Plan. Motivation. Les requêtes MDX considérées. Le profil utilisateur. Les contraintes de visualisation. La personnalisation.
|
|
- Alphonse Nolet
- il y a 6 ans
- Total affichages :
Transcription
1 Personnalisation de requêtes MDX Ladjel Bellatreche 1 Arnaud Giacometti 2 Patrick Marcel 2 Hassina Mouloudi 2 1 LISI, Université de Poitiers 2 LI, Université François Rabelais de Tours BDA 2006
2 Plan Motivation Les requêtes MDX considérées Le profil utilisateur Les préférences Les contraintes de visualisation La personnalisation Conclusion
3 Motivation Exemple SELECT {[City].Tours,[City].Orleans}, {[Year].2003,[Year].2004,[Year].2005,[Year].2006}, {[Category].shoes,[Category].cloth, [Category].food,[Category].drink} FROM SalesCube WHERE [Measures].quantity Différentes visualisations possibles selon le profil
4 Motivation Problématique Pas de travaux sur la personnalisation de requêtes OLAP Particularités des requêtes OLAP : la requête porte sur des faits à différents niveaux de détail la requête comporte une partie mise en forme du résultat qu est-ce qu un profil utilisateur pour ce type de requêtes? peut-on calculer automatiquement la visualisation des faits préférés? ne pas accéder à la table des faits pour personnaliser
5 Motivation Objectif Étant donné : une requête MDX q des préférences utilisateur P une contrainte de visualisation v calculer q telle que : q q q est la plus proche de q satisfaisant v q est la plus intéressante au regard de P trouver q max P {q q v(q ) = true}
6 Les requêtes MDX considérées Les requêtes MDX Q MDX les requêtes MDX de forme : SELECT SX 1 ON AXIS(1),... SX K ON AXIS(K) FROM C WHERE SX K+1 soit q Q MDX, pour i [1,...,K + 1], SX i (q) est une requête de l algèbre relationnelle S i (q) est le schéma de cette requête ref i (q) est la réponse à cette requête schéma sch(q) = i [1,...,K+1] S i(q) structure struct(q) = S 1 (q),...,s K (q) références ref (q) = ref 1 (q)... ref K+1 (q)
7 Les requêtes MDX considérées Exemple SalesCube de schéma Product(Item,Category),Time(Day,Month,Year), Location(City,Region,Country),Measure(name), sales(item,day,city,name,val) q = SELECT FROM WHERE [City].members ON COLUMNS CROSSJOIN({[Year].2005,[Year].2006},{[Product].members}) ON ROWS SalesCube [Measure].quantity sch(q) = {Location,Time,Product,Measure} struct(q) = {Location},{Time,Product} ref (q) = π City (Location) {2005,2006} (π Category (Product) π Item (Product)) {quantity}
8 Le profil utilisateur Les préférences Les préférences Les préférences consistent en : un ordre partiel sur les dimensions : D < d D si D préférée à D pour chaque dimension D i, un ordre partiel sur les membres : m < i m si m préféré à m
9 Le profil utilisateur Les préférences Les préférences Les préférences consistent en : un ordre partiel sur les dimensions : D < d D si D préférée à D pour chaque dimension D i, un ordre partiel sur les membres : m < i m si m préféré à m On en déduit un ordre sur les références : (t,t ) les dimensions où t et t diffèrent M = max <d ( (t,t )) les dimensions préférées où t et t diffèrent t t si D i M,t(D i ) < i t (D i )
10 Le profil utilisateur Les préférences Ordre sur les requêtes L ordre sur les références fournit un ordre partiel sur les requêtes : pour q,q Q MDX : q q si sch(q) = sch(q ) et t ref (q), t ref (q ),t t q q si sch(q) = sch(q ) et quelque soit l instance de C, ref (q) ref (q ) L ordre sur les requêtes est tel que si q q alors q q
11 Le profil utilisateur Les préférences Exemple Soient les préférences : Location < d Time et Product < d Time 2005 < Time 2006, drink < Product food q 1 = SELECT FROM WHERE {[Year].2005} ON COLUMNS ({[Category].food, [Category].drink}, {[City].Tours}) ON ROWS SalesCube [Measure].quantity q 2 = SELECT FROM WHERE {[Category].drink} ON COLUMNS ({[Year].2006},{[City].Tours}) ON ROWS SalesCube [Measure].quantity
12 Le profil utilisateur Les préférences Exemple Soient les préférences : Location < d Time et Product < d Time 2005 < Time 2006, drink < Product food q 1 = SELECT FROM WHERE {[Year].2005} ON COLUMNS ({[Category].food, [Category].drink}, {[City].Tours}) ON ROWS SalesCube [Measure].quantity q 2 = SELECT FROM WHERE {[Category].drink} ON COLUMNS ({[Year].2006},{[City].Tours}) ON ROWS SalesCube [Measure].quantity car : ref (q 1 ) = { 2005,food,Tours,quantity, 2005,drink,Tours,quantity } ref (q 2 ) = { 2006,drink,Tours,quantity } et 2005,food,Tours,quantity 2006,drink,Tours,quantity 2005,drink,Tours,quantity 2006,drink,Tours,quantity
