Approche de modélisation multidimensionnelle des. des données complexes : Application aux données médicales. 5èmes Journées

Dimension: px
Commencer à balayer dès la page:

Download "Approche de modélisation multidimensionnelle des. des données complexes : Application aux données médicales. 5èmes Journées"

Transcription

1 Approche de modélisation multidimensionnelle des données complexes : Application aux données médicales Sid Ahmed Djallal Midouni, Jérôme Darmont, Fadila Bentayeb To cite this version: Sid Ahmed Djallal Midouni, Jérôme Darmont, Fadila Bentayeb. Approche de modélisation multidimensionnelle des données complexes : Application aux données médicales. 5èmes Journées francophones sur les Entrepôts de Données et l Analyse en ligne (EDA 09), 2009, Montpellier, France. Cépaduès, B-5, pp , 2009, Revues des Nouvelles Technologies de l Information. <hal > HAL Id: hal https://hal.archives-ouvertes.fr/hal Submitted on 26 Aug 2009 HAL is a multi-disciplinary open access archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers. L archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

2 Approche complexes Sid Ahmed de modélisation Djallal Université : Application B.P.230- Midouni*, * Département Abou Tlemcen multidimensionnelle Jérôme Bekr d'informatique aux 13000, Belkaid Darmont**, données Algérie - Tlemcen Fadila médicales Bentayeb** des données ** Équipe l aide {jdarmont 5 Université avenue BDD, Bron Pierre Lumière Cedex, Laboratoire Mendès-France eric.univ Lyon ERIC est Résumé. la à base la La décision des vocation entrepôts dans d un les de entrepôt entreprises. de et données La modélisation l analyse est -lyon2.fr l analyse 2 multidimensionnelle ligne de données (OLAP). pour techniques elles différentes article, (Médecine données nous sont complexes sont sources, d'anticipation abordons pas efficaces adaptées étendu à appelés le travers problème pour Personnalisée). aux pour communément le traiter données cas les des la les modélisation variées données Nous données médicales et proposons simples hétérogènes multidimensionnelle complexes. numériques, un du généralisant provenant projet métamodèle Dans MAP mais Ces des cet 1 Introduction Mots multidimensionnel, modèle un outil cardiovasculaire d aide Clés : à Modélisation conception analyse du en projet d entrepôt ligne, des MAP. données entrepôts de Enfin, données complexes. nous médicales. de avons données, spécifié modèle réalisé Analytical Les utilisée des multidimensionnelle dans disponibles L intérêt techniques entreprises manière dans Processing) dans pour les d entreposage la se systèmes les l analyse plus sont entreprises dans appropriée rendues d aide de l analyse de à données à des compte données la pour fins décision. et s est d analyse faciliter l exploration pour l efficacité développé Le exploiter plus cette d aide souvent, des analyse énormément la la données. à la grande technologie ces décision. OLAP systèmes masse Cette ces est dernières OLAP la technologie d informations sont modélisation basés (On-line années. données La un modélisation espace de telle multidimensionnel, sorte multidimensionnelle des données. que les Cette Kimball applications dernière est (1996), donc OLAP représente Vassiliadis une technique soient les et performantes Sellis qui (1999). vise comme à organiser et des efficaces. points sur les est Cependant, cette technique n est pas adaptée à un certain type de données, dites complexes.

3 Modélisation s accentuer met que pour Depuis quelques multidimensionnelle années, des données gérer complexes et de traiter - Cas ce type des données de données médicales. complexes. agrégeables Les doit clairement ces être nouveaux modèles à En repensée cause effet, évidence types existants la les leur modélisation données variété la offrent nécessité (texte, simples, qui multidimensionnelle. un sont de image, cadre créer qualifiées mais comportent son, de agréable ils nouveaux vidéo, de ne complexes. des sont pour etc.). modèles mesures pas mener Cette C est adaptés multidimensionnels non variété la dans additives, aux n a de ce contexte cessé données non de multidimensionnelle des MAP aux magasin structures (Médecine présent cardiovasculaire et multidimensionnelles qui travail d'anticipation ont pour de des données vise ces et niveaux données à généraliser apporter complexes, Personnalisée1). de plus biomédicales, granularité difficile. des ce en modèle solutions l occurrence différents, Notre plus vers particulièrement objectif au un ce les problème métamodèle qui données est rend de proposer leur de médicales la intégration modélisation entrepôts données un du modèle projet dans analyses complexes données, contribution Outre médecins médicales. nécessaires cette plus suivie MAP introduction, précisément des Le aux et principaux rôle de prises conserver de des nous cet de données entrepôt décision. travaux présentons l historique est traitant complexes. d intégrer dans des la la modélisation données section La et de section stocker 2 médicales une multidimensionnelle 3 définition toute est pour information relative permettre des données à notre utile des du types sera généralisé de données par par la proposition la projet suite vers MAP. du un modèle La métamodèle section multidimensionnel 4 décrit permettant une implémentation du module prendre cardiovasculaire charge possible tous de qui les ce représentation métamodèle définir et 2 présente La Modélisation description les autres quelques dans magasins une des perspectives base multidimensionnelle de données complexes d utilisation du relationnelle projet nécessite de MAP. recherche ainsi une des La que certaine dernière données ouvertes la manière précision section par de complexes ce conclut l instancier et métamodèle. un espace travail pour (2005): données complexes. multistructures multiformats données, adapté. données Les A ce : données l'information les numériques, jour, il sont n existe qualifiées symboliques, est peuvent pas représentée de être de modèle complexes textes, structurées, sous universel images, différents si non elles pour sons, structurées sont, toutes formats vidéos...) Darmont les formes ou (base ; et/ou semi- al. Région - multimodales réparties, multisources structurées Web...) (bases :: les un ; de et/ou données même phénomène proviennent relationnelles, est de décrit collection différentes par plusieurs de origines documents canaux (bases XML...); ou de points données et/ou de 21 Projet Rhône-Alpes vue CREALYS (radiographies et l Université de création diagnostic d entreprise Lumière Lyon audio porté 2 par d'un le médecin Dr Jean-Marcel pour Ferret évaluer et cofinancé l'état de par santé la

4 d un patient, exprimées dans des échelles ou des langues Dj. différentes...) Midouni et al. ; (2001), l objet l interrogation Le - modèle de multiversions (bases évoluent...). et/ou plusieurs de de données travaux. : les multidimensionnel données temporelles, Certains sont proposent évolutives recensements est le des cœur langages termes d un périodiques système algébriques définition dont décisionnel, pour les de faciliter critères valeur classiques, données prennent Torlone Ces Teste différentes (1998), mais (2000). et ne la Pedersen manipulation propositions répondent pas Jensen sont des complètement données parfaitement (1999), de Pokorny l entrepôt, aux adaptées exigences et Sokolowsky Agrawal aux des applications et (1999), al. (1995), Ravat de à Cabibbo données base et est des et Teste magasins modèles complexes pas de représentation compte données telles les complexes que objets les des applications structure langages et évolutives complexe. de médicales. manipulation et qui Cependant, sont La basés qui majorité sont sur Olivier dédiés le de paradigme Teste ces aux travaux a entrepôts spécifié objet, al. ne plus soient conserver classique mieux consultation L intégration souvent, (2000). ont l'évolution déjà les Il des données et a été intégré la des réalisées, structuration données complexes mais par Darmont ailleurs elles manière sont des ne et dans données sont stockées al. pertinente. (2002). son pas modèle appropriées dans complexes Ces les structures bases dimension dans à l analyse permettent une données temporelle base des pour données. la de gestion données qu elles afin Le de prêtes (2002). de Tanasescu retrouvées au identifier Dans processus même al. plus et de représenter ont facilement. modélisation article, conçu les un tous modèle auteurs multidimensionnelle, les types UML ont proposé des générique données l utilisation Tanasescu basé complexes sur des un (2003), techniques modèle afin qu elles Darmont général de fouille soient et pour al. modélisation données (points, technologie spatio-temporelle, données Les efforts complexes, lignes, permettant multidimensionnelle. de polygones, modélisation l'extraction concentrent etc.) des des dans données sur caractéristiques un la représentation espace spatiales, multidimensionnel, des considérées arbitraire données complexes comme des objets Guting un en géométriques autre (1994). vue type de leur problèmes ces spatial l environnement structures et sémantique, SOLAP lorsque SOLAP. Rivest les Miquel basée et sources D'autres al. sur (2001). et une al. auteurs, données structure (2001). Miquel comme sont multidimensionnelle et Ces al. hétérogènes structures proposent Zghal et sont des al. solutions pour points ensuite se sont supporter de explorées pour intéressés vue concevoir temporel, l analyse dans aux La de développement intégrant Pedersen données mêmes relationnelles Jensen Dans et auteurs respectivement le al. des et domaine (2001). Jensen la dans données d'un proposent modélisation une (1999). entrepôt médical, temporelles base par des de l ajout Ils spatial, multidimensionnelle Pederson solutions données ont et au résolu Zghal imprécises modèle et multidimensionnelle d intégration Jensen et les al. du problèmes (2003). pour des temps proposent des données la gestion de documents de validité un spatiales vue modèle des de et XML patients et leur de multidimensionnel d incertitude probabilité. se analyse et d'un basant des données hôpital, OLAP, sur Les des le 3

