limites du reporting opérationnel
      
  • II. Le Best of Breed
    
    • A. Définition
      
    • B. Outils d’EAI
      
• chp 2. Aval du Data Warehouse – le Décisionnel
  
  • I. OLAP et les tableaux de Bord
    
    • A. Définition
      
    • B. Les travaux des chercheurs
      
    • C. Les tableaux de bord
      
  • II. Le Balanced Score Card.
    
  • III. Le Data Mining
    
    • A. Définition
      
    • B. Distinction entre données et connaissance
      
    • C. ECD et Data Mining.
      
    • D. Opérations techniques de Data Mining
      
• chp 3. Faire le lien entre l’amont et l’aval
  
  • I. Approche virtuelle
    
  • II. Approche matérialisée
    • A. Répondre au problème du médiateur
      
    • B. Les avantages de l’approche matérialisée
      
    • C. Le reporting opérationnel
      
• chp 4. Le Data Warehouse
  
  • I. Les définitions
    
  • II. La modélisation de l’entrepôt de données
    
    • A. Données thématiques
      
    • B. Données intégrées
      
    • C. Données non volatiles
      
    • D. Données historisées
      
  • III. Structure des données
    
    • A. Données détaillées
      
    • B. Données agrégées
      
    • C. Les métadonnées
      
    • D. Données historisées
      
  • IV. Les Data Marts ou magasin de données
    
  • V. Les cubes
    
  • VI. Les agrégats
    
• 2eme partie L’intégration des données structurées dans le Data Warehouse
  
• chp 1. Principe général
  
  • I. Définition
    
  • II. Processus
    
    • A. Extraction .
      
    • B. Transformation
      
    • C. Chargement ou rafraîchissement
      
    • D. Conclusion
      
  • III. Les différentes générations d’ETL.
    
  • IV. Les différentes approches d’ETL.
    
    • A. ETL « indépendants »
    • B. ETL intégrés
      
  • V. L’ETL est il un EAI ?
    
• chp 2. L’intégration avec SAP BW : l’exemple de GEFCO
  
  • I. Fonctionnement général de l’extraction des données sous SAP BW
    
    • A. Data Source
      
    • B. Structure de transfert
      
    • C. Table PSA
      
    • D. Cube ou ODS.
      
    • E. Structure de communication.
      
    • F. Mapping
      
  • II. Lien entre l’extraction sous SAP BW et le modèle ETL
    
  • III. Intégration des données dans le cadre du calcul du ROCE
    
• Conclusion
  
• Les sources

Donne ton avis !

Ta note :

1 2 3 4 5

Rédige ton avis

Votre commentaire a bien été ajouté. Merci de votre participation !

Vous devez donner une note pour valider votre avis.

Le formulaire n'est pas valide. Vérifiez le commentaire et le captcha.