13 Le profil utilisateur Les contraintes de visualisation Contraintes Une contrainte v est : une fonction booléenne définie sur Q MDX anti-monotone si q,q Q MDX si q q et v(q ) = true alors v(q) = true Utilisation d un algorithme par niveau pour calculer le plus grand ensemble de références satisfaisant v
14 Le profil utilisateur Les contraintes de visualisation Contraintes Exemple de contrainte de visualisation anti-monotone : pour une structure T = T 1,...,T K et un tuple d entiers G = G 1,...,G K v T,G (q) = true si q contient K axes les dimensions de T k sont affichées sur l axe k l axe k ne comporte pas plus de Gk positions
15 La personnalisation Le principe Contexte : les tables de dimensions sont en mémoire pas d accès à la table de faits Pour une requête q, des préférences P et une contrainte v : 1. calcul des sous-ensembles de ref (q) les plus grands possibles visualisables selon v contenant les références préférées selon P 2. calcul des structures permettant de visualiser ces ensembles
16 La personnalisation L algorithme Les références de ref (q) peuvent être ordonnées des plus préférées (R 1 ) au moins préférées (R n ) : ref (q) = R 1... R n 1. M 0 = { } 2. pour i de 1 à n faire 2.1 prendre R i les préférées à l étape i 2.2 pour chaque R de M i 1 ajouter à M i l ensemble R R i tel que : R i est le plus grand sous-ensemble de R i tel que R R i satisfait v 3. pour chaque R de M n calculer les structures S permettant de visualiser R 4. construire les requêtes MDX à partir des couples R,S
17 La personnalisation Exemple La requête : SELECT FROM WHERE Les préférences : {[City].Tours, [City].Orleans}, {[Year].2003,[Year].2004,[Year].2005,[Year].2006}, {[Category].shoes,[Category].cloth,[Category].food,[Category].drink} SalesCube [Measures].quantity (Time < d Location) et (Product < d Location) 2002 < Time 2003 < Time 2004 < Time 2005 < Time 2006 electronics < Product shoes < Product cloth < Product food < Product drink (Centre < Location Tours) et (Centre < Location Orleans) quantity < Measures price La contrainte de visualisation : v T,G : T =, et G = 4,4
18 La personnalisation Exemple Etape 1 : R 1 = { 2006,drink,Orleans,quantity, 2006,drink,Tours,quantity } drink Orleans Tours 2006
19 La personnalisation Exemple Etape 2 : R 2 = { 2006,food,Orleans,quantity, 2006,food,Tours,quantity, 2005,drink,Orleans,quantity, 2005,drink,Tours,quantity } drink food Orleans Tours Orleans Tours
20 La personnalisation Exemple Etape 3 : R 3 = { 2005,food,Orleans,quantity, 2004,drink,Orleans,quantity, 2005,food,Tours,quantity, 2004,drink,Tours,quantity, 2006,cloth,Orleans,quantity, 2006,cloth,Tours,quantity } or on ne peut pas visualiser 3 années, 3 catégories et 2 villes drink food Orleans Tours Orleans Tours Tours Orleans food drink cloth
21 La personnalisation Exemple Etc. Au final une des requêtes générées est : SELECT FROM WHERE {[Year].2003,[Year].2004,[Year].2005,[Year].2006} ON COLUMNS CROSSJOIN({[City].Tours,[City].Orleans}, {[Category].food,[Category].drink}) ON ROWS SalesCube [Measures].quantity
22 Conclusion Conclusion et perspectives Contribution : un cadre pour la personnalisation de requêtes OLAP développement d un prototype pour applications mobiles
23 Conclusion Conclusion et perspectives Contribution : un cadre pour la personnalisation de requêtes OLAP développement d un prototype pour applications mobiles Perspectives : utiliser plutôt un langage clos! ajouter au profil des préférences sur la structure prendre en compte des contraintes telles que : le coût d évaluation de la requêtes la cardinalité de la réponse
OLAP : Mondrian + Pentaho. Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot
OLAP : Mondrian + Pentaho Maguelonne Teisseire Hugo Alatrista Salas hugo.alatrista- salas@teledetec9on.fr Flavien Bouillot Outils Open Source Mondrian : serveur OLAP JFreeReport : ou9l de «Repor9ng» KeHle