5 Modélisation multidimensionnelles l activité études données (2001). Ravat se Ils des et limitent al. proposent multidimensionnelle médecins s intéressent aux qui données et un améliore du modèle à comportement l aide du des l analyse, dossier données de la données décision du le complexes consommateur suivi patient dans étendu et et contrôle - ne Cas domaine pour traitent des des des patients. données les pas médical, dépenses bases la médicales. complexité Cependant Ravat santé, et des ces al. 3 médicales. pas Peu Modélisation compte de médicales. Ces recherches travaux problème se s intéressent multidimensionnelle révèlent de l hétérogénéité inadaptés à la modélisation des à notre données contexte de multidimensionnelle médicales. l entrepôt travail car médical ils des ne prennent données d analyser Personnalisée). multidimensionnelle étoile but Ce MAP magasins L entrepôt de ou ce travail de travail ce constellation type de s est Il est s agit de données des déroulé (datamarts), d apporter proposer données sont médicales complexes. inadaptés dans médicales. un des Darmont modèle MAP solutions aux cadre données Les est multidimensionnel du et organisé aux modèles Olivier projet médicales problèmes MAP existants sous (2006, du forme posées (Médecine qui projet 2008). tels permette d une par que MAP. Chaque la les d Anticipation collection modélisation Pour de modèles traiter magasin cela, en le et multidimensionnel, nous généraliser données. défini contient analyses par les biologiques, Suite un données ensemble aux problèmes spécifiques, les de données faits rencontrés à et biométriques, une de spécialité dimensions lors de les médicale la partagées données modélisation (par cardiovasculaires, avec exemple, multidimensionnelle d autres les magasins données etc.) et des Cardio-M intéresser cardiovasculaire plus particulièrement et à cause de la au variété module cardiovasculaire, complexité des tout données, essayant nous allons est d autres Notre démarche cette solution Cardio-M. de modélisation aux autres Ensuite, magasins est incrémentale. nous créons projet un Nous MAP. métamodèle construisons qui généralise un nouveau modèle du dans créer l entrepôt termes, pour médical l idée pouvoir derrière MAP modéliser afin cette d extraire les démarche autres les est magasins différents de modéliser de concepts données module qui vont le projet plus permettre MAP. complexe En de 3.1 étudiés importants, L étude un Le selon métamodèle modèle les du plusieurs résultats module multidimensionnel générique des axes cardiovasculaire analyses pour d analyse générer et : conclusion du a les Individu, permis autres modules Type d observer médecin cardiovasculaire d Examen, l entrepôt sur deux ces résultats, Analyse, sujets MAP. d analyse qui Temps, sont 4 Médecin, Nous faits, modèle des Pour mêmes avons cette pose modéliser Machine dimensions, table mis un problème les est ou les trois liée Document. données ce mesures majeur. à qui toutes nous cardiovasculaires, Nous (Conclusion, les a amené avons dimensions deux à Normale proposer nous mesures mentionnées avons et un Valeur) qui modèle utilisé ne ci-dessus. dépendent dans un constellation. une schéma Cependant, pas seule totalement en table étoile. Nous de ce

6 avons dimensions puisqu on établir différent Cette mis qui solution lien ne les appropriées. est peut deux entre exprimé n est pas mesures les analyser deux pas par dans tout tables lien l un à deux hiérarchique fait sans faits. tables adaptée avoir Les de l autre. existant à faits deux nos séparées mesures Ceci faits entre explique qui les et ont tables dépendent entourées un nos degré Dj. faits. motivations chacune l un de Midouni granularité de par l autre et pour les al. Type Examen conclusion examen Normale Les Examen, données est peut vue Temps, avoir selon la deux Examen trois table Médecin, valeurs axes contient faits d analyses Machine ( oui Examen deux ou et (Examen, non ) Document), sont mesures analysées qui Temps (Normale contiendra tandis et selon Analyse). et six la Conclusion), réponse dimensions table de à faits la (Individu, table, le La patient table du a-t-il de médecin faits déjà Résultat sur une alerte Exam, examen cardiovasculaire qui donné. contient les? résultats et la mesure des analyses passées contient question Résultat dans mesure relation équivalent de ces Examen, valeurs. un donné, à un plusieurs on est ensemble En trouve liée d autres à entre la les d enregistrements première valeurs ces termes, deux globales table tables. un enregistrement et de faits génériques, par table un Résultats lien de et hiérarchique. dans la table Exam, la deuxième ce Dans fait qui on Examen la explique a première le détail est un la : FIG. 1 Nouveau modèle Cardiovasculaire - Cardio-M. 5

7 Modélisation Examen constellation lien une Pour prendre multidimensionnelle compte lien des qui données existe entre complexes la mesure - Cas Conclusion des données de médicales. Temps, table faits La table hiérarchique table Médecin, et la faits classique mesure faits entre par Machine Examen rapport Valeur la de table telle et joue aux Document) de façon dimensions faits un table double que Examen ce Résultat_Exam, et lien rôle elle qui et soit dans sont la joue table représenté. autour ce de modèle, rôle nous faits d elle de avons Ainsi, Résultat_Exam. dimension elle (Individu, est étendu nous considérée par avons la Type table rapport modèle défini Examen, comme de faits à un Analyse types biométriques, MAP. Nous prendre Examen de d examen qui faits constatons est contient cardiovasculaires ), liée et niveau compte familles à dans les de résultats table granularité d examen. partie différents de faits agrégés elle droite Cette plus Résultats types est de bas du hiérarchie la commune modèle table (Résultat d examens Exam. de (Type_Exam faits une Cette avec Exam). du hiérarchie Résultat les dimension projet Dans autres / Famille-Exam) notre liée MAP modules est à hiérarchisée cas, la (biologiques, la dimension du table permet projet de la pas vérification dans données dimensions module des Décrivons appliquer cardiovasculaire, et multimédia maintenant de l analyse classiques révision OLAP nous qui pour les et vont dimensions temporelles avons le sur médecin contenir constaté ce type du qui tous modèle cas qu il de représentent les dimensions y fichiers doute. Cardio-M. a un autre Introduire sources mais type axes Pendant elles médicales. de d analyse, ce dimensions, type la servent modélisation de On dimensions ce d'axe sont ne peut plus les du 3.2 les avec modèles elle. Les multidimensionnels trois types dimension nécessite sont des détaillés méthodes dans pour la section construire suivante un cube complexes magasins créer généralisation Afin Métamodèle les cardiovasculaire. de différents et modéliser données, du nouveaux modèle magasins nous l entrepôt cardiovasculaire concepts proposons de données définis un décrit métamodèle lors médicales du auparavant projet la modélisation orienté MAP, MAP. avec objet c est la Ce prise (FIG. à métamodèle dire 2) compte la permettant collection des est faits une du (2008). spécifier exemple, par autre en profitant Peu Abelló métamodèle Cependant de spatiales, tout des Zghal (Abelló, travaux des métamodèles concepts et essayant Zghal ces propose al. 2002) proposent travaux ont et objets est de pour al. spécifié des basé résoudre (2003). ne des tel représenter concepts sont que sur métamodèles un Un pas les langage deuxième génériques relations suffisants problèmes bases multidimensionnels. UML de métamodèle pour et de pour des généralisation ne pour données la sont relations construction donner conception pas multidimensionnelles. adaptés multiples, un et Leur de plus d un des composition. pour objectif de entrepôts Harbi sémantique représenter proposé est et Par Un al. 62 les MetaModel), données. Voir concepts Le en standard annexe Cet multidimensionnels ensemble propose : Common de l OMG un CWM Warehouse ensemble (Object est comme assez Metamodel Management complet nous métamodèles souhaitons (CWM). pour Group), modéliser pour faire. CWM2 les un techniques entrepôt (Common d entrepôt données Warehouse dans de

8 objets d autres avons base son aspects ensemble. essayé d une multidimensionnels métamodèles base de Mais prendre de le données du métamodèle même d une compte, multidimensionnelle, standard façon dans pour générale, un seul avoir métamodèle, il une OMG représentation proposé prend (2003). pas tous par Il faut les CWM plus compte composants Dj. le complète. combiner représente Midouni de tous d une Nous et avec les al. spécifier proposés génériques module applicable métamodèle, Notre de cardiovasculaire données (tables et (Dimensions, aux de ce de représenter données qui multidimensionnelle. faits nous constitue multiples (le Faits, médicales. permet lien entre Mesures) nouveaux et une de hiérarchisées, les La mieux extension De tables et figure concepts plus, les représenter de autres le 2 fait, dimensions de montre multidimensionnels ces les concepts différents les trois une multimédia). concepts derniers extraits CWM représentation types multidimensionnels ne de travaux que dimensions). notre permet nous UML étude qui pas avons soit du de données EDM, Chaque d analyses, correspond paramètres. L instanciation est magasin dans composé et une Ces un l entrepôt ou deux (MDM) ensemble de plusieurs d un derniers ce médical ensemble est métamodèle caractérisé mesures dimensions, concepts FIG. du de projet 2 magasins Métamodèle nous (Mesures par à MAP. qui un chaque permet représentent ensemble de Ce et données dimension Paramètres) dernier, MAP. créer les faits, représenté qui axes correspond les héritent est qui d analyse. différents représenté représentent par de la un la classe A magasins même ensemble par chaque les la MDM. classe sujets fait de 7

9 Attribut Modélisation multidimensionnelles. des chaque Les faits mais complexes multidimensionnelle ils ont sont une caractérisés sémantique des données par la relation complexes différente récursive - dans Cas des Rec les données qui bases permet médicales. de d associer données classiques, On du niveau Nous La associe tables hiérarchie table de Heure distinguons à faits. de chaque fait de dimensions une niveau trois autre son types table est ordre Temps matérialisée de de hiérarchique faits. est égal Cette à par zéro relation les dans et deux l ordre notre dimension. permet classes de modèle Jour d exprimer Dimension Par égal : exemple, les à un la et dimensions (FIG. hiérarchie Niveaux. l ordre 1). à analysées (attributs) sont bien déterminées les textuels les classique. mesures dimensions (pour et Ces de constantes), restreindre l'activité. temporelles dimensions Une la Kimball et portée servent les dimensions (1996). des à enregistrer requêtes) est généralement multimédia. et les discrets valeurs formée (les pour valeurs lesquelles de paramètres possibles sont Dimension dimensionnels, La données multimédias électrocardiogrammes médicales temporelle. elle dans est présente La s ajoute temps. dans à Cette l entrepôt tous temporelle les magasins pour joue est maintenir généralement un de rôle données l historique primordial de considérée notre de dans l évolution entrepôt comme modèles sont normale. multimédia. Ce type de dimension contient les différents types de données MAP. médical difficiles contenues à manipuler et des par échocardiogrammes. notre les outils entrepôt d analyses médical. Les actuels, données On leur trouve de but ce type par dans exemple de notre dimensions entrepôt : une des d analyses. les 4 d aide différents est Par documents l archivage exemple, multimédias dans pour vérification module utilisés cardiovasculaire, dans et contrôle, suivi médical en la dimension cas d un de doute, individu Document des donné. résultats (Générateur Afin Prototype à de la valider conception notre et métamodèle à la modélisation (section de 3.2), notre nous entrepôt avons développé MAP, intitulé un prototype contient de suit définis passe données Notre La un généralement figure processus dans outil afin d Entrepôt 3 métamodèle facilite décrit par construire développement ce la ces de processus tâche Données trois des l entrepôt de données étapes l administrateur de Médicales). à trois modélisation. : médicales. global, niveaux tout MAP : En La conceptuel, en effet, génération pour respectant l élaboration créer logique des et nos générer magasins et nouveaux de physique. l entrepôt des de magasins concepts données GEDM MAP 8 - dans relationnel, deuxièmement, vers premièrement, modèle une multidimensionnel troisième base respectivement. de données étape, génère fait la transformation nous relationnelle; une du magasin instance choisissons de du de données soit métamodèle ce modèle un en entrepôt cours soit (FIG. vers XML, modélisation; 2), un fichier qui soit représente un XML, entrepôt soit le

10 Dj. Midouni et al. motivé stabilité prototype des d excellentes Nous avons opté dans ce FIG. travail 3 Processus pour la solution de modélisation. étape L architecture GEDM données. par par des implanté étape se données. performances grande base En en effet, sur sur capacité construisant une les SGBD approche systèmes en de terme stockage Oracle les incrémentale. de de différents version gestion rapidité ainsi que 10g. de magasins L administrateur d accès, la bases relationnelle. Le performance choix de de volume d un données En MAP lors SGBD effet, relationnels de élabore du stockage GEDM relationnel projet manipulation l entrepôt offrent est MAP. et est de un d une - Le permettent données L interface introduisant générateur utilisateur relationnelle, prototype, les utilisateur création de différents et scripts d'un du comme permet générateur est s appuyant éléments schéma module de montre de de (dimensions, définir sur l entrepôt scripts. responsable notre la figure les métamodèle. de faits ) magasins données 4, de est la du composée génération schéma de MAP données dans dimensionnel. essentiellement des une scripts MAP, base qui de FIG. 4 Architecture du prototype GEDM. 9

11 5 Modélisation données se Le Conclusion travail multidimensionnelle présenté et dans perspectives cet article des données traite complexes de la modélisation - Cas des données médicales. pour proposé basant projet compose apporter une complexes. de approche une plusieurs aide Notre de au magasins modélisation objectif processus est de décisionnel. d intégrer données, et d implémentation les dans Pour données répondre une structure de médicales l entrepôt à cet multidimensionnelle, objectif, du médical projet nous MAP, avons nous des cardiovasculaires sur premier métamodèle temps, que nous nous avons avons modélisé conçu et le développé. magasin de données le plus complexe qui le nouveau difficulté besoin MAP, de proposer modéliser magasin dans une de cardiovasculaire. et nouveaux structure d intégrer multidimensionnelle. concepts les Pendant données qui cette étendent médicales modélisation, Par conséquent, modèles telles nous que existants avons nous les avons constaté données vers senti du un la acronyme multidimensionnel niveau multimédia. magasins utilisateur Dans type un deuxième modèle. différents Enfin, de de nous de L instanciation données prise Générateur avons en de compte temps, module développé d Entrepôt de des nous ce cardiovasculaire. tables métamodèle MAP ce avons métamodèle de de indépendamment proposé Données faits permet multiples L apport un Médicales. métamodèle implémentant spécifier des et hiérarchisées notre plateformes Il et comporte métamodèle de généralisant un définir prototype techniques. et des les dimensions se différents interface situe GEDM, modèle Les composants et un module l entrepôt générateur de de données. scripts permettant de créer automatiquement les au perspectives ajoutant données Notre faire manipulation évoluer approche travaillons complexes que de nouveaux prototype nous étant tous (par envisageons les incrémentale, éléments exemple, concepts que nous à la de définir afin avons généralisation à conduire notre partir de réalisé de entrepôt. prendre des nouveaux sont retours afin progressive en de suivantes. types lui compte d usage, permettre de du mesures d autres nous métamodèle une essayons et meilleure types d autres en - Nous types haut niveau envisageons dimensions). d abstraction. également Ainsi l objectif la définition est l élaboration d une méthodologie de nouveaux de conception modèles de et plus effet A construction méthodes décisionnels adaptées travers compte méthodes nécessaire aux existantes les comportant travail, pour données de nouveaux les conception prévoir nous afin entrepôts complexes pensons d'offrir l extension concepts données des un définir médicales. données entrepôts complexes. définis cadre des de opérateurs médicales. complet nouveaux dans de Nous données ce prévoyons pour OLAP travail A opérateurs l heure mais concevoir existants (les une elles actuelle, OLAP. faits extension des pour ne multiples systèmes sont Il il prendre est existe pas des 10 multiples, dimensions hiérarchisés. est pour et de les définir s inspirer dimensions des nouveaux des multimédia). opérateurs Une OLAP permettant voie traitant possible, traitement hiérarchies pour les des faits de