Plus en détailL informatique des entrepôts de données
L informatique des entrepôts de données Daniel Lemire SEMAINE 10 Introduction à MDX 10.1. Présentation de la semaine Tout comme le modèle relationnel utilise SQL comme langage, le modèle OLAP utilise le
Plus en détail2 Serveurs OLAP et introduction au Data Mining
2-1 2 Serveurs OLAP et introduction au Data Mining 2-2 Création et consultation des cubes en mode client-serveur Serveur OLAP Clients OLAP Clients OLAP 2-3 Intérêt Systèmes serveurs et clients Fonctionnalité
Plus en détail2014/2015. Rapport 4 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ENCADRE PAR : MME L.LAMRINI ANOUAR OUFQIR SMARTSIR
2014/2015 Rapport 4 REALISE PAR : ISMAIL NAIT ABDELLAH OUALI SOUFIANE HOURRI MOHAMED OUSSAFI ENCADRE PAR : ANOUAR OUFQIR MME L.LAMRINI SMARTSIR Table des matières Introduction... 2 Choix de l outil pour
Plus en détailHervé 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 détailSQL 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 détailECR_DESCRIPTION CHAR(80), ECR_MONTANT NUMBER(10,2) NOT NULL, ECR_SENS CHAR(1) NOT NULL) ;
RÈGLES A SUIVRE POUR OPTIMISER LES REQUÊTES SQL Le but de ce rapport est d énumérer quelques règles pratiques à appliquer dans l élaboration des requêtes. Il permettra de comprendre pourquoi certaines
Plus en détailETL 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 détailBases de Données relationnelles et leurs systèmes de Gestion
III.1- Définition de schémas Bases de Données relationnelles et leurs systèmes de Gestion RAPPELS Contraintes d intégrité sous Oracle Notion de vue Typage des attributs Contrainte d intégrité Intra-relation
Plus en détail1 Définition et Appel d une fonction. V. Phan Luong. Cours 4 : Fonctions
Université de Provence Licence Math-Info Première Année V. Phan Luong Algorithmique et Programmation en Python Cours 4 : Fonctions La construction de fonctions dans un langage de programmation permet aux
Plus en détailDatawarehouse: 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 détailBI2 : 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 détailTP Contraintes - Triggers
TP Contraintes - Triggers 1. Préambule Oracle est accessible sur le serveur Venus et vous êtes autorisés à accéder à une instance licence. Vous utiliserez l interface d accés SQL*Plus qui permet l exécution
Plus en détailSQL 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 détailTP Bases de données réparties
page 1 TP Bases de données réparties requêtes réparties Version corrigée Auteur : Hubert Naacke, révision 5 mars 2003 Mots-clés: bases de données réparties, fragmentation, schéma de placement, lien, jointure
Plus en détail1 Introduction et installation
TP d introduction aux bases de données 1 TP d introduction aux bases de données Le but de ce TP est d apprendre à manipuler des bases de données. Dans le cadre du programme d informatique pour tous, on
Plus en détailBases de Données Relationnelles. Le Modèle Relationnel
Bases de Données Relationnelles Le Modèle Relationnel Le modèle relationnel modèle de niveau logique modèle simple : deux concepts relation (table) attribut (colonne) défini par Ted Codd en 1970 ; prix
Plus en détailBases de données et sites WEB Licence d informatique LI345
Bases de données et sites WEB Licence d informatique LI345 Anne Doucet Anne.Doucet@lip6.fr http://www-bd.lip6.fr/ens/li345-2013/index.php/lescours 1 Contenu Transactions en pratique Modèle relationnel-objet
Plus en détailLe langage SQL Rappels
Le langage SQL Rappels Description du thème : Présentation des principales notions nécessaires pour réaliser des requêtes SQL Mots-clés : Niveau : Bases de données relationnelles, Open Office, champs,
Plus en détailData Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
Plus en détailIntroduction aux outils BI de SQL Server 2014. Création de cubes dans SQL Server Analysis Services (SSAS)
MIT820: Entrepôts de données et intelligence artificielle Introduction aux outils BI de SQL Server 2014 Création de cubes dans SQL Server Analysis Services (SSAS) Description générale Ce tutoriel a pour
Plus en détail17/07/2013. Décisionnel dans le Nuage. Laboratoire ERIC. Section 1. Équipe d Accueil 3083. Décisionnel dans le Nuage.