12 Références Abelló Agrawal Model, A., PhD YAM² Thesis, (Yet Universitat Another Multidimensional Politècnica Catalunya. Model): A Barcelona, Multidimensional April Dj Midouni Conceptual et al. Report, R., IBM Gupta Almaden A., Research Sarawagi Center, S., Modeling San Jose (California), Databases, ICDE'97 p Research Cabibbo Data structuring 1998: L., J., Torlone for warehousing, R., O., A Bentayeb Logical C. F., Approach Djeraba, Rabaseda ed., to S., Multidimensional Multimedia Zellouf Y., Mining: Web Databases. multiform A Highway EDBT (ICEIS Intelligent Kluwer, J., Warehouses, 05), 2002, Boussaid Multimedia Miami, O., USA, 7th Ralaivao Documents; International May J., Aouiche Multimedia Conference K., An Systems Architecture Enterprise and Framework Applications, Information Complex Vol. Systems data 22, to Darmont Information 17th 06), personnalisée", 08), Washington, Lyon, Information J, J, J, Olivier Olivier France, "Entreposage Systems, 9th E, USA, Resources E, September "A International IGI "Biomedical complex May Publishing, de 2006, Management données data Conference ; Data warehouse Hershey, complexes Warehouses", Association Idea on PA, System for Group USA, personalized, pour International Science Publishing, May Encyclopaedia la 2008, médecine anticipative Health Hershey, Conference Care of d'anticipation PA, medicine", Healthcare (ICSSHC (IRMA USA. Kimball Jensen Harbi Guting Intelligent Décisionnels générique N., R. R., Meuke-Fante H., Moller The An pour Information Data (ASD introduction la T., conception Warehouse 08), Pedersen M., Systems, Mohammédia, Bentayeb to spatial des Toolkit: TB., 17(2/3): , entrepôts F., Specifying database Boussaïd Practical Maroc, de systems, données", OLAP O., techniques "Un VLDB cubes méta 3ème Journal, modèle building Atelier XML multidimensionnel data, dimensional sur les Journal Systèmes data Of Pokorny OMG, Miquel Pedersen warehouses. M., Bédard John Y., Wiley. Brisebois Electronic Proceedings sources Common J., TB., Sokolowsky Business hétérogènes of Warehouse Jensen ICDE, Engineering CS., pp. P., : Exemple Metamodel , A Multidimensional A., Conceptuel / Conception d application Internationale (CWM) Modeling Specification, d entrepôts Data foresterie,isi-nis, Tagung Modeling Perspective Wirtschaftsinformatik March données 2003, géospatiales Complex volume Data Version Warehouses, X, Data, à partir 11 In

13 Rivest,S., Ravat Modélisation F., Teste multidimensionnelle O., Zurfluh G., Modélisation des données multidimensionnelle complexes - Cas des des données systèmes médicales. Tanasescu making: Université In EGC Actes 2001, Bédard, A., Defining des Lumière Modélisation Janvier 1ères Y. the Journées & 2001, Lyon2, characteris, Marchand multidimensionnelle Nantes Francophones P., SOLAP, 2001, d'extraction Geomatica, Towards données better de complexes, support Gestion for des EDIIS spatial Connaissances décisionnels, DEA decision- ECD, - Annexe: Zghal Vassiliadis Teste and Record O., H., Generation, Elaboration Faiz 28(4): P., S., Sellis 64-69, Ben DMDW d'entrepôts T., Ghézala A Survey H., de données CASME: Logical complexes, A CASE Models Tool INFORSID for for OLAP Spatial - mai Databases, 2000, Marts Lyon. SIGMOD Design que la couvre données. base Le techniques CWM des le Le cycle échanges CWM Common est comprend qui de le sont définit standard vie de méta-données complet actuellement plus un Warehouse de métamodèle souvent l OMG de modélisation, entre un pour trouvées qui certain systèmes les Metamodel représente techniques dans nombre construction hétérogènes. les entrepôts liées méta-données (CWM) méta-modèles aux et gestion entrepôts données. aussi des concernant de Il entrepôts bien est données. utilisé métiers Il à Summary processus métamodèles et entrepôts bases data-mining. permettent de standard, de pour données les Une la de journalisation (représentation transformations modéliser couche orientées de des objets. gestion ressources des la planification données, Une est constituée comme couche OLAP, analyse, des les d analyse activités. la bases gestion). métamodèles visualisation, de du Les CWM métamodèles la représentant relationnelles, nomenclature définit des les data, (OLAP). a and Medicine). The modelling applying main Although purpose them forms these onto of heterogeneous basic data techniques warehouses issue in data and very is warehousing complex to efficient support data when decision-making. and imported On-Line working from Analytical different Multidimensional also very This challenging paper aims task. at addressing the issue of multidimensionally modelling simple complex Processing medical more precisely We propose medical an extended data from the MAP project metamodel (Personalized that is applied Anticipative numerical sources data, onto is 12 Keywords: present data a warehouses. by software Data generalizing warehouse tool that the modelling, we complex have developed cardiovascular multidimensional to achieve model model, the of computer-aided the OLAP, MAP complex warehouse. design data. We of

Modélisation multidimensionnelle des données complexes : application aux données médicales

Modélisation multidimensionnelle des données complexes : application aux données médicales Modélisation multidimensionnelle des données complexes : application aux données médicales Sommaire : Midouni Sid Ahmed Djallal Version 9 08/06/05 1. Introduction... 3 2. Etat de l art... 4 3. Modélisation

Plus en détail

Entreposage de données complexes pour la médecine d anticipation personnalisée

Entreposage de données complexes pour la médecine d anticipation personnalisée Manuscrit auteur, publié dans "9th International Conference on System Science in Health Care (ICSSHC 08), Lyon : France (2008)" Entreposage de données complexes pour la médecine d anticipation personnalisée

Plus en détail

La voix en images : comment l évaluation objectivée par logiciel permet d optimiser la prise en charge vocale

La voix en images : comment l évaluation objectivée par logiciel permet d optimiser la prise en charge vocale La voix en images : comment l évaluation objectivée par logiciel permet d optimiser la prise en charge vocale Stéphanie Perriere To cite this version: Stéphanie Perriere. La voix en images : comment l

Plus en détail

Delphine Graniou. To cite this version: HAL Id: dumas-00836052 http://dumas.ccsd.cnrs.fr/dumas-00836052

Delphine Graniou. To cite this version: HAL Id: dumas-00836052 http://dumas.ccsd.cnrs.fr/dumas-00836052 Le point de vue des femmes sur la mise en place d un dépistage national organisé du cancer du col de l utérus. Étude qualitative auprès de femmes de Haute-Normandie Delphine Graniou To cite this version:

Plus en détail

Système de diffusion d information pour encourager les PME-PMI à améliorer leurs performances environnementales

Système de diffusion d information pour encourager les PME-PMI à améliorer leurs performances environnementales Système de diffusion d information pour encourager les PME-PMI à améliorer leurs performances environnementales Natacha Gondran To cite this version: Natacha Gondran. Système de diffusion d information

Plus en détail

Résultats à long terme de la photo-kératectomie thérapeutique dans les dystrophies cornéennes

Résultats à long terme de la photo-kératectomie thérapeutique dans les dystrophies cornéennes Résultats à long terme de la photo-kératectomie thérapeutique dans les dystrophies cornéennes épithéliales Badreddine Chanaoui To cite this version: Badreddine Chanaoui. Résultats à long terme de la photo-kératectomie

Plus en détail

Evaluation et prise en charge des processus de récupération en mémoire dans la maladie d Alzheimer

Evaluation et prise en charge des processus de récupération en mémoire dans la maladie d Alzheimer Evaluation et prise en charge des processus de récupération en mémoire dans la maladie d Alzheimer Benjamin Boller To cite this version: Benjamin Boller. Evaluation et prise en charge des processus de

Plus en détail

AGROBASE : un système de gestion de données expérimentales

AGROBASE : un système de gestion de données expérimentales AGROBASE : un système de gestion de données expérimentales Daniel Wallach, Jean-Pierre RELLIER To cite this version: Daniel Wallach, Jean-Pierre RELLIER. AGROBASE : un système de gestion de données expérimentales.

Plus en détail

Le travail vivant des agents de contrôle de l inspection du travail

Le travail vivant des agents de contrôle de l inspection du travail Le travail vivant des agents de contrôle de l inspection du travail François Daniellou, Philippe Davezies, Karine Chassaing, Bernard Dugué,, Johann Petit To cite this version: François Daniellou, Philippe

Plus en détail

Évolution de schémas dans les entrepôts de données mise à jour de hiérarchies de dimension pour la personnalisation des analyses

Évolution de schémas dans les entrepôts de données mise à jour de hiérarchies de dimension pour la personnalisation des analyses Évolution de schémas dans les entrepôts de données mise à jour de hiérarchies de dimension pour la personnalisation des analyses Thèse présentée par Cécile FAVRE pour obtenir le titre de Docteur en Informatique

Plus en détail

OLAP. Data Mining Decision

OLAP. Data Mining Decision Machine Learning Information Systems Data Warehouses Web & Cloud Intelligence OLAP Knowledge Management Data Mining Decision ENTREPÔTS, REPRÉSENTATION & INGÉNIERIE des CONNAISSANCES Une recherche pluridisciplinaire...

Plus en détail

arxiv:0707.1304v1 [cs.db] 9 Jul 2007

arxiv:0707.1304v1 [cs.db] 9 Jul 2007 Hadj Mahboubi, Kamel Aouiche, Jérôme Darmont ERIC, Université Lumière Lyon 2 5 avenue Pierre Mendès-France 69676 Bron Cedex { hmahboubi kaouiche jdarmont}@eric.univ-lyon2.fr arxiv:0707.1304v1 [cs.db] 9

Plus en détail

Datawarehouse: Cubes OLAP. Marlyse Dieungang Khaoula Ghilani

Datawarehouse: Cubes OLAP. Marlyse Dieungang Khaoula Ghilani Datawarehouse: Cubes OLAP Marlyse Dieungang Khaoula Ghilani Table des matières 1 Data Warehouse 3 1.1 Introduction............................ 3 1.1.1 Définition......................... 3 1.1.2 Architecture........................

Plus en détail

Entreposage, analyse en ligne et fouille de données

Entreposage, analyse en ligne et fouille de données Entreposage, analyse en ligne et fouille de données Houssem Jerbi IRIT - SIG/ED jerbi@irit.fr Journée COMPIL " Bases de Données" 14/12/2010 PLAN Introduction Bases de données Entrepôt de données Technologie

Plus en détail

Entrepôt de données 1. Introduction

Entrepôt de données 1. Introduction Entrepôt de données 1 (data warehouse) Introduction 1 Présentation Le concept d entrepôt de données a été formalisé pour la première fois en 1990 par Bill Inmon. Il s agissait de constituer une base de

Plus en détail

La place de la Géomatique Décisionnelle dans le processus de décision

La place de la Géomatique Décisionnelle dans le processus de décision Géomatique décisionnelle La place de la Géomatique Décisionnelle dans le processus de décision - Arnaud Van De Casteele Mines ParisTech - CRC Arnaud {dot} van_de_casteele {at} mines-paristech.fr Les rencontres

Plus en détail

BI2 : Un profil UML pour les Indicateurs Décisionnels

BI2 : Un profil UML pour les Indicateurs Décisionnels BI2 : Un profil UML pour les Indicateurs Décisionnels Sandro Bimonte Irstea, TSCF, 9 Av. Blaise Pascal, 63178, Aubière, France sandro.bimonte@irstea.fr Thème de Recherche MOTIVE www.irstea.fr 2 Plan Motivations

Plus en détail

Le "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique

Le tout fichier Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché

Plus en détail

CAPE: Context-Aware Agile Business Process Engine

CAPE: Context-Aware Agile Business Process Engine CAPE: Context-Aware Agile Business Process Engine Irina Rychkova, Manuele Kirsch Pinheiro, Bénédicte Le Grand To cite this version: Irina Rychkova, Manuele Kirsch Pinheiro, Bénédicte Le Grand. CAPE: Context-Aware

Plus en détail

et les Systèmes Multidimensionnels

et les Systèmes Multidimensionnels Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Datawarehouse (DW) Le Datawarehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées

Plus en détail

Conception d entrepôts de données géospatiales à partir de sources hétérogènes. Exemple d application en foresterie.

Conception d entrepôts de données géospatiales à partir de sources hétérogènes. Exemple d application en foresterie. Conception d entrepôts de données géospatiales à partir de sources hétérogènes. Exemple d application en foresterie. Maryvonne Miquel*, **, Yvan Bédard*, Alexandre Brisebois* * Centre de Rrecherche en

Plus en détail

BUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise

BUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise BUSINESS INTELLIGENCE Une vision cockpit : utilité et apport pour l'entreprise 1 Présentation PIERRE-YVES BONVIN, SOLVAXIS BERNARD BOIL, RESP. SI, GROUPE OROLUX 2 AGENDA Définitions Positionnement de la

Plus en détail

Un SIG collaboratif pour la recherche historique Partie. Partie 1 : Naissance et conception d un système d information géo-historique collaboratif.

Un SIG collaboratif pour la recherche historique Partie. Partie 1 : Naissance et conception d un système d information géo-historique collaboratif. Un SIG collaboratif pour la recherche historique Partie 1 : Naissance et conception d un système d information géo-historique collaboratif Claire-Charlotte Butez, Francesco Beretta To cite this version:

Plus en détail

Modélisation Multidimensionnelle des Tableaux de Bord Prospectifs

Modélisation Multidimensionnelle des Tableaux de Bord Prospectifs Modélisation Multidimensionnelle des Tableaux de Bord Prospectifs Zaia Alimazighi (*), Nazih Selmoune (*) (Alimazighi, Selmoune)@wissal.dz (*) Laboratoire des systèmes informatiques (LSI), Faculté d Electronique

Plus en détail

Une charte éthique pour le Big Data

Une charte éthique pour le Big Data Une charte éthique pour le Big Data Primavera De Filippi To cite this version: Primavera De Filippi. Une charte éthique pour le Big Data. Documentaliste - Sciences de l Information, ADBS, 2013, pp.8-9.