Master 2 FDGC-ECD Année 203-204 Laboratoire ERIC Équipe d Accueil 3083 et Jérôme Darmont eric.univ-lyon2.fr/~jdarmont/ Section Décisionnel dans le Nuage 2 Le meilleur des mondes Du décisionnel à papa datawarehousing0.wikispaces.com
Plus en détail1 Modélisation d une base de données pour une société de bourse
IN306 : Corrigé SID Christophe Garion 18 octobre 2010 Ce document est un corrigé succinct de l examen du module IN306. 1 Modélisation d une base de données pour une société de bourse Une
Plus en détailPrésentation Windows Azure Hadoop Big Data - BI
Présentation Windows Azure Hadoop Big Data - BI Sommaire 1. Architecture Hadoop dans Windows Azure... 3 2. Requête Hive avec Hadoop dans Windows Azure... 4 3. Cas d études... 5 3.1 Vue : Administrateur...
Plus en détailBases de données cours 4 Construction de requêtes en SQL. Catalin Dima
Bases de données cours 4 Construction de requêtes en SQL Catalin Dima Requêtes SQL et langage naturel Énoncés en langage naturel. Traduction en SQL? Correspondance entre syntagmes/phrases et opérations
Plus en détailMTI820 Entrepôts de données et intelligence d affaires. Les applica+ons de BI
MTI820 Entrepôts de données et intelligence d affaires Les applica+ons de BI Département de génie logiciel et des TI MTI820 Hiver 2011 S. ChaEi, C. Desrosiers 1 Le cycle de vie d un projet en BI Diagramme
Plus en détailLes 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 détailLes bases de données
Les bases de données Introduction aux fonctions de tableur et logiciels ou langages spécialisés (MS-Access, Base, SQL ) Yves Roggeman Boulevard du Triomphe CP 212 B-1050 Bruxelles (Belgium) Idée intuitive
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailJava DataBaseConnectivity
Java DataBaseConnectivity JDBC JDBC est une API Java (ensemble de classes et d interfaces défini par SUN et les acteurs du domaine des SGBD) permettant d accéder aux bases de données à l aide du langage
Plus en détailLangage SQL : créer et interroger une base
Langage SQL : créer et interroger une base Dans ce chapitre, nous revenons sur les principales requêtes de création de table et d accès aux données. Nous verrons aussi quelques fonctions d agrégation (MAX,
Plus en détailBases de données avancées Introduction
Bases de données avancées Introduction Dan VODISLAV Université de Cergy-Pontoise Master Informatique M1 Cours BDA Plan Objectifs et contenu du cours Rappels BD relationnelles Bibliographie Cours BDA (UCP/M1)
Plus en détailCREATION WEB DYNAMIQUE
CREATION WEB DYNAMIQUE IV ) MySQL IV-1 ) Introduction MYSQL dérive directement de SQL (Structured Query Language) qui est un langage de requêtes vers les bases de données relationnelles. Le serveur de
Plus en détailBD et XML : Exercices
BD et XML : Exercices 1 Stockage XML Voici un arbre XML : A B E C F C F C F D C C D D D 1.1 Stockage générique Exercice 1.1.1 : Définissez un schéma de stockage relationnel générique (sans prendre en compte
Plus en détailAtelier : créer et visualiser vos contenus BIRT Matériel de formation. Journée BIRT 22 mai 2012
Atelier : créer et visualiser vos contenus BIRT Matériel de formation Journée BIRT 22 mai 2012 A la découverte de BIRT BIRT qui signifie Business Intelligence and Reporting Tools est un projet de la Fondation
Plus en détailPrototypage et évaluation de performances d un service de traçabilité avec une architecture distribuée basée sur Hadoop
Prototypage et évaluation de performances d un service de traçabilité avec une architecture distribuée basée sur Hadoop Soutenance de projet ASR 27/01/2011 Julien Gerlier Siman Chen Encadrés par Bruno
Plus en détailLicence de MIDO - 3ème année Spécialités Informatique et Mathématiques Appliquées
Licence de MIDO - 3ème année Spécialités Informatique et Mathématiques Appliquées ANNEE 2014 / 2015 Désignation de l enseignement : Bases de données Nom du document : TP SQL sous PostgreSQL Rédacteur :
Plus en détailGrégoire de Lassence. Copyright 2006, SAS Institute Inc. All rights reserved.