Plus en détail

Projet Fresqueau: un entrepôt des données pour analyser la qualité de l eau en France

Projet Fresqueau: un entrepôt des données pour analyser la qualité de l eau en France Projet Fresqueau: un entrepôt des données pour analyser la qualité de l eau en France 12 juin 2013 Atelier SOLAP @EDA2013 Démarrage Projet MIDAS - 29 Janvier 2008 1 Plan Projet Fresqueau Objectifs généraux

Plus en détail

Les Entrepôts de Données

Les Entrepôts de Données Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations

Plus en détail

statique J. Bertrand To cite this version: HAL Id: jpa-00237017 https://hal.archives-ouvertes.fr/jpa-00237017

statique J. Bertrand To cite this version: HAL Id: jpa-00237017 https://hal.archives-ouvertes.fr/jpa-00237017 Quelques théorèmes généraux relatifs à l électricité statique J. Bertrand To cite this version: J. Bertrand. Quelques théorèmes généraux relatifs à l électricité statique. J. Phys. Theor. Appl., 1874,

Plus en détail

Vers l entreposage des données complexes Structuration, intégration et analyse

Vers l entreposage des données complexes Structuration, intégration et analyse Vers l entreposage des données complexes Structuration, intégration et analyse Omar Boussaid Fadila Bentayeb Jérôme Darmont Sabine Rabaseda BDD - ERIC - Université Lumière Lyon 2 Bâtiment L, 5 avenue Pierre-Mendès-France

Plus en détail

Démarche dirigée par les modèles pour la conception d entrepôts de données multidimensionnelles. F.Atigui, F.Ravat, O.Teste, G.

Démarche dirigée par les modèles pour la conception d entrepôts de données multidimensionnelles. F.Atigui, F.Ravat, O.Teste, G. Démarche dirigée par les modèles pour la conception d entrepôts de données multidimensionnelles F.Atigui, F.Ravat, O.Teste, G.Zurfluh IRIT (SIG/ED) Université Paul Sabatier 118 route de Narbonne 31062

Plus en détail

Bases de Données Avancées

Bases de Données Avancées 1/26 Bases de Données Avancées DataWareHouse Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR Léonard de Vinci 74, rue Marcel Cachin,

Plus en détail

Optimisation d une fonction de transmission d ordres

Optimisation d une fonction de transmission d ordres Optimisation d une fonction de transmission d ordres pour driver à très haute isolation galvanique. Application aux modules IGBT pour onduleurs multi-niveaux MMC (Multilevel Modular Converters). Sokchea

Plus en détail

Modélisation d objets mobiles dans un entrepôt de données

Modélisation d objets mobiles dans un entrepôt de données Tao Wan, Karine Zeitouni Laboratoire PRISM, Université de Versailles 45, avenue des Etats-Unis, 78035 Versailles Cedex, France Tao.Wan@prism.uvsq.fr, Karine.Zeitouni@prism.uvsq.fr http://www.prism.uvsq.fr/users/karima/

Plus en détail

Problèmes d additivité dus à la présence de hiérarchies

Problèmes d additivité dus à la présence de hiérarchies Problèmes d additivité dus à la présence de hiérarchies complexes dans les modèles multidimensionnels : définitions, solutions et travaux futurs Marouane Hachicha, Jérôme Darmont To cite this version:

Plus en détail

Méthodologie de conceptualisation BI

Méthodologie de conceptualisation BI Méthodologie de conceptualisation BI Business Intelligence (BI) La Business intelligence est un outil décisionnel incontournable à la gestion stratégique et quotidienne des entités. Il fournit de l information

Plus en détail

SGBDR. Systèmes de Gestion de Bases de Données (Relationnelles)

SGBDR. Systèmes de Gestion de Bases de Données (Relationnelles) SGBDR Systèmes de Gestion de Bases de Données (Relationnelles) Plan Approches Les tâches du SGBD Les transactions Approche 1 Systèmes traditionnels basés sur des fichiers Application 1 Gestion clients

Plus en détail

Introduction à la B.I. Avec SQL Server 2008

Introduction à la B.I. Avec SQL Server 2008 Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide

Plus en détail

Les Entrepôts de Données. (Data Warehouses)

Les Entrepôts de Données. (Data Warehouses) Les Entrepôts de Données (Data Warehouses) Pr. Omar Boussaid Département d'informatique et de Sta5s5que Université Lyon2 - France Les Entrepôts de Données 1. Généralités, sur le décisionnel 2. L'entreposage

Plus en détail

Lamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013

Lamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013 Cube de textes et opérateur d'agrégation basé sur un modèle vectoriel adapté Text Cube Model and aggregation operator based on an adapted vector space model Lamia Oukid, Ounas Asfari, Fadila Bentayeb,

Plus en détail

Compte-rendu de Hamma B., La préposition en français

Compte-rendu de Hamma B., La préposition en français Compte-rendu de Hamma B., La préposition en français Badreddine Hamma To cite this version: Badreddine Hamma. Compte-rendu de Hamma B., La préposition en français. Revue française de linguistique appliquée,

Plus en détail

Etude de faisabilité visant à mettre en place un entrepôt de données sur les données de l IFN. Analyser et Explorer avec une grande interactivité

Etude de faisabilité visant à mettre en place un entrepôt de données sur les données de l IFN. Analyser et Explorer avec une grande interactivité Établissement chargé de réaliser l inventaire permanent du patrimoine forestier sur tout le territoire métropolitain indépendamment de toute question de propriété. Parmi ces objectifs: Connaissance de

Plus en détail

Business Intelligence : Informatique Décisionnelle

Business Intelligence : Informatique Décisionnelle Business Intelligence : Informatique Décisionnelle On appelle «aide à la décision», «décisionnel», ou encore «business intelligence», un ensemble de solutions informatiques permettant l analyse des données

Plus en détail

Personnalisation collaborative pour l enrichissement des analyses dans les entrepôts de données complexes

Personnalisation collaborative pour l enrichissement des analyses dans les entrepôts de données complexes Personnalisation collaborative pour l enrichissement des analyses dans les entrepôts de données complexes Cécile Favre, Fadila Bentayeb, Omar Boussaid Université de Lyon (ERIC Lyon 2) 5 av. Pierre Mendès-France

Plus en détail

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 3 - Data

BI = Business Intelligence Master Data-ScienceCours 3 - Data BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage

Plus en détail

Urbanisation des SI-NFE107

Urbanisation des SI-NFE107 OLAP Urbanisation des SI-NFE107 Fiche de lecture Karim SEKRI 20/01/2009 OLAP 1 Introduction PLAN OLAP Les différentes technologies OLAP Plate formes et Outils 20/01/2009 OLAP 2 Informatique décisionnelle

Plus en détail

OLAP : un pas vers la navigation

OLAP : un pas vers la navigation Arnaud Giacometti, Patrick Marcel, Elsa Negre Université François-Rabelais de Tours Laboratoire d Informatique, Campus de Blois 3 place Jean Jaurès, 41000 Blois {Arnaud.Giacometti,Patrick.Marcel,Elsa.Negre}@univ-tours.fr

Plus en détail

THÈSE. en vue de l obtention du. présentée et soutenue par. Ronan Tournier. Titre : Analyse en ligne (OLAP) de documents. Jury :

THÈSE. en vue de l obtention du. présentée et soutenue par. Ronan Tournier. Titre : Analyse en ligne (OLAP) de documents. Jury : UNIVERSITE TOULOUSE III PAUL SABATIER U.F.R. MATHEMATIQUES INFORMATIQUE GESTION (MIG) ECOLE DOCTORALE MATHEMATIQUE, INFORMATIQUE ET TELECOMUNICATION DE TOULOUSE (MITT) THÈSE en vue de l obtention du DOCTORAT

Plus en détail

Plan. Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation

Plan. Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation Data WareHouse Plan Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation 2 Présentation Besoin: prise de décisions

Plus en détail

Bases de données multidimensionnelles OLAP. OnLine Analytical Processing

Bases de données multidimensionnelles OLAP. OnLine Analytical Processing Bases de données multidimensionnelles OLAP OnLine Analytical Processing OLAP OLAP (On Line Analytical Processing): Ensemble des outils nécessaires pour la mise en place d'un Système d'information décisionnel

Plus en détail

Entrepôts de données. NEGRE Elsa Université Paris-Dauphine 2015-2016

Entrepôts de données. NEGRE Elsa Université Paris-Dauphine 2015-2016 Entrepôts de données NEGRE Elsa Université Paris-Dauphine 2015-2016 Contexte et problématique Le processus de prise de décision L entrepôt de données Définition Différence avec un SGBD Caractéristiques