Grégoire de Lassence 1 Grégoire de Lassence Responsable Pédagogie et Recherche Département Académique Tel : +33 1 60 62 12 19 gregoire.delassence@fra.sas.com http://www.sas.com/france/academic SAS dans
Plus en détailBases de données réparties: Fragmentation et allocation
Pourquoi une base de données distribuée? Bibliographie Patrick Valduriez, S. Ceri, Guiseppe Delagatti Bases de données réparties: Fragmentation et allocation 1 - Introduction inventés à la fin des années
Plus en détailINFORMATIONS VOUS CONCERNANT
OBJET : SITE INTERNET INFORMATIONS VOUS CONCERNANT Nom Prénom :... Nom de l Entreprise :... Statut :... Activité :... Adresse :... Code postal - Ville :... Tél :... E-mail :... Fax :... INFORMATIONS CONCERNANT
Plus en détailOptimisation SQL. Quelques règles de bases
Optimisation SQL Quelques règles de bases Optimisation des ordres SQL Page 2 1. QUELQUES RÈGLES DE BASE POUR DES ORDRES SQL OPTIMISÉS...3 1.1 INTRODUCTION...3 1.2 L OPTIMISEUR ORACLE...3 1.3 OPTIMISEUR
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailManipulation 4 : Application de «Change».
Manipulation 4 : Application de «Change». Première partie : Cette manipulation a pour but d utiliser un service Web afin d obtenir les taux de change appliqués entre les différentes monnaies référencées
Plus en détailFranchise Expo Paris Le salon international pour entreprendre en réseau
Franchise Expo Paris Le salon international pour entreprendre en réseau 22 25 Mars 2015 Paris Expo - Porte de Versailles un salon dédié aux MARQUES voulant DEVELOPPER LEUR RESEAU en France et à l INTERNATIONAL.
Plus en détailUML et les Bases de Données
CNAM UML et les Bases de Données UML et les Bases de Données. Diagramme de classes / diagramme d objets (UML)...2.. Premier niveau de modélisation des données d une application...2.2. Les éléments de modélisation...2.2..
Plus en détailDurée : 4 heures Le sujet se présente sous la forme de deux dossiers indépendants
ÉPREUVE E5 : ANALYSE DE GESTION ET ORGANISATION DU SYSTÈME D INFORMATION Durée : 4 heures Le sujet se présente sous la forme de deux dossiers indépendants Page de garde... p 1 Présentation de l entreprise...
Plus en détailConcurrence imparfaite
Concurrence imparfaite 1. Le monopole 2. Concurrence monopolistique 3. Hotelling et Salop 4. Concurrence à la Cournot 5. Concurrence à la Bertrand 6. Concurrence à la Stackelberg Monopole Un monopole,
Plus en détailSQL Server 2014. SQL Server 2014. Implémentation d une solution. Implémentation d une solution de Business Intelligence.
Ce livre sur s adresse à toutes les personnes désireuses de mettre en œuvre les techniques de l informatique décisionnelle (ou BI, Business Intelligence) à l aide des composants de la suite Microsoft :
Plus en détailSQL Server 2012 et SQL Server 2014
SQL Server 2012 et SQL Server 2014 Principales fonctions SQL Server 2012 est le système de gestion de base de données de Microsoft. Il intègre un moteur relationnel, un outil d extraction et de transformation
Plus en détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailCompétences Business Objects - 2014
Compétences Business Objects - 2014 «Mars-Juin 2014. Réf : Version 1 Page 1 sur 34 Sommaire CONTEXTE DE LA REMISE A NIVEAU EN AUTOFORMATION... 3 1. MODELISATION... 4 1.1 DESCRIPTION FONCTIONNEL DE L'APPLICATION
Plus en détailPilotage de la Supply Chain
Pilotage de la Supply Chain ICON SUPPLY CHAIN CONTROL Présentation GALIA - Paris, Mai 2002 Entreprise 1992: Fondée par Dr.-Ing. Kurt Mannchen et Dr.-Ing. Michael Keppler 1994: SCP Solutions de Supply Chain
Plus en détailDossier I Découverte de Base d Open Office
ETUDE D UN SYSTEME DE GESTION DE BASE DE DONNEES RELATIONNELLES Définition : Un SGBD est un logiciel de gestion des données fournissant des méthodes d accès aux informations. Un SGBDR permet de décrire
Plus en détail1/ Présentation de SQL Server :
Chapitre II I Vue d ensemble de Microsoft SQL Server Chapitre I : Vue d ensemble de Microsoft SQL Server Module: SQL server Semestre 3 Année: 2010/2011 Sommaire 1/ Présentation de SQL Server 2/ Architerture