Plus en détail

Université Blaise Pascal Clermont II

Université Blaise Pascal Clermont II N d ordre : D.U : EDSPIC : Université Blaise Pascal Clermont II École Doctorale Sciences Pour l'ingénieur de Clermont-Ferrand THÈSE Présentée par Mehdi Zaamoune Pour obtenir le grade de DOCTEUR D UNIVERSITE

Plus en détail

Un modèle multidimensionnel pour un processus d analyse en ligne de résumés flous

Un modèle multidimensionnel pour un processus d analyse en ligne de résumés flous Un modèle multidimensionnel pour un processus d analyse en ligne de résumés flous Lamiaa Naoum To cite this version: Lamiaa Naoum. Un modèle multidimensionnel pour un processus d analyse en ligne de résumés

Plus en détail

Analyse OLAP d un entrepôt de documents XML

Analyse OLAP d un entrepôt de documents XML Analyse OLAP d un entrepôt de documents XML Fatma Abdelhedi, Landry Ntsama, Gilles Zurfluh IRIT-SIG, Université de Toulouse 1 Capitole 2 rue du Doyen Gabriel Marti, 31042 Toulouse, France prenom.nom@irit.fr

Plus en détail

Dessin assisté par ordinateur en lycée professionnel

Dessin assisté par ordinateur en lycée professionnel Dessin assisté par ordinateur en lycée professionnel Bernard Dauga To cite this version: Bernard Dauga. Dessin assisté par ordinateur en lycée professionnel. Bulletin de l EPI (Enseignement Public et Informatique),

Plus en détail

Fouille de données dans des bases parcellaires (cadre projet PayOTe)

Fouille de données dans des bases parcellaires (cadre projet PayOTe) Fouille de données dans des bases parcellaires (cadre projet PayOTe) Thomas Guyet AGROCAMPUS-OUEST IRISA Équipe DREAM 01 mars 2010, Nancy Équipe DREAM : axes de recherche Diagnosing, recommending actions

Plus en détail

Ministère de l Enseignement Supérieur et de la Recherche Scientifique Ecole nationale Supérieure d Informatique (E.S.I) Oued-Smar Alger.

Ministère de l Enseignement Supérieur et de la Recherche Scientifique Ecole nationale Supérieure d Informatique (E.S.I) Oued-Smar Alger. Ministère de l Enseignement Supérieur et de la Recherche Scientifique Ecole nationale Supérieure d Informatique (E.S.I) Oued-Smar Alger École Doctorale Sciences et Technologies de l'information et de la

Plus en détail

Intelligence Economique - Business Intelligence

Intelligence Economique - Business Intelligence Intelligence Economique - Business Intelligence Notion de Business Intelligence Dès qu'il y a une entreprise, il y a implicitement intelligence économique (tout comme il y a du marketing) : quelle produit

Plus en détail

Comptabilité à base d activités (ABC) et activités informatiques : une contribution à l amélioration des processus informatiques d une banque

Comptabilité à base d activités (ABC) et activités informatiques : une contribution à l amélioration des processus informatiques d une banque Comptabilité à base d activités (ABC) et activités informatiques : une contribution à l amélioration des processus informatiques d une banque Grégory Wegmann, Stephen Nozile To cite this version: Grégory

Plus en détail

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :

Plus en détail

Entrepôt de Données. Jean-François Desnos. Jean-Francois.Desnos@grenet.fr ED JFD 1

Entrepôt de Données. Jean-François Desnos. Jean-Francois.Desnos@grenet.fr ED JFD 1 Entrepôt de Données Jean-François Desnos Jean-Francois.Desnos@grenet.fr ED JFD 1 Définition (Bill Inmon 1990) Un entrepôt de données (data warehouse) est une collection de données thématiques, intégrées,

Plus en détail

Un datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données :

Un datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données : Page 1 of 6 Entrepôt de données Un article de Wikipédia, l'encyclopédie libre. L'entrepôt de données, ou datawarehouse, est un concept spécifique de l'informatique décisionnelle, issu du constat suivant

Plus en détail

La problématique. La philosophie ' ) * )

La problématique. La philosophie ' ) * ) La problématique!" La philosophie #$ % La philosophie &'( ' ) * ) 1 La philosophie +, -) *. Mise en oeuvre Data warehouse ou Datamart /01-2, / 3 13 4,$ / 5 23, 2 * $3 3 63 3 #, 7 Datawarehouse Data warehouse

Plus en détail

Une proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes

Une proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes 303 Schedae, 2007 Prépublication n 46 Fascicule n 2 Une proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes Samya Sagar, Mohamed Ben Ahmed Laboratoire

Plus en détail

Prototype SOLAP appliqué sur des champs continus en mode raster

Prototype SOLAP appliqué sur des champs continus en mode raster Prototype SOLAP appliqué sur des champs continus en mode raster Analyse de hot spots de criminalité Jean-Paul Kasprzyk 1 1. Unité de Géomatique, Université de Liège 17 Allée du 6 Août, B4000 Liège, Belgique

Plus en détail

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...) Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence

Plus en détail

SQL Server 2014 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services, Power BI...)

SQL Server 2014 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services, Power BI...) Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence

Plus en détail

OptAssist : outil d assistance pour l optimisation des entrepôts de données relationnels

OptAssist : outil d assistance pour l optimisation des entrepôts de données relationnels OptAssist : outil d assistance pour l optimisation des entrepôts de données relationnels Kamel Boukhalfa 1, Ladjel Bellatreche 2, and Zaia Alimazighi 1 1 USTHB University - Algiers - Algeria boukhalk@ensma.fr,

Plus en détail

La démarche MDA. Auteur : Projet ACCORD (Assemblage de composants par contrats en environnement ouvert et réparti)*

La démarche MDA. Auteur : Projet ACCORD (Assemblage de composants par contrats en environnement ouvert et réparti)* La démarche MDA Auteur : Projet ACCORD (Assemblage de composants par contrats en environnement ouvert et réparti)* Référence : Livrable 1.1-5 Date : Mai 2002 * : Les partenaires du projet ACCORD sont CNAM,

Plus en détail

Chapitre 9 : Informatique décisionnelle

Chapitre 9 : Informatique décisionnelle Chapitre 9 : Informatique décisionnelle Sommaire Introduction... 3 Définition... 3 Les domaines d application de l informatique décisionnelle... 4 Architecture d un système décisionnel... 5 L outil Oracle

Plus en détail

Hervé Couturier EVP, SAP Technology Development

Hervé Couturier EVP, SAP Technology Development Hervé Couturier EVP, SAP Technology Development Hervé Biausser Directeur de l Ecole Centrale Paris Bernard Liautaud Fondateur de Business Objects Questions à: Hervé Couturier Hervé Biausser Bernard Liautaud

Plus en détail

BI = Business Intelligence Master Data-Science

BI = Business Intelligence Master Data-Science BI = Business Intelligence Master Data-Science UPMC 25 janvier 2015 Organisation Horaire Cours : Lundi de 13h30 à 15h30 TP : Vendredi de 13h30 à 17h45 Intervenants : Divers industriels (en cours de construction)

Plus en détail

C-CUBE: Un nouvel opérateur d agrégation pour les entrepôts de données en colonnes

C-CUBE: Un nouvel opérateur d agrégation pour les entrepôts de données en colonnes C-CUBE: Un nouvel opérateur d agrégation pour les entrepôts de données en colonnes Khaled Dehdouh Fadila Bentayeb Nadia Kabachi Omar Boussaid Laboratoire ERIC, Université de Lyon 2 5 avenue Pierre Mendes-France,

Plus en détail

ETL Extract - Transform - Load

ETL Extract - Transform - Load ETL Extract - Transform - Load Concept général d analyse en ligne (rappels) Rémy Choquet - Université Lyon 2 - Master 2 IIDEE - 2006-2007 Plan Définitions La place d OLAP dans une entreprise OLAP versus

Plus en détail

Présentation du module Base de données spatio-temporelles

Présentation du module Base de données spatio-temporelles Présentation du module Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Partie 1 : Notion de bases de données (12,5h ) Enjeux et principes

Plus en détail

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION THÈSE N O 2388 (2001) PRÉSENTÉE AU DÉPARTEMENT D'INFORMATIQUE ÉCOLE POLYTECHNIQUE FÉDÉRALE

Plus en détail

Les entrepôts de données

Les entrepôts de données Les entrepôts de données Lydie Soler Janvier 2008 U.F.R. d informatique Document diffusé sous licence Creative Commons by-nc-nd (http://creativecommons.org/licenses/by-nc-nd/2.0/fr/) 1 Plan Introduction

Plus en détail

Généralisation contextuelle de mesures dans les entrepôts de données

Généralisation contextuelle de mesures dans les entrepôts de données Généralisation contextuelle de mesures dans les entrepôts de données Application aux entrepôts de données médicales Yoann Pitarch* Cécile Favre** Anne Laurent* Pascal Poncelet* * LIRMM, UMR 5506 161, Rue

Plus en détail

Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence

Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence Gwenole Fortin To cite this version: Gwenole Fortin. Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence. 2006.

Plus en détail

CONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS

CONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS CONCEPTION ET REALISATION D'UN GENERATEUR DE TABLEAUX DE BORD PROSPECTIFS MULTIDIMENSIONNELS Nazih Selmoune (*), Zaia Alimazighi (*) Selmoune@lsi-usthb.dz, Alimazighi@wissal.dz (*) Laboratoire des systèmes

Plus en détail

Chapitre IX. L intégration de données. Les entrepôts de données (Data Warehouses) Motivation. Le problème

Chapitre IX. L intégration de données. Les entrepôts de données (Data Warehouses) Motivation. Le problème Chapitre IX L intégration de données Le problème De façon très générale, le problème de l intégration de données (data integration) est de permettre un accès cohérent à des données d origine, de structuration

Plus en détail

Une méthode d apprentissage pour la composition de services web

Une méthode d apprentissage pour la composition de services web Une méthode d apprentissage pour la composition de services web Soufiene Lajmi * Chirine Ghedira ** Khaled Ghedira * * Laboratoire SOIE (ENSI) University of Manouba, Manouba 2010, Tunisia Soufiene.lajmi@ensi.rnu.tn,

Plus en détail

Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence

Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION Mentions

Plus en détail

SQL SERVER 2008, BUSINESS INTELLIGENCE

SQL SERVER 2008, BUSINESS INTELLIGENCE SGBD / Aide à la décision SQL SERVER 2008, BUSINESS INTELLIGENCE Réf: QLI Durée : 5 jours (7 heures) OBJECTIFS DE LA FORMATION Cette formation vous apprendra à concevoir et à déployer une solution de Business

Plus en détail

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/ Systèmes de gestion de bases de données Introduction Université d Evry Val d Essonne, IBISC utiles email : cinzia.digiusto@gmail.com webpage : http://www.ibisc.univ-evry.fr/ digiusto/ Google+ : https://plus.google.com/u/0/b/103572780965897723237/

Plus en détail

OPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE

OPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE OPEN DATA : CHALLENGES ET PERSPECTIVES D ENTREPOSAGE «Journée Open Data» 5 Novembre 2013 Présenté par : Imen Megdiche Directeur de thèse : Pr. Olivier Teste (SIG-IRIT) Co-directeur de thèse : Mr. Alain

Plus en détail

AVERTISSEMENT. D autre part, toute contrefaçon, plagiat, reproduction illicite de ce travail expose à des poursuites pénales.

AVERTISSEMENT. D autre part, toute contrefaçon, plagiat, reproduction illicite de ce travail expose à des poursuites pénales. AVERTISSEMENT Ce document est le fruit d un long travail approuvé par le jury de soutenance et mis à disposition de l ensemble de la communauté universitaire élargie. Il est soumis à la propriété intellectuelle

Plus en détail

LES ENTREPOTS DE DONNEES

LES ENTREPOTS DE DONNEES Module B4 : Projet des Systèmes d information Lille, le 25 mars 2002 LES ENTREPOTS DE DONNEES Problématique : Pour capitaliser ses informations, une entreprise doit-elle commencer par mettre en œuvre des

Plus en détail

Plan de cours ADM 992C Page 1. École des sciences de la gestion Département de management et technologie Université du Québec à Montréal

Plan de cours ADM 992C Page 1. École des sciences de la gestion Département de management et technologie Université du Québec à Montréal Plan de cours ADM 992C Page 1 École des sciences de la gestion Département de management et technologie Université du Québec à Montréal ADM-992C LES TECHNOLOGIES D'AIDE À LA PRISE DE DÉCISION DANS LES

Plus en détail

Intégrer et gérer la temporalité dans le système d'information du territoire genevois (www.sitg.ch)

Intégrer et gérer la temporalité dans le système d'information du territoire genevois (www.sitg.ch) REPUBLIQUE ET CANTON DE GENEVE Département de l'intérieur et de la mobilité Service de la mensuration officielle 02.2012 Intégrer et gérer la temporalité dans le système d'information du territoire genevois

Plus en détail

Skills Technology Software PARTENAIRE TECHNOLOGIQUE DE VOTRE DÉVELOPPEMENT

Skills Technology Software PARTENAIRE TECHNOLOGIQUE DE VOTRE DÉVELOPPEMENT Skills Technology Software w w w.s PARTENAIRE TECHNOLOGIQUE DE VOTRE DÉVELOPPEMENT ka ty s. co m E U OG ION L TA AT A C RM FO Accélérateur de votre RÉUSSITE 2 Formation Aujourd hui, la formation constitue

Plus en détail

Présentations personnelles. filière IL

Présentations personnelles. filière IL Présentations personnelles filière IL Résumé Liste de sujets de présentations personnelles. Chaque présentation aborde un sujet particulier, l'objectif étant que la lecture du rapport ainsi que l'écoute

Plus en détail

JASPERSOFT ET LE PAYSAGE ANALYTIQUE. Jaspersoft et le paysage analytique 1

JASPERSOFT ET LE PAYSAGE ANALYTIQUE. Jaspersoft et le paysage analytique 1 JASPERSOFT ET LE PAYSAGE ANALYTIQUE Jaspersoft et le paysage analytique 1 Ce texte est un résumé du Livre Blanc complet. N hésitez pas à vous inscrire sur Jaspersoft (http://www.jaspersoft.com/fr/analyticslandscape-jaspersoft)

Plus en détail

Sur le grossissement des divers appareils pour la mesure des angles par la réflexion d un faisceau lumineux sur un miroir mobile

Sur le grossissement des divers appareils pour la mesure des angles par la réflexion d un faisceau lumineux sur un miroir mobile Sur le grossissement des divers appareils pour la mesure des angles par la réflexion d un faisceau lumineux sur un miroir mobile W. Lermantoff To cite this version: W. Lermantoff. Sur le grossissement

Plus en détail

Etat de l art sur l utilisation des techniques Web Sémantique en ECD

Etat de l art sur l utilisation des techniques Web Sémantique en ECD Etat de l art sur l utilisation des techniques Web Sémantique en ECD Hicham Behja ENSAM Meknès(1,2,3) Brigitte Trousse Projet AxIS INRIA Sophia Antipolis (2) Abdelaziz Marzak Faculté des sciences Casablanca

Plus en détail

Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.

Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc. Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants

Plus en détail

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise.

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service

Plus en détail

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012 CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2012 AGENDA Qui sommes nous? Présentation de Keyrus Keyrus : Expert en formations BI Nos propositions de formation 3 modes de formations Liste des

Plus en détail

Evolution et personnalisation des analyses dans les entrepôts

Evolution et personnalisation des analyses dans les entrepôts Evolution et personnalisation des analyses dans les entrepôts de données Une approche orientée utilisateur Cécile Favre Fadila Bentayeb Omar Boussaid Laboratoire ERIC Université de Lyon - Campus Porte

Plus en détail