Plus en détailSuivant les langages de programmation, modules plus avancés : modules imbriqués modules paramétrés par des modules (foncteurs)
Modularité Extensions Suivant les langages de programmation, modules plus avancés : modules imbriqués modules paramétrés par des modules (foncteurs) généricité modules de première classe : peuvent être
Plus en détailBusiness Intelligence avec Excel, Power BI et Office 365
Avant-propos A. À qui s adresse ce livre? 9 1. Pourquoi à chaque manager? 9 2. Pourquoi à tout informaticien impliqué dans des projets «BI» 9 B. Obtention des données sources 10 C. Objectif du livre 10
Plus en détailTout ce que vous avez toujours voulu savoir sur SAP HANA. Sans avoir jamais osé le demander
Tout ce que vous avez toujours voulu savoir sur SAP HANA Sans avoir jamais osé le demander Agenda Pourquoi SAP HANA? Qu est-ce que SAP HANA? SAP HANA pour l intelligence d affaires SAP HANA pour l analyse
Plus en détailEntreprise et Big Data
Entreprise et Big Data Christophe Favart Chef Architecte, SAP Advanced Development, Business Information Technology Public Juin 2013 Agenda SAP Données d Entreprise Big Data en entreprise Solutions SAP
Plus en détailAccess et Org.Base : mêmes objectifs? Description du thème : Création de grilles d écran pour une école de conduite.
Access et Org.Base : mêmes objectifs? Description du thème : Création de grilles d écran pour une école de conduite. Mots-clés : Niveau : Bases de données relationnelles, Open Office, champs, relations,
Plus en détailINSTITUT NATIONAL DES TELECOMMUNICATIONS CONTROLE DES CONNAISSANCES. 2. Les questions sont indépendantes les unes des autres.
INSTITUT NATIONAL DES TELECOMMUNICATIONS CONTROLE DES CONNAISSANCES Durée : 1h30 Date : 17/05/2006 Coordonnateurs : Amel Bouzeghoub et Bruno Defude Documents autorisés : ceux distribués en cours Avertissements
Plus en détailProcédure de recouvrement d impayés
Procédure de recouvrement d impayés En cas de facture non payée à échéance, on engage ce que l on appelle une procédure de recouvrement d impayés. Afin d optimiser vos chances d obtenir le paiement, il
Plus en détailChapitre VIII. Les bases de données. Orientées Objet. Motivation
Chapitre VIII Motivation Le modèle relationnel connaît un très grand succès et s avère très adéquat pour les applications traditionnelles des bases de données (gestion) Les bases de données Orientées Objet
Plus en détail*Way of Life! : Un style de vie! DU 27 SEPT. AU 30 NOV. 2012 OFFRES SPÉCIALES SUR TOUTE LA GAMME 100 % NOUVEAUTÉS
*Way of Life! : Un style de vie! DU 27 SEPT. AU 30 NOV. 2012 OFFRES SPÉCIALES SUR TOUTE LA GAMME 100 % NOUVEAUTÉS La Swift qui vous ressemble, NOUVELLE SWIFT In The City Style URBAIN 10 990 (2) Sous condition
Plus en détailBases de Données OLAP
Bases de Données OLAP Hiver 2013/2014 Melanie Herschel melanie.herschel@lri.fr Université Paris Sud, LRI Chapitre 1 Introduction Détails administratifs Entrepôts de Données Perspective sur le semestre
Plus en détailBases de données et sites WEB
Bases de données et sites WEB Cours2 : Sécurité et contrôles d accès Anne Doucet 1 Authentification Autorisation Privilèges Rôles Profils Limitations de ressources Plan Audit Contrôle d accès via les vues
Plus en détailBases 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 détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailCours: Les Jointures 1
Bases de Données Avancées Module A IUT Lumière, License CE-STAT 2006-2007 Pierre Parrend Cours: Les Jointures 1 Plan Table of Contents Principe...1 Example...1 Types de Jointures...2 Définitions et examples...2
Plus en détailPlan. Bases de Données. Sources des transparents. Bases de SQL. L3 Info. Chapitre 4 : SQL LDD Le langage de manipulation de données : LMD
Plan Bases de Données L3 Info Céline Rouveirol 2010-2011 Bases de Données 1 / 77 Sources des transparents Bases de Données 2 / 77 Bases de SQL - M.P. Dorville/F. Goasdoué, LRI, Université Paris Sud - V.
Plus en détailEncryptions, compression et partitionnement des données
Encryptions, compression et partitionnement des données Version 1.0 Grégory CASANOVA 2 Compression, encryption et partitionnement des données Sommaire 1 Introduction... 3 2 Encryption transparente des
Plus en détailLangage SQL (1) 4 septembre 2007. IUT Orléans. Introduction Le langage SQL : données Le langage SQL : requêtes
Langage SQL (1) Sébastien Limet Denys Duchier IUT Orléans 4 septembre 2007 Notions de base qu est-ce qu une base de données? SGBD différents type de bases de données quelques systèmes existants Définition
Plus en détailLe langage SQL (première partie) c Olivier Caron
Le langage SQL (première partie) 1 Plan Le S.G.B.D. postgres Le langage SQL Langage de manipulation de données Langage de requêtes 2 Quelques mots sur Postgres (1/2) Travaux de Stonebraker (Univ. Berkeley)
Plus en détailBASES DE DONNEES ORIENTEES OBJETS BDA10.1
BASES DE DONNEES ORIENTEES OBJETS BDA10.1 Trois chapitres Principes et modèles 2 approches : langage de programmation OO => nouveaux SGBD "purs orientés-objets" norme ODMG extension des bd relationnelles
Plus en détailFormation Webase 5. Formation Webase 5. Ses secrets, de l architecture MVC à l application Web. Adrien Grand <jpountz@via.ecp.fr> Centrale Réseaux
Formation Webase 5 Ses secrets, de l architecture MVC à l application Web Adrien Grand Centrale Réseaux Sommaire 1 Obtenir des informations sur Webase 5 2 Composants de Webase 5 Un
Plus en détailIntroduction. PHP = Personal Home Pages ou PHP Hypertext Preprocessor. Langage de script interprété (non compilé)
Introduction PHP = Personal Home Pages ou PHP Hypertext Preprocessor Langage de script interprété (non compilé) Plan Avantages Fonctionnement interne Bases du langage Formulaires Envoi d un email Avantages
Plus en détailMise en oeuvre d'une base de données mono-utilisateur avec SQLite
Mise en oeuvre d'une base de données mono-utilisateur avec SQLite Utilisation de SQLite dans le logiciel CASSIS Plan Le contexte scientifique avec le logiciel CASSIS La problématique avec Mysql La solution
Plus en détailBIRT (Business Intelligence and Reporting Tools)
BIRT (Business Intelligence and Reporting Tools) Introduction Cette publication a pour objectif de présenter l outil de reporting BIRT, dans le cadre de l unité de valeur «Data Warehouse et Outils Décisionnels»
Plus en détailGestion de base de données
Université Libre de Bruxelles Faculté de Philosophie et Lettres Département des Sciences de l Information et de la Communication Gestion de base de données Projet : Take Off ASBL Cours de M. A. Clève STIC-B-505
Plus en détailAnnée Universitaire 2009/2010 Session 2 de Printemps
Année Universitaire 2009/2010 Session 2 de Printemps DISVE Licence PARCOURS : CSB4 & CSB6 UE : INF 159, Bases de données Épreuve : INF 159 EX Date : Mardi 22 juin 2010 Heure : 8 heures 30 Durée : 1 heure
Plus en détailTraitement et exploration du fichier Log du Serveur Web, pour l extraction des connaissances: Web Usage Mining
Traitement et exploration du fichier Log du Serveur Web, pour l extraction des connaissances: Web Usage Mining Mostafa HANOUNE*, Fouzia BENABBOU* *Université Hassan II- Mohammedia, Faculté des sciences
Plus en détailIntroduction aux outils BI de SQL Server 2014. Tutoriel sur SQL Server Integration Services (SSIS)
MIT820: Entrepôts de données et intelligence artificielle Introduction aux outils BI de SQL Server 2014 Tutoriel sur SQL Server Integration Services (SSIS) Description générale Ce tutoriel a pour objectif
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailBusiness Intelligence simple et efficace avec Excel et PowerPivot
Présentation de PowerPivot A. L analyse de données 7 1. Activité 7 2. Définitions 8 a. Mesures et dimensions 8 b. Traitement et analyse 8 c. Robustesse et confiance 9 B. Des solutions pour les gros volumes
Plus en détail7/26/2011. Analyse des besoins. Contextualisation. Univers de pensée et univers de croyance. Droit et interculturel. Les bases de connaissances
Dixième Forum international sur la déontologie et les bonnes pratiques. 19,20,21 mai 2011 Tribunal de Grande Instance de Paris Les NTIC au service de la communication interculturelle dans le domaine du
Plus en détailNFA 008. Introduction à NoSQL et MongoDB 25/05/2013
NFA 008 Introduction à NoSQL et MongoDB 25/05/2013 1 NoSQL, c'est à dire? Les bases de données NoSQL restent des bases de données mais on met l'accent sur L'aspect NON-relationnel L'architecture distribuée
Plus en détailBases de données - Modèle relationnel
Bases de données - Modèle relationnel Introduction SITE :http://www.univ-orleans.fr/lifo/members/mirian.halfeld/ BD - Mírian Halfeld-Ferrari p. 1 Les bases de données - Bibliographie Ullman and Widom,
Plus en détailCours 1 : Introduction Ordinateurs - Langages de haut niveau - Application
Université de Provence Licence Math-Info Première Année V. Phan Luong Algorithmique et Programmation en Python Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application 1 Ordinateur Un
Plus en détailMysql. Les requêtes préparées Prepared statements
Mysql Les requêtes préparées Prepared statements Introduction Les prepared statements côté serveur sont une des nouvelles fonctionnalités les plus intéressantes de MySQL 4.1 (récemment sorti en production
Plus en détailDe l Etudiant à SBA à l Enseignant Chercheur à l ENSMA
De l Etudiant à SBA à l Enseignant Chercheur à l ENSMA Ladjel BELLATRECHE bellatreche@ensma.fr http://www.lias lab.fr/members/bellatreche Les déterminants de la motivation selon Rolland Viau Perception
Plus en détailBases de données relationnelles
Bases de données relationnelles Système de Gestion de Bases de Données Une base de données est un ensemble de données mémorisé par un ordinateur, organisé selon un modèle et accessible à de nombreuses
Plus en détailAmadeus Algérie Service Catalogue. Formation et assistance
Amadeus Algérie Service Catalogue Formation et assistance Services Amadeus Algérie Exploitez efficacement vos activités Vous recherchez un fournisseur? ou plus qu un fournisseur? Chez Amadeus, nous ne
Plus en détailOpenPaaS Le réseau social d'entreprise
OpenPaaS Le réseau social d'entreprise Spécification des API datastore SP L2.3.1 Diffusion : Institut MinesTélécom, Télécom SudParis 1 / 12 1OpenPaaS DataBase API : ODBAPI...3 1.1Comparaison des concepts...3
Plus en détailRappel sur les bases de données
Rappel sur les bases de données 1) Généralités 1.1 Base de données et système de gestion de base de donnés: définitions Une base de données est un ensemble de données stockées de manière structurée permettant
Plus en détailBases de données. Chapitre 1. Introduction
Références : Bases de données Pierre Wolper Email : pw@montefiore.ulg.ac.be URL : http : //www.montefiore.ulg.ac.be/~pw/ http : //www.montefiore.ulg.ac.be/ ~pw/cours/bd.html Henry F. Korth, Abraham Silberschatz,
Plus en détailVoie SIS (2A M1) Signal, Informatique 05/06/2014
Voie SIS (2A M1) Signal, Informatique et Systèmes 05/06/2014 1ère des 2 années du cycle «smart system» système capable de : recevoir des données, des requêtes percevoir son propre état et/ou son environnement
Plus en détailBases de Données. Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre
Bases de Données Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre Synthèse : conception de BD langage de modélisation famille de SGBD SGBD Analyse du
Plus en détailCompte-rendu de projet de Système de gestion de base de données
Compte-rendu de projet de Système de gestion de base de données Création et utilisation d'un index de jointure LAMBERT VELLER Sylvain M1 STIC Université de Bourgogne 2010-2011 Reponsable : Mr Thierry Grison
Plus en détailKit ODBC 100. Version 12.00. Référence
Kit ODBC 100 Version 12.00 Référence COMPOSITION DU PROGICIEL PROPRIETE & USAGE CONFORMITE & MISE EN GARDE EVOLUTION LA FICHE SUGGESTION MARQUES Votre progiciel est composé d'un boîtier de rangement comprenant
Plus en détail